En bref
L'intelligence artificielle est en train d'entrer dans les ateliers, et deux camps s'affrontent : ceux qui pensent qu'elle va tout faire, et ceux qui pensent qu'elle va tout casser. Après quatorze ans en qualité industrielle et deux ans à construire des outils pour des ateliers réels, ma réponse tient en une ligne : bien encadrée, l'IA fait environ 80 % du travail répétitif de la qualité — compiler, tracer, préparer — et laisse intacts les 20 % qui comptent : décider, trancher, assumer.
La frontière n'est pas technique, elle est morale. Une machine peut préparer un dossier de non-conformité impeccable ; elle ne peut pas signer la décision de le clôturer. Parce que signer, c'est répondre de ses choix devant un client, un auditeur, un donneur d'ordre. Et la responsabilité, elle, ne s'automatise pas. Cet article trace cette ligne avec précision — et explique pourquoi un chatbot livré nu et une IA encadrée par un logiciel de métier ne jouent pas dans la même cour.
Le partage du travail, dit simplement
Commençons par le concret, parce que c'est là que la confusion s'installe. Quand on dit « l'IA fait le travail », de quel travail parle-t-on ?
Dans un système qualité, il y a deux natures de travail. Il y a le travail mécanique : recopier des cotes, compiler des non-conformités éparpillées, retrouver le dernier certificat d'étalonnage d'un instrument, reconstituer un historique la veille d'un audit, relier une preuve à une autre. Ce travail est chronophage, ingrat, et il ne demande aucun jugement. Il demande de la rigueur et des heures — deux choses qu'une PME manufacturière n'a jamais en quantité suffisante.
Et il y a le travail de jugement : décider quelle non-conformité corriger en priorité, juger si une action corrective a réellement réglé le fond du problème, accepter ou refuser un risque résiduel, signer une revue de direction. Ce travail-là est rare, dense, et il engage quelqu'un.
La bonne façon de penser l'IA en qualité, c'est ce partage : elle prend le mécanique, vous gardez le jugement. Pas parce que la machine serait trop bête pour le reste — souvent elle formulerait une réponse plausible — mais parce que ce reste n'est pas une affaire de calcul. C'est une affaire de responsabilité.
L'IA prépare le dossier. L'humain le signe. Cette phrase devrait être affichée au mur de chaque atelier qui adopte ces outils.
Pourquoi la responsabilité ne s'automatise pas
C'est le point que je défends le plus fermement, alors prenons le temps de le poser.
Un système qualité, dépouillé de son jargon, c'est un mécanisme par lequel une organisation répond de ce qu'elle produit. Quand un donneur d'ordre reçoit une pièce, il ne reçoit pas seulement un morceau de métal usiné : il reçoit l'engagement d'un atelier qui affirme que la pièce est conforme, que le procédé est maîtrisé, que les écarts ont été traités. Cet engagement a un nom en droit et en pratique : la responsabilité.
Or on ne peut pas déléguer une responsabilité à une chose qui n'en porte aucune. Si une IA « décide » de clôturer une non-conformité et que le défaut réapparaît chez le client trois mois plus tard, qui répond ? Pas l'algorithme. C'est vous. C'est le responsable qualité qui a validé, ou qui aurait dû valider. La machine n'a ni licence, ni signature, ni conscience professionnelle à mettre en jeu. Elle ne perd rien si elle se trompe.
Voilà pourquoi la frontière des 20 % n'est pas négociable. Ce n'est pas de la prudence technologique frileuse. C'est la reconnaissance qu'une décision de qualité est un acte, posé par quelqu'un qui en assume les conséquences. L'ISO 9001 le sait depuis toujours : c'est pourquoi elle exige, à travers ses actions correctives (§10.2), non pas qu'un problème disparaisse comme par magie, mais qu'une personne en analyse la cause, décide d'une réponse, et vérifie qu'elle a fonctionné. On corrige une non-conformité (§8.7) rattachée à un processus ; on ne coche pas une case.
Une machine peut préparer chacune de ces étapes. Elle peut rassembler les faits, proposer une analyse, rédiger un brouillon. Elle ne peut pas être la personne qui répond. Le jour où l'on confond les deux, on n'a plus un système qualité — on a un paravent.
