Nous utilisons des cookies pour optimiser votre expérience, analyser le trafic et personnaliser les publicités. Choisissez si vous acceptez l'utilisation des cookies non essentiels. En savoir plus.
Si chaque membre d'une équipe gagne vingt minutes par jour grâce à un assistant IA, l'entreprise gagne-t-elle vingt minutes par jour multipliées par le nombre de personnes ? Le calcul semble logique, mais l' Panorama Vibe Coding Brasil, réalisée par Skyone en partenariat avec The News, met en lumière un obstacle sous-jacent : l'intérêt pour la création avec l'IA existe, mais ne se traduit pas en actions concrètes. Parmi les 1 982 répondants, 52,7 % (1 044) citent le manque de connaissances techniques comme principal frein. Parmi ceux qui ont envisagé de créer un outil avec l'IA sans jamais le mettre en œuvre (394 personnes), ce taux grimpe à 66,8 %, soit une différence de 14,1 points de pourcentage.
Parallèlement, l'investissement reste soutenu : plus de 80 % des entreprises interrogées prévoient d'augmenter leur budget IA et automatisation l'année prochaine, et 22 % utilisent déjà l'IA ou les LLM dans leurs cycles de développement. Cet article part du principe que l'entreprise a déjà constaté une adoption spontanée et défini des règles et une visibilité. La question est maintenant de savoir comment transformer l'expérimentation individuelle en capacité opérationnelle, avec des exemples par domaine, une feuille de route pour un projet pilote et des critères de mesure. Les données proviennent d'une enquête menée auprès de notre propre échantillon, qui est représentatif du groupe interrogé et non de l'ensemble des entreprises brésiliennes.
Le gain individuel désigne le temps gagné ou l'amélioration de la qualité qu'une personne obtient en effectuant ses tâches grâce à l'IA. Le résultat organisationnel désigne le changement mesurable dans un processus d'entreprise : temps de cycle, coût par livraison, taux de retouche, qualité ou capacité de service.
Les deux peuvent différer. Une personne peut rédiger des rapports plus rapidement, mais le temps nécessaire à leur relecture, leur approbation et leur soumission peuvent rester identiques. Le temps gagné à une étape est dilué dans les suivantes, ou absorbé par de nouvelles exigences.
Ce panorama met en lumière un fossé similaire : celui entre l'utilisation et la conception. D'une part, 45,3 % des 2 440 professionnels consultés privilégient les masters en droit (LLM) dans leur recherche. D'autre part, même parmi les profils les plus avancés de l'échantillon (« environnement structuré »), 47,9 % citent encore le manque de connaissances techniques comme principal obstacle. Utiliser l'IA est une compétence individuelle ; concevoir des systèmes, des automatisations et des routines avec elle exige méthode, connaissances et des personnes responsables.
Il existe cinq raisons récurrentes. La qualité dépend de la consigne rédigée par chaque personne ce jour-là. Il n'y a pas de critère commun pour déterminer ce qui constitue une bonne réponse. La réponse de l'IA ne permet pas de passer automatiquement à l'étape suivante du processus. L'apprentissage reste confidentiel et ne concerne que celui qui a découvert la méthode. Enfin, personne ne mesure l'impact avant et après.
Ce dernier point mérite d'être souligné, car la productivité perçue et la productivité mesurée peuvent diverger. Sans données de référence enregistrées avant le projet pilote, l'entreprise ne dispose que d'impressions, et les impressions ont tendance à être optimistes. Il s'agit d'une recommandation éditoriale, et non d'un résultat de recherche.
Les documents de qualité présentent généralement cinq caractéristiques communes : ils sont fréquents, ont des dates de début et de fin clairement définies, s’appuient sur des informations accessibles à l’équipe, répondent à des critères de qualité vérifiables et acceptent le risque qu’une erreur soit détectée lors de la relecture. Les comptes rendus de réunion, les premières versions de documents, les analyses standardisées et les réponses aux questions fréquentes en sont de bons exemples.
Les candidats peu performants présentent un profil inverse : ils sont rares, dépendent de données sources désorganisées, ne présentent pas de résultats probants avérés ou impliquent des décisions à fort impact sans possibilité de révision. Un court atelier avec chaque équipe, consistant à recenser les dix tâches les plus chronophages et à les évaluer selon ces cinq critères, permet déjà d’établir une liste priorisée.
