Quand l’humain devient le backup de l’IA : le prochain modèle des conciergeries

« Je suis désormais le back-up de Mr Sherlock et non l’inverse. Je peux enfin me concentrer sur le développement de mon entreprise. »

Virginie, fondatrice des Suites Indivio à Dijon.

Sur son activité, 95 % des situations voyageurs sont aujourd’hui prises en charge par Mr Sherlock sans qu’elle intervienne. Virginie reste un cas avancé. Elle est surtout en avance sur ce qui deviendra courant.

Pendant longtemps, l’intelligence artificielle a été pensée comme un assistant. On lui posait une question, elle répondait. On lui transmettait le message d’un voyageur, elle proposait une réponse que l’humain relisait, modifiait puis envoyait. Les rôles étaient clairs : l’humain travaillait, l’IA l’aidait.

Avec l’arrivée des agents, ce modèle s’inverse. Une IA peut désormais recevoir un objectif, analyser plusieurs sources d’information, utiliser des outils, enchaîner des actions, vérifier leur résultat, puis poursuivre jusqu’à avoir terminé ou jusqu’à rencontrer une situation qui nécessite un humain. Nous ne parlons plus d’assistance mais de délégation.

Et le changement le plus intéressant n’est pas le nombre de tâches automatisables. C’est l’inversion des rôles : au lieu d’un humain qui travaille avec une IA en soutien, nous voyons apparaître des organisations dans lesquelles l’IA travaille et l’humain intervient lorsqu’elle a besoin de lui.

Chatbot ou agent : ce qui change concrètement pour une conciergerie

Un chatbot répond. Un agent agit. La différence paraît technique, elle change presque tout sur le terrain.

OpenAI décrit cette évolution comme un passage des interactions isolées vers des tâches déléguées qui s’étendent dans le temps et nécessitent plusieurs appels à des outils. Anthropic définit un agent comme un système capable de diriger lui-même son processus et l’utilisation de ses outils pour atteindre un objectif : planifier, agir, observer le résultat, ajuster.

Prenons un voyageur qui écrit à 23 h 40 parce qu’il n’arrive pas à entrer dans son logement. Une IA conversationnelle lui rappelle la procédure d’accès. Un agent identifie la réservation, vérifie le logement et son système d’accès, récupère les informations nécessaires, comprend ce que le voyageur a déjà essayé, lui fait effectuer plusieurs vérifications successives et adapte ses instructions en fonction de ses réponses.

Ce qui exigeait systématiquement une intervention humaine il y a deux ans peut déjà, dans certains cas, être traité automatiquement. Ce qui en exige encore une aujourd’hui n’en exigera pas forcément dans deux ans. C’est pourquoi établir une fois pour toutes la liste des tâches que « l’IA peut faire » n’a pas beaucoup de sens : cette frontière est mouvante.

Deux utilisateurs, la même IA, des niveaux d’autonomie très différents

Virginie n’utilise pas une version secrète de Mr Sherlock. Elle dispose des mêmes modèles et du même socle technologique que les autres. La différence se trouve ailleurs.

Elle a consacré un travail considérable à formaliser son fonctionnement : ses process, ses règles, ses exceptions, ce qui peut être accepté, ce qui doit être refusé, les cas où une règle générale ne s’applique pas, la manière de réagir quand un incident devient urgent. Toutes ces informations qui, dans beaucoup d’entreprises, n’existent que dans la tête du dirigeant.

Grâce à ce travail, des situations que Mr Sherlock ferait normalement remonter à un humain chez la majorité des utilisateurs sont gérées automatiquement sur son compte. L’IA n’est pas devenue plus intelligente pour elle. Elle dispose d’un environnement dans lequel elle peut mieux utiliser son intelligence.

Une IA extrêmement performante ne peut pas inventer les règles internes d’une entreprise. Elle ne peut pas savoir qu’un propriétaire accepte systématiquement une arrivée anticipée quand un autre la refuse. Elle ne peut pas deviner à partir de quel montant vous voulez valider personnellement un remboursement, ni connaître spontanément votre politique face à une dégradation légère ou le prestataire à contacter pour tel problème dans tel logement.

Ce n’est pas un problème d’intelligence. C’est un problème de contexte.

Le prochain plafond de l’IA, c’est votre propre entreprise

Nous avons pris l’habitude de mesurer le potentiel d’automatisation à travers les capacités du modèle. Est-elle assez intelligente ? Comprend-elle assez bien ? Est-elle assez fiable ? Ces questions restent importantes, mais elles ne suffisent plus. Une autre devient déterminante : votre entreprise est-elle suffisamment explicite pour être comprise par une IA ?

Prenons une situation courante. Un voyageur rencontre un problème et demande un geste commercial. Le gestionnaire répond qu’il faut étudier au cas par cas. Très bien. Mais sur quels critères ? Le type d’incident, sa durée, son impact réel sur le séjour, le prix de la réservation, le nombre de nuits concernées, la responsabilité de la conciergerie, le comportement du voyageur, la politique du propriétaire, l’heure du signalement ?

