La couche d'interprétation : ce que vos experts savent et qu'aucun process ne documente

Début 2026, la directive tombe d'en haut dans une entreprise : on ajoute de l'IA au workflow de revue de contrats. Pas un pilote, pas une expérimentation, une décision. Sur le papier, le processus est limpide : les contrats arrivent, on les compare à une checklist de clauses, les points signalés remontent au juridique. L'équipe technique boucle le cadrage en une semaine. L'ingestion des PDF, l'extraction des clauses, la détection : la partie difficile est résolue. Quelques semaines plus tard, le juridique a cessé d'utiliser le système et rappelle directement l'ancienne référente. Ce récit, partagé par un praticien, décrit l'angle mort le plus coûteux de l'IA en entreprise.

Le workflow écrit n'est pas le workflow réel

La personne qui tenait la revue de contrats depuis trois ans ne vérifiait pas des clauses. Elle était la couche d'interprétation entre les fournisseurs et le juridique. Elle savait quel fournisseur produisait du bruit récurrent, quel signalement méritait vraiment une escalade, quelle clause « non conforme » sur le papier était en réalité une pratique tolérée depuis deux ans. Rien de tout cela ne figurait dans un document de process. C'était un second métier logé à l'intérieur du métier officiel, invisible jusqu'au jour où on a voulu l'automatiser.

C'est le point que la plupart des programmes d'IA ratent. Quand vous automatisez un workflow, vous n'automatisez pas le travail réel : vous automatisez sa version documentée. Le document de process capture la mécanique visible ; il ne capture jamais le jugement accumulé qui décide de ce qui compte. Cette couche d'interprétation est ce qui transforme une sortie exacte en une décision utilisable. Automatiser sans la cartographier, c'est produire un workflow plus rapide et plus faux.

La partie facile, c'était la technique. Ce qui casse, c'est le transfert de contexte que personne n'avait écrit.

La signature d'un échec de couche d'interprétation

Cet échec a une signature reconnaissable, et elle ne ressemble pas à une panne. L'agent fonctionne. L'extraction est propre. Et pourtant le volume d'escalades monte pendant que leur qualité baisse. Dans le récit, le juridique s'est mis à repousser des remontées : pas fausses, juste privées de la lecture qu'un humain aurait ajoutée. Au bout de quelques semaines, l'aval a contourné le système et est revenu à l'ancienne méthode.

Trois marqueurs observables trahissent le problème avant qu'il ne devienne visible au COMEX :

• Le débit augmente, le taux d'acceptation par l'aval baisse. Vous produisez plus d'escalades, l'équipe destinataire en retient une part décroissante.
• Les gens contournent le système. L'aval recontacte l'ancien référent en direct. C'est le signal le plus fiable qu'une couche d'interprétation a été détruite, pas transférée.
• Personne ne sait dire pourquoi l'agent a escaladé un dossier. L'absence de justification tient lieu de justification.

Cette dynamique explique en partie les chiffres macro. Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027, notamment pour valeur métier floue et contrôles de risque insuffisants (Gartner, 25 juin 2025). Côté terrain, la part d'entreprises abandonnant la majorité de leurs initiatives IA est passée de 17 % à 42 % en un an, et 46 % des preuves de concept sont abandonnées avant la production (S&P Global Market Intelligence, VotE AI & ML, oct. 2025, n=1 006). Une partie de cette mortalité n'est pas technique : c'est du contexte non transféré.

Cartographier le tacite avant d'automatiser

La bonne nouvelle : la couche d'interprétation se cartographie. Elle demande une démarche différente de celle qui a servi à écrire le document de process, parce qu'elle interroge la personne, pas la procédure.

1. Interrogez le référent, pas le process doc. Reconstituez les règles non écrites : quel fournisseur génère du bruit, quel signalement est une vraie escalade, quelle non-conformité est en réalité tolérée.
2. Étiquetez un échantillon historique avec lui. Sur 100 dossiers passés, faites-lui annoter la décision prise et sa raison. Vous obtenez la matière que le process n'a jamais consignée.
3. Séparez explicitement les deux couches. L'extraction (lire, comparer, détecter) est automatisable. L'interprétation (décider de ce qui mérite une escalade) doit être codifiée ou gardée humaine, pas supposée absente.
4. Construisez la couche de transfert. L'agent ne doit pas seulement produire une sortie : il doit produire la sortie plus le contexte qui la rend exploitable par l'aval. C'est la partie que le récit qualifie de sous-construite, et c'est là que se joue l'adoption.
5. Gardez l'humain dans la boucle comme étape d'interprétation. Mesurez la justesse avant de retirer la personne, pas seulement la vitesse. Gartner note d'ailleurs que la montée de l'IA agentique rend la supervision humaine plus indispensable, pas moins (Gartner, juin 2025).

Erreurs à éviter

• Confondre le process documenté avec le process réel. C'est l'erreur mère ; toutes les autres en découlent.
• Mesurer le débit plutôt que la justesse. Compter les escalades produites au lieu du taux d'escalades acceptées par l'aval revient à célébrer un compteur pendant que la valeur s'effondre.
• Traiter l'expert métier comme un coût à supprimer au lieu d'une source à interviewer. Sa valeur n'est pas dans les heures qu'il passe, mais dans les décisions qu'il évite de faire remonter à tort.
• Livrer la partie facile et sous-investir le transfert. L'ingestion et l'extraction impressionnent en démonstration ; c'est la couche de transfert qui décide si l'aval adopte ou contourne.
• Retirer l'humain avant d'avoir prouvé la justesse. La vitesse sans justesse produit exactement le motif observé : plus d'escalades, moins de confiance.

Ce que ça change pour un COMEX

Un même mardi matin, deux entreprises lancent l'automatisation d'une revue de dossiers. La première mesure le nombre de dossiers traités par heure et débranche l'expert dès la mise en production. La seconde mesure le taux d'escalades acceptées par l'aval et garde l'expert comme étape d'interprétation le temps de prouver la justesse. Six semaines plus tard, la première a un système que personne n'utilise ; la seconde a réduit son délai de traitement sans hausse des rejets. Même technologie, deux résultats, une seule différence : la couche d'interprétation a-t-elle été transférée ou détruite.

Pour votre prochain comité, quatre questions suffisent à tester un projet d'automatisation :

1. Qui détient aujourd'hui la couche d'interprétation de ce workflow, et l'avons-nous interviewé avant de cadrer ?
2. Mesurons-nous le taux d'acceptation par l'aval, ou seulement le volume produit ?
3. La sortie de l'agent embarque-t-elle le contexte qui la rend exploitable, ou juste le résultat ?
4. Constate-t-on déjà des contournements, ce signal que l'aval ne fait plus confiance au système ?

Un projet qui ne répond pas clairement à ces quatre questions n'est pas prêt pour la production. Il est prêt pour le contournement. Et le contournement n'est pas neutre : quand l'aval réintègre l'ancienne méthode, la responsabilité juridique des sorties de l'IA, elle, reste à l'entreprise.

TokenShift accompagne les dirigeants pour faire passer l'IA du pilote à la production gouvernée : propriété explicite, garde-fous, cadence de gouvernance, résultats mesurables.