Chatbot nu contre IA encadrée : la distinction qui change tout
Quand la plupart des gens entendent « IA », ils imaginent un robot conversationnel. On tape une question, il recrache une réponse. C'est cette image qui nourrit à la fois la promesse naïve (« il va écrire mon manuel qualité ») et la peur légitime (« il va inventer n'importe quoi »). Et les deux ont raison — à propos du chatbot nu. Livrée seule, sans ancrage, une IA générative produit du texte plausible et hors-sol. Elle ne connaît pas vos machines, votre historique, vos règles. Elle improvise avec une assurance qui, en qualité, est un danger.
Mais il existe une tout autre manière d'employer cette technologie : l'IA encadrée par un logiciel de métier. Là, l'IA n'est plus un oracle à qui l'on fait confiance sur parole. Elle est un outil contraint par une application qui l'oblige à s'appuyer sur vos vraies données, qui range chaque preuve à sa place, qui vérifie ses sorties, et qui refuse les raccourcis. La différence entre les deux est aussi grande qu'entre une rumeur et un dossier.
Un exemple concret vaut mieux qu'un long discours. Prenez l'extraction d'un plan coté. Un chatbot généraliste à qui l'on montre un dessin technique va « lire » des chiffres et les recracher — parfois justes, parfois inventés, sans qu'on sache lesquels. Une IA encadrée par un logiciel d'inspection, elle, extrait chaque cote dans une structure : chaque valeur est rattachée à sa bulle, présentée pour vérification humaine, et rien n'est validé tant qu'un œil n'a pas confirmé. L'IA propose ; le cadre discipline ; l'humain dispose. Le même moteur, employé nu, serait un gadget dangereux ; employé encadré, il devient un accélérateur fiable.
C'est ici que se joue toute la thèse. L'IA sans cadre dilue et improvise. L'IA dans une application bien conçue fait l'inverse : elle applique une rigueur que la main humaine, fatiguée un vendredi après-midi, n'applique pas toujours. La technologie est la même. Ce qui change, c'est le harnais.
Ce que fait un bon cadre, en pratique
Qu'est-ce qu'un « cadre » concrètement ? Ce n'est pas un slogan. Ce sont des comportements précis qu'un logiciel bien conçu impose, et qu'un chatbot nu ne connaît pas.
Il ancre l'IA à vos données réelles. Elle ne raisonne pas sur des généralités : elle travaille sur vos non-conformités, vos instruments, vos procédés. Ce qu'elle produit est vérifiable ligne à ligne, parce que chaque élément vient de chez vous.
Il refuse de casser une preuve. Quand un objet est référencé par un autre — une action corrective (§10.2) rattachée à sa non-conformité, une action préventive rattachée à une analyse de risque (§6.1) — un bon logiciel refuse purement et simplement de le supprimer. On ne peut pas faire disparaître une preuve « par erreur ». C'est la maîtrise des informations documentées (§7.5) appliquée automatiquement, sans compter sur la discipline de personne.
Il montre les trous au lieu de les maquiller. C'est peut-être le comportement qui dit le mieux la philosophie. Quand une donnée est incomplète, un bon cadre l'affiche comme incomplète. Il ne comble pas le vide avec une invention rassurante. Un chatbot nu, sommé de produire une réponse, remplira le trou coûte que coûte. Une IA encadrée signale : « il manque ceci, je ne décide pas à votre place. » En qualité, cette honnêteté vaut de l'or — c'est exactement le contraire du théâtre de cases cochées que craignent, à juste titre, les vieux routiers de l'ISO.
Il s'arrête au bon endroit. Un bon logiciel apporte le dossier préparé — les faits reliés, les alertes, l'état de préparation — puis il rend la main. Il est construit pour assister le jugement, jamais pour le simuler. Le point où il s'arrête, c'est précisément la frontière des 20 %.
| Ce que l'IA encadrée fait bien — 80 %, le mécanique | Ce qui demeure 100 % humain — 20 %, le jugement |
|---|---|
| Extraire, structurer, compiler l'information (cotes, dossiers, historique) | Décider quoi corriger, et dans quel ordre de priorité |
| Relier chaque preuve selon les règles du métier, sans rupture | Juger si une non-conformité est réellement close, sur le fond |
| Surveiller les échéances et signaler les écarts | Accepter ou refuser un risque résiduel (§6.1) |
| Préparer le dossier et le brouillon d'une action corrective (§10.2) | Valider l'action, la signer, en répondre devant l'auditeur |
| Afficher un état complet et à jour, y compris ses propres lacunes | Donner du sens, animer la culture qualité sur le plancher |
Regardez la colonne de gauche : du travail réel, chronophage, sans jugement. C'est ce qu'une PME n'a pas les moyens de faire porter par un ingénieur à temps plein. Regardez la colonne de droite : rien là-dedans ne devrait jamais quitter les mains d'une personne responsable. Un logiciel honnête est celui qui sait, à chaque écran, de quelle colonne il relève.
