Dans plusieurs organisations, les experts les plus précieux consacrent encore des heures à la même étape peu valorisante : extraire l’information de fichiers, de systèmes et de différentes personnes avant même de pouvoir effectuer le travail pour lequel ils ont été recrutés.
Ils passent leur temps à rechercher des dates, vérifier des feuilles de calcul, comparer des PDF, réécrire des réponses incomplètes et poser des questions de suivi qui auraient dû être résolues avant que le dossier n’arrive jusqu’à eux.
Ceci n’est pas un travail d’expert. C’est le travail avant le travail, et il coûte cher.
Votre chef de projet senior n’a pas passé des années à développer son expertise pour recopier des données provenant de fichiers de support dans un formulaire. Votre spécialiste en RS&DE (Recherche scientifique et développement expérimental) ne devrait pas consacrer la majeure partie de son temps à poser des questions dont les réponses se trouvent déjà, en partie, dans le code, les billets de suivi, les notes de conception et l’historique des réunions.
C’est précisément le type de travail préparatoire pour lequel les agents d’IA sont conçus. Ils peuvent examiner l’information disponible, repérer ce qui manque, poser des questions ciblées et préparer un meilleur point de départ. L’IA est particulièrement efficace dans ce contexte parce que les données d’entrée sont claires, le résultat attendu est défini, et ce sont toujours les experts qui prennent les décisions finales.
Chez Ateko, nous intégrons cette approche dans des flux de travail agentiques pratiques. Connue sous le nom d’élicitation conversationnelle (conversational elicitation), cette méthode structure le travail préparatoire qui précède la révision par un expert.
Dans cette publication, nous examinons le fonctionnement de l’élicitation conversationnelle, les raisons pour lesquelles elle est essentielle à la mise à l’échelle des flux de travail dirigés par des experts, ainsi que la façon dont nous l’appliquons dans des cas d’usage tels que le remplissage automatisé de formulaires PDF et la documentation de projets de RS&DE.
L’élicitation conversationnelle
L’élicitation conversationnelle (conversational elicitation) est une méthode structurée qui permet à un agent d’IA de recueillir les renseignements nécessaires à l’exécution d’une tâche. Contrairement à un formulaire statique, elle ne pose pas systématiquement toutes les questions. Contrairement à un chatbot généraliste, elle ne laisse pas l’utilisateur déterminer seul par où commencer.
Avant même que la conversation ne débute, l’agent analyse les documents et les sources d’information disponibles, identifie ce qui est déjà connu et relève les éléments qui sont manquants, ambigus ou incomplets. La conversation est ensuite réservée aux points qui nécessitent réellement une intervention humaine.
La différence est subtile, mais importante. Au lieu de demander à quelqu’un de remplir un formulaire vierge, l’agent peut dire :
« J’ai trouvé la majorité des informations dont nous avons besoin dans les documents que vous avez fournis. Veuillez confirmer ces trois éléments, et j’ai deux questions concernant des points qui demeurent peu clairs dans la documentation. »
Ce changement de perspective évite à la personne sollicitée de repartir de zéro, tout en fournissant à l’expert une information plus propre, plus complète et plus facile à évaluer.
Le véritable défi n’est pas d’amener l’IA à poser des questions. C’est de lui permettre de poser les bonnes questions, dans le bon ordre, avec suffisamment de contexte pour éviter de demander aux utilisateurs de répéter des informations qui existent déjà.
L’importance de l’élicitation conversationnelle pour la mise à l’échelle des flux de travail d’experts
Un processus d’admission désorganisé est agaçant. Des dizaines de processus du même type deviennent un problème de capacité.
De nombreux flux de travail d’entreprise suivent un schéma bien connu : examiner le contexte, recueillir les informations manquantes, clarifier les cas particuliers, produire un livrable, puis le soumettre à approbation. Le domaine change, mais le modèle apparaîst dans l’intégration de clients, les formulaires de conformité, les réclamations d’assurance, les déclarations gouvernementales, la qualification de fournisseurs, les examens de projets internes et la documentation fiscale.
Le goulot d’étranglement n’est généralement pas le document final lui-même. C’est les échanges incessants nécessaires pour parvenir à un ensemble complet et fiable d’entrées. Une question est mal formulée, alors quelqu’un la laisse sans réponse. Un document manque, et le processus s’arrête. Un spécialiste demande une clarification, puis attend trois jours avant d’obtenir une réponse. Lorsque celle-ci arrive enfin, le dossier a déjà perdu son élan.
Le problème n’est généralement pas une seule information manquante. Il se trouve dans les quatorze petites lacunes qui l’entourent : une date dans un fichier, un nom de projet dans un autre, une case à cocher dont personne n’est certain, ou encore une colonne de feuille de calcul qui correspond presque à un champ PDF, mais pas tout à fait.
