Intégration de l'IA dans vos logiciels et processus : des factures lues, des dossiers résumés et des documents interrogés, sous votre contrôle

Que recouvre l'intégration de l'IA dans vos logiciels, et que laisse-t-elle à d'autres services ?

Intégrer l'IA, ce n'est pas ouvrir un compte ChatGPT pour toute l'équipe. C'est faire entrer un modèle de langage dans les outils où le travail se fait déjà : la fiche fournisseur d'Odoo, la facture de Dolibarr, la boîte de réception partagée, le dossier client du CRM, le serveur de fichiers. Le modèle y lit un document, en extrait des champs, résume un échange, propose une réponse ou retrouve un passage dans vos procédures, et le résultat s'inscrit au bon endroit, avec une personne qui valide avant que rien ne parte.

Le service couvre six familles d'usages : l'extraction des factures et pièces comptables vers une comptabilité SYSCOHADA, le résumé de dossiers longs (contentieux, appels d'offres, rapports de projet), la recherche dans les documents internes par génération augmentée de récupération, appelée RAG, la rédaction assistée de courriers et de devis, le classement des courriels entrants, et l'enrichissement des fiches d'un ERP ou d'un CRM. Il comprend aussi ce que les démonstrations oublient : le choix du fournisseur de modèle, le coût par jeton, les règles de confidentialité, la conformité et la mesure de la qualité.

Trois sujets voisins ont leur propre page. Faire circuler une donnée d'un outil à l'autre selon un enchaînement fixe relève de l'automatisation avec n8n et Make, qui sert souvent de tuyauterie à l'IA décrite ici. Un assistant qui converse avec vos clients sur WhatsApp ou sur votre site relève des agents IA et chatbots WhatsApp. Apprendre à vos équipes à bien utiliser les assistants grand public relève de la formation à l'IA en entreprise, et le choix d'un abonnement d'équipe entre ChatGPT, Claude et Gemini est traité dans le comparatif dédié.

La différence tient en une question : qui porte la responsabilité du résultat ? Un assistant de discussion laisse chaque employé juger seul de ce qu'il colle et de ce qu'il recopie. Une intégration fixe ces règles une fois pour toutes : quelles données partent, vers quel fournisseur, quels champs l'IA remplit, qui valide, ce qui est journalisé, et à partir de quel taux d'erreur on revient au traitement manuel.

Comment fonctionne la recherche dans vos documents internes, et où s'arrête-t-elle ?

La génération augmentée de récupération, ou RAG, ne réentraîne aucun modèle sur vos documents. Elle découpe procédures, contrats et notes en passages, calcule pour chacun une empreinte numérique appelée embedding, et range ces empreintes dans un index. Quand un employé pose une question, le système retrouve les passages les plus proches, les transmet au modèle avec la question, et le modèle rédige une réponse qui cite ses sources. Si les passages ne contiennent pas la réponse, la bonne réponse est « je ne trouve pas ».

Le calcul des empreintes coûte peu. Selon la page tarifs de l'API d'OpenAI consultée le 3 octobre 2026, le modèle text-embedding-3-small coûte 0,02 dollar par million de jetons ; la page tarifs de l'API Gemini, mise à jour le 1er octobre 2026, affiche 0,20 dollar par million de jetons de texte pour Gemini Embedding 2. Indexer quelques milliers de pages se chiffre donc en centimes ; ce qui coûte, c'est la préparation des documents.

Car la qualité d'un RAG dépend d'abord du fonds documentaire. Trois versions d'une même procédure, des PDF scannés de travers ou des notes contradictoires donnent des réponses contradictoires. Le projet commence donc par désigner les documents de référence, retirer les versions périmées et nommer un responsable de leur mise à jour.