Ce que l’on appelle « le jugement humain » est souvent constitué d’une multitude de règles intégrées avec l’expérience, sans jamais avoir été formalisées. Dès que ces critères deviennent explicites, une partie du raisonnement devient automatisable. C’est probablement l’un des changements les plus intéressants que l’IA va imposer aux entreprises : elle les oblige à comprendre leur propre fonctionnement.

Documenter ses process : un investissement rentable, même sans IA

Formaliser le fonctionnement d’une conciergerie représente un travail conséquent. C’est aujourd’hui la principale limite à l’obtention d’un haut niveau d’autonomie. Mais ce travail produit trois bénéfices immédiats, indépendamment de l’IA.

Formaliser oblige à réfléchir à ce que l’on fait réellement

Beaucoup de processus se construisent par sédimentation. Une situation apparaît, on la résout. Elle se reproduit, on reprend à peu près la même méthode. Au bout de quelques années, l’entreprise possède des dizaines, parfois des centaines de règles informelles. Les mettre par écrit oblige à se demander pourquoi elles existent, si elles sont toujours pertinentes, et si toute l’équipe applique réellement la même méthode.

Formaliser révèle les trous dans les processus

C’est souvent en essayant d’écrire une règle qu’on découvre qu’elle n’existe pas vraiment. Que faisons-nous si le voyageur ne récupère jamais sa caution ? Qui doit être alerté si une serrure connectée ne répond plus ? À partir de quel niveau d’insatisfaction arrêtons-nous de proposer des ventes additionnelles ? Que faisons-nous quand deux règles internes se contredisent ?

Tant que ces situations sont traitées intuitivement par le dirigeant, les zones grises restent invisibles. Lorsqu’il faut les expliquer à une IA, elles deviennent évidentes. L’IA agit comme un révélateur de dette de processus.

Formaliser transforme un savoir individuel en actif d’entreprise

Un processus documenté ne sert pas qu’à Mr Sherlock. Il sert à un salarié, à un futur recrutement, à un prestataire, à la personne qui remplace temporairement le dirigeant, à une nouvelle agence après une acquisition. Le savoir ne reste plus enfermé dans la tête de celui qui « sait comment on fait ici » : il devient transmissible.

Pour automatiser son entreprise, il faut d’abord la rendre compréhensible. Et une entreprise compréhensible est aussi plus facile à transmettre, à déléguer et à faire grandir.

Les deux barrières qui limitent encore l’autonomie

Chez les utilisateurs les plus avancés de Mr Sherlock, deux limites apparaissent clairement.

La première est technologique. Les modèles font encore des erreurs, certaines situations comportent trop d’ambiguïté, et certaines décisions ont des conséquences assez lourdes pour qu’une validation humaine reste souhaitable. Anthropic souligne que l’autonomie qui rend les agents utiles augmente aussi le risque d’actions involontaires, et recommande de maintenir des mécanismes de contrôle proportionnés aux conséquences possibles. Cette barrière recule vite à mesure que les modèles progressent.

La seconde évolue beaucoup plus lentement. C’est l’effort nécessaire pour configurer, personnaliser et contextualiser l’IA jusqu’à ce qu’elle comprenne réellement le fonctionnement de l’entreprise. Obtenir le niveau d’autonomie de Virginie exige un investissement important : elle a dû transformer son expérience métier en informations exploitables. Tout le monde n’a ni le temps, ni l’envie, ni parfois la capacité de mener ce travail avec autant de précision.

C’est là que se trouve l’un des prochains grands enjeux des logiciels utilisant l’IA. Il ne suffira pas d’intégrer de meilleurs modèles : il faudra rendre beaucoup plus simple le transfert du savoir métier entre l’humain et l’IA.

Le futur ne consiste pas à demander à chaque gestionnaire de rédiger un manuel de 300 pages avant de pouvoir utiliser une IA correctement. Le logiciel devra participer à la construction de ce manuel : observer, questionner, proposer une règle lorsqu’il détecte qu’une même décision est prise plusieurs fois, demander quoi faire face à une situation inconnue, puis mémoriser la réponse. À mesure que cette phase de configuration se simplifiera, le niveau d’autonomie accessible aux utilisateurs ordinaires se rapprochera de celui que seuls quelques avancés atteignent aujourd’hui.

De l’humain dans la boucle à l’humain au-dessus de la boucle

Dans l’univers de l’IA, on parle souvent de « human in the loop » : l’IA propose une action, l’humain la vérifie et la valide, le système poursuit. Cette architecture reste pertinente dans de nombreuses situations.

