Agents IA et logiciels de gestion : jusqu’où faut-il laisser une IA agir dans votre ERP ou votre CRM ?
Il y a encore peu de temps, utiliser l’IA dans l’entreprise voulait surtout dire ouvrir ChatGPT et lui poser une question.
On copiait un texte.
On demandait une analyse.
On récupérait une réponse.
Et on retournait travailler dans son CRM, son ERP ou son logiciel de finance.
Cette époque est déjà en train de se terminer.
Les IA commencent maintenant à entrer directement dans nos logiciels de gestion.
Elles lisent les données du CRM. Elles préparent un rendez-vous. Elles analysent une conversation. Elles proposent de mettre à jour une opportunité. Elles peuvent interroger des données financières et, progressivement, elles vont pouvoir déclencher des actions.
Et là, le sujet devient beaucoup plus intéressant.
Parce qu’il ne s’agit plus simplement de savoir si une IA peut nous faire gagner du temps.
La vraie question devient :
jusqu’où sommes-nous prêts à la laisser agir à notre place ?
Avec Nova, Pipedrive vient de mettre un pied exactement dans ce sujet
Prenons un exemple très récent que nous connaissons bien chez BLC : Nova, la nouvelle IA intégrée à Pipedrive.
Avant un rendez-vous, Nova peut utiliser les informations disponibles dans le CRM pour préparer un briefing.
Pendant le rendez-vous, elle peut enregistrer et transcrire la conversation.
Après, elle génère un résumé, identifie les prochaines étapes et peut proposer des modifications dans le CRM : valeur d’une affaire, date de clôture prévue, informations d’un contact, champs personnalisés, etc. Pipedrive
Et c’est précisément là que je trouve le fonctionnement intéressant.
Nova propose. L’humain décide.
Pipedrive affiche la donnée actuelle à côté de celle proposée par l’IA. Le commercial peut accepter, modifier ou ignorer la suggestion. Si la donnée a changé entre-temps dans Pipedrive, Nova le signale également. Pipedrive
Autrement dit, on commence à déléguer une partie du travail à l’IA, sans encore lui déléguer complètement la décision.
Et je pense que cette nuance va devenir fondamentale.
Parce qu’entre demander à une IA de résumer un rendez-vous et l’autoriser à modifier automatiquement votre CRM, il y a déjà un monde.
Et entre modifier une donnée CRM et déclencher derrière une commande, une relance ou un paiement…
il y en a encore un autre. 😅
Lire une donnée n’est pas agir dessus
C’est probablement la distinction la plus importante à faire.
On parle beaucoup « d’agents IA » comme s’il s’agissait d’une seule capacité.
Mais donner à une IA accès à votre ERP ou votre CRM peut vouloir dire des choses très différentes.
Imaginez que je demande :
« Quelles affaires de plus de 50 000 € risquent de ne pas signer ce mois-ci ? »
L’IA consulte mon CRM, analyse les informations et me répond.
Très bien.
Maintenant, imaginons :
« Décale au mois prochain toutes les affaires que tu considères comme peu susceptibles de signer. »
Techniquement, la différence dans la phrase est minuscule.
Dans l’entreprise, elle est énorme.
Dans le premier cas, l’IA m’aide à décider.
Dans le second, je lui donne le droit de modifier mon système de référence.
Et si derrière ces modifications se trouvent des prévisions commerciales, des objectifs, un reporting de direction ou des automatisations…
une simple décision de l’agent peut commencer à avoir des conséquences un peu partout.
C’est là qu’il faut arrêter de penser uniquement en termes de fonctionnalités.
Il faut commencer à penser en termes de délégation.
Les 6 niveaux de délégation à une IA
Je pense qu’on peut finalement regarder les choses assez simplement.
Toutes les actions d’un agent IA dans un logiciel de gestion ne présentent pas le même risque.
Chez BLC, je proposerais de les classer en six niveaux.
Niveau 1 — Lire
L’IA peut accéder à une information.
« Quel est le chiffre d’affaires de ce client ? »
Elle consulte, elle répond.
Elle ne modifie rien.
