Les modèles de langage (LLM) comme Claude ou GPT ne remplacent pas vos workflows : ils en deviennent une brique. Utilisés au bon endroit, ils traitent ce que les règles classiques gèrent mal — le texte libre, les emails, les documents. Voici les trois usages que nous déployons le plus souvent.
1. La classification : trier automatiquement les demandes
Un email arrive sur votre adresse de contact. Le LLM détermine s'il s'agit d'une demande de devis, d'un problème de support, d'une candidature ou d'une sollicitation commerciale, puis le workflow l'oriente vers la bonne personne ou le bon outil.
La clé : imposer une liste fermée de catégories et demander une réponse structurée. Le modèle ne peut alors répondre qu'avec une valeur prévue par votre workflow.
2. L'extraction : transformer du texte en données
Bon de commande en PDF, email de réservation, CV : le LLM extrait les champs utiles (nom, date, montant, référence) au format JSON. Le workflow peut ensuite créer la fiche dans votre CRM ou votre ERP sans ressaisie.
{
"client": "Société Martin",
"date_livraison": "2026-12-04",
"montant_ht": 1840.00,
"reference": "BC-2026-118"
}
La plupart des API de LLM permettent de fournir un schéma JSON attendu : utilisez-le systématiquement, puis validez la réponse avant de l'écrire dans vos outils.
3. Le résumé : gagner du temps de lecture
Comptes rendus de réunion, tickets de support, fils d'emails interminables : un résumé en cinq points envoyé sur Slack ou Teams fait gagner un temps précieux aux équipes. C'est aussi un excellent premier cas d'usage, car le risque est faible.
Les garde-fous indispensables
- Température basse pour les tâches de classification et d'extraction : vous voulez de la constance, pas de la créativité.
- Validation de la sortie : vérifiez que la catégorie existe, que la date est une date, que le montant est un nombre.
- Humain dans la boucle pour les décisions sensibles : le LLM propose, une personne valide.
- Jeu de tests : gardez une vingtaine d'exemples réels avec la réponse attendue, et rejouez-les à chaque modification du prompt.
- Données personnelles : vérifiez où sont traitées vos données et minimisez ce que vous envoyez (RGPD).
Et les agents IA ?
Un agent va plus loin : il choisit lui-même les outils à utiliser pour atteindre un objectif. C'est puissant, mais plus difficile à fiabiliser. Dans la majorité des cas, un workflow déterministe avec une ou deux étapes IA bien cadrées donne de meilleurs résultats. Nous abordons la conception d'agents en production dans le parcours Expert de la Beos Academy.
Passer à l'action
Vous avez un flux d'emails ou de documents qui mobilise vos équipes ? Parlons-en : c'est souvent la meilleure porte d'entrée pour intégrer l'IA de façon utile et mesurable.