Le piège à éviter : automatiser la preuve, oublier la substance
Il faut nommer le danger, parce qu'il est réel. La tentation, avec ces outils, c'est d'automatiser la preuve en oubliant la substance. De se retrouver avec un système qui coche magnifiquement toutes les cases de la norme, sans qu'aucune amélioration réelle n'ait eu lieu sur le plancher.
Cette dérive n'est pas causée par l'IA. Elle est causée par un mauvais usage de l'IA — celui qui franchit la frontière des 20 % et laisse la machine « décider » pour aller plus vite. Un atelier qui laisse un algorithme clôturer ses non-conformités sans regard humain gagnera du temps la première année et perdra la confiance de ses clients la deuxième, quand les mêmes défauts reviendront.
Imaginez le scénario, car j'ai vu des situations qui en approchaient dangereusement. Un dirigeant débordé branche un outil générique sur son historique et lui demande de « classer » et de « clôturer » les non-conformités en attente. La machine s'exécute avec aplomb : en quelques minutes, tout est trié, tout paraît en ordre. Personne ne relit. Puis vient l'audit — ou pire, une pièce non conforme qui repart chez le donneur d'ordre. On découvre alors que des cas graves ont été rangés comme mineurs, que des causes de fond n'ont jamais été analysées, que des cases ont été cochées sur du vide. L'outil, lui, ne répond de rien. Le dirigeant, oui. La responsabilité n'a pas bougé d'un millimètre : elle est restée, entière, du côté humain — sauf que le contrôle, lui, avait été abandonné.
Je l'ai constaté sur le terrain, à l'envers. Sur un atelier d'usinage reconnu de la région de Sorel, nous avons repris plusieurs années d'historique de non-conformités éparpillées. Le logiciel a fait le gros œuvre : tout rassembler, tout relier, tout rendre lisible. Mais ce qui a créé de la valeur, ce n'est pas la compilation elle-même — c'est le moment où un humain a regardé l'ensemble reconstitué et s'est demandé : combien de fois ce même défaut est-il revenu ? Sur quelle machine ? Qu'est-ce qu'on n'a jamais réglé au fond ? L'outil a rendu la question possible. Seul le jugement humain pouvait y répondre. Enlevez l'humain, et vous n'avez qu'un bel inventaire de problèmes qui continuent.
La substance de la qualité — la volonté de s'améliorer, la décision d'agir, la responsabilité assumée — ne se délègue à aucune machine. Un bon cadre protège cette substance ; un mauvais usage la vide. La technologie ne tranche pas ; l'intention de celui qui l'emploie, oui.
En conclusion : la bonne ligne, pas la bonne machine
La question n'est donc pas « l'IA est-elle bonne ou mauvaise pour la qualité ». C'est une question mal posée. La vraie question est : où trace-t-on la ligne — et est-ce que l'outil qu'on adopte la respecte ?
Ma conviction, forgée sur des ateliers réels, tient dans le partage que j'ai décrit. L'IA encadrée par un logiciel de métier absorbe le travail mécanique qui écrasait les PME et les tenait à l'écart d'une qualité structurée. Elle le fait mieux, plus vite, et sans jamais oublier une preuve. Mais elle s'arrête net à la frontière du jugement, parce que de l'autre côté commence la responsabilité — et la responsabilité ne se programme pas.
Restent des questions ouvertes, que je préfère poser plutôt que faire semblant de résoudre. Jusqu'où une entreprise veut-elle confier la mémoire de sa qualité à un outil, même honnête ? Comment un auditeur devrait-il vérifier un système où le mécanique est tracé automatiquement — en se concentrant davantage sur le jugement humain, puisque c'est là que le risque se déplace ? Et nous, concepteurs de ces outils : jusqu'où avons-nous le devoir de rendre visible, à l'écran, la ligne que l'utilisateur ne doit pas franchir ?
Je n'ai pas de réponse définitive. J'ai une conviction de praticien : un bon outil d'IA en qualité, ce n'est pas celui qui en fait le plus. C'est celui qui sait, mieux que quiconque, ce qu'il ne doit jamais faire à votre place.
Les principes décrits dans cet article sont ceux qui ont guidé le développement d'Asterion Solutions, une suite de logiciels de métier pensés pour les PME manufacturières qui veulent structurer leur qualité sans multiplier les tâches administratives.