Un scénario d’automatisation classique possède une qualité rare : il se trompe toujours de la même façon. Vous corrigez une fois, le problème disparaît définitivement. Branchez une étape d’intelligence artificielle au milieu de ce même scénario et cette belle mécanique change de nature, car le système se met à juger, à interpréter, parfois à hésiter. C’est tout l’enjeu du couple Make, Zapier et l’IA : les plateformes n’ont pas beaucoup changé, mais ce qu’on leur confie n’a plus rien à voir, et cela suppose de nouvelles précautions.
Quand un automatisme cesse d’être prévisible
Un connecteur qui recopie le champ « code postal » d’un formulaire vers une fiche client produira le même résultat mille fois de suite. Un modèle de langage à qui l’on demande de classer une demande entrante en « devis », « réclamation » ou « information » donnera une réponse juste dans la très grande majorité des cas, et une réponse différente sur la même formulation ambiguë selon le jour.
Ce n’est ni un défaut ni un bogue. C’est la contrepartie de la souplesse.
La conséquence pratique est importante et rarement anticipée. Un scénario déterministe se teste une fois ; un scénario qui embarque du jugement se surveille en permanence. Nous conseillons systématiquement de constituer un jeu d’une trentaine de cas réels, prélevés dans votre historique, et de le repasser à chaque modification de consigne. Sans ce filet, vous améliorez un cas et vous en cassez trois sans jamais le savoir.
Quatre endroits où l’étape d’IA gagne sa place
Inutile de mettre de l’intelligence partout. Dans les scénarios que nous auditons, quatre usages reviennent et justifient réellement leur coût.
Une société de négoce de l’Essonne a ainsi ajouté une seule étape de classement à un scénario qui existait depuis deux ans. Les demandes arrivant sur la boîte générique sont triées, celles qui contiennent une référence produit partent directement au service devis avec la fiche préremplie. Le reste continue son chemin habituel. Deux heures de travail, un effet immédiat sur le délai de réponse.
Le coût que l’abonnement ne montre pas
Voilà le sujet dont personne ne parle avant la première facture surprise. Sur ces plateformes, votre forfait compte les opérations ; le modèle de langage, lui, facture à part, au volume de texte traité.
Pris isolément, un appel coûte une fraction de centime. Multipliez par quatre cents exécutions quotidiennes, ajoutez un scénario mal bordé qui repasse le même message à chaque erreur, et la note mensuelle grimpe sans que personne ne s’en aperçoive avant le relevé. Trois précautions suffisent : un plafond de dépense configuré chez le fournisseur du modèle, une alerte au-delà d’un seuil quotidien, et une règle de non-répétition sur les échecs.
Second poste souvent négligé, la latence. Un appel de modèle ajoute une à quelques secondes à chaque exécution, ce qui est sans importance sur un traitement nocturne et très gênant dans un enchaînement synchrone déclenché par un formulaire en ligne.
Les garde-fous qui rendent la chose exploitable
Assembler Make, Zapier et l’IA sans filet fonctionne quelques semaines, puis produit une erreur silencieuse que personne ne voit passer. Quatre dispositions changent tout, et elles ne coûtent presque rien.
Journalisez les entrées et les sorties de chaque étape d’IA dans une feuille de calcul ou une table dédiée. C’est laid, c’est rudimentaire, et le jour où un client conteste une réponse, vous saurez exactement ce que le système a reçu et ce qu’il a produit.
Prévoyez ensuite une file d’attente humaine pour les cas incertains, avec un délai maximal de traitement, faute de quoi elle se remplira et personne ne l’ouvrira. Imposez un format de sortie strict, en demandant au modèle une structure de données précise plutôt qu’un texte libre, et faites échouer proprement le scénario quand ce format n’est pas respecté. Nommez enfin un responsable identifié : dans les PME que nous accompagnons, un scénario sans propriétaire tombe en panne en moyenne au bout d’un trimestre, souvent après une mise à jour d’un logiciel connecté.
Ce qu’on ne branche pas sur un modèle
Notre liste est courte et nous n’en démordons pas. Aucun envoi direct au client sans relecture humaine, quelle que soit la qualité apparente des brouillons. Aucune écriture comptable ni aucun mouvement de stock déclenché sur la seule interprétation d’un document. Aucune décision touchant une personne, tri de candidatures ou évaluation, sans intervention et sans traçabilité.
Ajoutez la question des données. Un scénario qui envoie des dossiers clients vers un modèle hébergé hors d’Europe mérite un examen sérieux avant d’être mis en production, et pas six mois après. Cette vérification prend une demi-journée quand elle est faite au bon moment.
Le reste est affaire de bon sens et d’habitude. Nos clients qui réussissent le mieux avec Make, Zapier et l’IA sont ceux qui ont formé deux ou trois personnes en interne plutôt que d’attendre un expert unique, une logique que nous détaillons dans notre programme de formation de référent IA. Ce sont aussi ceux qui commencent par un seul scénario existant, l’enrichissent d’une étape, l’observent un mois, puis recommencent ailleurs. Chez MINOBIA, nous outillons cette progression avec des modules comme Report’IA, et notre première question reste toujours la même : ce scénario, qui le surveille lundi matin ?
Questions fréquentes
Faut-il refaire nos scénarios existants pour y ajouter de l’IA ?
Non, et c’est tout l’intérêt. Une étape s’insère dans un enchaînement qui tourne déjà, sans toucher au reste. Commencez par le point où quelqu’un doit encore lire quelque chose pour décider.
Comment savoir si l’étape d’IA se trompe ?
En la faisant tourner à blanc pendant deux semaines : elle propose, un humain décide, et vous comparez. L’écart mesuré vous dira si vous pouvez lui laisser la main et à partir de quel seuil.
Combien cela coûte-t-il par mois pour une PME ?
L’abonnement à la plateforme, quelques dizaines d’euros, plus la consommation du modèle, souvent comprise entre dix et cent euros selon les volumes. Le poste réellement lourd reste le temps de conception.
Vaut-il mieux un modèle puissant ou un modèle économique ?
Pour classer et extraire, un modèle léger suffit et coûte dix fois moins cher. Réservez les modèles les plus capables à la rédaction et aux raisonnements sur des documents longs.
Que se passe-t-il si le fournisseur du modèle est indisponible ?
Le scénario doit basculer sur un traitement manuel, pas s’arrêter en silence. Prévoyez cette branche dès la conception, elle servira deux ou trois fois par an.
Decouvrez en 5 minutes ou l’IA peut vous faire gagner du temps dans votre entreprise
Diagnostic gratuit et personnalise. Reponse par e-mail sous 48 heures.
Faire mon diagnostic IA gratuitÀ propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
