Dans chaque entreprise, on accumule toutes sortes de procédures sur la façon de faire le travail. Plus les tâches sont complexes, plus on accumule d’information et de procédures. Ces procédures sont peu utilisées par les employés d’expérience sur une base quotidienne puisqu’ils connaissent par cœur la façon d’accomplir leur travail.
Par contre, quand un nouvel employé se joint à l’équipe, on fait généralement deux choses: Dans un premier temps, on le jumelle avec un employé d’expérience qui va lui montrer comment faire le travail et ensuite, on lui indique où se trouvent les procédures officielles auxquelles il pourra de référer par la suite s’il a une question.
Pour un nouvel employé, par contre, trop souvent, retrouver la réponse à une question parmi toutes ces procédures prend du temps, est un peu compliqué selon la quantité d’information et la méthode dont la documentation est indexée, de sorte qu’au final, plutôt que de chercher par eux-mêmes, ils vont se tourner vers celui ou celle qui les ont formés pour obtenir plus rapidement la réponse.
La conséquence est à deux niveaux: D’abord l’actif de documentation devient sous-utilisé, bien qu’il demeure essentiel, notamment pour les différents audits et pour éviter que ces connaissances ne soient présentes que dans la tête des employés d’expérience qui quitteront forcément l’entreprise à un moment ou un autre.
Ensuite, à chaque fois qu’on sollicite l’aide d’un employé d’expérience pour répondre a une question, celui-ci doit mettre son propre travail de côté. Or, généralement ces employés sont aussi les plus productifs parce qu’ils ont acquis des habiletés par spécialisation au cours des années.
Avec la venue des IA génératives, comme Claude, Copilot, ChatGPT ou Gemini qui utilisent des modèles très efficaces de compréhension du langage naturel, pourquoi alors ne pas avoir un agent personnalisé qui répondrait rapidement et facilement à ce nouvel employé en utilisant la documentation officielle et uniquement la documentation officielle.
En 2023, nous avions contacté une entreprise reconnue en IA au Québec pour mettre en place un projet pilote visant un département où le taux de roulement était élevé, pour comprendre comme tout ça fonctionne et combien ça pourrait coûter pour le mettre en place et quels en seraient les coûts récurrents.
Les résultats préliminaires avaient été un peu décevants. Les réponses de l’agent IA n’étaient pas très précises et on nous a dit qu’il aurait fallu travailler davantage sur la programmation ou configuration, revoir notre documentation pour l’enrichir de métadonnées et avoir une période de 3 mois où des employés d’expérience viendraient tester et valider la pertinence des réponses de l’agent. Les coûts de configuration et de mise en place avoisinaient les $50,000, sans tenir compte des coûts salariaux internes et des coûts récurrents de près de $1800 par mois. Devant ces résultats, le projet a été mis sur pause.
L’entreprise où je travaillais étaient essentiellement dans un environnement Microsoft. J’ai donc voulu personnellement expérimenter les possibilités de Copilot pour refaire un tel agent.
Au final, sans programmation, en utilisant les outils rendus disponibles dans Copilot Studio et en m’aidant de Copilot pour savoir comment m’y prendre je suis arrivé à un résultat somme toute très satisfaisant. On peut ainsi converser avec cet agent Copilot dans une session de clavardage Teams, lequel répond en utilisant uniquement la documentation qui a été rendue disponible dans la section fichier d’un canal Teams privé. Pour réaliser l’agent, il suffit d’avoir une licence Copilot 365 à $42 par mois. Ensuite, les coûts récurrents pour que les utilisateurs l’interrogent sont de $287 par mois, en assumant un volume de plus ou moins 3500 questions d’employés par mois. C’était juste une preuve de concept, mais honnêtement, les outils deviennent maintenant disponibles, pas si compliqués et accessibles financièrement.
