Ce mail, c'est une réclamation ou une demande de devis ? Ce dossier est-il complet ? Ce prospect mérite-t-il un appel aujourd'hui ? Dans votre PME, quelqu'un répond à ces questions des dizaines de fois par jour, et c'est rarement la partie la plus passionnante de son poste.

Depuis deux semaines, une nouvelle famille d'IA vise exactement ce travail-là. Cet article vous aide à repérer les décisions à lui confier, à les écrire proprement, et à décider ce qui doit rester entre des mains humaines.

Une IA qui ne rédige pas, elle tranche

En septembre, la startup TypeSafe a lancé Jev, un modèle qui ne produit pas de texte. On lui pose une question fermée, il choisit une réponse parmi celles qu'on lui propose, et il indique à quel point il est sûr de lui. Le 1er octobre, Amazon a publié son équivalent en open source, Strands Decider. Dans la foulée, OpenAI a ouvert en bêta publique son Decisions API.

TechCrunch résume la tendance d'un titre : les modèles de décision « inondent le web ». Ce n'est pas un gadget de chercheurs. Les trois réponses possibles sont toujours les mêmes : oui ou non, un choix dans une liste, ou une note sur une échelle.

L'image qui nous sert avec nos clients, c'est l'aiguilleur. Un modèle comme ChatGPT, c'est un rédacteur : il écrit, il explique, il argumente. Un modèle de décision, c'est la personne au poste d'aiguillage. Elle ne conduit pas le train, elle ne choisit pas la destination. Elle regarde ce qui arrive et l'envoie sur la bonne voie, très vite, toute la journée.

Pourquoi ça vous concerne, même sans équipe tech

Trois choses changent par rapport à ce que vous faisiez déjà avec un assistant IA classique.

La vitesse et le prix. Selon OpenAI, cité par The Decoder en octobre 2026, son API de décision tourne environ dix fois plus vite que son API habituelle, pour un prix de 0,10 dollar par million de tokens en entrée, la réponse étant gratuite. Concrètement, faire trier tous les mails entrants d'une PME devient une ligne négligeable sur la facture.

Le niveau de confiance. C'est le vrai changement. Le modèle ne dit pas seulement « réclamation », il dit « réclamation, et j'en suis très sûr » ou « réclamation, mais j'hésite ». Ce chiffre vous permet de poser une règle simple : au-dessus d'un seuil, l'IA agit seule ; en dessous, un humain regarde.

La forme de la réponse. Une réponse parmi trois options, c'est facile à brancher dans un outil d'automatisation (Make, n8n, Zapier) ou un CRM. Pas de texte à interpréter, pas de phrase bavarde qui casse le workflow.

Soyons honnêtes : vous n'avez pas besoin de ces nouveaux modèles pour commencer. Un assistant classique à qui on impose de répondre par un seul mot fait déjà le travail sur de petits volumes. Ce qui compte, c'est la méthode ci-dessous. Elle reste la même quel que soit l'outil.

Étape 1 : faire l'inventaire de vos micro-décisions

Prenez une heure avec deux ou trois personnes qui traitent les flux entrants (accueil, ADV, compta, commercial). Posez-leur une seule question : « Qu'est-ce que vous décidez plusieurs fois par jour, toujours de la même façon ? »

Notez tout dans une grille comme celle-ci :

INVENTAIRE DES DÉCISIONS RÉPÉTITIVES

| Décision (question fermée)          | Qui la prend | Combien/jour | Réponses possibles               | Coût d'une erreur |
|-------------------------------------|--------------|--------------|----------------------------------|-------------------|
| Ce mail est de quel type ?          | Accueil      | ~60          | devis / réclamation / facture /  | faible            |
|                                     |              |              | candidature / autre              |                   |
| Ce dossier client est-il complet ?  | ADV          | ~15          | oui / non                        | moyen             |
| Ce lead mérite un appel sous 24 h ? | Commercial   | ~20          | oui / non                        | moyen             |
| La photo de livraison montre-t-elle | SAV          | ~10          | oui / non / illisible            | moyen             |
| un colis abîmé ?                    |              |              |                                  |                   |

Les meilleures candidates ont trois traits communs : elles reviennent souvent, les réponses possibles tiennent dans une liste courte, et une erreur se rattrape facilement. Commencez par celle qui coche les trois.

Le tri des demandes entrantes est presque toujours en haut de la liste. C'est d'ailleurs la première brique d'un support client automatisé : avant de répondre, il faut savoir à qui envoyer la demande.

Étape 2 : écrire la fiche décision

C'est l'étape que tout le monde veut sauter, et c'est elle qui fait la qualité du résultat. Une IA ne décide bien que si la règle est écrite. Si deux de vos collaborateurs ne trancheraient pas pareil, l'IA ne fera pas mieux qu'eux.