Mais les usages avancés font apparaître un autre modèle : l’humain ne valide plus chaque étape, il supervise le système et intervient lorsqu’il détecte un problème ou lorsque l’agent lui rend la main. Anthropic a mesuré ce basculement sur des millions d’interactions avec ses agents. Les débutants laissent l’agent travailler sans validation préalable dans environ 20 % des sessions. Après 750 sessions, cette proportion dépasse 40 %. Dans le même temps, ces utilisateurs expérimentés interrompent l’agent plus souvent : ils cessent de valider chaque action pour surveiller et reprendre la main quand quelque chose dérape.

C’est exactement la trajectoire des utilisateurs les plus avancés de Mr Sherlock. Au départ, ils vérifient. Puis ils observent. Puis ils font confiance sur certaines catégories de situations. Puis ils élargissent le périmètre. L’humain ne disparaît pas : son emplacement dans le système change.

Cela suppose de ne pas accorder le même niveau d’autonomie à toutes les tâches. La question n’est pas seulement « l’IA sait-elle le faire ? » mais aussi « que se passe-t-il si elle se trompe ? » Une erreur sur une recommandation de restaurant n’a pas les mêmes conséquences qu’une erreur sur l’ouverture d’une porte, qu’un remboursement de plusieurs milliers d’euros ou qu’une décision touchant à la sécurité d’une personne.

L’autonomie doit être proportionnelle aux conséquences d’une mauvaise décision. Pour certaines tâches, l’IA peut analyser, décider et agir seule. Pour d’autres, elle prépare l’action et demande une validation. Dans les situations les plus sensibles, elle détecte le problème, rassemble le contexte et alerte immédiatement la bonne personne. Le but d’un système autonome performant n’est pas de supprimer l’humain de toutes les décisions : c’est de savoir quand il n’est pas nécessaire de le déranger et quand son intervention devient indispensable.

Le métier de gestionnaire ne disparaît pas, il change de niveau

L’arrivée de l’IA dans les conciergeries est souvent présentée sous l’angle du temps gagné. C’est réel, mais ce n’est que la première conséquence. Le changement le plus profond concerne la nature même du travail.

Aujourd’hui, une grande partie du temps d’un gestionnaire est consacrée à l’exécution : lire, répondre, transmettre, vérifier, relancer, répéter une procédure, reprendre plusieurs fois une décision presque identique. Demain, une part croissante de cette exécution sera confiée à des agents.

Le rôle humain se déplacera vers la conception du système : définir les règles, décider du niveau d’autonomie, structurer les processus, traiter les véritables exceptions, analyser ce qui fonctionne mal, corriger les instructions, améliorer en permanence la manière dont l’IA travaille. Nous passons d’un métier où l’on applique des processus à un métier où l’on apprend à l’IA comment les appliquer.

La conciergerie de demain fonctionnera par exception

Imaginons une conciergerie dans laquelle l’IA traite tout ce qui correspond au fonctionnement attendu. Elle communique avec le voyageur, adapte le parcours à sa réservation, gère les informations nécessaires à son arrivée, contrôle certaines étapes, propose les services pertinents, répond aux demandes, déclenche des actions et résout une partie des incidents. Elle connaît aussi ses propres limites : lorsqu’une situation sort du cadre prévu, elle alerte l’humain avec le contexte déjà analysé et les informations nécessaires pour décider.

Le gestionnaire n’a plus besoin de surveiller chaque réservation pour vérifier que rien ne va mal. Il intervient lorsque quelque chose mérite réellement son attention. C’est une organisation par exception. Elle existe déjà partiellement, et reste dépendante de la qualité des modèles, des outils disponibles et surtout de la profondeur avec laquelle l’entreprise a transmis son fonctionnement à l’IA. Mais chacune de ces barrières diminue.

Jusqu’où ira l’autonomie de l’IA en location courte durée ?

Personne ne peut dire où se situera la frontière dans trois ou cinq ans. La direction, en revanche, est facile à observer : les situations que nous qualifions aujourd’hui de complexes deviendront progressivement ordinaires pour ces systèmes. La difficulté se déplacera. Elle concernera moins la capacité brute de l’IA à raisonner que notre capacité à lui fournir les bonnes informations, les bonnes règles, les bons outils et le bon niveau de liberté.

Le cas de Virginie est intéressant pour cette raison précise. Il ne prouve pas que l’humain est devenu inutile. Il montre quelque chose de plus concret : lorsqu’une IA dispose des capacités nécessaires et qu’une entreprise a suffisamment bien explicité son fonctionnement, il devient déjà possible d’inverser la relation traditionnelle entre l’humain et la machine.

Aujourd’hui, cette organisation reste exceptionnelle. Dans quelques années, elle pourrait devenir banale. Et la question la plus intéressante ne sera plus de savoir quelles tâches une conciergerie peut automatiser, mais celle-ci : que devient une conciergerie pensée dès le départ pour que l’IA travaille en continu et que l’humain intervienne uniquement lorsque son jugement apporte réellement de la valeur ?

C’est cette question qui nous intéresse chez Mr Sherlock. Et nous ne faisons probablement qu’en découvrir la réponse.