Reste la question des droits. Un index unique, interrogeable par tous, ferait remonter la grille des salaires à un stagiaire. Chaque passage garde donc les droits du document d'origine, et la recherche filtre selon le profil de l'utilisateur. Le référentiel de l'OWASP sur les applications de modèles de langage, édition 2025, classe d'ailleurs les faiblesses des vecteurs et embeddings parmi ses dix risques majeurs (LLM08:2025).

Comment l'IA lit-elle une facture fournisseur sans fragiliser une comptabilité SYSCOHADA ?

L'extraction de factures est l'usage le plus rentable et le plus encadré. L'Acte uniforme relatif au droit comptable et à l'information financière (AUDCIF), publié au Journal officiel de l'OHADA et consulté le 3 octobre 2026, exige en son article 22 que toute donnée entrée dans un système comptable informatisé fasse l'objet d'une validation et que chaque enregistrement s'appuie sur une pièce justificative ; l'article 24 impose de conserver livres et pièces pendant dix ans. L'IA prépare donc l'écriture, un comptable la valide, et l'original reste archivé.

Concrètement, le modèle lit le fournisseur, le numéro et la date de la facture, l'échéance, les lignes, la base hors taxes, la TVA et le total, puis propose un compte de charge et un code de taxe. L'intégration vérifie ensuite ce que le modèle ne doit jamais décider seul : que le total égale bien la somme des lignes, que le fournisseur existe dans l'ERP, que la facture n'a pas déjà été saisie, que le montant correspond au bon de commande.

Au Bénin, la page officielle du gouvernement sur les factures normalisées, consultée le 3 octobre 2026, rappelle que les entreprises assujetties à la TVA doivent émettre leurs factures par une machine électronique certifiée (MECeF) ou un logiciel validé par la Direction générale des impôts, et qu'une facture normalisée porte notamment le numéro d'identification de la machine, une signature électronique et un code de sécurité. L'extraction peut signaler une facture d'achat où ces mentions manquent ; elle ne remplace pas la vérification auprès de l'administration.

Deux voies existent pour la lecture elle-même. Odoo propose un service de numérisation payé à la pièce : la page de ce service, consultée le 3 octobre 2026, vend 1 000 documents 120 euros (78 715 FCFA au taux fixe de 655,957 FCFA pour un euro publié par la BCEAO) et 100 documents 15 euros, avec 200 crédits offerts aux nouvelles bases. Hors Odoo, Mistral affiche sur sa page tarifs consultée le même jour 4 dollars pour 1 000 pages avec OCR 4.1, puis un modèle de langage structure le texte obtenu.

D'où viennent les chiffres du comparatif, et comment les lire ?

Les prix proviennent des pages tarifs officielles consultées le 3 octobre 2026 : celle de l'API d'OpenAI, celle de la documentation d'Anthropic, celle de l'API Gemini de Google (mise à jour le 1er octobre 2026) et celle de l'API de Mistral. Ils sont exprimés en dollars américains, hors taxes, par million de jetons, au tarif standard. Les mêmes pages annoncent une remise de moitié pour les traitements par lot, qui conviennent aux factures traitées la nuit mais pas à une réponse attendue dans la seconde.

Côté données, la documentation d'OpenAI indique que les données envoyées à l'API ne servent pas à entraîner ses modèles depuis le 1er mars 2023, sauf adhésion volontaire, et que les journaux de contrôle des abus sont conservés jusqu'à 30 jours par défaut, une conservation nulle étant possible sur approbation. Les conditions commerciales d'Anthropic, en vigueur depuis le 17 juin 2025, interdisent l'entraînement sur le contenu des clients. Celles de Mistral, en vigueur depuis le 25 septembre 2026, l'excluent aussi, sauf réglage contraire du produit, retours envoyés ou modèles en préversion.

Le cas de Google mérite une ligne à part : sa page tarifs indique que les contenus envoyés au niveau gratuit servent à améliorer ses produits, et pas ceux du niveau payant. Un prototype branché sur une clé gratuite ne doit donc jamais traiter de vraies factures ni de vrais dossiers clients.