Voici la fiche que nous utilisons. Copiez-la, remplissez-la pour votre première décision :

FICHE DÉCISION

Nom : Tri des mails entrants sur contact@
Question posée à l'IA : « Quel est l'objet principal de ce mail ? »

Réponses autorisées (et rien d'autre) :
  - devis : le client demande un prix ou une proposition
  - réclamation : le client signale un problème sur une commande ou une prestation
  - facture : un fournisseur envoie ou relance une facture
  - candidature : quelqu'un postule ou envoie un CV
  - autre : tout le reste, y compris les mails ambigus

Critères de départage :
  - Un client mécontent qui demande aussi un devis → réclamation
  - Une relance de paiement d'un fournisseur → facture

Trois exemples réels par réponse (anonymisés) : [à coller]

Ce qui se passe après chaque réponse :
  - devis → transféré à commercial@, tâche créée dans le CRM
  - réclamation → transféré au SAV, priorité haute
  - facture → transféré à compta@
  - candidature → transféré à rh@
  - autre → reste dans la boîte, traité à la main

Seuil de confiance : en dessous de 85 %, le mail reste dans la boîte
  avec l'étiquette « à vérifier »
Responsable de la règle : [prénom], revue une fois par mois

Deux détails comptent plus qu'ils n'en ont l'air. La réponse « autre » est obligatoire : sans elle, l'IA force chaque mail dans une case qui ne lui va pas. Et la ligne « ce qui se passe après » vous oblige à vérifier que la décision sert vraiment à quelque chose.

Étape 3 : tester sur vos cas passés

Avant de brancher quoi que ce soit, ressortez une cinquantaine de cas déjà traités, dont vous connaissez la bonne réponse. Faites-les passer dans l'IA avec votre fiche et comparez dans un tableur, une ligne par cas :

• la réponse de l'IA ;
• son niveau de confiance ;
• la bonne réponse ;
• juste ou faux.

Regardez surtout les erreurs avec une confiance élevée. Ce sont les seules vraiment dangereuses, parce qu'elles passeraient sous le seuil sans que personne ne les voie. Si vous en trouvez, la cause est presque toujours dans la fiche : un critère manquant, deux réponses qui se recouvrent. Corrigez la fiche, rejouez le test.

Étape 4 : régler le seuil, puis brancher

Le seuil, c'est votre curseur entre automatisation et contrôle. Trop haut, presque tout part en vérification humaine et vous n'avez rien gagné. Trop bas, des erreurs passent.

Commencez prudent : seuil élevé, et pendant deux semaines, quelqu'un relit aussi les décisions automatiques. Baissez ensuite par paliers, en vous appuyant sur les erreurs réellement constatées. La même logique vaut pour la qualification de leads : l'IA dit « à rappeler aujourd'hui » quand elle est sûre, et laisse le commercial juger les cas limites.

Ce qu'on ne confie pas à un aiguilleur

Toutes les décisions ne se valent pas. Quelques règles que nous appliquons sans exception :

• Les décisions sur des personnes restent humaines. Écarter une candidature, refuser un crédit client, sanctionner un salarié : le RGPD (article 22) encadre strictement les décisions entièrement automatisées qui ont un effet important sur quelqu'un. L'IA peut préparer, un humain signe.
• Les décisions irréversibles aussi. Si une erreur ne se rattrape pas (un paiement envoyé, un contrat résilié), le modèle propose, il ne déclenche pas.
• Les décisions sans règle écrite. Si votre équipe tranche « au feeling », il faut d'abord écrire la règle. Sinon vous automatisez un flou.

Où ça coince en prod

Le niveau de confiance n'est pas une garantie. Un modèle peut être très sûr de lui et se tromper, surtout sur un type de cas qu'il n'a jamais vu. C'est pour ça que le test de l'étape 3 et la revue mensuelle ne sont pas optionnels.

Les règles vieillissent. Vous lancez un nouveau produit, un fournisseur change le format de ses factures, et la fiche décision ne colle plus. Nommer un responsable de la règle, c'est la seule protection durable.

Enfin, le choix de l'outil. L'API d'OpenAI est en bêta et annonce une absence de conservation des données. Le modèle d'Amazon peut tourner sur vos propres machines, mais il demande quelqu'un pour l'installer et le maintenir. Pour la plupart des PME, la question n'est pas là au départ : la fiche décision fonctionne avec l'assistant que vous utilisez déjà, et on change de moteur quand le volume le justifie.

Par où commencer cette semaine

Choisissez une seule décision dans votre inventaire, celle qui revient le plus et coûte le moins en cas d'erreur. Écrivez sa fiche, testez-la sur cinquante cas passés, et regardez le résultat avec l'équipe qui la prend aujourd'hui. Si la fiche tient, le branchement est la partie facile.

Sources :

• The Decoder, « OpenAI launches Decisions API that reduces complex evaluations to yes, no, or pick one », octobre 2026. https://the-decoder.com/openai-launches-decisions-api-that-reduces-complex-evaluations-to-yes-no-or-pick-one/, consulté le 8 octobre 2026.
• TechCrunch, « Amazon releases its own Jev clone as decision models flood the web », octobre 2026. https://techcrunch.com/2026/10/01/amazon-releases-its-own-jev-clone-as-decision-models-flood-the-web/, consulté le 8 octobre 2026.