Les termes se mélangent souvent dans les conversations, et la clarté est utile pour décider de ce qu'il faut construire.
Un modèle est le moteur de langage qui génère les réponses, et différents modèles sont plus performants pour différentes tâches. Un assistant qualifié est une configuration de ce moteur dotée d'instructions et du contexte nécessaires à une fonction, comme la relecture de contrats commerciaux ou la préparation de réunions commerciales. Une compétence est une capacité réutilisable qui permet de répéter une tâche récurrente de manière constante. L'automatisation par IA est une routine qui s'exécute selon une planification ou un déclencheur, sans intervention humaine. Des connecteurs relient l'IA aux outils et sources d'information de l'entreprise. On parle également de programmation intuitive, un terme utilisé pour créer des logiciels et des automatisations en décrivant les besoins en langage naturel, l'IA générant ensuite le code.
Le véritable saut vers la maturité réside dans le passage d'une conversation isolée à un assistant contextuel, puis à une routine automatisée. Plus on se rapproche de la droite de cette évolution, plus la cohérence est grande, moins l'intervention humaine est nécessaire et plus le besoin de responsabilisation et de critères de qualité est important.
Ces concepts sont présentés de manière structurée dans Skyone Astro. Les experts sont des assistants adaptés au contexte de travail de chaque domaine. Les compétences permettent de répéter les tâches récurrentes de façon systématique. Les automatisations planifiées s'exécutent sans intervention humaine et l'environnement donne accès à de nombreux modèles, avec un routage configurable, afin que chaque tâche utilise le modèle le plus approprié. Skyone cite comme exemples d'utilisation la révision des communications, la synthèse de documents, la préparation d'analyses pour les réunions et la génération de premières versions de documents. Il est important de rappeler que la quantité de modèles disponibles n'est pas un gage de qualité : le véritable test consiste à réaliser des tâches équivalentes et à comparer les résultats.
Pour ceux qui ont besoin d'aller au-delà de l'utilisation et de créer des solutions, la présentation propose Studio Creator, qui offre une « ambiance de programmation d'entreprise » : les équipes métiers décrivent leurs besoins en langage naturel et reçoivent des solutions prêtes à tester, avec des prototypes déjà connectés à Skyone Studio et gérés dès le départ.
Prenons l'exemple d'un rapport hebdomadaire qui nécessite actuellement d'exporter des données du CRM, de les coller dans un tableur, de rédiger un résumé et de l'envoyer au responsable. Grâce à la connexion aux sources et à une routine planifiée, l'IA peut extraire les données, préparer une ébauche et la mettre à disposition pour relecture. Le travail humain se concentre alors sur la vérification et la prise de décision, au lieu de la simple compilation. Plus le nombre de connexions est élevé, plus le contrôle des autorisations devient crucial, un sujet abordé dans l'article « Gouvernance de l'IA en entreprise : comment la structurer concrètement ».
Chez Astro, cette connexion s'effectue via des connecteurs, des authentifications OAuth individuelles et des serveurs MCP dédiés, permettant ainsi à l'équipe d'utiliser ses outils habituels. Associée à l'automatisation planifiée, cette connexion transforme le rapport d'exemple en une routine prête à être examinée, tandis que l'administrateur conserve le contrôle des autorisations et des connexions. Pour intégrer les systèmes et éliminer les silos, la présentation propose Skyone Studio, avec iPaaS et Lakehouse.
Chaque cas d'usage nécessite un responsable : la personne qui définit les éléments du processus, en contrôle les résultats et intervient en cas de baisse de qualité. Sans responsable, l'automatisation devient obsolète sans que personne ne s'en aperçoive.
Les critères de qualité doivent être définis avant le projet pilote, et non après, afin d'éviter d'ajuster les normes au résultat final. Ces critères incluent généralement l'exactitude des faits, l'exhaustivité, le respect du ton et du format attendus, les délais et le taux de correction. Un échantillon examiné à intervalles réguliers par un spécialiste permet de maintenir le contrôle sans nécessiter une refonte complète.
