Dans les coulisses de Numéricité : automatiser nos workflows en mode produit
Dans un précédent épisode de nos backstages, on vous présentait Ricobot, notre robot fait maison qui épargne un bon nombre de tracas à notre équipe, et surtout à Marie et Joana. Depuis sa mise en service, le Rico est devenu la pierre angulaire de l’entreprise. Pensé pour simplifier le pilotage des projets, Rico était déjà plein de promesses et voué à évoluer dans le temps.
C’est pourquoi après plusieurs semaines de réflexion, d’échanges et de travail, nous disposons désormais de workflows automatisés qui créent des espaces projets, récupèrent des informations dans nos agendas, classent des documents ou pré-remplissent certaines données administratives. Avec, au milieu de tout cela, un peu d’IA. Mais pas seulement.
Parce qu’avant de se demander « où est-ce qu’on pourrait mettre de l’intelligence artificielle ? », on a commencé par une question beaucoup plus intéressante : qu’est-ce qui nous fait perdre du temps ?
Appliquer le mode produit… à nous-mêmes
Chez Numéricité, on passe une bonne partie de notre temps à dire qu’un bon produit numérique est d’abord conçu à partir des besoins de ses utilisateurs. C’aurait été fort de café de ne pas l’appliquer en interne !
Pour comprendre les usages de l’IA et les besoins de l’équipe, notre stagiaire Mohamed a fait le tour du bureau avec des questions simples : quelles sont les tâches que vous répétez ? Quelles informations recopiez-vous d’un outil à l’autre ? Qu’est-ce que vous devez régulièrement vérifier ? Où perdez-vous du temps ? Qu’est-ce qui vous fait soupirer très fort devant votre écran ?
L’objectif était double : comprendre le quotidien réel de chacune et chacun, et identifier les endroits où une automatisation pouvait avoir un effet concret.
Les premiers échanges, notamment avec Marie et Joana, ont rapidement fait émerger plusieurs sujets côté administratif : l’ouverture des nouveaux projets, le suivi documentaire, les comptes-rendus d’activité ou encore certains processus financiers. Une fois les besoins recensés et priorisés, le chantier pouvait commencer.
Et comme souvent lorsque l’on travaille en mode produit, la solution imaginée au départ n’est pas nécessairement celle que l’on a fini par construire…
Automatiser sans mettre de l’IA partout
Quand on parle aujourd’hui d’automatisation, difficile de ne pas penser directement à l’IA générative et aux grands modèles de langage (LLM). Pour autant, tout problème ne nécessite pas un LLM. Parfois, quelques règles suffisent. D’autres fois, un script peut être plus rapide et moins coûteux. Notre boussole a été de ne retenir l’IA que lorsqu’elle apportait une vraie valeur ajoutée. Par exemple pour interpréter un texte, rapprocher des informations, ou comprendre un document qui n’a pas été standardisé. En somme, choisir à chaque étape la solution la plus appropriée pour répondre aux besoins de l’équipe .
Pour orchestrer tout ça, Mohamed s’est plongé dans n8n, un outil permettant d’enchaîner des actions entre différents services. Une première pour lui, où il a fallu tester, casser quelques workflows, les reconstruire, comprendre comment faire dialoguer nos outils de tous les jours… Il a pu compter sur l’aide de Mehdi, déjà grand utilisateur de n8n.
Petit à petit, Slack, Nextcloud et Ricobot ont commencé à discuter entre eux. Mais pour que Rico puisse participer à la conversation, une pièce manquait : une API.
Qu’est-ce qu’une API ?
Une API (Application Programming Interface, ou interface de programmation) est un moyen standardisé permettant à deux applications de communiquer entre elles. Elle définit les règles selon lesquelles un outil peut demander, envoyer ou modifier des données dans un autre, sans avoir besoin d’en connaître le fonctionnement interne.
Pour que ces outils puissent réellement dialoguer avec Rico (et rendre le terrain de jeu encore plus intéressant) il a donc fallu la créer.
Ces premières explorations ont donné lieu à trois cas d’usage qui montrent que l’important ce n’est pas forcément l’outil, mais bien l’usage pour lequel il est conçu !
Premier chantier – Comment huiler la transmission d’informations au début d’un projet ?