Deux détails faussent les comparaisons trop rapides. Les modèles ne découpent pas le texte de la même façon : la documentation d'Anthropic précise que ses modèles à partir de la génération 4.7 produisent environ 30 % de jetons de plus pour un même texte qu'avec l'ancien découpage, et qu'un jeton vaut en moyenne quatre caractères en anglais, le compte variant selon la langue. Et les prix changent : Google annonce déjà le doublement du tarif de Gemini 3.8 Flash au 1er janvier 2027, de 0,75 à 1,50 dollar par million de jetons en entrée.

Pourquoi le prix des jetons est-il rarement le poste qui compte ?

Le tableau le montre : pour deux mille factures, la facture de jetons va d'environ un dollar à une centaine de dollars par mois selon le modèle, alors qu'une personne qui ressaisit ces pièces y passe des journées. Le vrai coût se loge ailleurs : la préparation du jeu d'essai, le développement de l'intégration, la relecture humaine qui reste nécessaire, la maintenance quand le fournisseur retire un modèle. Choisir le modèle le moins cher qui atteint le niveau de qualité exigé, mesuré sur vos pièces, est la règle.

Trois réglages réduisent encore la note. Le traitement par lot divise le prix par deux quand la réponse peut attendre quelques heures. La mise en cache des consignes répétées réduit le coût des jetons d'entrée concernés : de 90 % sur la plupart des modèles d'Anthropic et jusqu'à 90 % chez Mistral, selon leurs pages tarifs consultées le 3 octobre 2026. Enfin, envoyer au modèle le texte déjà extrait plutôt que l'image entière de la facture coûte moins cher et donne souvent de meilleurs résultats.

À l'inverse, deux dérives font exploser la facture : un traitement qui boucle sur lui-même et rappelle le modèle sans fin, et un outil ouvert à tous sans quota. L'OWASP range ce risque sous le nom de consommation non bornée (LLM10:2025). Chaque intégration livrée comporte donc un plafond de dépense chez le fournisseur et une alerte de dépassement.

Confidentialité et secret professionnel : quelles données peuvent partir chez un fournisseur d'IA ?

Appeler une API, c'est confier des données à un sous-traitant, le plus souvent situé hors du pays. Les conditions des fournisseurs ont progressé : pas d'entraînement sur les données de l'API par défaut chez OpenAI, Anthropic et Mistral, ni au niveau payant chez Google. Mais « pas d'entraînement » ne veut pas dire « pas de conservation » : OpenAI indique conserver jusqu'à 30 jours les journaux de contrôle des abus, qui peuvent contenir les requêtes, sauf accord de conservation nulle.

Pour les professions tenues au secret, la question est pénale. En France, l'article 226-13 du Code pénal, consulté sur Légifrance le 3 octobre 2026, punit d'un an d'emprisonnement et de 15 000 euros d'amende la révélation d'une information à caractère secret par la personne qui en est dépositaire par état ou par profession. Avocats, médecins, experts-comptables et notaires doivent donc pouvoir démontrer que l'outil choisi n'expose pas ce qu'ils détiennent.

La réponse dépend des données, pas de la marque. Trois niveaux sont proposés. Les données sans caractère personnel ni secret partent vers une API au niveau payant, avec contrat de sous-traitance. Les données personnelles ordinaires sont pseudonymisées avant l'envoi : noms, numéros et adresses remplacés par des étiquettes, rétablies au retour. Les données de santé, les dossiers couverts par le secret et les informations stratégiques restent sur un modèle ouvert hébergé chez vous, comme la CNIL le recommande pour les données sensibles en préférant le déploiement sur site.

Un dernier piège concerne les comptes personnels. Un employé qui colle un contrat dans un assistant gratuit ouvert avec son adresse privée sort la donnée de tout contrat d'entreprise. L'intégration ne sert à rien si cet usage parallèle continue : la charte l'interdit, et l'outil intégré doit être assez pratique pour qu'on n'ait plus envie de le contourner.

