Catégorie : e-business

Je rencontre tous les jours des dirigeants et cadres d’entreprises qui rêvent de systèmes capables de travailler seuls sur des tâches complexes. Une IA qui comprend un objectif global, qui planifie, qui exécute… Comme vous, je lis cette promesse tous les jours sur Linkedin et dans les newsletter d’agences.

Cette semaine (octobre 2025), OpenAI a annoncé transformer ChatGPT en une plateforme d’action, avec son nouveau module « AgentKit » permettant de créer des agents capables non seulement de converser, mais d’exécuter des tâches dans des applications tierces. Autrement dit, ChatGPT pourrait désormais agir à la place de l’utilisateur, à la façon des automatisations, mais dans un cadre conversationnel¹.

1. Nous en parlions dans le billet Les agents IA vont-ils rendre obsolètes le no-code ? ↩

Depuis plus de dix ans, les plateformes d’automatisation no-code ont servi de colonne vertébrale à une nouvelle génération d’utilisateurs du numérique. Zapier, Make ou n8n ont permis à des milliers d’entreprises de relier leurs outils, d’orchestrer des processus sans écrire une ligne de code, et de s’émanciper de la dépendance aux développeurs. Ces plateformes ont créé un langage de l’action — simple, visuel, procédural : si ceci, alors cela (if this, then that, IFTT est même le nom de l’une de ces plateformes)

Les hallucinations des IA génératives, tout le monde en a fait l’expérience. Elle invente des faits, fabrique des sources, affirme avec aplomb des informations fausses. Plutôt inquiétant.

Pourtant, à y regarder de plus près, le problème est bien moins alarmant qu’il n’en a l’air. Les hallucinations de l’IA ne vont pas disparaître demain matin. Et ce n’est pas forcément un drame. Il faut les voir non comme une faille irrémédiable, mais comme une limite structurelle à intégrer dans nos usages.

Je jongle avec plusieurs agendas chaque jour : un pour mes formations. Un autre pour mes projets de consultant AMO. D’autres pour mes activités associatives et ma vie privée. Tous sont dans Google Calendar, bien séparés pour plus de clarté.

Mon défi était simple : montrer mes disponibilités sans révéler le contenu de mes rendez-vous. Je voulais que mes contacts voient quand je suis libre, sans accès aux détails de mes engagements.

Dans le cadre d’un atelier avec les étudiants de l’ISCOM, nous avons exploré une automatisation simple mais puissante : générer un devis automatiquement à partir d’un projet saisi dans un CRM no-code.
Objectif : à chaque nouveau projet (deal) ajouté dans Airtable, un brouillon d’e-mail est généré automatiquement via ChatGPT, prêt à être envoyé.

Voici les étapes, commentées et illustrées, de cette automatisation.

Intéressante cette présentation de l’expérience du Centre Historique des Mines de Lewarde au SITEM hier. Le dispositif, développé par l’agence Hovertone, de Mons (Belgique) est une véritable machine à remonter le temps, permettant au visiteur de plonger au cœur de l’histoire minière, guidé par ceux qui l’ont vécue. Une expérience immersive qui allie technologie et mémoire.

L’expérience

Une petite salle à l’ambiance feutrée, vous avez accès à une table interactive qui fait face à un grand écran. Vous tapez votre question sur la tablette, et l’intelligence artificielle analyse vos mots pour trouver, parmi plus de 150 vidéos préenregistrées, celle qui correspond le mieux à votre demande. Alors, un ancien mineur apparaît à l’écran et partage son expérience, comme s’il était là, en face de vous.

Depuis la crise sanitaire de 2020, les méthodes d’enseignement et de médiation scientifique ont connu une transformation profonde. Cap Sciences, en collaboration avec l’Espace Mendès France, Récréasciences et Lacq Odyssée, a su tirer parti de cette évolution en lançant Sciences.live, une plateforme numérique innovante qui révolutionne la médiation scientifique en Nouvelle-Aquitaine.

Une réponse aux défis contemporains

L’une des applications les plus populaires de l’intelligence artificielle générative (ChatGPT et ses cousins) est la production de compte rendu automatique de réunion en visio. Mais comment faire pour les réunions in-situ ? J’ai testé et éprouvé plusieurs solutions. Pas toutes approuvées !

Pour les visio, le principe est d’inviter à notre réunion un « assistant IA ». Moi j’aime bien Sana.ai ; mes partenaires de PuissanceAI utilisent Leexi, il y en a plein…¹ L’assistant va enregistrer toutes les prises de parole et les images des participants ; à la fin de la réunion, l’enregistrement est traité par la plate-forme qui procède à la transcription intégrale des paroles, et fourni une ébauche de compte rendu, relevé de décision, to-do-list, engagement, suite à donner etc. Super pratique.

1. sana.ai ; leexi.ai ; notta.ai… ↩

Depuis l’introduction de son Code interpreter, qui développe et exécute à la volée un programme Python, ChatGPT s’est fait une réputation d’assistant idéal pour traiter nos tableaux de données, suivis de production ou tableaux de bord…
L’apparition récente de la variante ChatGPT o1 va encore davantage pousser l’utilité de notre nouvel assistant à des niveaux inédits.

Mais dans l’immédiat, faisons l’essai avec ce cas métier réel.

Je reçois chaque début de mois, avec quelques jours de décalage, le tableau Excel de suivi d’une coupe sur plusieurs lots d’une forêt de pins maritimes.

L’incapacité à identifier les tâches à fort ROI avec l’IA générative est un frein récurrent dans les PME. Pourtant, avec une approche méthodique impliquant la direction et les équipes, il est possible de surmonter ce blocage. En ciblant les processus à fort potentiel, les entreprises peuvent maximiser l’impact de l’IA, obtenir un retour sur investissement élevé et, surtout, améliorer la satisfaction et l’engagement des employés.

En effet, pour de nombreuses PME, l’adoption de l’intelligence artificielle générative, telle que ChatGPT ou d’autres modèles de langage, représente une opportunité de croissance et d’optimisation. Pourtant, malgré l’intérêt croissant pour ces outils, les petites et moyennes entreprises peinent souvent à en tirer un retour sur investissement (ROI) significatif. Le premier frein majeur est l’incapacité à identifier clairement les tâches qui offrent un potentiel élevé pour l’automatisation ou l’optimisation via l’IA.