IA en entreprise : maîtriser coûts et agents IA

Une annonce d'éditeur qui en dit long sur l'IA en entreprise

Dans un billet intitulé « Agents, rebuilt to do more for less » (publié sous le titre « Notion AI, rebuilt for efficiency »), Akshay Kothari, cofondateur de Notion, présente une refonte de l'IA de la plateforme. Au programme : un routeur de modèles amélioré, des agents reconstruits pour durer plus longtemps, la possibilité d'utiliser l'IA que l'on paie déjà ailleurs, un tableau de bord de gouvernance pour les administrateurs et un nouveau système de crédits.

Au-delà du produit lui-même, ce texte décrit très bien les défis que rencontre toute entreprise qui veut passer de l'IA « gadget » à l'IA réellement utile au quotidien. Chez comm.it, nous accompagnons des TPE et PME d'Île-de-France sur l'IA, l'automatisation des processus métier, le réseau et le développement de logiciels cœur de métier comme les CRM et les ERP. Nous retrouvons ces mêmes questions chez nos interlocuteurs, quel que soit l'outil choisi.

Cet article ne résume pas l'annonce. Il en tire des enseignements pratiques et explique comment une approche structurée permet de transformer ces enjeux en valeur pour votre activité.

Le vrai problème : une IA non pilotée coûte cher

Le constat de départ de l'article source est simple. Les modèles se multiplient : l'éditeur indique en avoir ajouté sept en un seul mois, issus de différents fournisseurs. Face à cette profusion, les utilisateurs ont tendance à utiliser par défaut les modèles les plus puissants, et donc les plus coûteux, pour toutes leurs demandes.

C'est un schéma que l'on observe partout. Un collaborateur utilise le modèle le plus avancé pour reformuler un e-mail de trois lignes, un autre lance un traitement complexe sans savoir ce qu'il consomme, et personne n'a de vision globale. Résultat :

• des coûts imprévisibles, souvent découverts en fin de mois ;
• une utilisation inégale selon les équipes ;
• l'absence de traçabilité sur ce que font réellement les outils IA ;
• une difficulté à mesurer le retour sur investissement.

Le sujet n'est donc pas seulement technique. Il relève de l'architecture, de la gouvernance et de l'organisation. C'est précisément là qu'un intégrateur apporte de la valeur : en concevant un usage de l'IA adapté à vos processus plutôt qu'en ajoutant un outil de plus.

Le routage de modèles : envoyer chaque tâche au bon moteur

La première nouveauté mise en avant par Notion est son routeur, baptisé Auto. Son principe : analyser chaque tâche et l'envoyer vers le modèle qui offre le meilleur équilibre entre qualité, rapidité et coût. Les demandes simples partent vers des modèles rapides et économes, les travaux longs ou complexes (analyses, enchaînements d'actions) vers des modèles plus capables. Si un modèle ne progresse pas, la tâche est réorientée vers un autre.

Selon l'éditeur, sur plus de vingt cas d'usage courants, ce routage a produit des résultats comparables à ceux des modèles les plus avancés pour un coût moyen inférieur d'environ 90 %, soit des crédits qui vont environ dix fois plus loin.

Ce que cela signifie pour une PME

Le routage intelligent n'est pas réservé aux grands éditeurs. C'est un principe d'architecture que l'on peut appliquer à vos propres automatisations :

• classer les tâches selon leur complexité (tri de courriels, extraction de données, rédaction, analyse) ;
• associer à chaque catégorie le niveau de modèle suffisant, plutôt que le plus puissant ;
• prévoir des mécanismes de repli lorsque le résultat n'est pas satisfaisant ;
• réévaluer régulièrement les choix, car de nouveaux modèles sortent en permanence.

Chez comm.it, lorsque nous concevons un workflow d'automatisation ou un assistant IA intégré à un CRM ou un ERP, nous raisonnons de cette manière. Une qualification de prospect, la génération d'un résumé d'intervention ou la lecture d'une facture fournisseur n'exigent pas les mêmes ressources. Bien répartir les traitements, c'est obtenir le résultat attendu sans payer inutilement de la puissance de calcul.

Des agents qui tiennent la distance

Le deuxième axe de l'annonce concerne les agents IA, ces programmes capables d'enchaîner plusieurs actions pour accomplir une tâche. D'après l'article, les agents peuvent désormais travailler plus de 24 heures sur une même tâche, contre cinq minutes auparavant. Pour y parvenir, l'éditeur décrit plusieurs choix techniques que nous jugeons très instructifs.