Les exemples suivants sont donnés à titre illustratif et ne concernent pas de véritables clients. Dans tous les cas, une vérification humaine est effectuée avant la livraison finale.
Marketing. Un assistant, formé aux directives de la marque, prépare des adaptations textuelles pour différents canaux et synthétise chaque semaine les performances des campagnes à partir des rapports. Le professionnel valide la cohérence avec la marque et les conclusions.
Ventes. Avant une réunion, le commercial rassemble systématiquement l'historique du compte dans le CRM, les derniers contacts et les points à l'ordre du jour. Il consulte et complète ces informations, au lieu de tout créer de zéro.
Ressources humaines. Standardisation des communications internes, des descriptions de poste et des synthèses des réponses ouvertes aux enquêtes sur le climat social. Les décisions concernant le personnel, telles que l'embauche ou le licenciement, requièrent une attention particulière : la LGPD (Loi générale brésilienne sur la protection des données) garantit à la personne concernée le droit de demander un réexamen des décisions prises exclusivement sur la base d'un traitement automatisé de données à caractère personnel.
Analyse financière. Élaboration de commentaires sur les écarts budgétaires à partir des données de la période et examen des contrats fournisseurs afin de mettre en évidence les clauses nécessitant une attention particulière. Les calculs et les valeurs doivent être vérifiés par le responsable de la clôture des comptes.
Service client. Suggestions de réponses et résumé de l'historique client à l'intention de l'agent, qui décide du contenu à envoyer. Le suivi du temps de résolution et des reprises avant et après intervention permet de vérifier l'efficacité du processus.
Technologie. Documentation, résumés d'incidents et assistance à la revue de code. C'est dans ce domaine qu'il est le plus pertinent de mesurer l'impact en situation réelle, plutôt que de présumer des gains. L'analyse révèle que 52,1 % des créateurs de cette technologie développent déjà des automatisations et que 49,5 % conçoivent des intégrations internes, faisant de la technologie un atout naturel pour un projet pilote structuré.
Un programme pilote bien conçu suit cinq étapes. Premièrement, choisir une routine concrète avec un groupe défini et une personne responsable. Deuxièmement, convenir au préalable des critères de qualité, des contrôles et de la validation humaine. Troisièmement, mener le projet avec des données validées et surveiller l'utilisation et les résultats. Quatrièmement, comparer les résultats avant et après la mise en œuvre de la routine choisie, ce qui nécessite d'établir une base de référence avant de commencer. Cinquièmement, étendre le programme par équipe, en se basant sur des données probantes et non sur le seul enthousiasme initial.
Les indicateurs doivent refléter le processus : temps de cycle, heures par livraison, taux de retouche, qualité évaluée par échantillon, satisfaction des destinataires et coût par tâche, incluant la consommation d’IA. Le nombre d’accès témoigne à lui seul de l’adoption, mais ne prouve pas la valeur ajoutée. Dans la mesure du possible, comparer un groupe utilisant l’IA à un autre qui ne l’utilise pas est la méthode la plus fiable pour isoler l’effet. Il est également important de rappeler que le temps gagné ne se traduit pas automatiquement en gain financier : tout dépend de l’utilisation qui en est faite par l’équipe.
Le coût par tâche dépend de la visualisation de la consommation. Dans Astro, il est exprimé en reais (monnaie brésilienne), avec des limites par utilisateur et des alertes, permettant ainsi au service financier et au responsable du projet pilote de comparer l'investissement à l'évolution observée des pratiques. Skyone recommande cette approche d'évaluation : une tâche réelle, des critères prédéfinis, des données synthétiques ou autorisées, et les contrôles jugés indispensables par le comité de pilotage, tels que l'audit, la protection des données, le suivi de la consommation et la gestion des connexions.
Le manque de connaissances techniques étant l'obstacle le plus souvent cité dans ce domaine, le programme pilote offre également une opportunité de formation. Builders by Skyone propose des formations théoriques et pratiques, avec des ateliers intensifs basés sur le modèle « Build-a-Bot », le programme Skyone Accelerate et des cas d'utilisation concrets développés directement sur la plateforme.