C’est le niveau le plus simple, même s’il pose déjà une question essentielle : a-t-elle réellement le droit de voir cette information ?
Niveau 2 — Analyser
L’IA croise plusieurs informations et formule une analyse.
« Quelles opportunités commerciales semblent à risque ? »
« Quels clients ont un délai de paiement qui se dégrade ? »
« Pourquoi notre marge a-t-elle baissé ce mois-ci ? »
L’IA ne touche toujours pas à la donnée.
Mais elle commence à influencer une décision humaine.
Et donc la qualité de la donnée devient déjà fondamentale.
Niveau 3 — Proposer
On arrive exactement dans la logique actuelle de Nova.
L’IA ne se contente plus d’analyser.
Elle dit :
« Voilà ce que je pense qu’il faudrait modifier. »
Une date de clôture.
Un montant.
Une étape du pipeline.
Une information client.
Mais elle attend l’autorisation d’un utilisateur avant d’écrire.
À mon sens, c’est probablement aujourd’hui le meilleur équilibre pour beaucoup d’usages métier.
On automatise une grosse partie du travail idiot sans retirer le contrôle à l’utilisateur.
Niveau 4 — Préparer
Ici, l’IA va un cran plus loin.
Elle prépare une action qui sera exécutée après validation.
Elle peut par exemple préparer un e-mail de relance, une tâche, une proposition commerciale, une écriture ou un workflow.
L’utilisateur ne part plus d’une page blanche.
Il contrôle ce qui a été préparé et donne le feu vert.
On commence à obtenir des gains de temps considérables.
Mais on conserve un humain dans la boucle.
Niveau 5 — Modifier
Là, nous changeons vraiment de catégorie.
L’IA peut désormais modifier seule certaines informations.
Elle détecte par exemple qu’une date de clôture a changé pendant une conversation et met à jour le CRM.
Elle peut catégoriser automatiquement un élément.
Affecter une tâche.
Modifier un statut.
Cela peut parfaitement fonctionner.
Mais à partir de ce niveau, je pense qu’une entreprise doit être capable de répondre très clairement à trois questions :
Qu’est-ce que l’IA a le droit de modifier ?
Dans quelles conditions ?
Et pouvons-nous savoir après coup exactement ce qu’elle a fait ?
Niveau 6 — Exécuter
Et là, nous arrivons au vrai sujet des agents.
L’IA ne modifie plus simplement une information.
Elle déclenche une conséquence.
Elle envoie une relance.
Crée une commande.
Lance un workflow.
Envoie une proposition commerciale.
Déclenche une validation.
Ou, demain, demande l’exécution d’une opération financière.
C’est évidemment là que le potentiel devient énorme.
Mais c’est aussi là que la phrase :
« L’IA s’est trompée. »
devient nettement moins amusante. 😅
Plus l’action est irréversible, plus l’humain doit rester proche
Je ne pense pas qu’il faille répondre :
« L’IA ne doit jamais agir seule. »
Ce serait probablement aussi absurde que de dire qu’aucune automatisation ne doit jamais fonctionner sans validation humaine.
Nos logiciels déclenchent déjà énormément d’actions automatiquement.
Le sujet est plutôt de savoir lesquelles.
Si une IA ajoute automatiquement une étiquette à une opportunité commerciale et qu’elle se trompe, ce n’est probablement pas dramatique.
Si elle envoie automatiquement un e-mail à 5 000 clients, j’ai déjà un peu plus envie de regarder ce qu’elle fait.
Si elle modifie des coordonnées bancaires ou participe au déclenchement d’un paiement…
je veux probablement plusieurs garde-fous.
La bonne question n’est donc pas :
« Faut-il faire confiance à l’IA ? »
Mais plutôt :
« Quel niveau d’autonomie est acceptable pour cette action précise ? »
Et ça change complètement la manière de réfléchir au sujet.
Le problème : une IA peut parfaitement agir sur une mauvaise donnée
C’est le point que nous avions déjà développé dans notre article sur la qualité des données.
Une IA ne répare pas magiquement votre CRM ou votre ERP.