L'exécution durable

Chaque session s'appuie sur un service dédié avec une file d'attente et une boucle de traitement, de sorte que le travail se poursuit malgré les redémarrages et les incidents. C'est ce qu'on appelle l'exécution durable (durable execution).

Pour une entreprise, la leçon est claire : un agent qui traite des commandes, synchronise des fiches clients ou prépare des relances ne doit pas tout perdre à la moindre coupure. Lorsque nous développons des automatisations pour nos clients, nous intégrons des mécanismes de reprise sur erreur, de journalisation et de mise en file d'attente. Une automatisation fiable vaut mieux qu'une automatisation spectaculaire mais fragile.

Le code plutôt que les jetons

L'article explique que les agents disposent désormais de leur propre environnement d'exécution : ils peuvent écrire de courts scripts, plus rapides, moins chers et de meilleure qualité que si le même travail était réalisé uniquement par un modèle de langage.

C'est un point fondamental, souvent sous-estimé. Un modèle de langage n'est pas toujours le bon outil : pour trier un tableau, calculer un total ou transformer un format de fichier, un script déterministe est plus sûr et plus économique. Notre approche consiste à combiner les deux : l'IA pour comprendre, résumer, classer ou rédiger, le code classique pour calculer, transformer et intégrer les données dans vos logiciels métier.

La gestion du contexte

Les agents compactent désormais les longues conversations et déchargent les résultats volumineux au lieu de saturer la fenêtre de contexte. Moins d'informations à relire à chaque étape, c'est moins de calcul par tâche.

Transposé à vos projets, cela signifie qu'il faut donner à l'IA uniquement les informations utiles : la fiche client pertinente plutôt que toute la base, le dernier échange plutôt que l'historique complet. Une bonne préparation des données améliore à la fois la qualité des réponses et la maîtrise des coûts.

La sécurité par défaut

Enfin, un nouveau mode fait appel à un modèle distinct pour vérifier qu'une action est sûre avant que l'agent ne l'exécute. Ce principe de double contrôle est essentiel dès qu'un agent peut modifier des données, envoyer des messages ou agir sur des systèmes.

Dans nos déploiements, nous définissons avec nos clients les actions qui nécessitent une validation humaine, celles qui peuvent être automatisées et celles qui doivent rester interdites. Un agent IA qui peut envoyer un devis ou supprimer une fiche client doit être encadré.

Utiliser l'IA que l'on paie déjà

Troisième enseignement : ne pas payer l'IA deux fois. Notion permet désormais de connecter certains abonnements ChatGPT existants, d'utiliser sa propre clé de fournisseur de modèle (BYOK, Bring Your Own Key, en phase alpha pour les clients Enterprise) et de relier d'autres outils IA via un serveur MCP amélioré. Le Model Context Protocol permet à différents agents d'accéder à une même base de connaissances, que l'éditeur décrit comme un « cerveau partagé ».

Cette tendance confirme une évolution de fond : l'entreprise ne veut plus être enfermée dans un seul fournisseur d'IA. Elle veut choisir ses modèles, réutiliser ses abonnements et centraliser son contexte métier.

L'intégration, clé de la valeur

Pour une PME, la vraie valeur ne vient pas d'un outil isolé mais de sa connexion aux systèmes existants : messagerie, CRM, ERP, outils de gestion documentaire, partages de fichiers. C'est le cœur de notre métier :

• cartographier les sources de données de l'entreprise ;
• connecter les outils entre eux via des API et des connecteurs ;
• structurer une couche de contexte exploitable par l'IA, indépendante d'un modèle donné ;
• privilégier des architectures agnostiques, qui permettent de changer de fournisseur sans tout reconstruire.

L'éditeur lui-même indique vouloir proposer la meilleure couche de contexte indépendante des modèles. C'est exactement le raisonnement à adopter pour vos propres données : vos informations clients, vos procédures et votre historique sont votre actif, l'IA n'est qu'un moyen de les exploiter.

Voir et contrôler ce que consomme l'IA

Quatrième axe : la gouvernance. L'article annonce un centre de commande IA qui regroupe, pour les administrateurs, la consommation de crédits par membre, par fonctionnalité et par agent, des alertes à l'approche des limites, des plafonds de dépenses, le choix des modèles autorisés et le contrôle de qui peut créer, mettre en pause ou archiver des agents. Les membres voient également leur propre consommation.

Les analyses de Notion sur la séparation des crédits sont éclairantes : les tâches IA consomment des ressources à des rythmes très différents, et quelques tâches complexes ou agents fréquemment exécutés pourraient vite épuiser une enveloppe commune. Séparer les usages courants des usages avancés protège le quotidien tout en laissant de la souplesse.

