Home Bots & Business De la RPA à l’hyperautomatisation

De la RPA à l’hyperautomatisation

by Fabrice Deblock

Permettant d’automatiser un certain nombre de tâches basiques, la RPA s’entoure de nombreux composants qui viennent augmenter ses capacités : process mining, algorithmes de machine learning, data analytics, technologies OCR… Le but ultime est de parvenir à une généralisation de la démarche, ce que le cabinet Gartner appelle l’hyperautomatisation.

La RPA (Robotic Process Automation) consiste à utiliser des robots logiciels automatisant des tâches simples et répétitives. Elle s’applique à tous les secteurs d’activité et à toutes les fonctions de l’entreprise. En 2023, le marché de la RPA devrait représenter 3,6 milliards d’euros, soit trois fois plus qu’en 2019 (1,3 milliard d’euros), selon le cabinet d’études IDC.

La RPA fait partie d‘un tout, elle est une brique d’un ensemble plus vaste que l’on appelle l’Intelligent Process Automation (IPA). Selon IDC, le volume d’affaires de l’IPA devrait atteindre 20,9 milliards d’euros dans le monde en 2023.

« La RPA permet de traiter des tâches basiques, qui reposent sur de la donnée structurée, avec des processus qui ne changent jamais. Toutes les entreprises ont ce genre de tâches qui ne demandent pas d’exception et sur lesquelles on peut demander à un robot d’intervenir sans aucune erreur et à très grande vitesse », déclare Thierry Jalet, managing director de Boundaryless, cabinet de conseil et intégrateur spécialisé dans les projets de RPA et d’IPA.

Thierry Jalet

Avant de se lancer, le process mining est un préalable indispensable

Mais avant de se lancer dans une démarche d’implémentation d’outils de RPA, il est important de se poser les bonnes questions quant aux processus que l’on souhaite automatiser. « Cela évite dès le départ d’appliquer la RPA à des processus trop complexes reposant par exemple sur des données non-structurées, ou tout simplement d’automatiser des processus mal conçus. Le process mining, en complément d’une approche d’identification des processus par les métiers, permet de couvrir de façon exhaustive les besoins d’automatisation », ajoute Thierry Jalet.

Les outils de process mining sont conçus pour aider les entreprises à comprendre leurs processus et à repérer ceux qu’elles doivent réparer, avant toute démarche de RPA. « Grâce à cette première phase de process mining, qui consiste à optimiser la data et réparer certains processus, on est en mesure de réaliser une cartographie complète des processus de l’entreprise », note Lila Benhammou, Directrice générale du cabinet de conseil Humans4Help.

Lila Benhammou

« Le process mining est un ‘must have’. Il permet de comprendre où se situent les dysfonctionnements, où sont les pistes d’amélioration. Avant, il fallait plusieurs dizaines d’entretiens pour arriver à ce résultat. Aujourd’hui, on y parvient en grande partie grâce à la data, plus concrète et factuelle. On peut ainsi dire que dans telle business unit, sur le produit A et dans la région Z, il y a un problème de mise à jour des prix et que ce goulet d’étranglement récurrent est présent dans toute l’organisation. On sait alors qu’il faut installer un robot à tel et tel endroit », complète Guillaume Laskowski, Associate Partner chez EY Consulting.

Guillaume Laskowski

Une fois que le process mining a rempli sa mission et que les premiers projets de RPA sont mis en place, le process mining est de nouveau utilisé pour mesurer la performance de ce qui a été mis en œuvre. « Le process mining va alors étudier les processus déjà automatisés. C’est un cercle vertueux. Il va pouvoir dire : si nous modifions encore les processus de cette manière, nous pourrons obtenir plus de gains. Le plus gros potentiel du process mining se trouve dans sa phase amont mais les bénéfices du cercle vertueux contribuent à une démarche de progrès continu », précise Thierry Jalet (Boundaryless).

L’intelligence artificielle pour augmenter la RPA

Pour « augmenter » la RPA, pour lui permettre de gérer des processus complexes devant manipuler des données non-structurées voire, dans certains cas, manquantes, l’intelligence artificielle est utilisée dans de très nombreux cas de figure. On bascule alors dans le domaine de l’IPA (Intelligent Process Automation).

« Beaucoup de nos clients ont aujourd’hui des données non structurées : images, PDF, documents… Ce sont des informations situées hors de leur ERP et qui nécessitent des actions manuelles pour être intégrées dans le système d’information. Nous avons développé une solution propriétaire, Smart OCR, qui récupère ces informations et les couple avec de la RPA », détaille Lila Benhammou (Humans4Help).