Si votre base contient des doublons, des informations obsolètes, des champs mal renseignés ou des droits incohérents, votre agent va travailler avec.
Et surtout, plus on donne de pouvoir à l’agent, plus une mauvaise donnée peut avoir de conséquences.
Prenons un exemple très simple.
Votre CRM contient une mauvaise date de renouvellement de contrat.
Une IA qui lit cette donnée peut vous donner une mauvaise information.
Une IA qui analyse cette donnée peut produire une mauvaise prévision.
Une IA qui agit sur cette donnée peut déclencher une relance au mauvais moment.
Même erreur initiale.
Trois conséquences complètement différentes.
C’est pour cela que je suis convaincu d’une chose :
plus l’IA va devenir puissante dans nos logiciels, plus les vieux sujets de qualité de données vont devenir stratégiques.
Pas moins.
« L’agent peut accéder au CRM » ne devrait jamais être une permission suffisante
C’est probablement le prochain gros chantier.
Aujourd’hui, lorsqu’on connecte un utilisateur à un ERP ou à un CRM, on réfléchit déjà à ses droits.
Que peut-il voir ?
Que peut-il modifier ?
À quelles sociétés peut-il accéder ?
Peut-il exporter ?
Peut-il valider ?
Peut-il supprimer ?
Il faudra avoir exactement la même discipline avec les agents IA.
Et probablement aller encore plus loin.
Un commercial peut avoir le droit de modifier une opportunité.
Cela signifie-t-il automatiquement que son agent IA doit avoir le même droit ?
Pas forcément.
Il faudra pouvoir distinguer les permissions de lecture, d’analyse, de proposition et d’action.
Dans Nova, par exemple, Pipedrive permet actuellement à l’administrateur d’activer ou désactiver l’accès des utilisateurs, mais les permissions propres aux différentes fonctions de Nova ne peuvent pas être activées ou désactivées séparément. Pipedrive
C’est un détail produit aujourd’hui.
Mais derrière se cache, selon moi, un énorme sujet de gouvernance pour les années qui viennent.
Et il faudra pouvoir répondre à : « Qui a fait ça ? »
C’est un sujet moins spectaculaire que les démonstrations d’agents IA.
Mais probablement beaucoup plus important.
Lorsqu’une information change dans un logiciel de gestion, il faut pouvoir savoir :
qui l’a modifiée ;
quand ;
à partir de quelle information ;
quelle règle ou quel agent a déclenché l’action ;
et éventuellement revenir en arrière.
Autrement dit : la traçabilité.
Dans un monde où l’utilisateur saisit lui-même chaque information, la question est relativement simple.
Dans un monde où un commercial, une automatisation classique, Nova, un agent connecté via MCP et un autre logiciel peuvent tous agir sur la même donnée…
ça devient légèrement plus sportif. 😅
La traçabilité ne sera donc pas un sujet réservé à la DSI.
Elle va devenir un élément essentiel de la confiance dans l’IA métier.
MCP va accélérer tout cela
C’est aussi pour cela que MCP est un sujet qui m’intéresse énormément.
Le Model Context Protocol permet à des systèmes d’IA d’interagir avec des outils et des sources de données via une interface standardisée.
Et derrière le terme un peu technique se cache une idée assez simple :
permettre à l’IA de sortir de sa fenêtre de chat pour travailler avec les logiciels de l’entreprise.
CRM.
ERP.
Finance.
Support.
Documents.
Bases de données.
Et demain, potentiellement, plusieurs d’entre eux en même temps.
C’est là que l’interopérabilité prend une nouvelle dimension.
Pendant des années, nous avons connecté les logiciels entre eux.
Avec les agents IA, nous commençons à connecter une intelligence capable de comprendre une demande à plusieurs logiciels simultanément.
Et c’est très puissant.
Mais cela signifie aussi qu’une permission mal pensée peut potentiellement traverser plusieurs systèmes.
L’interopérabilité augmente les possibilités. Elle augmente aussi la responsabilité.
CRM, ERP, finance : le bon niveau d’autonomie ne sera pas le même
Prenons trois exemples.
