IA générative ou automatisation classique : laquelle choisir pour chaque tâche ?

Règles, scripts, RPA, modèles de langage : de quoi parle-t-on ?

L'automatisation classique exécute des instructions écrites à l'avance ; l'IA générative produit une réponse à partir de ce qu'elle a appris. Derrière ces deux familles se cachent des outils assez différents :

• Les règles déterministes : « si l'expéditeur est tel fournisseur et que le montant dépasse tel seuil, envoyer en validation ». On les trouve dans un logiciel métier, un CRM ou une boîte mail.
• Les scripts et intégrations : un programme qui lit un fichier, appelle une API et écrit dans un autre logiciel, chaque nuit ou à chaque événement.
• La RPA (automatisation robotisée des processus) : un robot logiciel qui reproduit les clics d'un utilisateur dans des écrans, utile quand un logiciel ancien n'offre aucune API.
• Les plateformes sans code, comme celles comparées dans n8n, Make ou Zapier, qui enchaînent ces briques à l'écran.
• L'IA générative : un grand modèle de langage lit un texte libre, le classe, en extrait des données ou rédige une réponse.

IA générative ou automatisation classique : le tableau comparatif

Cas par cas : tri de mails, factures, relances, classement

Pour les relances, la page automatiser les relances de factures impayées montre qu'un enchaînement de règles bien conçu couvre l'essentiel du besoin. Pour les factures fournisseurs, la généralisation de la facture électronique fera arriver une part croissante des factures sous forme de données structurées, qu'il n'y aura plus besoin de lire.

Fiabilité : deux façons de se tromper

Une automatisation par règles se trompe bruyamment : face à un cas imprévu, elle s'arrête ou laisse passer le document sans le traiter, et l'anomalie se voit. Un modèle de langage se trompe discrètement : il produit une réponse bien formée là où il aurait dû signaler un doute. Les recommandations de l'ANSSI pour un système d'IA générative, publiées le 29 avril 2024, définissent l'hallucination comme le phénomène dans lequel un modèle génère du contenu erroné qui n'est pas basé sur des données réelles.

Ces mêmes recommandations en tirent des règles de conception utiles à toute PME :

• proscrire l'usage automatisé de systèmes d'IA pour des actions critiques sur le système d'information (recommandation R9) ;
• limiter les actions automatiques d'un système d'IA qui traite des entrées non maîtrisées (R27), ce qui est exactement le cas d'une boîte mail ouverte sur l'extérieur ;
• journaliser l'ensemble des traitements réalisés au sein du système d'IA (R29).

En pratique, les sorties du modèle passent par des contrôles qui, eux, sont des règles : total des lignes égal au total de la facture, fournisseur présent dans la base, référence existante au catalogue. La notion d'hallucination d'une IA est détaillée dans le glossaire.

Coût d'usage : fixe d'un côté, proportionnel de l'autre

Une règle coûte surtout à écrire et à maintenir ; l'exécuter mille ou cent mille fois ne change presque rien à la facture. Un modèle de langage appelé par API est facturé à l'usage : d'après le centre d'aide d'OpenAI et la page de tarifs d'Anthropic, le prix dépend du modèle et du nombre de jetons (tokens) envoyés et produits, avec des tarifs distincts en entrée et en sortie. Son coût suit donc le volume de documents. Trois leviers le maîtrisent :

1. faire passer d'abord les règles, et n'appeler le modèle que pour les cas qu'elles ne résolvent pas ;
2. n'envoyer au modèle que la partie utile du document, pas la pièce jointe entière avec son historique ;
3. choisir la taille de modèle adaptée à chaque tâche, un classement simple ne demandant pas le modèle le plus puissant.

Les principes de tarification des fournisseurs sont présentés dans la page combien coûte l'utilisation d'une API d'IA.

Ce que l'AI Act change, et ce qu'il ne change pas

L'AI Act, ou règlement (UE) 2024/1689, ne vise pas l'automatisation classique. Son considérant 12 précise que la définition d'un système d'IA ne couvre pas les systèmes fondés sur des règles définies uniquement par des personnes physiques pour exécuter automatiquement des opérations, la capacité d'inférence étant la caractéristique clé d'un système d'IA. Les lignes directrices de la Commission européenne sur la définition d'un système d'IA (C(2025) 5053 final du 29 juillet 2025), non contraignantes, citent parmi les traitements de données de base exclus un système de base de données qui trie ou filtre des enregistrements selon des critères, ou un tableur sans fonction d'IA. Elles rappellent aussi que les approches fondées sur la logique et les connaissances, comme les systèmes experts, restent des techniques d'IA.

Un traitement qui s'appuie sur un modèle de langage est en revanche un système d'IA. Selon la CNIL, la grande majorité des systèmes d'IA relèvent du risque minimal, pour lequel le règlement ne prévoit pas d'obligation spécifique. Deux points concernent quand même les PME :

• depuis le 2 août 2026, l'article 50 impose aux fournisseurs qu'un système d'IA destiné à dialoguer directement avec des personnes soit conçu pour qu'elles sachent qu'elles échangent avec une IA, sauf si c'est évident ;
• l'article 4, applicable depuis le 2 février 2025 et réécrit par l'omnibus IA (règlement (UE) 2026/1744, entré en vigueur le 27 juillet 2026), demande aux fournisseurs et aux déployeurs de prendre des mesures pour favoriser le développement de la maîtrise de l'IA par leur personnel, sans les contraindre à garantir un niveau précis.

Enfin, quelle que soit la technique, le RGPD protège les personnes contre une décision entièrement automatisée qui produit des effets juridiques ou les affecte de manière significative : selon la CNIL, elles peuvent notamment demander l'intervention d'un être humain pour réexaminer la décision. Le guide AI Act : ce que les PME doivent faire détaille le calendrier.

Notre verdict selon votre situation

Quand aucune des deux options ne convient

• Le processus n'est pas stabilisé : automatiser une façon de faire qui change chaque mois revient à figer la confusion. On décrit d'abord qui fait quoi.
• Le problème se règle en amont : obtenir d'un partenaire un fichier structuré ou un accès par API vaut mieux qu'un robot ou un modèle qui lit ses PDF.
• Le volume est trop faible : pour quelques documents par semaine, le temps de conception dépasse le temps gagné.
• Aucune erreur n'est tolérable et personne ne peut relire : l'automatisation n'est pas encore raisonnable.

Comment YMHB Web conçoit une automatisation

YMHB Web part des règles et n'ajoute un modèle de langage que là où elles échouent, mesuré sur un échantillon de vos documents réels avant toute construction. Les sorties du modèle passent par des contrôles et par un écran de validation pour les données qui engagent l'entreprise, chaque traitement est journalisé, et le fournisseur de modèle (OpenAI, Anthropic ou Mistral) est choisi au cadrage selon la nature des données. Ces chaînes sont décrites dans l'offre automatiser le traitement de documents avec l'IA ; le code et les accès restent au nom du client.