Lorsqu’une mission commence, on a quelques réflexes afin que les informations soient “in the open” et partagée à toutes et tous. Des choses aussi banales que créer un canal dédié au projet sur Slack, les dossiers correspondants dans Nextcloud (notre serveur de stockage), s’assurer que les équipes projets aient les accès nécessaires, ajouter les bonnes informations, et évidemment créer le projet dans Ricobot. Une série de petits gestes qui semblent anodins mais qui sont essentiels bien qu’à la longue ils deviennent chronophages et multiplient les ressaisies d’informations, et donc les possibilités de faire des erreurs.
Vous nous voyez venir, la première idée était donc très simple. Chaque nouvelle création de projet déclenche automatiquement la création du message Slack, des canaux et des dossiers associés. Après quelques tests, on s’est rendus compte que le frein n’était pas seulement dû à la multiplication des actions, mais aussi à un manque d’informations.
Pour créer correctement tous ces éléments, le workflow devait disposer d’un certain nombre d’informations : nom du projet, personnes concernées, client, modalités de suivi… En plus de déclencher les différentes actions, le prototype récupère désormais toutes ces informations en amont.
Une itération n’arrive jamais seule, et une étape supplémentaire s’est imposée par la pratique. Comme dans n’importe quel projet numérique, on ne peut pas faire fi de l’humain – du moins c’est notre conviction. Dans celui-ci, une vérification manuelle s’est imposée pour éviter les erreurs ou les oublis avant la création des espaces de travail et la transmission des éléments à l’équipe mobilisée. Si la confiance n’exclut pas le contrôle, il en est de même pour l’automatisation. Automatiser ne rime pas avec supprimer toute intervention humaine du processus. C’est peut être un détail pour vous, mais c’est un élément central de notre façon de faire.
Deuxième chantier : pré-remplir Ricobot sur la base de nos agendas Outlook
Dans cette lancée, on a voulu continuer à développer le Ricobot. Vous l’aviez peut être découvert dans les backstages précédentes, Rico est notre outil interne de pilotage des activités. Il facilite notamment le suivi des activités de chaque membre de l’équipe sur chacun des projets qui lui sont attribués et la consommation du temps.
Tout le monde dans l’équipe a déjà entendu Marie et Joana dire au dernier stand-up du mois “pensez à bien remplir vos CRA (compte-rendu d’activité, ndlr), on va facturer !”. Pour cela, on a rendez-vous sur notre espace individuel Ricobot. Et c’est là que le bât blesse : comment reconstituer finement l’activité d’un mois quand on travaille sur plusieurs projets en parallèle ?
Avec les fonctionnalités de prises de note et de complétion automatique des CRA qui existaient déjà, Ricobot apporte une première partie de la réponse. L’idée était de compléter le suivi – qu’on fait plus ou moins au cours du mois – en s’appuyant sur les informations de nos agendas électroniques et éviter de remplir plusieurs fois une même information.
Pour chaque événement de l’agenda Outlook, le système analyse notamment son intitulé, sa durée et les informations disponibles. Il commence par rechercher des correspondances avec les missions en cours dans Ricobot à partir de règles et de mots-clés. Quand celles-ci suffisent, inutile d’aller plus loin. Lorsqu’aucune correspondance évidente n’est trouvée, un modèle d’IA installé localement peut prendre le relais et tenter de rapprocher l’événement des missions connues de la personne.
Le résultat est ensuite envoyé à Ricobot grâce à sa nouvelle API. Le but n’est pas que Rico décide tout seul de ce que chacun a fait pendant sa journée. Le système pré-remplit un suivi, que chaque personne peut ensuite vérifier, corriger ou compléter.
Ce chantier a mis en lumière l’importance d’une bonne convention de nommage, partagée par l’ensemble de l’équipe. C’est en partie pour cela que le premier chantier était important, car il permettait d’uniformiser les informations. Car si un même projet a un nom différent sur chacun de nos outils, la meilleure automatisation ne parviendra pas à faire le rapprochement. Automatiser, c’est aussi standardiser nos pratiques internes et être plus rigoureux dans la complétion des informations.
Troisième chantier : remettre un peu d’ordre dans la jungle documentaire
Autre terrain fertile : les documents administratifs et financiers. Ils arrivent par mail, puis il faut les télécharger, comprendre à quel projet ils se rapportent, les ranger dans Nextcloud et suivre ce qu’il reste à en faire. À mesure que leur nombre augmente, garder une vision claire devient vite compliqué.
