À la FDJ, l’IA et l’automatisation libèrent 8 500 heures de travail

L’intelligence artificielle ne transforme pas seulement les métiers par de grands assistants conversationnels visibles de tous. Dans les entreprises, son effet le plus immédiat peut être beaucoup plus discret : classer un message, retrouver une clause contractuelle ou vérifier une photographie. À la FDJ, ces usages sont réunis dans une stratégie d’automatisation destinée à retirer des équipes une partie des tâches répétitives et à leur rendre du temps pour les dossiers qui exigent réellement une analyse humaine.

Le groupe ne présente pas l’IA comme un remplacement indistinct du travail. Les dispositifs décrits reposent sur une combinaison de robots logiciels, de modèles de langage et, dans un cas, de vision par ordinateur. Ils organisent le traitement de volumes importants d’informations selon des règles définies, tout en prévoyant un renvoi vers un collaborateur lorsqu’un message ou un document ne peut pas être traité de façon fiable.

La démarche est portée par un département automation lancé en 2021. À la date de septembre 2025, la FDJ indique avoir économisé jusqu’à 8 500 heures de travail au total sur 70 processus automatisés. Au-delà de ce chiffre, l’intérêt du cas est de montrer ce que recouvre concrètement l’automatisation augmentée par l’IA générative : non pas une technologie isolée, mais une chaîne complète allant de la récupération d’une donnée à la production d’une réponse ou d’un rapport exploitable.

Pourquoi associer robots logiciels et IA générative ?

L’automatisation traditionnelle, souvent désignée par l’expression RPA, pour robotic process automation, excelle dans les opérations répétitives et structurées. Un robot peut ouvrir une boîte mail, télécharger une pièce jointe, copier une donnée dans un logiciel de gestion ou déclencher une procédure. Il suit des étapes préétablies avec régularité, mais il est moins à l’aise face à un texte libre, ambigu ou rédigé de multiples manières.

C’est ici qu’intervient l’IA générative, et plus précisément le modèle de langage, ou LLM. Cet outil peut lire un courriel, identifier son objet probable, extraire des informations utiles et formuler une réponse adaptée à une catégorie de demande. Il ne remplace pas le robot : il lui apporte une capacité d’interprétation du langage naturel. Le robot, lui, reste chargé de faire circuler l’information entre les outils de l’entreprise et de déclencher les bonnes étapes.

Cette complémentarité explique la conception des cas d’usage de la FDJ. Les processus visés ont trois caractéristiques : ils représentent un volume conséquent, suivent une logique métier identifiable et comportent des informations qui peuvent être lues ou classées par une machine avec un cadre de contrôle.

Comment la FDJ automatise-t-elle les courriels de fournisseurs ?

Le département procure-to-pay, chargé d’activités allant de l’approvisionnement au paiement, reçoit environ 10 000 courriels de fournisseurs chaque année. Ces messages portent notamment sur des demandes de statut de paiement ou sur la transmission de factures. Leur difficulté n’est pas nécessairement leur complexité individuelle : c’est leur accumulation, et le temps passé à les trier, chercher les données correspondantes puis envoyer une réponse cohérente.

La FDJ a donc mis en place un pipeline automatisé. Une première brique, un robot logiciel, extrait les messages de la boîte de réception. Le contenu est ensuite transmis à un modèle linguistique, qui catégorise les courriels en fonction de règles établies. Cette étape est décisive : elle détermine le circuit de traitement qui doit suivre.

Une fois le message classé, un autre robot récupère les données pertinentes. Elles sont fournies au modèle de langage, qui génère une réponse adaptée à la catégorie du message. L’objectif n’est pas uniquement d’aller plus vite. Un traitement cohérent et structuré peut aussi aider à homogénéiser la communication avec les fournisseurs, en évitant que la qualité de réponse dépende entièrement de la disponibilité ponctuelle des équipes.

Le système n’est toutefois pas présenté comme totalement autonome en toutes circonstances. Si un courriel ne peut pas être classifié, il est redirigé vers un humain. Ce point est central dans une automatisation responsable : les cas atypiques, incomplets ou mal formulés ne doivent pas être forcés dans une catégorie au risque de déclencher une réponse inadaptée.

Pour les salariés, le bénéfice attendu est un déplacement du travail. Au lieu de consacrer une part importante de la journée à des demandes récurrentes, ils peuvent se concentrer sur les exceptions, les litiges, les dossiers nécessitant une négociation ou les situations pour lesquelles la relation fournisseur appelle une appréciation fine.

Des audits de contrats plus rapides, sans lecture linéaire systématique

Les contrats fournisseurs sont un autre terrain où le volume documentaire peut peser lourdement sur les équipes achats. La FDJ est soumise à des exigences réglementaires, dont un audit annuel de ces contrats. Il faut notamment contrôler la présence de clauses essentielles liées au RGPD et aux normes de sécurité.

La méthode classique implique d’ouvrir les documents, de rechercher les passages pertinents, de vérifier leur présence puis de consigner le résultat. Or les contrats sont rédigés en langage naturel, avec des formulations et des organisations variables. Une automatisation fondée seulement sur des mots-clés peut échouer si la même obligation est exprimée différemment.

Dans le dispositif de la FDJ, un robot extrait la liste des fournisseurs depuis l’ERP, c’est-à-dire le logiciel de gestion central de l’entreprise. Les contrats PDF sont ensuite soumis au modèle d’IA, qui les analyse et produit un rapport de conformité indiquant le statut de chacun. Les équipes achats peuvent alors repérer rapidement les documents qui nécessitent une modification.