Dans les processus à fort volume, l’élicitation conversationnelle permet de raccourcir considérablement ce cycle. L’agent examine les documents sources, préremplit ce qu’il peut, puis pose des questions ciblées sur les éléments manquants. L’expert reçoit alors un dossier beaucoup plus complet et peut se concentrer sur les décisions qui exigent réellement son expérience et son jugement.
L’objectif est simple : arrêter de demander aux experts de partir de zéro.
L’élicitation conversationnelle en pratique
Chez Ateko, nous appliquons ce modèle aux flux de travail où la douleur est facile à repérer : des experts passant trop de temps à réunir, vérifier et organiser de l’information avant que le vrai travail puisse commencer.
Le remplissage de formulaire PDF et la documentation de projets RS&DE sont deux exemples. Dans les deux cas, les résultats ont besoin d’être structurés et fiables, mais les entrées sont éparpillées.
Exemple 1 : le flux de travail de remplissage de formulaire PDF
Le remplissage de formulaire PDF semble être du travail d’admin jusqu’à ce qu’on observe une personne senior y perdre son après-midi.
Le formulaire en tant que tel est rarement l’étape difficile. L’étape difficile est plutôt de décider quelle source est courante, quelle valeur appartient à quel domaine et si la documentation de support répond réellement à la question.
N’importe qui ayant travaillé avec ces formulaires sait que l’étiquette de champs est rarement la question entière. Un champ pourrait demander une date, mais la vraie question est quelle date : la date du contrat, la date d’effet, la date de soumission, la date de renouvellement, ou la date enfouie dans une pièce jointe de support.
Une équipe pourrait recevoir un PDF remplissable aux côtés de fichiers de support, une feuille de calcul, un document Word et des données d’un système connecté. Quelqu’un devra tout de même réconcilier tout cela en formulaire final. Le coût se retrouve dans le changement de contexte, le référencement croisé et le suivi.
Dans ce flux de travail, l’agent gère le premier passage. Il identifie le formulaire PDF, comprend son contexte d’entreprise, lit les champs remplissables et examine les sources de soutien pour les valeurs possibles.
Au lieu de dépendre uniquement de la correspondance exacte des noms de champ, il utilise le contexte du champ pour comprendre ce qui est demandé et cherche dans les sources disponibles pour la meilleure réponse possible. Lorsque l’agent a un haut niveau de confiance, il présente les valeurs déduites pour confirmation. Quand il n’est pas sûr, il demande une question à la fois, dans un langage simple, avec des options claires là où des options existent.
C’est ici que le flux de travail commence à se différencier de la mauvaise automatisation. L’agent ne devrait pas demander de l’information qui se trouve déjà dans l’ensemble de fichiers. Si la réponse est raisonnablement disponible, il devrait la trouver. S’il n’y arrive pas, il devrait être clair sur ce qui manque et pourquoi il a besoin d’aide.
Avant de répondre quoi que ce soit dans le PDF, l’agent donne à l’usager une dernière relecture. L’humain peut approuver, corriger ou rejeter les valeurs. Ensuite, l’agent génère le PDF complété et enregistre un journal des décisions.
Pour des équipes traitant des dizaines de formulaires, c’est ici que la valeur devient pratique. L’agent n’a pas besoin de résoudre le processus d’entreprise en entier. Souvent, la valeur se retrouve dans l’élimination des 70 ou 80 pourcents qui ralentissent constamment l’équipe. (Le pourcentage est une illustration. Le travail répété ne l’est pas.)
Exemple 2 : flux de travail de documentation RS&DE
La documentation RS&DE rencontre un problème du même type : les personnes avec les réponses sont souvent celles qui sont le moins ravis de les écrire. Naturellement, les développeurs préfèreraient bâtir plutôt que reconstruire l’équivalent de six semaines de décisions techniques en format narratif.
L’équipe technique se rappelle habituellement le travail, mais pas dans la séquence ordonnée qu’exige un récit de réclamation. Ils se souviennent du bogue, de la solution de contournement, de l’approche ratée, du problème de performance, de la réparation en fin de soirée. Le spécialiste doit encore transformer cela en histoire cohérente.
Les réclamations RS&DE au Canada nécessitent des récits techniques qui expliquent les objectifs, incertitudes, hypothèses, expériences, résultats et prochaines étapes derrière le travail. Le contexte le plus utile se trouve souvent dans le code, billets de suivi, notes de design, conversations et la mémoire de l’équipe technique.
