RPA ou IA : quelle automatisation choisir pour vos processus ?

RPA définition : qu'est-ce que l'automatisation robotisée des processus ?

La RPA (robotic process automation, automatisation robotisée des processus) désigne des logiciels qui reproduisent les actions d'un utilisateur sur un ordinateur : ouvrir une application, lire une cellule, copier une valeur dans un formulaire, cliquer sur « valider », envoyer un e-mail. Le « robot » est un script qui suit un scénario écrit à l'avance, en général conçu dans un studio visuel.

Les solutions RPA les plus répandues en France sont UiPath, Automation Anywhere, Blue Prism et Microsoft Power Automate (dans sa version bureau). Elles ont été adoptées à partir des années 2010 par les banques, les assureurs, les services partagés et les grands groupes pour automatiser des tâches administratives sur des logiciels anciens sans API.

Ce que la RPA fait bien

• Saisir les mêmes données dans plusieurs systèmes qui ne communiquent pas entre eux.
• Extraire des rapports à heure fixe, les mettre en forme, les diffuser.
• Rapprocher des fichiers structurés (exports, tableurs) selon des règles précises.
• Faire tourner un processus à volume élevé, la nuit, sans erreur de fatigue.

La RPA est déterministe : les mêmes entrées produisent toujours les mêmes sorties. C'est sa force sur les processus réglementés, et sa limite sur tout le reste.

Les limites de la RPA : règles fixes, écrans, fragilité

Les projets RPA que je rencontre en audit partagent trois faiblesses, qui expliquent pourquoi tant de robots finissent par être désactivés.

Des règles fixes

Un robot n'exécute que ce qui a été prévu. Une facture avec un libellé inhabituel, un e-mail rédigé autrement, un champ vide : le robot s'arrête ou, pire, continue avec une valeur fausse. Chaque exception devient une branche supplémentaire du scénario, et le scénario devient impossible à maintenir.

Une dépendance aux écrans

Beaucoup de robots pilotent des interfaces graphiques : ils cherchent un bouton à une position, un champ par son libellé. Une mise à jour du logiciel cible, un changement de résolution ou une fenêtre contextuelle inattendue suffit à casser le robot. Les équipes passent alors une part croissante de leur temps à réparer plutôt qu'à automatiser.

Aucune compréhension du contenu

La RPA déplace des données, elle ne les lit pas. Dès qu'il faut comprendre un document (un contrat, un bon de commande scanné, une réclamation), classer une demande ou décider d'une suite à donner, la RPA a besoin d'un humain en amont. C'est exactement l'espace que l'IA occupe.

À cela s'ajoute un coût de licence par robot et une gouvernance lourde (centre d'excellence, environnements de test), qui réservent la RPA classique aux organisations de taille suffisante. Pour une PME, le rapport entre le coût et le nombre de processus stables est rarement favorable.

Ce que l'IA change : documents non structurés, langage, décisions simples

Les modèles de langage (LLM) et les modèles d'extraction documentaire apportent ce qui manque à la RPA : la capacité de traiter une entrée jamais vue.

• Documents non structurés. Une facture de n'importe quel fournisseur, un contrat scanné, un formulaire manuscrit : l'IA identifie les champs utiles quelle que soit la mise en page. Chez Lokimo, l'extraction de règles d'urbanisme depuis des PLU scannés couvre 10 000 territoires par an, chacun avec son propre format ; aucun robot à règles n'aurait tenu. Le guide OCR et IA documentaire détaille cette chaîne.
• Langage. Un e-mail client, une transcription d'appel, une note interne : l'IA en extrait la demande, l'urgence, les entités (client, produit, montant) et rédige une réponse ou un résumé.
• Décisions simples. Classer une demande vers le bon service, décider si un dossier est complet, proposer une imputation comptable, détecter une anomalie : des décisions avec jugement, que l'IA prend avec un niveau de confiance, et qu'un humain valide au-dessus d'un seuil.

La contrepartie : l'IA est probabiliste. Elle se trompe parfois, et il faut mesurer son taux d'erreur sur un jeu de test avant de la mettre en production, puis la superviser. C'est ce qui distingue un projet d'automatisation IA sérieux d'une démonstration. Pour la différence entre une IA qui répond et une IA qui agit, voir le comparatif IA générative ou IA agentique.

Quand la RPA suffit

La RPA reste le bon outil dans un cas précis : les entrées sont structurées et propres, les règles sont explicites et stables, le volume justifie l'investissement. Quelques situations types :

• Recopie de données entre un ERP et un logiciel de paie qui n'ont pas d'API, à partir d'exports au format constant.
• Génération et envoi de rapports réglementaires à échéance fixe.
• Rapprochement bancaire sur des fichiers normalisés.
• Création de comptes utilisateurs dans plusieurs outils à partir d'un formulaire RH.

Dans ces cas, ajouter de l'IA apporte de l'incertitude sans apporter de valeur. Un robot ou, mieux, une connexion API directe via un orchestrateur comme n8n fait le travail à moindre coût. Le guide automatisation des processus métiers aide à cartographier vos flux et à repérer ceux qui relèvent de règles simples.

Un test rapide : si vous pouvez écrire le processus sous forme de « si… alors… » sans jamais utiliser les mots « lire », « comprendre », « juger » ou « rédiger », la RPA ou une automatisation classique suffit.

Quand combiner RPA et IA : l'automatisation intelligente

La plupart des processus d'entreprise mélangent les deux natures. Un traitement de commande commence par lire un bon de commande (IA), continue par des vérifications de règles (automatisation), et se termine par une saisie dans l'ERP (API ou robot). L'automatisation intelligente (intelligent automation) consiste à placer chaque étape dans le bon outil.