Dans un CRM
Je serais assez à l’aise avec une IA qui prépare un rendez-vous, résume une conversation, propose une prochaine action ou suggère la modification d’une opportunité.
Je serais déjà plus prudent si elle décidait seule qu’une affaire est perdue ou envoyait automatiquement une proposition commerciale engageante.
Dans un ERP
Une IA peut être extrêmement utile pour identifier des anomalies, préparer des opérations ou suggérer des imputations.
Mais entre proposer une écriture et la comptabiliser définitivement, il existe une différence importante.
En finance
Même logique.
Détecter qu’une facture paraît inhabituelle : excellent usage.
Préparer une action pour qu’un humain la contrôle : très intéressant.
Décider seule de changer un RIB et de déclencher un paiement ?
Personnellement, je garderais encore quelques humains dans la pièce. 😅
L’objectif n’est pas d’avoir peur de l’automatisation.
C’est exactement l’inverse.
Plus nous serons capables de définir précisément ce qui peut être automatisé, plus nous pourrons automatiser sereinement.
Comment commencer sans créer une usine à gaz ?
Je commencerais petit.
Pas par :
« On va mettre un agent IA partout dans l’entreprise. »
Mais par un processus précis.
Par exemple :
préparer automatiquement les rendez-vous commerciaux.
Ou :
analyser les factures présentant une anomalie.
Ou :
identifier les clients nécessitant une relance.
Ensuite, on définit le niveau de délégation.
L’IA peut-elle seulement lire ?
Analyser ?
Proposer ?
Préparer ?
Modifier ?
Exécuter ?
Puis on définit les garde-fous.
Qui valide ?
Quelles données sont accessibles ?
Quelles actions sont interdites ?
Que journalise-t-on ?
Comment revient-on en arrière ?
Et seulement lorsque ce premier périmètre fonctionne correctement, on augmente progressivement l’autonomie.
On ne donne pas les clés de la maison le premier jour.
Le rôle de l’intégrateur va forcément changer
Et pour BLC, c’est probablement l’une des évolutions les plus intéressantes.
Pendant longtemps, le travail d’un intégrateur consistait beaucoup à choisir, paramétrer, connecter et déployer les bons logiciels.
Cela reste évidemment notre métier.
Mais lorsque des agents commencent à circuler entre les logiciels et à agir dans les processus, une nouvelle question apparaît :
qu’est-ce qu’on les autorise à faire ?
Il ne suffit plus de connecter Pipedrive, Sage, Pennylane ou d’autres outils.
Il faut comprendre les données.
Les processus.
Les droits.
Les conséquences d’une action.
Les validations nécessaires.
Et surtout le métier de l’entreprise.
Parce qu’un agent techniquement capable de faire quelque chose ne signifie absolument pas qu’il devrait le faire.
C’est finalement assez proche de ce que nous avons toujours défendu chez BLC :
un logiciel ne crée pas de valeur tout seul.
Et une IA non plus.
La valeur vient de la manière dont on l’intègre dans un vrai processus, avec les bonnes données, les bons droits et les bons garde-fous.
Alors, jusqu’où faut-il laisser agir une IA ?
Je n’ai pas de réponse universelle.
Et je me méfierais de quelqu’un qui en aurait une.
En revanche, je pense qu’une règle assez simple commence à se dessiner :
Plus une action a de conséquences, plus son niveau d’autonomie doit être pensé explicitement.
Lire une donnée.
L’analyser.
Proposer.
Préparer.
Modifier.
Exécuter.
Ces six verbes ne devraient jamais être mis dans la même case « accès IA ».
Aujourd’hui, Nova nous montre déjà quelque chose d’intéressant : une IA peut faire énormément de travail autour du CRM tout en laissant à l’utilisateur la décision finale sur les modifications proposées. Pipedrive
Demain, nous irons évidemment plus loin.
Et j’en suis plutôt ravi.
Parce que l’objectif n’est pas de conserver éternellement un humain derrière chaque clic.
L’objectif est de réserver les clics humains aux endroits où ils apportent réellement quelque chose.
Et de laisser progressivement les machines s’occuper du reste.
Ces articles peuvent vous intéresser