Connexion, paiement en dollars, langue : que change le contexte africain ?

Une API d'IA suppose une connexion stable au moment du traitement. Selon les données de l'Union internationale des télécommunications publiées par la Banque mondiale et consultées le 3 octobre 2026, 34 % de la population du Bénin utilisait Internet en 2024, contre 41,4 % en Côte d'Ivoire, 46,3 % au Cameroun, 60,1 % au Sénégal et 88,7 % en France. Les traitements sont donc conçus pour reprendre seuls après une coupure : les documents attendent dans une file, et rien n'est perdu si la ligne tombe.

Bonne nouvelle pour la zone : au 3 octobre 2026, les listes officielles de pays pris en charge par OpenAI, Anthropic et Google incluent le Bénin, la Côte d'Ivoire, le Sénégal, le Togo, le Cameroun, le Burkina Faso, le Mali, le Niger, le Gabon, les deux Congo, la Guinée et le Tchad. La facturation, elle, se fait en dollars : la documentation d'Anthropic précise que tous les paiements sont en dollars américains, par carte bancaire ou sur facture pour les comptes entreprise. Il faut donc une carte acceptant les paiements internationaux, au nom de l'entreprise, avec un plafond suivi.

Le mobile money n'entre pas dans le paiement des fournisseurs d'IA, mais il reste au cœur des processus à traiter : rapprocher un reçu MTN MoMo ou Moov Money d'une facture, classer des captures de confirmation envoyées par les clients, extraire le numéro de transaction d'un SMS. Ces pièces, souvent des photos, sont incluses dans le jeu d'essai dès le départ.

Reste la langue. Les modèles récents traitent bien le français, mais vos documents mêlent souvent le français administratif, l'anglais des fournisseurs étrangers, des abréviations maison et des noms propres locaux. Le jeu d'essai doit refléter ce mélange. Pour un modèle auto-hébergé, plus petit, l'écart de qualité en français avec les grands modèles se mesure avant de s'engager, sur vos propres documents.

Pourquoi confier l'intégration de l'IA à Richard SALANON ?

Richard SALANON est consultant en digitalisation et développeur logiciel, basé à Cotonou, au Bénin. Il crée des sites, des applications web et mobiles, des automatisations et des intégrations d'intelligence artificielle, déploie Odoo et Dolibarr, et forme les équipes à ces outils, pour des entreprises d'Afrique francophone, d'Europe et du Canada.

Avec plus de 6 ans d'expérience dans le développement et une formation à EPITECH (2022), il a travaillé pour des organisations au Bénin, en Côte d'Ivoire, au Togo, au Sénégal, au Burkina Faso, au Mali, au Niger, au Tchad, au Gabon, en RD Congo, en France, en Belgique, en Suisse et au Canada. Il déploie Odoo et Dolibarr et développe en Laravel, PHP, Node.js et Python : l'IA s'intègre donc dans des logiciels dont il connaît le fonctionnement interne, pas comme une couche posée par-dessus.

Il conçoit aussi ses propres produits d'IA. Intérêt déclaré : Wapy, un assistant WhatsApp à intelligence artificielle pour les entreprises d'Afrique francophone, est un produit de Richard SALANON, et il est co-fondateur d'Audyxa. Exploiter un produit d'IA au quotidien apprend ce que les démonstrations cachent : les coûts qui dérivent, les modèles qui changent de comportement, les cas limites qu'il faut traiter un par un.

Sa façon de travailler tient en engagements vérifiables : aucun fournisseur imposé, le choix du modèle se fait sur vos mesures ; des comptes, du code et des consignes ouverts à votre nom ; des résultats en brouillon validé ; une réponse sous 24 heures. Il a formé plus de 200 personnes au numérique, et vos équipes peuvent suivre la formation à l'IA en entreprise. Son parcours figure sur la page Richard SALANON.