Dans ce flux de travail, l’agent examine le code du projet avant que la conversation commence. Il regarde la structure de l’application, la pile technologique, les changements effectués et des enjeux techniques probables. L’objectif n’est pas de déterminer l’éligibilité. Il est de rendre la conversation plus informée dès la première question.
Au lieu de demander des questions génériques telles que, « Quels enjeux techniques as-tu rencontré? » l’agent peut demander quelque chose de plus ancré :
« J’ai remarqué que la couche d’ingestion est passé d’un processus par lots à un design en streaming. Le problème principal était-il le débit, la latence, la fiabilité ou autre chose? »
Le développeur n’a plus besoin de passer la première demi-heure à expliquer le projet depuis le début. Il peut confirmer, corriger et ajouter le contexte manquant. Le spécialiste RS&DE peut ensuite examiner le récit et s’assurer que le cadrage s’aligne avec les exigences de la réclamation.
Encore une fois, le but n’est pas de remplacer le spécialiste. Il est de leur donner un meilleur premier brouillon, un meilleur contexte source et de meilleures réponses sur lesquelles travailler.
Le modèle derrière le flux de travail
La réelle valeur n’est pas une démo unique. Elle est dans le modèle répétable derrière le flux de travail.
Analyse silencieuse : Avant le début de la conversation, l’agent lit ce qui est disponible, incluant les documents, feuilles de calcul, dossiers, codes, transcriptions et autres sources. Il bâtit une vision globale de ce qu’il connaît, ce qui peut être déduit et ce qui a besoin d’apport humain.
Orientation : L’agent explique ce qu’il tente de compléter et quels apports peuvent être nécessaires. L’utilisateur devrait comprendre la portée avant de répondre aux questions.
Confirmer et corriger : Les trouvailles très fiables sont présentées pour une confirmation rapide. Les inférences moins fiables incluent assez de contexte pour que l’utilisateur puisse les corriger sans devoir fouiller dans le matériel de source.
Élicitation ciblée : L’agent pose des questions ciblées pour l’information manquante. Ça devrait paraitre comme un entretient guidé et non un sondage, avec une question à la fois et des options utiles.
Revoir et produire : L’image complète est présentée pour approbation. C’est seulement à ce moment que l’agent génère le livrable.
Puisque le modèle n’est pas associé à un domaine, il peut être appliqué à l’apport des clients, la qualification des vendeurs, à la souscription, aux dépôts réglementaires, l’intégration des employés, la documentation des réclamations et le reporting de projet.
Les détails changent, mais le problème sous-jacent est souvent le même. Les experts ne peuvent pas faire le vrai travail jusqu’à ce que quelqu’un ait rassemblé le contexte, résolu les lacunes évidentes et préparé la première version.
Les moments où l’élicitation conversationnelle fonctionne le mieux
Ce ne sont pas tous les flux de travail qui nécessitent un agent conversationnel. Si le processus est simple, stable et complètement structuré, un de flux de travail standard ou basée sur des règles peut suffire. Quand toutes les données d’entrée sont connues et chaque champ se mappe proprement, un flux de travail agentique pourrait ajouter une complexité inutile.
L’élicitation conversationnelle devient utile lorsque les entrées sont désordonnées, le résultat est structuré et que du contexte manquant réside encore chez des personnes. Cette combinaison apparaît souvent en services professionnels, en opérations, en conformité, en taxes, en assurances et en flux de travail d’entreprises.
L’opportunité n’est pas de bâtir une démo impressionnante. C’est d’observer le processus existant et de demander où est-ce que les gens passent du temps à faire ressortir de l’information, cherchant de la clarification et préparant des apports.
Cesse de gaspiller du jugement sur du travail préparatoire
La meilleure utilisation de l’IA en flux de travail d’expert n’est pas d’éliminer l’expert. C’est de protéger le jugement d’expert du bruit qui l’entoure.
Lorsqu’un agent peut examiner le contexte, identifier ce qui manque, poser des meilleures questions et préparer un ensemble prêt pour approbation, les experts ont un meilleur point de départ. Les experts gèrent encore de l’ambiguïté, applique leur jugement et prennent une décision, mais ils n’ont pas besoin de commencer avec un formulaire vide et des dossiers éparpillés.
C’est là que l’élicitation conversationnelle devient pratique : pas dans une démo attrayante, mais comme une meilleure façon de permettre aux experts d’effectuer le travail que seuls ils peuvent faire.
L’opportunité n’est pas d’automatiser le jugement. C’est de cesser de gaspiller le jugement des experts sur le travail qui le précède.
Si le travail avant le travail ralentit vos experts, l’élicitation conversationnelle pourrait être une manière pratique d’appliquer l’IA dans le flux de travail de votre équipe.