Nous avons imaginé une application capable de prendre en charge une partie de ce parcours. Lorsqu’un mail avec une pièce jointe arrive, le système récupère le document et en extrait les informations utiles à son classement : client, date, sujet, référence ou projet concerné.
Pour limiter le recours à l’IA et son coût, le document est d’abord transformé en texte et débarrassé des informations inutiles. Le modèle n’intervient ensuite que pour analyser ce contenu et aider à identifier le bon projet ou le bon classement. L’application peut alors proposer un dossier existant dans Nextcloud, permettre d’en créer un s’il manque, ou laisser l’utilisateur rechercher manuellement le bon emplacement.
Lorsque le système détecte que le document est un bon de commande, il peut rechercher à la fois dans Nextcloud et dans Ricobot, extraire les informations importantes du document (montant, dates, références) et en générer certaines lorsqu’elles manquent. Toutes ces données viennent ensuite pré-remplir un formulaire. Là encore, l’humain conserve le contrôle : Marie ou Joana peuvent modifier et compléter ce qui manque avant validation et enregistrement automatique dans le Ricobot.
L’application embarque également un système de statuts : document classé, en attente, signé, à signer, à renvoyer… On peut filtrer les documents par état, les prévisualiser ou les télécharger directement. L’intérêt n’est alors plus seulement d’éviter quelques clics entre une boîte mail et Nextcloud. Nous obtenons progressivement un point d’entrée unique pour suivre le cycle de vie des documents. Au lieu de se demander si l’information est dans le mail, dans Nextcloud ou dans Ricobot, on dispose d’une vue centralisée du travail restant à faire.
La technologie révèle aussi les problèmes d’organisation
Ces expérimentations ont confirmé quelque chose que nous observons régulièrement chez nos clients : une automatisation fonctionne d’autant mieux que le processus qu’elle automatise est clair.
Pour rapprocher automatiquement un événement d’un projet, encore faut-il que les projets portent des noms cohérents. Pour ranger automatiquement un document, encore faut-il que l’arborescence des dossiers soit compréhensible. Pour déclencher correctement l’ouverture d’un nouveau projet, encore faut-il savoir quelles informations sont obligatoires et qui doit les valider.
Autrement dit, l’automatisation ne masque pas les incohérences d’un processus. Elle a plutôt tendance à les mettre sous un énorme projecteur. Le travail ne consiste finalement pas seulement à mettre de l’IA dans nos outils mais aussi à simplifier, documenter et harmoniser nos façons de travailler.
La prochaine étape sera la plus intéressante : déployer les premiers workflows auprès des équipes. Observer comment ils sont utilisés. Identifier les erreurs. Ajuster la fréquence de synchronisation. Déterminer à quels endroits les contrôles humains sont nécessaires. Standardiser certaines conventions, notamment dans les agendas et les noms de projets.
En bref : faire du produit. Les vrais enseignements viendront de Marie, Joana et du reste de l’équipe lorsqu’ils et elles commenceront à utiliser ces outils chaque jour.
Et la suite ?
La liste des candidats à l’automatisation est loin d’être terminée.
Les notes de frais constituent déjà un prochain terrain d’expérimentation. Un premier bot existe, mais génère encore des erreurs et des doublons. L’objectif serait de pouvoir déclarer une dépense simplement, ranger automatiquement son justificatif dans Nextcloud et compléter les informations nécessaires dans le fichier de suivi, avant une dernière vérification humaine.
Autre piste : les marchés et appels d’offres. Au fil du temps, Numéricité accumule une quantité importante d’expériences, de références et de compétences mobilisables. Notre futur enjeu sera de mieux structurer cette connaissance pour pouvoir analyser nos marchés gagnés et perdus, comprendre les facteurs qui ont joué et, à terme, rapprocher automatiquement une nouvelle offre des expériences et des profils les plus pertinents au sein du collectif.
Ici encore, le sujet n’est pas de demander à une IA de faire notre travail à notre place. Il s’agit plutôt de lui confier ce qu’elle sait bien faire – parcourir, rapprocher, extraire, suggérer – pour laisser aux humains ce pour quoi ils sont nettement meilleurs : comprendre le contexte, arbitrer et décider.
