Réponse courte
L'automatisation décrit le degré auquel une tâche s'exécute sans intervention manuelle. L'intelligence artificielle décrit une famille de méthodes qui peut produire une classification, une prévision, une recommandation ou un contenu. Un système RH peut combiner règles, automatisation et IA. Pour l'évaluer, décomposez chaque tâche, son entrée, sa sortie, son effet et le point où une personne garde l'autorité.
Deux axes différents, pas deux camps
Un processus RH peut envoyer automatiquement une invitation, utiliser un modèle pour organiser un texte libre, puis attendre qu'une personne choisisse la suite. Il associe alors automatisation et IA. À l'inverse, une règle sans IA peut produire une décision et l'exécuter automatiquement lorsque les conditions sont remplies.
Posez deux questions séparées :
- Quelle méthode produit la sortie ? Processus défini, règle explicite, modèle statistique, modèle génératif, recherche documentaire ou combinaison.
- Qui exécute la suite ? Le système suggère, une personne approuve, ou le système agit automatiquement.
Cette séparation évite deux erreurs d'achat. La première consiste à payer une fonction « IA » pour une tâche qu'une règle fiable résout. La seconde consiste à automatiser l'effet d'un modèle sans avoir testé les erreurs ni prévu une voie de contestation.
Le NIST AI Risk Management Framework est un cadre volontaire, non sectoriel et adapté aux usages. Il invite les organisations à gérer les risques dans leur contexte plutôt qu'à conclure à partir d'une étiquette. Son noyau opérationnel organise ce travail autour de quatre fonctions : gouverner, cartographier, mesurer et gérer.
Classer le composant qui réalise chaque tâche
| Composant | Fonction | Exemple RH | Question de contrôle |
|---|---|---|---|
| Processus automatisé | Déplace une tâche ou une donnée entre des étapes définies | Envoyer un rappel après un événement approuvé | L'événement et les états sont-ils fiables ? |
| Règle ou table de décision | Applique des conditions écrites | Router une demande selon son type déclaré | Qui peut lire, modifier et contester la règle ? |
| Modèle statistique | Estime ou classe à partir de données | Prévoir un besoin d'effectif au niveau d'un groupe | Quelle population, période et erreur ont servi à le tester ? |
| IA générative | Produit un texte, une image, un son ou un autre contenu variable | Préparer un premier jet d'annonce ou de synthèse | Quelles sources et quelle validation précèdent l'usage ? |
| Système conversationnel | Échange des messages et peut combiner règles, recherche et modèles | Recueillir des exemples de travail avant une discussion | Qu'est-ce qui est écrit, retrouvé, généré ou transmis à une personne ? |
| Automatisation d'interface | Répète des actions dans des outils existants | Copier une donnée approuvée entre deux écrans | Que se passe-t-il lorsque l'écran ou le format change ? |
Ces lignes décrivent des composants, pas des familles de fournisseurs exclusives. Demandez au vendeur de montrer la chaîne réelle. « Assistant conversationnel » ne dit pas si une réponse est tirée d'un document, générée par un modèle, déclenchée par une règle ou transmise à un opérateur.
Ajouter le degré d'exécution
Pour une même sortie, choisissez explicitement le niveau d'automatisation :
| Niveau | Effet du système | Exemple | Contrôle à documenter |
|---|---|---|---|
| Préparation | Produit un brouillon sans agir | Proposition de questions d'entretien | Source, limites et personne qui corrige |
| Suggestion | Propose une catégorie ou une suite | Demande probablement liée à un accès | Incertitude, alternative et décision humaine |
| Approbation requise | Prépare l'action mais attend une validation | Mise à jour de statut préparée | Identité et pouvoir réel de l'approbateur |
| Exécution automatique | Réalise l'action lorsque la condition est satisfaite | Rappel envoyé après un événement fiable | Règle, journal, exception et retour arrière |
Une règle déterministe peut donc prendre et exécuter une décision. Par exemple, elle peut fermer automatiquement une tâche administrative lorsque tous les contrôles approuvés sont positifs. La question n'est pas de savoir si la règle est « intelligente », mais si cette autorité convient à la conséquence, aux données et aux exceptions.
Pour une décision d'emploi ou une situation qui peut affecter les droits d'une personne, une revue plus forte peut être nécessaire. Aux États-Unis, l'EEOC et le Department of Justice avertissent que des logiciels, algorithmes et outils d'IA utilisés dans les décisions d'emploi peuvent défavoriser les personnes handicapées et enfreindre l'Americans with Disabilities Act. Ce cadre US précis montre pourquoi le mécanisme, l'effet et la voie d'aménagement comptent davantage que l'étiquette « IA ».
Utiliser une fiche de classification pour l'achat
Complétez une fiche par tâche, même lorsque plusieurs tâches appartiennent au même produit.
| Champ | Ce que l'acheteur consigne |
|---|---|
| Tâche | Action précise à réaliser |
| Entrée | Document, champ, texte, événement, son ou instruction utilisateur |
| Mécanisme | Processus, règle, recherche, modèle ou combinaison |
| Sortie | Action, statut, catégorie, score, prévision, recommandation ou brouillon |
| Degré d'exécution | Préparation, suggestion, approbation requise ou exécution automatique |
| Responsable | Personne qui répond du sens et de l'effet |
| Explication disponible | Règle, source, version, information sur le modèle et incertitude |
| Coût d'erreur | Effet d'une sortie fausse, absente, tardive ou divulguée au mauvais public |
| Données | Finalité, accès, correction, durée et rôles des fournisseurs |
| Test | Cas normaux, limites, groupes affectés, critères d'acceptation et fréquence |
| Exception | Contestation, correction, incident, arrêt et retour arrière |
Le guide IA du gouvernement britannique s'adresse aux organisations publiques du Royaume-Uni. Il recommande notamment l'outil adapté au travail, un contrôle humain significatif au bon moment, des tests et une gestion du cycle de vie. Un acheteur privé peut utiliser ces questions comme discipline, sans présenter ce guide comme une obligation qui lui serait automatiquement applicable.
