Aller au contenu principal
Intelligence artificielle

IA ou automatisation : comment savoir ce qu’on vous vend

Une bonne partie de ce qui est vendu comme « IA » est de l’automatisation par règles, et ce n’est pas un défaut. Le test simple pour faire la différence, et pourquoi elle change le prix et le risque.

Digi4··7 min de lecture

Si le même document produit toujours le même résultat, et que ce résultat s’explique par une règle écrite, c’est de l’automatisation, pas de l’IA. Et c’est souvent une bonne nouvelle : l’automatisation est plus prévisible, plus simple à tester et en général moins chère à exploiter. L’IA devient utile quand l’entrée est trop variée pour être décrite en règles : un texte libre, un document dont la mise en page change, une demande formulée de mille façons.

La différence n’est pas un détail de vocabulaire. Elle change le prix, le risque d’erreur, la manière de tester et ce que vous devez prévoir comme contrôle humain. Voici comment la reconnaître dans une proposition commerciale.

Mis à jour le 17 novembre 2026.

Qu’est-ce que l’automatisation, concrètement ?

Un programme qui applique des règles que quelqu’un a écrites : « si le montant dépasse 50 000 DH, envoyer au directeur », « chaque soir, exporter les commandes vers la comptabilité », « si le champ ICE est vide, bloquer l’enregistrement ». Le résultat est entièrement déterminé par l’entrée et par les règles. On peut le tester cas par cas, et quand il se trompe, on trouve la règle fautive et on la corrige.

Les workflows d’approbation, les relances automatiques, les synchronisations entre logiciels, les rapprochements de montants, les calculs de commissions, la génération de documents à partir d’un modèle : tout cela relève de l’automatisation. C’est le cœur de la plupart des plateformes métier que nous construisons.

Qu’est-ce qui relève vraiment de l’IA ?

Une tâche où l’on ne sait pas écrire la règle, parce que l’entrée varie trop. Trois familles reviennent dans les entreprises :

  • Lire un document dont la forme change : des factures de cent fournisseurs différents, des contrats, des formulaires remplis à la main. Voir lecture de documents par IA.
  • Comprendre un texte libre : classer une réclamation, résumer un échange, repérer qu’un e-mail est une demande de résiliation. Voir traitement en masse.
  • Juger une ressemblance : deux libellés désignent-ils le même produit, ce dossier ressemble-t-il aux dossiers frauduleux passés. Voir contrôle et validation.

Dans ces trois cas, le résultat est probabiliste : le modèle propose une réponse, avec un risque d’erreur qui dépend de vos documents. On ne le teste pas cas par cas, on le mesure sur un échantillon, et on prévoit une personne pour valider ce qui est incertain.

Le test en cinq questions

Posez-les au prestataire, par écrit si possible :

  1. Le même document donne-t-il toujours le même résultat ? Si oui, c’est très probablement de l’automatisation.
  2. Pouvez-vous me montrer la règle qui produit ce résultat ? Si la réponse est une liste de conditions, c’est de l’automatisation. Si c’est « le modèle a appris », demandez sur quoi et comment c’est mesuré.
  3. Quel est le taux d’erreur, et sur quels documents a-t-il été mesuré ? Une vraie IA a un taux d’erreur. Un prestataire qui n’en annonce aucun, ou qui cite un chiffre mesuré ailleurs que sur vos documents, n’a pas encore fait le travail.
  4. Que se passe-t-il quand le système n’est pas sûr ? La bonne réponse décrit un écran où une personne voit le document et corrige. « Il est toujours sûr » n’est pas une bonne réponse.
  5. Où partent mes données ? Une IA s’appuie souvent sur un modèle hébergé à l’étranger, ce qui pose la question de la loi 09-08. Une automatisation par règles tourne en général sur votre serveur.

Pourquoi tout le monde dit « IA » ?

Parce que le mot vend. Un chatbot à arbre de décision, un formulaire qui calcule un devis ou un tableau de bord qui colore les retards sont régulièrement présentés comme de l’IA. Ce n’est pas forcément malhonnête, mais cela brouille deux choses que vous devez savoir avant de signer : comment le système peut se tromper, et ce que vous payez réellement.