L’un des intérêts de l’IA générative dans ce cas est de pouvoir travailler directement sur des documents écrits, sans nécessiter le long apprentissage préalable associé à certaines approches d’IA plus spécialisées. Cela ne dispense pas pour autant de définir précisément ce qui constitue une clause acceptable, ni de faire vérifier les résultats lorsqu’ils entraînent une action contractuelle. L’IA accélère l’examen et la priorisation, elle ne change pas la responsabilité de l’entreprise sur la conformité de ses contrats.

La vision par ordinateur au service des 27 000 points de vente

L’IA ne se limite pas aux textes. La FDJ recourt également à la computer vision, ou vision par ordinateur, dans le cadre de la mise à jour de son identité visuelle. L’enjeu est d’assurer le respect des nouveaux logos et éléments de signalétique dans ses 27 000 points de vente.

Contrôler manuellement ce déploiement à cette échelle supposerait de très nombreuses vérifications sur place ou l’examen un à un de vastes volumes de photos. La solution retenue analyse les clichés déposés par les installateurs sur la plateforme de la FDJ. Un modèle de vision par ordinateur évalue si les éléments observés correspondent aux normes visuelles attendues.

Le système attribue un taux de confiance. Cette mesure sert à apprécier le niveau de concordance entre l’installation photographiée et les critères définis. Dans la pratique, elle permet de distinguer les dossiers qui semblent conformes de ceux qui doivent faire l’objet d’une vérification plus poussée. Ici encore, l’automatisation ne signifie pas que toute image reçoit mécaniquement un feu vert : elle fournit un premier contrôle à grande échelle et aide à orienter l’attention humaine là où elle est la plus utile.

Comment la FDJ mesure-t-elle le retour sur investissement ?

Une promesse de gain de temps ne suffit pas à justifier un déploiement à l’échelle d’une entreprise. La FDJ applique un calcul standardisé à ses initiatives d’IA générative et d’automatisation. Le principe annoncé est simple : estimer le temps qu’un collaborateur consacrait à une tâche, le multiplier par son coût journalier, puis déduire les dépenses engagées pour développer la solution et acquérir les licences nécessaires.

Cette méthode a l’avantage d’obliger les porteurs de projet à regarder l’ensemble de l’équation. Un processus très fréquent, mais déjà très rapide, ne produira pas forcément beaucoup de valeur. À l’inverse, une opération répétitive qui mobilise plusieurs équipes, implique plusieurs systèmes ou crée des délais réguliers peut devenir une cible prioritaire.

Le bilan communiqué par le département automation fait état de jusqu’à 8 500 heures économisées sur 70 processus automatisés depuis son lancement en 2021. Ce chiffre désigne du temps libéré, non une suppression mécanique d’emplois. La façon dont ce temps est réemployé est déterminante : résolution des exceptions, amélioration de la relation fournisseur, contrôle, analyse, accompagnement des métiers ou conception de nouveaux processus.

Protéger les données tout en utilisant de grands modèles

L’usage de modèles comme GPT ou Claude pose une question immédiate aux organisations : que deviennent les documents, les courriels et les données internes envoyés au modèle ? Dans les cas évoqués, il peut s’agir d’informations commerciales, contractuelles ou financières qui ne peuvent pas être manipulées sans précautions.

Pour encadrer cet usage, la FDJ s’appuie sur l’AI Trust Layer de UiPath. Le dispositif est présenté comme une couche de protection visant à éviter que les données de l’entreprise soient exposées à l’extérieur. L’objectif est de permettre l’exploitation de modèles d’IA puissants tout en conservant les informations dans une infrastructure privée, afin de réduire les risques de fuite de données.

Cette préoccupation dépasse largement le seul secteur des jeux. Toute entreprise qui branche une IA générative à une messagerie, un ERP ou une base de contrats doit déterminer quelles données peuvent être envoyées, à quelles conditions, avec quelles durées de conservation et sous quel contrôle. La sécurité ne se réduit pas au choix d’un outil. Elle suppose aussi une gestion des accès, une séparation des environnements, des règles de validation et une traçabilité des traitements.

Ce qu’il faut surveiller dans l’automatisation du travail

L’expérience de la FDJ met en évidence un principe important : les cas les plus solides ne sont pas forcément ceux qui promettent une intelligence générale, mais ceux qui résolvent un problème métier clairement délimité. Les courriels fournisseurs, les audits de clauses et les photographies de signalétique sont des flux identifiables, mesurables et assortis de règles concrètes.

La suite dépendra de la capacité à conserver cet équilibre lorsque les déploiements gagnent en ampleur. Il faudra surveiller la fiabilité réelle des classifications, la qualité des réponses automatiques, le traitement des erreurs et le volume des cas renvoyés à un humain. Un bon système n’est pas seulement celui qui traite beaucoup de dossiers : c’est celui qui sait reconnaître ses limites.

Pour les salariés, l’enjeu porte aussi sur l’organisation du temps libéré. Automatiser les tâches administratives peut alléger une charge répétitive, mais cela demande d’accompagner les équipes vers des missions de contrôle, d’analyse et de coordination. La formation, la transparence sur les critères utilisés par les outils et le maintien de voies de recours humaines restent donc essentiels.

Enfin, la sécurité des données et la conformité réglementaire demeureront des conditions non négociables. Plus l’IA est reliée aux systèmes opérationnels d’une entreprise, plus les bénéfices potentiels sont importants, mais plus la gouvernance doit être rigoureuse. La transformation mise en avant par la FDJ ne tient ainsi pas à un seul modèle d’IA : elle repose sur l’assemblage de technologies, de règles métier et de contrôles humains autour de résultats mesurables.