Mais l’intelligence artificielle peut également intervenir pour compléter des données manquantes dans un set de données. « Pour le rapprochement bancaire, l’IA nous aide à deviner des données qui n’existent pas avec une précision de 98% », ajoute Lila Benhammou (Humans4Help).

Autre apport de l’intelligence artificielle à la RPA : sa capacité à intervenir quand le jugement humain n’est pas clairement défini. « Dès que nous sommes confrontés à des situations où le jugement humain – qui se retranscrit en règle de gestion – n’est pas clairement identifié, ou quand il est complexe à définir, les algorithmes de machine learning sont un extrêmement bon complétement à la RPA », détaille Guillaume Laskowski (EY Consulting).

Les exemples sont nombreux pour illustrer cette complémentarité. Par exemple, pour détecter les cas de fraude sur un site e-commerce ou dans le cadre de l’analyse crédit. « Prenons le cas de l’analyse crédit. Si l’on n’est pas en mesure d’analyser quelles sont les règles déterminant pourquoi il peut y avoir des retards de paiement, on fait intervenir du machine learning afin qu’il étudie le comportement d’un client donné pour ce type de produit. A partir de là, les algorithmes permettent de remonter l’alerte pour mettre en place un plan d’action spécifique », ajoute Guillaume Laskowski (EY Consulting).

Se lancer dans un projet seul ou avec un partenaire ?

Pour mener ce type de projet RPA /IPA, les entreprises peuvent passer directement par des éditeurs comme UIpath, Blue Prism ou Automation Anywhere, tous trois désignés comme « leaders » dans le « Magic Quadrant for RPA » du cabinet Gartner.

« Des éditeurs tels que UiPath mettent à disposition de leurs clients des modèles de machine learning faciles à entrainer. Cela permet aux entreprises de bénéficier très rapidement des apports de la RPA augmentée par l’IA », note Thierry Jalet (Boundaryless).

Mais l’accompagnement par une société de conseil est souvent perçu par les entreprises clientes comme une étape incontournable, face à une démarche qui apparaît à beaucoup comme globale. « Nous utilisons la meilleure plateforme d’automatisation au regard des besoins de nos clients et du cas d’espèce. Nous avons surtout des besoins de transformation digitale à satisfaire chez nos clients », déclare Guillaume Laskowski (EY Consulting).

« Nos clients passent 90% de leur temps à extraire la donnée et 10% à l’analyser. Nous renversons cette tendance. Nous automatisons cette extraction et étendons la partie consacrée à l’analyse pour anticiper les comportements futurs », note de son côté Lila Benhammou (Humans4Help).

On le voit, les projets de RPA / IPA mènent très rapidement à une réflexion englobant le fonctionnement et la performance de l’ensemble des processus d’une entreprise. « Nous sommes dans une approche holistique. La RPA est au cœur du sujet. En amont et en aval se trouve le process mining. Des algorithmes de machine learning viennent augmenter les capacités de la RPA, tandis que des technologies d’OCR accélèrent ce que certains éditeurs appellent le ‘document understanding’. Et la data analytics mesure en temps réel les bénéfices de l’automatisation », précise Guillaume Laskowski (EY Consulting).

Le but ultime : parvenir à l’hyperautomatisation

L’étape ultime de ce type de projet est d’atteindre ce que le cabinet Gartner nomme l’hyperautomatisation (hyperautomation en anglais). Dans la boîte à outils de l’hyperautomatisation se trouvent – en complément de la RPA – le BPM, les moteurs de workflow, les suites de « decision management », les solutions de process mining et les plateformes d’applications low-code.

Mais avant de se lancer dans de tels projets, il est nécessaire d’avoir acquis au préalable un minimum d’expérience. « Avant de s’aventurer dans l’hyperautomatisation, il faut déjà avoir mis en place des projets de RPA et d’IPA. Cela permet de se poser un certain nombre de questions, de façon itérative, et de monter en puissance. Nous sommes d’ailleurs de plus en plus sollicités sur ces sujets pour le passage à l’étape d’après », prévient Thierry Jalet (Boundaryless).

« Quand vous avez goûté à l’IPA, vous vous rendez compte que votre capacité à identifier les processus à automatiser est limitée. Une fois que vous avez identifié l’ensemble des processus d’un premier métier, puis d’un deuxième, puis de tous les métiers de l’entreprise, en incluant l’IT, vous vous demandez comment faire pour découvrir d’autres poches d’optimisation. A ce moment-là, vous rentrez dans le cercle très fermé de ceux qui pratiquent l’hyperautomatisation », conclut Thierry Jalet (Boundaryless).

 

Misschien vind je deze berichten ook interessant