Exemple fictif : trois tâches dans une entreprise US et UK
Harbour & Pine est un groupe fictif présent aux États-Unis et au Royaume-Uni. Son appel d'offres demande un « portail RH piloté par l'IA ». L'équipe décompose trois tâches.
1. Modifier une adresse après authentification
Le champ suit un format connu et l'employé confirme la saisie. Une règle vérifie les champs obligatoires, puis le processus met à jour le dossier et journalise l'action. Les cas incohérents sont routés vers l'équipe responsable. L'exécution peut être automatique si la procédure et les systèmes de référence l'autorisent. Ajouter un modèle génératif n'apporte pas de valeur évidente.
2. Répondre à une question sur le premier service
Le système retrouve le parcours d'intégration approuvé pour le pays et le site, puis peut utiliser un modèle pour formuler une réponse liée à la source. Le salarié voit la source et peut demander une personne. Un propriétaire contenu vérifie les versions et teste les questions sans réponse. Ici, recherche documentaire, génération et routage automatisé coexistent.
3. Traiter une demande d'aménagement
Une personne peut décrire sa situation par plusieurs canaux. Un système peut aider à acheminer la demande ou préparer une synthèse autorisée, mais la procédure humaine compétente examine la demande, les informations nécessaires et les obligations locales. Le groupe interdit toute décision automatique sur l'éligibilité et teste la confidentialité, l'accessibilité, les erreurs de routage et la possibilité de corriger la synthèse.
La classification ne dit pas quel fournisseur gagnera. Elle transforme une catégorie vague en exigences distinctes. Le processus d'adresse sera jugé sur la fiabilité et la reprise. La réponse d'intégration sera jugée sur la source et les cas sans réponse. La demande d'aménagement sera jugée sur l'accès, la procédure, le contrôle humain et les effets possibles.
Questions à faire démontrer
Demandez au fournisseur de montrer un cas normal, une information manquante, une contradiction et une exception :
- Quelle étape utilise une règle et quelle étape utilise un modèle ?
- Quelle source fait autorité et comment sa version apparaît-elle ?
- Le responsable voit-il si une sortie a été retrouvée, calculée ou générée ?
- Quelle action part sans approbation et peut-on modifier cette limite ?
- Comment une personne corrige-t-elle une donnée ou conteste-t-elle un résultat ?
- Que devient la tâche lorsque le système ou le modèle échoue ?
- Quels groupes et situations limites figuraient dans le test ?
- Comment un changement de règle, modèle ou fournisseur déclenche-t-il une nouvelle revue ?
Un pourcentage d'exactitude unique ne répond pas à ces questions. Un moteur de routage, un résumé, un classifieur et une prévision ont des erreurs différentes.
Où placer les conversations collaborateurs de Lontra
Lontra combine plusieurs composants dans un usage borné. Un processus gère une campagne et les invitations. Une conversation avec un collaborateur invité peut utiliser l'IA pour approfondir une question de travail. Des personnes autorisées examinent les thèmes récurrents ou divergents. Le manager reçoit un brief orienté action, jamais les réponses brutes, puis des humains vérifient le contexte et choisissent la suite.
Cette chaîne n'est ni un moteur de prédiction de départ, ni un score individuel, ni une décision d'emploi automatisée. Living Memory peut conserver un contexte autorisé et daté entre les campagnes, sous rôles, permissions et interprétation humaine. Elle ne remplace pas le SIRH.
L'essai couvre une campagne, jusqu'à 30 invitations et 60 jours, sans carte bancaire. Définissez avant le test la question, le public, le responsable humain et la sortie attendue. Pour choisir d'abord la bonne famille d'usage, consultez le guide IA et RH 2026. Pour choisir ensuite un test adapté au besoin, utilisez le guide des cas d’usage IA RH.
Questions fréquentes
Quelle est la différence entre IA RH et automatisation RH ?
L'automatisation décrit le degré auquel une tâche s'exécute sans intervention manuelle. L'IA décrit une famille de méthodes qui produit notamment des classifications, prévisions, recommandations ou contenus. Un même processus peut utiliser les deux.
Une règle automatique peut-elle prendre une décision ?
Oui, une règle explicite peut produire et parfois exécuter une décision. Cela ne rend pas la décision appropriée. L'autorité, les exceptions, les conséquences, le recours et les contrôles doivent être définis pour le processus réel.
L'IA générative remplace-t-elle un processus automatisé ?
Non. Un modèle génératif peut préparer un texte variable, tandis qu'un processus automatisé route les tâches, applique les états autorisés et journalise les validations. Les deux composants peuvent travailler ensemble avec des tests différents.
Comment comparer deux outils IA RH ?
Comparez-les sur une tâche précise : entrée, mécanisme, sortie, niveau d'automatisation, responsable humain, source d'explication, coût d'erreur, données, test et voie d'exception. Le nom de catégorie du fournisseur ne suffit pas.
