# Ce qu'une startup ne doit pas encore automatiser

> Un cadre pratique pour distinguer le travail répétable, l'apprentissage stratégique et les décisions qui exigent encore un discernement humain.

- Author: Viktor Berthelius (BRTHLS)
- Published: 2026-09-01
- Category: automation aiops
- Tags: startups, automatisation
- Language: fr
- Canonical: https://www.brthls.com/magazine/quoi-ne-pas-automatiser-startup-fr
- Source: BRTHLS Magazine — https://www.brthls.com

---

## Problème

Dès qu'une startup voit l'IA produire, classer et répondre rapidement, chaque tâche semble automatisable. Pourtant, une tâche fréquente n'est pas forcément mature. Si l'équipe découvre encore ce que valorisent les clients, l'automatisation peut figer une hypothèse qui devrait rester ouverte.

## Thèse

Le premier avantage de l'IA n'est pas de supprimer du travail, mais d'accélérer l'apprentissage. Automatisez après avoir observé une séquence stable, pas pour éviter les conversations nécessaires à sa compréhension.

## Framework

Utilisez trois filtres avant de construire :

- **Répétabilité :** les entrées, la règle de décision et la sortie sont-elles stables ?
- **Réversibilité :** une erreur peut-elle être détectée et corrigée sans nuire à la confiance, à la trésorerie ou à la conformité ?
- **Apprentissage :** l'exécution manuelle produit-elle encore une information stratégique ?

| Travail | Décision initiale | Preuve requise |
| --- | --- | --- |
| Transférer des données | Automatiser | Processus stable et contrôle d'erreurs |
| Répondre à de nouvelles objections | Assister | Bibliothèque de cas validés |
| Choisir un segment ou un prix | Garder humain | Signaux de marché répétés |

## Pourquoi maintenant

Les cadres du NIST et de l'OCDE insistent sur le contexte, la mesure et une supervision adaptée. Pour une startup, la traduction opérationnelle est simple : la vitesse n'a de valeur que si l'équipe peut encore apprendre et corriger.

## Anti-exemple

Un fondateur automatise la prospection avant de comprendre pourquoi dix clients ont accepté un rendez-vous. Le système amplifie les messages, mais aussi une proposition indifférenciée. L'activité augmente tandis que la qualité du signal baisse.

## Protocole (3 étapes)

1. **Observer cinq cas :** exécutez le flux manuellement et notez les exceptions.
2. **Définir la limite :** précisez ce que l'IA peut résoudre et quand elle doit s'arrêter.
3. **Comparer l'apprentissage :** mesurez le temps gagné, les erreurs et les nouveaux signaux.

## Articles liés

- [L'expérience IA de 14 jours pour une startup](/magazine/experience-ia-14-jours-startup-fr)
- [AI Fluency pour enseignants : développer le discernement](/magazine/ai-fluency-enseignants-discernement-fr)

## Sources consultées

- [NIST AI Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework)
- [Principes de l'OCDE sur l'IA](https://oecd.ai/en/ai-principles)

## Prochaine étape

Choisissez un flux répétitif cette semaine et écrivez sa condition d'arrêt avant de l'automatiser. Si vous ne pouvez pas la définir, vous apprenez encore le processus.

---

_Cite as: Berthelius, V. (2026). "Ce qu'une startup ne doit pas encore automatiser". BRTHLS Magazine. https://www.brthls.com/magazine/quoi-ne-pas-automatiser-startup-fr_