Appliquer ces principes dans votre organisation

Quel que soit l'outil retenu, nous recommandons de mettre en place dès le départ :

• un tableau de bord de suivi des usages et des coûts ;
• des budgets distincts entre usages quotidiens et traitements intensifs ;
• une politique d'accès définissant qui peut créer ou modifier des agents ;
• une liste des modèles autorisés, en cohérence avec vos exigences de confidentialité ;
• une revue périodique des automatisations en production.

Cette gouvernance n'est pas une contrainte administrative : c'est ce qui permet de faire confiance à l'IA et de l'étendre progressivement à d'autres services.

Le socle technique, souvent oublié

Un agent capable de travailler pendant des heures, de se connecter à des centaines d'outils et d'échanger avec plusieurs fournisseurs repose sur une infrastructure solide. L'éditeur mentionne d'ailleurs une disponibilité de son infrastructure supérieure à 99,9 %.

Dans une PME, cette exigence se traduit très concrètement :

• un réseau stable et correctement dimensionné ;
• un Wi-Fi professionnel fiable pour les équipes mobiles ;
• une messagerie sécurisée, souvent première source de données pour l'IA ;
• une segmentation et des règles de sécurité adaptées aux flux sortants vers les services d'IA ;
• des sauvegardes et une gestion des accès rigoureuses.

C'est pourquoi comm.it aborde l'IA de manière globale. Nous intervenons aussi bien sur l'infrastructure réseau que sur l'automatisation et le développement logiciel. Un projet d'IA mal raccordé à un réseau fragile ou à des données mal organisées produira toujours des résultats décevants.

Notre méthode pour déployer l'IA de façon maîtrisée

À partir de ces constats, voici comment nous accompagnons concrètement nos clients.

1. Comprendre les processus

Nous commençons par identifier les tâches répétitives, chronophages ou sources d'erreurs : saisie de données, relances, traitement de demandes entrantes, préparation de rapports. L'objectif est de cibler les cas où l'IA et l'automatisation apportent un gain réel.

2. Choisir la bonne combinaison de technologies

Pour chaque cas d'usage, nous déterminons ce qui relève d'un script classique, d'un modèle léger ou d'un modèle avancé. Nous tenons compte de la confidentialité des données, des outils déjà en place et des abonnements existants, pour éviter les doublons.

3. Prototyper rapidement

Un prototype permet de valider la pertinence et de mesurer la consommation avant tout déploiement. C'est le meilleur moyen d'éviter les mauvaises surprises budgétaires.

4. Intégrer aux logiciels métier

L'IA prend tout son sens lorsqu'elle s'insère dans votre CRM, votre ERP ou vos outils de gestion. Nous développons les connecteurs et, lorsque c'est nécessaire, des logiciels cœur de métier sur mesure.

5. Gouverner et faire évoluer

Nous mettons en place le suivi, les règles d'accès et les validations humaines nécessaires, puis nous faisons évoluer les automatisations au rythme des nouveaux modèles et de vos besoins.

Les erreurs à éviter

L'annonce de Notion rappelle en creux plusieurs pièges fréquents :

• utiliser systématiquement le modèle le plus puissant, même pour des tâches simples ;
• multiplier les abonnements IA sans vision d'ensemble ;
• laisser des agents agir sans contrôle sur des données sensibles ;
• négliger la fiabilité des automatisations face aux interruptions ;
• se rendre dépendant d'un seul fournisseur sans possibilité de changer ;
• oublier l'infrastructure sur laquelle tout repose.

Conclusion : l'efficacité devient le vrai critère

L'enseignement principal de cette annonce est que la course à l'IA ne se joue plus uniquement sur la puissance des modèles, mais sur l'efficacité : faire plus avec moins, choisir le bon modèle pour chaque tâche, fiabiliser les agents et garder le contrôle sur les coûts. L'auteur le reconnaît lui-même : personne n'a encore entièrement compris l'ère de l'IA, et les outils évoluent presque chaque semaine.

Pour une TPE ou une PME, cela plaide pour une approche pragmatique et progressive, adossée à une architecture ouverte et à une gouvernance claire. C'est précisément ce que comm.it construit avec ses clients, de l'infrastructure réseau jusqu'aux agents IA intégrés aux logiciels métier.

Prêt à transformer ces enjeux en avantage concurrentiel ? Contactez comm.it pour en discuter.

Source : Notion AI, rebuilt for efficiency | Notion