Une architecture efficace n’a pas besoin d’être incompréhensible.
Elle peut être représentée par cette chaîne :
Un événement → une collecte d’informations → une analyse par l’IA → une vérification → une action → une trace
L’événement peut être l’arrivée d’un courriel, la soumission d’un formulaire, l’ajout d’un fichier ou une heure programmée.
Un outil d’orchestration comme n8n coordonne ensuite les différentes étapes.
L’IA analyse le contenu. Une base vectorielle comme Qdrant permet de rechercher les informations pertinentes. Un modèle exécuté avec Ollama peut traiter certaines demandes localement. Le résultat peut ensuite être envoyé vers WordPress, un logiciel métier, une messagerie ou une base de données.
Ollama met notamment à disposition une API locale permettant aux applications de communiquer avec des modèles installés sur un serveur interne. s ces composants ne sont pas indispensables à chaque projet. Ils sont choisis en fonction du besoin, du volume de données, du niveau de confidentialité et des logiciels déjà utilisés.
IA locale, IA dans le cloud ou solution hybride ?
Il n’existe pas de réponse unique.
Une IA accessible dans le cloud peut offrir des modèles puissants, une mise en œuvre rapide et une grande capacité de traitement. Elle impose cependant d’étudier les conditions d’utilisation, la localisation des données, leur conservation et les garanties contractuelles du fournisseur.
Une IA locale peut être installée sur un ordinateur ou un serveur appartenant à l’entreprise. Elle offre davantage de contrôle sur l’infrastructure et peut limiter la transmission de certaines informations vers des services extérieurs.
Elle nécessite en contrepartie du matériel, de la maintenance, des sauvegardes et des compétences techniques.
Dans de nombreux cas, la meilleure solution est hybride :
- les informations sensibles sont traitées localement ;
- les tâches générales utilisent un service distant adapté ;
- le workflow choisit le modèle selon la nature de la demande ;
- les actions importantes passent par une validation humaine.
L’important n’est donc pas de tout installer localement ou de tout envoyer dans le cloud. Il faut déterminer quelles données peuvent être utilisées, par quel système et pour quelle finalité.
L’humain ne doit pas disparaître du workflow
Un bon projet d’automatisation ne cherche pas à éliminer toute intervention humaine.
Il place l’humain aux endroits où une erreur pourrait produire une conséquence importante.
Une validation reste particulièrement utile avant :
- l’envoi d’un engagement commercial ;
- la publication d’un contenu sensible ;
- la modification d’une donnée importante ;
- une décision concernant une personne ;
- un paiement ;
- ou l’exécution d’une action difficilement réversible.
Le système doit également savoir reconnaître ses limites.
Lorsqu’une demande est ambiguë, que les informations sont insuffisantes ou que le niveau de confiance est trop faible, le workflow doit interrompre l’automatisation et transmettre le dossier à une personne.
AI Act et RGPD : automatiser ne dispense pas de documenter
La conformité ne se résume pas à annoncer qu’une solution est « compatible avec l’AI Act ».
Elle dépend de l’usage réel de l’intelligence artificielle, des données traitées, des décisions prises et du niveau de risque.
Le règlement européen sur l’intelligence artificielle est entré en vigueur le 1er août 2024. La plupart de ses dispositions deviennent applicables le 2 août 2026, avec des calendriers particuliers pour certains systèmes à haut risque. Les obligations relatives aux pratiques interdites et à la formation des utilisateurs à l’IA s’appliquent depuis le 2 février 2025. squ’un système traite des données personnelles, le RGPD continue également de s’appliquer.
La CNIL recommande notamment de définir une finalité précise, de limiter les données à ce qui est nécessaire, de déterminer une base légale, de sécuriser les traitements et de permettre aux personnes d’exercer leurs droits. pratique, une entreprise doit être capable de répondre à quelques questions simples :
- Quel est l’objectif de cette automatisation ?
- Quelles données utilise-t-elle ?
- Où sont-elles envoyées et conservées ?
- Qui peut consulter les résultats ?
- Quelles actions l’IA peut-elle effectuer ?
- Quand une validation humaine est-elle obligatoire ?
- Comment arrêter ou corriger le processus ?
- Quelles opérations sont enregistrées ?
Ces questions doivent être posées avant la mise en production et non après un incident.
Comment démarrer sans créer une usine à gaz ?
Le meilleur premier projet n’est généralement pas le plus spectaculaire.
Il faut commencer par une tâche qui fait perdre du temps chaque semaine et dont le fonctionnement est déjà compris par les salariés.
1. Choisir un problème précis
Par exemple : classer les demandes reçues, préparer les réponses récurrentes ou créer les brouillons d’articles dans WordPress.
2. Observer le fonctionnement actuel
Il faut mesurer le temps consacré à la tâche, repérer les erreurs fréquentes et identifier les étapes nécessitant une décision humaine.
3. Construire un prototype limité
Le premier workflow doit traiter un périmètre restreint, avec peu d’actions et une validation systématique.
4. Comparer les résultats
Le temps gagné ne suffit pas. Il faut également mesurer la qualité, les erreurs, le nombre de corrections humaines, le coût de traitement et la satisfaction des utilisateurs.
5. Étendre progressivement
Une fois le scénario stabilisé, il devient possible d’ajouter de nouvelles sources, de nouveaux outils ou une autonomie supplémentaire.
Cette progression évite de construire un système complexe autour d’un processus mal défini.
Exemple : automatiser un workflow éditorial complet
Une entreprise souhaite publier régulièrement des articles sur son site.
Le scénario peut être organisé de la manière suivante :
Une veille programmée interroge des sources sélectionnées. Les nouvelles pages sont téléchargées, nettoyées et comparées aux contenus déjà enregistrés.
Les informations utiles sont transformées en données exploitables et intégrées dans une collection Qdrant.
Lorsqu’un nouveau sujet doit être traité, l’IA recherche les éléments pertinents dans cette collection et prépare une première structure d’article.
Un second traitement vérifie la présence des informations attendues, applique le style éditorial de l’entreprise et prépare les champs nécessaires à WordPress.
Des illustrations peuvent ensuite être générées à partir des différentes parties du texte.
L’article, ses images, sa méta-description et ses catégories sont créés dans WordPress avec le statut « brouillon ».
Un rédacteur vérifie enfin les sources, corrige le texte et décide de sa publication.
La machine prend en charge la collecte, le classement, la préparation et les transferts. L’humain conserve la responsabilité de l’angle éditorial et du contenu publié.
Internet Creative Center : construire une automatisation réellement adaptée à l’entreprise
Internet Creative Center conçoit des workflows reliant les sites internet, les logiciels métiers, les bases documentaires et les outils d’intelligence artificielle.
Selon les besoins, ces solutions peuvent intégrer :
- Un serveur d’orchestration pour orchestrer les actions ;
- Un serveur de vectorisation pour vectoriser et rechercher dans les connaissances locales de l’entreprise ;
- Un serveur LLM / VLM pour exécuter des modèles localement ;
- Un serveur RAG pour récupérer des données externes ou pour organiser une veille ;
- Un Framework de site internet comme WordPress ou WooCommerce pour la publication ;
- Des scripts Python écrits spécifiquement pour gérer des process ( synthèses xls, probabilité, projections temporelles de stocks …).
- des serveurs MCP ou une développement MCP spécifique pour connecter les agents aux outils autorisés ;
- et des interfaces adaptées au travail des salariés.
L’objectif n’est pas d’ajouter de l’intelligence artificielle partout.
Il est de construire un système compréhensible, maintenable et mesurable, qui automatise une difficulté concrète sans enfermer l’entreprise dans une solution opaque.