Le principe : l'IA lit et propose, l'orchestrateur exécute et trace, l'humain valide ce qui dépasse un seuil. Cette architecture est celle d'un agent IA d'entreprise bien conçu, et la comparaison entre agent et simple assistant est détaillée dans agent IA ou assistant IA. Les éditeurs RPA (UiPath, Automation Anywhere) ont d'ailleurs ajouté des modules d'IA documentaire à leurs plateformes ; ils fonctionnent, au prix de la licence et d'un enfermement chez l'éditeur.

Outils : UiPath, Power Automate, n8n et les modèles

Trois familles d'outils cohabitent, et la question « UiPath alternative » revient souvent dans les entreprises qui trouvent la licence RPA trop lourde pour leur volume.

Plateformes RPA

UiPath est la référence du marché : studio complet, robots surveillés ou non, modules d'IA documentaire, gouvernance d'entreprise. Adapté aux grands comptes avec des dizaines de processus. Automation Anywhere et Blue Prism occupent le même segment.

Power Automate

La solution de Microsoft, incluse en partie dans les abonnements Microsoft 365, avec une version bureau pour piloter les écrans et une version cloud pour connecter les services. Le choix naturel pour les organisations déjà sur Microsoft, avec une limite : la logique complexe devient vite difficile à lire et à tester.

Orchestrateurs ouverts et modèles

n8n est un orchestrateur à code source ouvert, auto-hébergeable, avec des centaines de connecteurs et des nœuds pour appeler des modèles de langage. Associé à un modèle (Claude, Mistral, ou un modèle ouvert hébergé en France) et à quelques scripts, il couvre la majorité des besoins d'une PME ou d'une ETI pour une fraction du coût d'une licence RPA. Make et Zapier jouent le même rôle en version hébergée, avec moins de contrôle sur les données. Le comparatif n8n ou Make détaille ces différences.

Ma pratique : n8n auto-hébergé pour l'orchestration, du code Python pour l'extraction et l'évaluation, un modèle choisi par mesure sur le jeu de test, et un robot RPA uniquement quand un logiciel métier n'expose aucune API.

Coûts comparés : RPA, automatisation IA, combinaison

Les ordres de grandeur ci-dessous sont ceux constatés en France ; les licences RPA se négocient et varient fortement selon le nombre de robots.

Le détail des coûts d'un projet d'automatisation se trouve sur la page coût d'une automatisation n8n. Pour les grands comptes déjà équipés en RPA, la question est rarement de tout remplacer : c'est de cesser d'ajouter des robots fragiles là où une connexion API et un modèle feraient mieux.

Exemples par fonction : où la RPA s'arrête, où l'IA commence

• Comptabilité et finance. RPA : export et rapprochement de fichiers bancaires normalisés. IA : lecture des factures fournisseurs de tous formats, proposition d'imputation, détection d'anomalies. Voir IA pour les experts-comptables et IA pour la banque et l'assurance.
• Ressources humaines. RPA : création des comptes et des accès à l'arrivée d'un salarié. IA : tri des candidatures selon des critères explicites, réponse aux questions RH à partir des accords d'entreprise, rédaction de documents. Voir le guide automatisation RH.
• Service client. RPA : mise à jour de statut de commande dans plusieurs outils. IA : lecture des e-mails entrants, classification, réponse proposée, escalade des cas sensibles. Voir IA pour le service client.
• Achats et logistique. RPA : passation de commandes récurrentes à partir de seuils de stock. IA : lecture des bons de commande et des accusés de réception de fournisseurs hétérogènes, contrôle de cohérence. Voir IA pour la logistique.
• Juridique et conformité. RPA : collecte de pièces à échéance fixe. IA : extraction de clauses, comparaison de versions, détection d'écarts avec une politique interne.
• Commercial. RPA : synchronisation de champs entre outils. IA : qualification de leads à partir d'e-mails et de sites web, préparation de comptes rendus d'appels. Voir IA pour la prospection commerciale.

Dans chaque fonction, la frontière est la même : structuré et stable d'un côté, variable et textuel de l'autre.

Migrer de la RPA vers l'automatisation IA sans tout casser

Remplacer une plateforme RPA d'un coup est une erreur : certains robots fonctionnent bien et n'ont aucune raison de changer. La démarche que j'applique se fait flux par flux.

1. Inventaire. Lister les robots existants, leur taux de panne, leur coût de maintenance, et les étapes humaines qui les entourent (celles qui « lisent » avant que le robot « saisisse »).
2. Priorisation. Commencer par les flux où la maintenance coûte le plus et où une étape de lecture humaine précède le robot : c'est là que l'IA a le plus de valeur.
3. Remplacement des connexions écran. Chaque fois que le logiciel cible expose une API, remplacer le pilotage d'écran par un appel API depuis l'orchestrateur. C'est le gain de fiabilité le plus rapide.
4. Ajout de la lecture par IA. Placer l'extraction ou la classification en amont du flux, avec un jeu de test construit sur des cas réels et un seuil de confiance en dessous duquel un humain valide.
5. Supervision. Journaliser chaque exécution, mesurer le taux d'erreur et le coût par traitement, revoir les exceptions chaque semaine.
6. Décommissionnement. Retirer le robot RPA une fois le nouveau flux stable pendant plusieurs semaines, et arrêter la licence correspondante.

Une migration de ce type se fait en général en quelques semaines par flux. Si vous ne savez pas par quel flux commencer, ou si des robots existants sont devenus ingérables, un appel de 20 minutes suffit pour établir l'ordre de priorité ; l'automatisation IA décrit ensuite le déroulé et les livrables de chaque projet.