Dans les décisions qui affectent les personnes, dans les communications externes, dans les chiffres qui figurent dans les bilans et les contrats, et dans tout résultat où une erreur est coûteuse ou difficile à corriger, concevoir le processus de manière à ce que l'IA complète, et non remplace, le discernement humain préserve également la connaissance que les équipes ont de leur propre travail.
Car l'enthousiasme est plus facile à susciter que les résultats. Le constat est alarmant : le budget alloué à l'IA et à l'automatisation devrait augmenter dans plus de 80 % des entreprises interrogées, mais cet intérêt pour la création ne se traduit pas en actions, principalement par manque de compétences techniques (52,7 % dans l'ensemble des entreprises et 66,8 % parmi celles qui ont envisagé la création de solutions sans jamais la mettre en œuvre). Investir avant d'avoir les capacités nécessaires conduit souvent à des projets pilotes qui n'aboutissent jamais.
L'expansion fondée sur des données probantes fonctionne comme un entonnoir : chaque équipe entre en jeu lorsque le cas d'utilisation précédent a démontré une amélioration de la routine, avec un responsable, des critères et des mécanismes de contrôle clairement définis. Le processus est plus lent au début, mais plus robuste par la suite.
Le passage d'une utilisation individuelle à des résultats concrets pour l'entreprise implique de choisir des routines récurrentes, d'y associer des responsabilités et des critères, de centraliser les informations nécessaires, de mener des projets pilotes avec des mesures avant et après, et de généraliser la mise en œuvre uniquement lorsque les résultats sont probants. La validation humaine demeure essentielle lorsque l'erreur est coûteuse.
Les plateformes d'entreprise peuvent raccourcir une partie de ce processus. Skyone Astro, par exemple, réunit dans un environnement unique des assistants spécialisés (experts), des compétences pour les tâches récurrentes, des automatisations planifiées, des connexions aux outils déjà utilisés par l'équipe, l'accès à de multiples modèles avec un routage configurable et un contrôle de la consommation en reais (monnaie brésilienne), avec des limites par utilisateur et des alertes. Elle ne remplace pas la validation humaine pour les décisions critiques et ne résout pas les problèmes de qualité des données sources. Son efficacité est optimale lorsqu'un cas d'usage concret existe déjà et qu'une personne est responsable du projet.
Vous souhaitez tester une routine réelle de votre équipe selon des critères définis ? Découvrez Skyone Astro et le contenu de Skyone sur l’adoption et la gouvernancede l’IA
Il s'agit de l'utilisation de l'IA pour exécuter des étapes d'une routine sans intervention humaine, par exemple pour la préparation d'un rapport hebdomadaire à partir de données connectées. Cela diffère d'une conversation ponctuelle car ce système comporte des déclencheurs ou une planification, des sources définies et, idéalement, une étape de vérification humaine.
Utiliser l'IA signifie y recourir au cas par cas pour résoudre une tâche spécifique. Intégrer l'IA aux processus implique de l'intégrer à une routine avec un responsable désigné, des critères de qualité, des connexions aux sources de données et des indicateurs de performance. La première option génère des gains individuels ; la seconde peut transformer la performance de l'ensemble du processus.
Enregistrez les données de référence avant le projet pilote, puis comparez les indicateurs de processus : temps de cycle, heures par livraison, retouches, qualité par échantillon et coût par tâche. Dans la mesure du possible, comparez avec un groupe n’utilisant pas l’IA. Le nombre d’accès ne mesure pas la valeur.
Dans le cadre d'une procédure régulière et concrète, avec un petit groupe, une personne responsable et des critères de qualité préétablis, utilisez des données autorisées, définissez la phase de validation humaine et comparez les résultats avant et après avant d'envisager un déploiement à plus grande échelle.
Il est déconseillé de procéder ainsi. Les décisions ayant un impact sur les personnes, les finances ou les obligations légales doivent faire l'objet d'un examen humain. En matière de données personnelles, la LGPD (Loi générale brésilienne sur la protection des données) prévoit le droit de demander un réexamen des décisions prises exclusivement sur la base d'un traitement automatisé.
Testez la plateforme ou planifiez une conversation avec nos experts pour comprendre comment Skyone peut accélérer votre stratégie numérique.
Vous avez une question ? Parlez-en à un spécialiste et obtenez des réponses à toutes vos questions concernant la plateforme.