L’effet inverse existe aussi : on vous propose un modèle de langage pour une tâche qu’une règle de trois lignes réglerait mieux. Vous payez alors un coût d’usage au volume, une latence et un risque d’erreur pour un problème qui n’en demandait pas. Nous le disons dans notre offre de contrôle : ce qui peut s’écrire en règle précise reste une règle.

Qu’est-ce que cela change sur le prix ?

BesoinApproche adaptéeFourchette (DH HT)Hypothèse
Workflow, relances, synchronisation, calculsAutomatisation dans un module métier40 000 – 180 000Module métier sur mesure, règles écrites avec vous. Source : grille Digi4
Savoir si l’IA apporte quelque choseAudit IA15 000 – 30 000Un ou deux processus examinés. Source : grille Digi4
Lire, classer ou résumer des contenus variésPrototype IA sur vos documents12 000 – 60 000Un cas d’usage, mesure de la qualité. Source : grille Digi4
Mettre l’IA en production dans un parcoursIntégration IA18 000 – 200 000Validation humaine et journalisation comprises. Source : grille Digi4

À cela s’ajoute, pour l’IA seulement, un coût d’usage du modèle qui dépend du volume traité et que le fournisseur facture séparément. Une automatisation par règles n’a pas ce coût variable : une fois construite, son coût d’exploitation est celui du serveur et de la maintenance (15 à 20 % du coût de construction par an pour une plateforme que nous avons développée, estimation publiée sur notre grille).

Le bon projet mélange souvent les deux

Dans une chaîne réelle, l’IA occupe rarement plus d’une étape. Prenons une facture fournisseur : l’IA lit le document et propose les champs ; des règles vérifient que le total est la somme des lignes, que l’ICE existe dans le référentiel fournisseurs, que le montant correspond au bon de commande ; un workflow envoie à la validation au-delà d’un seuil. Une seule étape sur quatre est de l’IA. Le reste est de l’automatisation classique, et c’est elle qui rend le résultat fiable.

C’est aussi pour cela qu’il est souvent plus rentable d’ajouter une étape d’IA à votre logiciel existant que d’acheter un « produit IA » qui refait tout.

Quand ni l’un ni l’autre n’est la bonne réponse

Si le processus n’est pas stable, l’automatiser fige le désordre. Si le volume est faible (quelques dizaines de documents par mois), la saisie manuelle reste souvent moins chère que n’importe quel projet. Et si un logiciel du marché fait déjà le travail, un abonnement SaaS ou un ERP standard paramétré sera plus économique qu’un développement : nous le disons au diagnostic, qui coûte 12 000 à 30 000 DH HT et est déduit du cadrage si le projet se fait.

Ce que nos réalisations montrent, et ce qu’elles ne montrent pas

Nos études de cas publiées sont des plateformes métier, pas des projets d’IA. Sportiq, par exemple, gère licences, transferts, compétitions et trésorerie de fédérations sportives : c’est de l’automatisation à grande échelle, avec des règles métier, et c’est le socle sur lequel une étape d’IA peut ensuite se brancher. Nous préférons vous le dire que de requalifier ces projets en « IA ». Nos projets d’IA sont présentés à part, avec leurs limites : ScanClear, Isnad ou MeetScribe.

Pour savoir ce qui, dans votre cas, relève de l’un ou de l’autre : décrivez votre besoin.

Questions fréquentes

Un chatbot est-il forcément de l’IA ?

Non. Un chatbot qui propose des boutons et suit un arbre de questions est de l’automatisation. Il devient de l’IA quand il comprend une question libre, et il peut alors se tromper.

L’automatisation est-elle moins moderne ?

Non. Elle est plus prévisible et plus facile à auditer. Pour beaucoup de processus, c’est simplement le bon outil.

Peut-on commencer par l’automatisation et ajouter l’IA ensuite ?

Oui, et c’est souvent l’ordre le plus sûr : des données propres et un processus stable rendent l’étape d’IA plus simple à mesurer.

Newsletter

Recevez nos prochains articles directement dans votre boîte mail.

Écrire à un responsable Digi4 sur WhatsApp