Si vous voulez automatiser la saisie de données, commencez ici : ce n’est pas un seul problème, ce qui explique pourquoi un seul outil ne peut pas tout régler. Un formulaire web place déjà le nom de votre client dans un champ étiqueté « nom » — une règle peut le transférer dans votre CRM sans rien lire. Une facture numérisée contient la même information, mais à l’intérieur d’une photo d’un bout de papier, sans aucun champ. Les deux se ressemblent, mais demandent des outils différents, et payer pour de l’IA sur le premier revient à dépenser de l’argent pour régler un problème qui n’existe pas.
La bonne question à se poser est simple : l’information est-elle déjà dans un champ étiqueté, ou faut-il d’abord lire une page pour comprendre ce que les mots veulent dire ? Le même découpage, mais à l’échelle de toute une entreprise — formulaires, téléphone, factures, fiches produits — est détaillé dans notre article sur les outils d’IA pour les PME. Ici, on reste sur une seule bande étroite de cette carte : comment l’information passe du monde extérieur à votre tableur, votre CRM ou votre système d’inventaire, en tout premier lieu. Ce qui se passe une fois qu’elle est arrivée — trier, acheminer, rédiger une réponse — fait l’objet d’un survol séparé dans notre article sur les étapes d’un processus qui ont vraiment besoin d’IA. Pour l’idée générale de l’automatisation d’un processus d’affaires, du déclencheur jusqu’au dossier terminé, commencez par qu’est-ce que l’automatisation des processus d’affaires.
Formulaires web : une règle suffit
Quand un client remplit un formulaire sur votre site, la plateforme sait déjà quelle réponse va dans quel champ. Relier ce formulaire à un tableur ou à une fiche CRM est un problème de correspondance, pas un problème de lecture — le champ A va dans la colonne A, chaque fois, sans aucun jugement à exercer. Payer à l’utilisation pour qu’un modèle d’IA « lise » un formulaire structuré, c’est payer pour lui faire deviner quelque chose qu’on lui a déjà dit. Évitez-le. Une règle ne fait pas payer un modèle à chaque entrée, et elle ne lit jamais mal ce qu’une personne a correctement rempli.
Courriel en texte libre : l’IA lit, une règle déplace
Un formulaire a des champs. Un courriel n’en a pas. « Bonjour, je fais un suivi sur la soumission pour les travaux de la rue des Ormes, on aimerait que ce soit terminé d’ici le 20 si possible, et pouvez-vous aussi confirmer que le prix inclut le matériel » est une vraie demande, mais il n’y a pas de champ appelé « travaux », pas de champ appelé « échéance ». Il faut que quelque chose lise la phrase et en retire ce qui compte — client, référence des travaux, date demandée, question sur la portée — avant qu’une règle puisse la transporter où que ce soit. Cette étape de lecture, c’est là que l’IA justifie son coût. Une fois les champs extraits, les faire entrer dans votre système redevient une affaire de règle : la même correspondance que pour le formulaire ci-dessus, sans modèle à payer.
PDF et documents numérisés : reconnaissance et vérification
Une facture en PDF ou un formulaire d’accueil numérisé, c’est le problème du courriel avec une couche de plus : le texte n’est même pas tapé, c’est l’image d’un texte. Des outils de reconnaissance de documents existent justement pour ça — Azure AI Document Intelligence de Microsoft, entre autres, extrait d’une facture des champs comme le nom du client, l’adresse de facturation, la date d’échéance et le montant dû, et les retourne sous forme de données structurées, accompagnées d’un score de confiance pour les champs extraits (Microsoft précise que ce score n’est pas retourné pour tous les champs) — l’estimation de l’outil lui-même sur la fiabilité de sa lecture d’un champ. Confiance élevée, le chiffre avance tout seul. Confiance faible, une personne vérifie ce champ précis avant qu’il aille où que ce soit. Le guide de Microsoft sur les scores de confiance décrit exactement cet usage : la confiance « peut être utilisée pour déterminer s’il faut accepter automatiquement la prédiction ou demander une vérification humaine ». Pour savoir jusqu’à quel point faire confiance à l’extraction de factures en particulier, voir précision de l’extraction de factures.
