Que vous teniez la direction des opérations ou celle de l'innovation, vous vivez sans doute aujourd'hui une tension qu'aucune des deux fonctions ne s'est choisie. D'un côté, une pression à faire de l'IA — investisseurs, comex, presse spécialisée, fournisseurs qui défilent avec des démonstrations spectaculaires. De l'autre, votre propre expérience : des POC qui ne tiennent pas, des projets qui consomment plus de temps de supervision qu'ils n'en libèrent, des modèles dont personne ne sait expliquer pourquoi ils ont produit telle recommandation un mardi à 14h. Entre le renoncement et la dette de supervision permanente, on raconte rarement la troisième voie. C'est elle qu'on voudrait décrire ici.

Une bascule, pas une mode

Avant toute discussion de méthode, il faut reconnaître ce qui change réellement. Les opérations vivent un moment qu'elles n'avaient pas connu depuis l'arrivée de l'ERP, et qui ne se reproduira pas avant longtemps.

Trois sources de valeur, jusqu'ici hors d'atteinte, deviennent exploitables. La première est le traitement direct de la langue libre : un conducteur qui décrit oralement un comportement anormal, un client qui envoie un mail brouillon, un technicien qui transmet une observation par message — tout ce contenu, qui demandait hier une ressaisie en formulaire ou une réunion de qualification, peut désormais entrer dans le système sans intermédiaire. La friction de la double saisie disparaît, et avec elle une part substantielle du travail administratif que portent vos équipes.

La deuxième source est la composition de décisions multi-variables. Les arbitrages qui mobilisent une dizaine de paramètres — historique d'un équipement, criticité d'un site, charge de l'atelier, contraintes contractuelles, disponibilité d'un remplaçant — restaient confinés dans la tête de quelques experts. On peut désormais les codifier, les rendre auditables, et les rejouer à toute heure sans solliciter l'expert pour chaque cas standard. Ce qui prenait une demi-journée se règle dans la conversation elle-même.

La troisième est la communication contextuelle. Un message dans la bonne langue, au bon ton, à la bonne personne, déclenché par la bonne règle, partait il y a peu d'un opérateur qui rédigeait à la main. Aujourd'hui il est produit à la volée, dans une qualité linguistique qui n'a plus rien à envier à un humain disponible.

Cumulés, ces trois leviers ne représentent pas une amélioration marginale. C'est un changement de paradigme dans la façon dont une opération absorbe sa propre information. Et plusieurs grands acteurs y sont déjà — ce qui transforme un avantage potentiel en obligation de cadrage rapide pour qui veut rester compétitif.

Cinq exigences avant d'y aller

Cette bascule n'a rien d'automatique. Le State of AI 2025 de McKinsey relevait que 88% des organisations utilisent l'IA mais qu'un tiers seulement a réussi à passer au-delà du pilote. La cause n'est pas le modèle. C'est l'incapacité d'un système purement probabiliste, livré seul, à offrir cinq propriétés sans lesquelles aucune opération sérieuse ne signe la mise en production.

Traçabilité. Toute décision automatisée doit pointer vers une règle identifiable, attribuable à un expert métier qui l'a validée. Personne ne signe la mise en production d'un système dont on ne sait pas pourquoi il a fait ce qu'il a fait.

Déterminisme. À entrée identique, sortie identique. C'est ce qui permet de tester avant la mise en service, de rejouer un cas litigieux, de transférer la connaissance entre sites. Aucune équipe ne signe la production d'un dispositif dont le comportement varie sans cause connue.

Escalade humaine garantie. Quand le système n'est pas sûr de lui, il passe la main — non par bonne volonté logicielle, mais par construction. Aucun cas hors-règles ne se résout dans le silence d'une décision automatique douteuse.

Supervisabilité par un humain métier. Le chef d'exploitation doit pouvoir lire les règles, les contester, en proposer la révision. Sans dépendre d'un data scientist intermédiaire à chaque évolution.

Frugalité opérationnelle. Le coût de fonctionnement doit rester sans rapport avec la valeur produite. Un système qui consomme en calculs ce qu'il économise en main-d'œuvre n'a pas d'avenir.

Une fois ces exigences posées, l'IA n'est plus un sujet binaire. C'est un outil dont il faut savoir où l'invoquer et où s'en passer. Les modèles génératifs récents excellent à lire de la langue libre, à structurer un message désordonné, à mettre en forme une décision dans le ton juste, à résumer, à proposer une catégorisation quand un cas inédit apparaît. Sur d'autres rôles, ils pénalisent : choisir librement une action qui va immobiliser un équipement, valider un arbitrage réglementé, garantir une trace opposable. Là, le caractère probabiliste qui faisait leur force devient un risque inacceptable.

Le travail méthodique consiste à placer chaque rôle au bon endroit : plusieurs agents narrow ciblés sur des tâches précises, et un socle de règles déterministes qui porte la décision.

Ce qu'on fait chez Oskar

Ce que ce qui précède décrit en langage métier porte aussi un nom plus technique : on construit avec nos clients une ontologie de leur exploitation — les entités, les attributs, les règles qui composent la réalité décisionnelle de leur site. Cette ontologie est l'actif. Les agents narrow viennent ensuite, dimensionnés à ce qui a été décrit, ni plus ni moins. La méthode tient en un mot : l'atelier de cadrage — avec chef d'exploitation, mécanicien, parfois direction quand un arbitrage politique l'exige. On en sort avec un cahier de décisions écrit dans la langue du métier, pas avec une promesse d'IA.

La question utile n'est donc pas de savoir si l'IA a sa place dans votre exploitation. Elle est : quelles sont les décisions qui structurent vos journées, et qui aujourd'hui n'existent que dans la tête de trois personnes ? C'est par là qu'on commence.