IA d’entreprise dans l’écosystème SAP : quels cas d’usage méritent vraiment l’effort ?

Il n’y a jamais eu autant d’intelligence artificielle dans les présentations et aussi peu dans les transactions. Le décalage n’est pas une affaire de modèles : les modèles sont bons, et ils s’améliorent plus vite que la capacité des entreprises à les absorber. Le décalage tient à ce qui entoure le modèle. Sans connexion au système de gestion, sans données fiables, sans cadre de gouvernance, le prototype reste un prototype. L’IA qui compte lit vos documents réels, comprend vos référentiels SAP et agit dans vos transactions, sous une supervision proportionnée au risque. Ce travail relève de l’ingénierie autant que de la science des données, et c’est là que se joue l’écart entre une démonstration et un service.

La bonne question n’est pas « peut-on ? » mais « faut-il ? ».

Presque tout peut recevoir un agent. Presque rien ne devrait en recevoir un sans instruction préalable. Nous utilisons une grille de lecture en trois cases, que nous appliquons à chaque cas d’usage avant d’écrire une ligne de code.

Où l’agent est pertinent

Quand la situation varie à chaque cas, quand la décision demande de croiser plusieurs sources, et quand l’action reste réversible ou supervisable. Le traitement des exceptions dans un flux fournisseur, la résolution d’incidents à partir d’une base de connaissances, la recommandation d’achat ou de réapprovisionnement à partir de signaux hétérogènes : ce sont des terrains où la variabilité justifie un raisonnement, et où un humain peut reprendre la main sans dommage.

Où une automatisation suffit

Quand la règle est stable et le volume élevé. Un workflow, une règle de gestion, une intégration sur la plateforme SAP BTP font le travail à moindre coût, de façon plus prévisible et plus facile à auditer. L’IA n’y apporte rien qu’un bon paramétrage ne fasse déjà, et elle y ajoute une part d’incertitude que personne n’a demandée. Mettre un agent là où une règle suffit, c’est payer plus cher pour être moins sûr.

Où il ne faut rien automatiser

Quand l’erreur coûte plus que le temps gagné, quand la responsabilité doit rester nominative, quand la donnée n’est pas prête. Une décision d’engagement contractuel, un arbitrage de crédit client, une décision qui touche à une personne : l’assistance est possible, la délégation ne l’est pas. Et lorsque la donnée n’est pas prête, nous le disons, et nous proposons de commencer par elle. C’est l’objet de notre point de vue sur la fondation data.

Un cas d’usage IA se choisit comme un investissement : par le processus qu’il améliore, la mesure qui le prouve, et le risque qu’on accepte de porter.

Les documents d’abord, en français et en arabe.

S’il fallait ne commencer que par une famille de cas d’usage, ce serait celle-ci. Les entreprises de la région vivent encore largement au rythme de documents : factures fournisseurs, bons de livraison, contrats, dossiers douaniers, courriers administratifs. Beaucoup arrivent en français, une partie en arabe, certains dans les deux langues sur la même page, souvent scannés, parfois photographiés. Leur traitement mobilise des équipes entières à ressaisir, rapprocher, vérifier.

Document AI, intégré au cœur S/4HANA, change la nature de ce travail. L’extraction et le rapprochement automatiques des factures avec les commandes et les réceptions, le contrôle des mentions obligatoires, la classification des documents entrants : ce sont des cas où la valeur est immédiate, la mesure évidente, et le risque maîtrisable puisque chaque écart remonte à un humain. La difficulté n’est pas dans le modèle ; elle est dans la diversité réelle de vos documents, dans la qualité de vos référentiels fournisseurs, et dans le bilinguisme. C’est précisément pourquoi le Centre d’excellence de Casablanca travaille sur des documents en français et en arabe, avec des équipes qui lisent les deux.

Joule, agents et assistants : un ordre de priorité.

L’écosystème SAP propose désormais son assistant, Joule, des agents préconstruits par domaine, et les briques pour en construire d’autres sur BTP. La tentation est d’activer tout ce qui est disponible. Nous recommandons l’inverse : partir des processus qui font mal, retenir deux ou trois cas par domaine, et vérifier pour chacun que la donnée est accessible, que le contrôle humain est défini et que le gain se mesure.

• En finance : l’aide à la clôture, la détection d’écritures atypiques, le lettrage assisté des encaissements. Des tâches répétitives à forte variabilité, où l’assistant fait gagner du temps sans prendre la décision.
• Aux achats et en supply chain : le contrôle de conformité des demandes au contrat, les alertes de rupture ou de retard fournisseur avec recommandation d’action. L’agent y est pertinent parce que chaque situation diffère et que l’action reste supervisable.
• Au service client : la qualification et le routage des demandes, en français et en arabe, et la réponse assistée fondée sur l’historique. Un cas où la langue est la première difficulté, et où la région a une longueur d’avance si elle s’en donne les moyens.
• Dans le run SAP lui-même : l’analyse des incidents, l’aide au développement et à la revue de code, la surveillance des flux. Des cas internes, moins visibles, mais qui financent souvent les suivants.

Prototype, mesure, gouvernance, industrialisation. Dans cet ordre.

La méthode compte autant que le cas d’usage. Nous l’avons stabilisée en quatre temps, que nous refusons d’inverser.

Le prototype se construit sur vos documents et vos données réels, dans un bac à sable connecté à SAP, sur un périmètre étroit, en quelques semaines. Un résultat que l’on peut montrer, pas une intention. La mesure se définit avant le prototype et se compare à l’existant : taux d’extraction, taux de rapprochement automatique, temps gagné, erreurs évitées. Sans mesure préalable, tout prototype réussit, et rien ne se décide. La gouvernance fixe la supervision humaine proportionnée au risque, la traçabilité des décisions, la protection des données personnelles selon le droit applicable à chaque entité, la propriété des modèles et des prompts. L’industrialisation, enfin, intègre le cas au cœur S/4HANA, le surveille, l’améliore en continu. À ce stade, le cas d’usage devient un service, pris en charge par le centre de services, et non plus un projet.

C’est le rôle du Centre d’excellence IA du groupe à Casablanca : concevoir, mesurer, gouverner et industrialiser ces cas d’usage pour les clients du groupe et pour les entreprises de la région, avec des équipes qui connaissent SAP de l’intérieur et qui parlent les langues de vos documents. Ceux qui cadrent le cas d’usage sont ceux qui le mettent en production. Nous ne connaissons pas d’autre façon d’en répondre.

Ce qu’il faut retenir

Avant de construire, instruire : agent, automatisation classique ou rien. La variabilité, la réversibilité et la maturité de la donnée décident.

Par où commencer

Les documents. Factures, bons, contrats, dossiers douaniers, en français et en arabe, rapprochés automatiquement au cœur S/4HANA avec un humain sur chaque écart.

La méthode

Prototype sur données réelles, indicateurs définis avant, gouvernance proportionnée au risque, puis industrialisation prise en charge par le centre de services.

Le réflexe

Quand la donnée n’est pas prête, le dire. Et commencer par la fondation data plutôt que par un prototype condamné.

Pour aller plus loin : le Centre d’excellence IA de Casablanca, notre offre Data & Analytics, et le groupe dont le Centre est l’un des trois piliers.