Photos de chantier : même problème de lecture, format différent
Une photo prise sur un chantier — un relevé de compteur, une pièce endommagée, une liste de vérification remplie et collée sur un mur — appartient à la même catégorie que le PDF : pas de champs, juste une image, et il faut que quelque chose la lise avant qu’une règle puisse l’enregistrer où que ce soit. Ce qui change, c’est la tolérance que doit avoir l’étape de vérification : une photo floue prise dehors dans une mauvaise lumière se prête moins bien à un « faire confiance automatiquement » qu’une numérisation propre faite au bureau, alors la personne qui vérifie les éléments signalés pour ce type d’entrée a habituellement plus à regarder, pas moins.
Catalogues de produits : téléversement en bloc et descriptions par IA, avec relecture
Entrer une centaine de produits dans une boutique en ligne, c’est une autre version du même problème — les UGS, les prix et les quantités en stock sont habituellement déjà dans un tableur, ce qui fait du transfert lui-même un travail de téléversement en bloc, pas un travail d’IA (Shopify, entre autres, importe des produits à partir d’un fichier CSV). Là où l’IA travaille vraiment, c’est sur les descriptions : transformer une fiche technique ou un nom de produit d’une ligne en un texte lisible pour chaque article du catalogue, au lieu qu’une personne tape chacune à la main. Ce texte a quand même besoin d’une relecture avant sa mise en ligne — le même principe que le score de confiance de la facture, sauf que c’est fait par une personne plutôt que par un chiffre. Nous avons écrit plus en détail sur notre façon d’aborder les descriptions de produits par IA.
Où nous avons déjà bâti de la saisie de données par IA
Nous avons bâti des flux où l’IA lit les courriels entrants, les PDF et les demandes soumises, puis extrait les données vers le système d’un client — la même étape de lecture décrite plus haut, appliquée à de la correspondance réelle plutôt qu’à une facture témoin. Nous avons fait la même chose du côté catalogue, en générant des descriptions de produits par IA pour la gamme d’une boutique, pour éviter à une personne d’avoir à en écrire chacune à partir de zéro. Ce que l’un ou l’autre fait économiser dépend du nombre de courriels ou de produits qui y passent, alors le chiffre utile est le vôtre — le calcul suit plus bas.
Ce qu’une personne vérifie encore dans l’automatisation de la saisie de données
Aucun des types d’entrée ci-dessus ne se termine par « l’IA décide, terminé ». Une étape de courriel ou de document bien conçue envoie tout ce qui manque ou reste incertain à une personne. Les descriptions de produits sont lues avant leur publication. Cette étape de vérification n’est pas l’automatisation qui n’a pas tenu sa promesse — c’est le plan lui-même. Le coût d’un champ erroné sur une facture ou d’une mauvaise date sur une demande de travaux est plus élevé que les quelques secondes qu’il faut à quelqu’un pour jeter un œil sur un champ signalé, alors l’étape de vérification reste.
Pour savoir si ça vaut la peine de le bâtir pour vous, faites votre propre calcul : combien de minutes prend une entrée à la main, et combien de ces entrées atterrissent sur votre bureau en une semaine ? Disons que quinze demandes reçues par courriel chaque semaine prennent quatre minutes chacune : ça fait une heure par semaine ; quinze par jour, ça fait cinq heures par semaine. C’est ce chiffre qui vous dit si la lecture-et-vérification vaut la peine d’être mise en place, à votre volume.
Ce que coûte la mise en place de l’automatisation de la saisie de données
Nous bâtissons ces flux de saisie de données pour un prix de sprint fixe : 800 $ pour un sprint Starter, 1 500 $ pour Growth, et Enterprise chiffré selon le volume pour les plus grosses opérations. Aucun abonnement de plateforme ni frais de licence par utilisateur ne s’ajoute là-dessus. Qui couvre le coût des appels d’IA eux-mêmes dépend du projet — ça vaut la peine de le demander avant le début du sprint. Voir nos services d’automatisation et d’IA pour ce qu’inclut un sprint.
Si un catalogue est votre point d’entrée plutôt que les courriels et les PDF, c’est un service distinct avec son propre prix — voir téléversement de produits dans une boutique en ligne. Vous ne savez pas où l’information devrait atterrir ? Airtable ou Excel pour votre entreprise vous aide à faire ce choix.
