Classification automatique et agents IA : ce qui marche chez un bailleur
Le gain ne vient pas du modèle mais du branchement : référentiels, services métier et droits d'accès. Et d'un seuil d'automatisation qui monte au rythme de la confiance.
Les démonstrations d’IA sont devenues faciles à réussir et difficiles à transformer. Un modèle lit une réclamation, en propose un résumé et une catégorie, tout le monde trouve cela convaincant. Puis le sujet s’enlise au moment de le mettre en production.
La raison est presque toujours la même, et elle n’a rien à voir avec le modèle.
Le problème n’est pas l’intelligence, c’est le branchement
Un modèle généraliste sait lire du français. Il ne sait pas :
- que « le 14 allée des Tilleuls » correspond au programme 0427 de votre patrimoine ;
- que ce programme relève du marché de plomberie attribué en mars, et pas de l’autre ;
- que dans votre organisme, une fuite en partie commune ne suit pas le même circuit qu’une fuite en logement ;
- que la personne qui pose la question n’a pas le droit de voir l’historique des impayés.
Ces quatre informations ne sont pas dans le texte de la demande. Elles sont dans vos référentiels, vos contrats, vos règles d’organisation et vos droits d’accès. Tant qu’un agent n’y a pas accès, il produit une réponse plausible, ce qui est exactement le pire résultat possible, parce qu’elle est fausse sans en avoir l’air.
C’est pour cela qu’un hub de services précède utilement tout projet d’IA. Non pas comme couche technique supplémentaire, mais parce qu’il est l’endroit où l’on déclare une fois ce que l’agent doit pouvoir appeler : retrouver un logement, vérifier un contrat, identifier le marché applicable, contrôler un droit.
Classer : le cas d’usage le plus rentable
Avant les agents conversationnels, il y a un travail moins spectaculaire et beaucoup plus rentable : la qualification de ce qui arrive.
Chaque jour, un organisme reçoit des réclamations, des courriers, des courriels, des factures, des demandes d’intervention. Tout cela arrive en texte libre et doit être rattaché à quelque chose : un logement, un contrat, un marché, une catégorie, un destinataire. Ce travail est aujourd’hui fait à la main, il est répétitif, et il est fait inégalement selon la charge du jour.
Une classification automatique bien branchée fait trois choses :
- rattacher : relier la demande au bon objet métier, en s’appuyant sur les référentiels et non sur une devinette ;
- catégoriser : nature, urgence, corps d’état, service destinataire, en apprenant de vos décisions passées plutôt que d’une typologie générique ;
- tracer : conserver ce qui a été proposé, sur quelle base, et ce qu’un humain en a fait.
Le troisième point est celui qui rend les deux premiers acceptables.
Le seuil d’automatisation monte, il ne se décrète pas
C’est la mécanique qui distingue les projets qui durent de ceux qui s’arrêtent après la phase pilote.
Au démarrage, l’agent propose et un gestionnaire valide. Chaque validation et chaque correction sont enregistrées. Au bout de quelques semaines, on dispose d’un taux d’accord mesuré, par catégorie.
On relève alors le seuil là où il est mérité : les catégories sur lesquelles l’accord dépasse un niveau convenu passent en automatique, les autres restent en proposition. Le réglage est par catégorie, jamais global : une classification peut être excellente sur les demandes techniques et médiocre sur les courriers juridiques.
Et le mouvement doit pouvoir s’inverser : si le taux d’accord se dégrade, le seuil redescend tout seul. Un dispositif qui ne sait que s’ouvrir n’inspire pas confiance longtemps.
Trois règles que nous appliquons
Un agent n’invente jamais une donnée. Il appelle un service qui détient l’information et cite ce qu’il a trouvé. Si le service ne répond pas, l’agent dit qu’il ne sait pas. Il ne comble pas.
Un agent a les droits d’un utilisateur, pas plus. Il passe par les mêmes services, avec les mêmes contrôles. L’IA n’est pas une porte dérobée sur le système d’information.
Un agent s’arrête là où votre organisation veut qu’un humain tranche. Préparer une demande d’intervention, oui. L’engager sur un marché, seulement si vous l’avez décidé explicitement, catégorie par catégorie.
Par où commencer
Par le flux entrant le plus volumineux et le plus répétitif, celui où la qualification manuelle coûte le plus cher. Mesurez d’abord le taux d’accord en mode proposition, sur quelques semaines, sans rien automatiser.
Ce chiffre vous dira beaucoup plus sur votre projet d’IA que n’importe quelle démonstration.
Vous voulez en parler pour votre organisme ? Écrivez-nous à contact@oxli.io ou demandez une démonstration.