Intelligence Artificielle et RH : n’oublions pas le RPA !

PARTAGEZ L’ARTICLE SUR

Il n’y a pas que l’IA Générative dans la vie ! Un autre domaine, le RPA, a encore beaucoup à nous apporter.
Ces dernières années, le machine learning auquel appartiennent entre autres les algorithmes prédictifs et l’IA Générative dominent la scène médiatique en matière d’Intelligence Artificielle. A juste titre : ces technologies sont porteuses d’avancées majeures, y compris dans le domaine RH. Mais il ne faudrait pas oublier d’autres types d’IA comme le RPA pour « Robotic Process Automation ». De développement plus ancien, il est en train de se réinventer. Il continue à présenter des avantages décisifs, qui en font une technologie indispensable et complémentaire aux outils IA issus du machine learning.
L’Intelligence Artificielle : 2 grandes familles de technologies
L’expression « Intelligence Artificielle » renvoie à un ensemble de technologies que l’on peut classer en deux grands courants :
- L’IA dite « symbolique » a été la principale piste de recherche en Intelligence Artificielle des années 1950 à 1990. Elle se fonde sur une approche déductive et sur une modélisation des connaissances humaines. C’est pour faire simple l’IA des « systèmes experts », qui reproduit des raisonnements propres à une problématique en suivant des règles prédéfinies
- L’IA dite « connexionniste » a pris l’ascendant sur l’IA symbolique dans les priorités de la recherche à partir des années 2000. Elle se fonde sur une approche inductive, probabiliste et sur
l’apprentissage machine. Elle génère ses propres règles à partir des données qui lui sont fournies. C’est la branche de l’IA qui a boosté des domaines habituellement couverts
par l’IA symbolique et a engendré l’émergence de nouveaux usages (reconnaissance vocale, traitement des images, algorithmes prédictifs, analyse du langage naturel et l’IA Générative).
L’IA symbolique se retrouve entre autres dans les solutions d’automatisation robotisée des process (RPA, pour Robotic Process Automation). Le RPA consiste à confier à des robots logiciels des tâches spécifiques, en imitant les règles qu’appliquent les humains. On le retrouve dans des progiciels développés par des éditeurs spécialisés. Ils sont utilisés dans de nombreux métiers dont la gestion des Ressources Humaines pour automatiser principalement des activités administratives comme la gestion des embauches, des sorties simples, la gestion des dossiers prévoyance, etc…
L’IA connexionniste embrasse de son côté plusieurs sous-domaines, en faisant appel à plusieurs types d’apprentissage (supervisé, non supervisé, renforcement, etc.) et à une multitude de modèles (statistiques ou réseaux de neurones). On y trouve les technologies qui permettent de développer des solutions d’analyse prédictive (par exemple pour prédire le turnover, ou les chances de succès d’un recrutement) mais aussi les IA Génératives qui permettent de créer du contenu (par exemple pour la formation) ou de restituer des connaissances en langage naturel pour déployer des agents conversationnels (par exemple pour répondre aux questions RH des collaborateurs). Ce peut être également des algorithmes de classification que l’on va utiliser pour compléter les outils de contrôle de paie se basant sur des règles prédéterminées.
Beaucoup aujourd’hui considèrent, à tort, que le RPA ne relève pas de l’Intelligence Artificielle. Alors qu’historiquement, le RPA fait incontestablement partie de l’IA et continue d’évoluer en exploitant les nouvelles capacités offertes par le machine learning. D’une façon générale, il ne faut pas opposer les différents domaines de l’IA, privilégier tel ou tel domaine en fonction d’effets de mode mais tirer profit de leur complémentarité pour traiter au mieux les besoins.
Automatisation, frugalité, explicabilité : les avantages des RPA
Les solutions RPA présentent un certain nombre d’avantages Nous en soulignons ici ce qui nous semble être les 3 principaux.
- L’automatisation, est la raison d’être du RPA. Il y aura toujours un intérêt à décharger l’humain sur des tâches simples à modéliser, requérant peu de décisions et vécues comme fastidieuses. Là où l’IA Générative ou prédictive vient assister l’humain dans des activités qui requièrent des prises de décision complexes ou de la créativité, le RPA permet de déléguer à des robots des tâches répétitives et chronophages, libérant ainsi du temps et améliorant la robustesse des processus en réduisant les risques d’erreurs et de non-conformité.
- La frugalité est un autre avantage des RPA sur les solutions basées sur du machine learning. Ces solutions utilisent en effet beaucoup moins de ressources. A l’heure où les entreprises doivent redoubler d’efforts en matière de maîtrise de leur impact carbone, il faut s’attendre à ce que le recours aux solutions basées sur du machine learning soit réservé aux usages pour lesquels cette technologie apporte le plus de valeur ajoutée.
- La stabilité et l’explicabilité, qui sont les deux faces d’un même avantage. Pour un évènement donné un robot RPA réagit toujours de la même manière. En reprenant pas à pas les règles utilisées, il est possible d’expliquer son fonctionnement. En machine learning, en revanche, les retours ne sont pas systématiquement identiques pour une même sollicitation. De plus, selon les modèles il est très difficile de les expliquer. Bien entendu cet avantage sera caduc pour les cas d’usage où le RPA, par rapport à une autre solution de type symbolique, n’a pas lieu d’être.
L’avenir est à l’IRPA (appelé aussi IPA)
Les éditeurs tendent à combiner les deux approches, symbolique et connexionniste, en articulant des technologies relevant des différents types d’IA tout en impliquant l’utilisateur au moment approprié pour améliorer l’expérience utilisateur et conserver le contrôle. Le RPA s’émancipe donc de son rôle d’automatisation de tâches simples en proposant des agents autonomes permettant de transformer en profondeur les processus et de les orchestrer. Cette notion d’Intelligent RPA (IRPA), a de beaux jours devant elle, en particulier en matière de solutions RH.
Il est ainsi possible de confier à des agents conversationnels le soin de sélectionner, voire de lancer des robots en fonction des données recueillies. L’agent va ainsi identifier qualitativement les intentions ou les attentes de l’utilisateur, avant de lui proposer ou de l’orienter vers le bon processus robotisé. Par exemple, un candidat entre en contact avec une entreprise recruteuse via un chatbot ; en fonction de son profil et de ses réponses, les données qu’il a fournies viennent alimenter le bon processus – poursuite du recrutement ou refus.
On peut aller plus loin en combinant par exemple un agent conversationnel avec une fonctionnalité d’IA spécialisée dans le traitement intelligent de documents qui va identifier que le collaborateur télécharge des justificatifs de déplacement. L’agent conversationnel va proposer ensuite de lancer l’application de notes de frais. Si le collaborateur accepte, on va enchainer avec une fonctionnalité d’IA qui va préremplir une note de frais à partir des données extraites des justificatifs et des informations transmises par le collaborateur lors de l’échange avec l’agent conversationnel et ce en tenant compte de la politique voyage de l’Entreprise. Il peut s’agir aussi d’assistants conversationnels capables d’enregistrer une demande de congés formulée en langage courant, une demande de changement de situation familiale, ou encore une demande de formation, avant d’embrayer sur la gestion du processus orchestrée par un RPA.
Les RPA sont donc loin d’avoir dit leur dernier mot. L’enjeu, aujourd’hui, est au moins triple :
- Elargir le champ couvert par les RPA traditionnels : il y a encore des process et des parties de process automatisables, des gains de productivité, d’efficacité, de fiabilité à effectuer.
- Développer l’articulation entre RPA et d’autres types d’IA, pour concevoir des agents autonomes transformant les organisations. Il faut aussi veiller à la bonne intégration à l’écosystème informatique de la fonction RH (interopérabilité avec les solutions legacy, respect des exigences sécurité, dispositif de surveillance et dispositif de gouvernance de la donnée).
- Démocratiser les usages, en élargissant le cercle des utilisateurs et des configurateurs. Les RPA n’ont pas vocation à rester exclusivement entre les mains des experts IT : des administrateurs RH non informaticiens pourraient ainsi développer eux-mêmes les robots simples en utilisant des outils de conception basés sur du low code.
L’articulation des différents types d’IA permettra d’apporter des réponses toujours plus pertinentes aux attentes des organisations en matière de gestion des Ressources Humaines autour de l’expérience utilisateur et de l’efficacité de la fonction RH. Quant au RPA c’est un domaine mature, éprouvé et à fort retour sur investissement facilitant ainsi le passage à l’échelle. Il apporte une valeur ajoutée immédiate sur la performance de la fonction RH tout en s’inscrivant dans la famille des IA frugales et stables. En outre, le fait de s’approprier le RPA constitue un premier pas pour faciliter la diffusion dans l’entreprise de l’IRPA (ou IPA) qui s’appuie sur une approche et des technologies plus disruptives et des bénéfices plus importants.
