Intelligence artificielle

IA générative en entreprise au Maroc : cas d'usage, risques et méthode

Par Yasser MsahalPublié le 12 octobre 20269 min de lecture

L'IA générative est utile à une entreprise B2B au Maroc quand elle s'attaque à un processus précis : traiter des documents, préparer des réponses au support, retrouver une information dans les documents internes ou rédiger un premier jet de rapport. Elle déçoit quand on la déploie partout sans règles. Trois choses font la différence : classer les données avant de les envoyer à un modèle, garder un humain responsable du résultat et commencer par un pilote mesuré.

Que peut faire l'IA générative pour une entreprise B2B au Maroc ?

Un grand modèle de langage (LLM) lit, résume, classe et rédige du texte. En B2B, il rend service sur des tâches répétitives où l'on passe surtout du temps à lire, chercher et recopier. Quatre familles de cas d'usage sont à la fois accessibles et faciles à contrôler.

• Traitement documentaire : factures, bons de commande, contrats ou réclamations. Le modèle extrait les champs utiles, classe le document et signale ce qui manque. Au Maroc, ces documents arrivent souvent en français, en arabe ou dans un mélange des deux, parfois scannés : testez le modèle sur vos propres exemples, dans chaque langue reçue, avant de conclure quoi que ce soit.
• Brouillons de réponses au support : le modèle lit le ticket, retrouve les éléments utiles dans vos procédures et propose une réponse que l'agent relit, corrige et envoie. Le gain porte sur la recherche et la rédaction, pas sur la décision. Si vos clients écrivent aussi en darija, intégrez ces messages à vos tests.
• Recherche dans la base documentaire interne : procédures qualité, politiques RH, documentation technique. Le collaborateur pose sa question en langage courant et obtient une réponse accompagnée des passages sources.
• Génération de rapports : comptes rendus, synthèses mensuelles, notes de cadrage. Le modèle assemble un premier jet que le responsable complète et valide ; les chiffres viennent de vos systèmes, jamais de la mémoire du modèle.

Point commun de ces quatre usages : le modèle prépare, une personne décide. C'est ce qui les rend déployables sans attendre un modèle parfait.

RAG : interroger les documents de l'entreprise sans entraîner de modèle

Le RAG (Retrieval-Augmented Generation, génération augmentée par la recherche) ne demande pas au modèle ce qu'il « sait » : il lui fournit, à chaque question, les extraits pertinents de vos documents. Aucun entraînement sur vos données n'est nécessaire, et une procédure mise à jour est prise en compte dès qu'elle est réindexée.

1. Les documents autorisés sont découpés en passages et indexés.
2. À chaque question, le système retrouve les passages les plus proches.
3. Le modèle reçoit ces passages avec la consigne de ne répondre qu'à partir d'eux.
4. La réponse s'affiche avec ses sources, pour vérification.

Trois points décident de la qualité. Les documents eux-mêmes : des procédures obsolètes ou contradictoires donnent des réponses obsolètes ou contradictoires. Les droits d'accès : la recherche doit respecter les permissions de votre gestion documentaire, sinon un stagiaire peut obtenir une réponse tirée d'un document de la direction financière. Et l'évaluation : avant le lancement, constituez une liste de vraies questions avec la bonne réponse et le bon document source, puis rejouez-la à chaque changement de modèle, de consigne ou de découpage.

Les limites des LLM en entreprise : hallucinations, fuite de données, coûts

Hallucinations

Un LLM produit le texte le plus plausible, pas le plus vrai. Il peut citer une clause inexistante ou un montant inventé avec la même assurance qu'une réponse exacte. Parades : imposer des sources, autoriser le modèle à répondre « je ne sais pas », contrôler automatiquement les champs extraits (formats, totaux, références) et faire relire tout ce qui sort de l'entreprise.

Fuite de données

Coller un contrat client dans un outil grand public, c'est le transmettre à un tiers dont vous ne maîtrisez ni les serveurs, ni la durée de conservation, ni toujours l'usage qu'il en fera. En interne, un assistant mal cloisonné peut aussi montrer une information à qui n'a pas le droit de la voir. Dernier piège, moins connu : un document ou un e-mail traité par le modèle peut contenir des instructions cachées qui détournent sa réponse. Ne donnez donc jamais à un assistant plus d'accès ou de pouvoir d'action que la personne qui l'utilise.

Dérive des coûts

Les modèles accessibles par API sont généralement facturés à l'usage, selon le volume de texte envoyé et produit. Un prototype bon marché peut coûter cher une fois généralisé, surtout si chaque requête embarque de longs documents. Mesurez le coût par traitement pendant le pilote et fixez des plafonds avant d'ouvrir l'accès.

Loi 09-08 et CNDP : quelles règles pour envoyer des données à un LLM ?

La première règle de gouvernance : classer les données avant de les envoyer à un modèle. Trois niveaux de sensibilité et un repère transversal suffisent pour démarrer :

• Publiques : catalogue, pages du site, documentation commerciale diffusée.
• Internes : procédures, modèles de documents, notes d'organisation.
• Confidentielles : contrats, offres de prix, données financières, code source.
• Personnelles, quel que soit le niveau : tout ce qui identifie une personne (client, salarié, candidat), y compris dans un e-mail, un ticket ou un CV.

Au Maroc, les données personnelles relèvent de la loi 09-08, dont le respect est contrôlé par la CNDP. Un traitement par IA reste un traitement : finalité déterminée, données limitées au nécessaire, information des personnes et, selon les cas, déclaration ou demande d'autorisation auprès de la CNDP. Certaines catégories, dites sensibles (santé, opinions, convictions religieuses, origine…), sont soumises à des règles plus strictes. Le transfert de données personnelles vers l'étranger, fréquent avec les services d'IA en ligne, est lui aussi encadré. Vérifiez votre situation auprès de la CNDP ou de votre conseil juridique avant la mise en production.

Concrètement, chaque niveau reçoit une règle d'usage : données publiques autorisées partout ; données internes uniquement via un service validé par la DSI ; données confidentielles et personnelles seulement après anonymisation, ou via une solution dont l'hébergement et le contrat ont été examinés.

Gouvernance de l'IA générative : humain dans la boucle et journalisation

• Un responsable par cas d'usage, côté métier, qui valide le périmètre et les résultats.
• L'humain dans la boucle : toute sortie qui engage l'entreprise (réponse client, décision RH, document contractuel) est validée avant envoi.
• La journalisation : requête, sources utilisées, version du modèle et de la consigne, réponse et validation sont conservées pour pouvoir expliquer un résultat après coup. Ces journaux contiennent eux-mêmes des données : protégez-les et fixez leur durée de conservation.
• Les droits d'accès : l'outil hérite des permissions existantes, il n'en crée pas de nouvelles.
• Une charte d'usage : ce que les collaborateurs peuvent soumettre ou non aux outils d'IA, y compris grand public.

Si un prestataire intervient, ses pratiques comptent autant que les vôtres : voir ISO 27001 et sécurité des données chez un prestataire.

Comment intégrer l'IA générative dans un processus métier, étape par étape

1. Choisir un seul processus : volumineux, répétitif, textuel, où une erreur se voit et se rattrape. Le tri des réclamations s'y prête ; une décision de crédit, pas pour commencer.
2. Mesurer l'existant : temps de traitement, délai de réponse, taux de reprise. Sans point de départ, aucun gain démontrable.
3. Lancer un pilote encadré : une équipe, des documents réels, des données classées, une validation humaine systématique, une journalisation active.
4. Comparer : mêmes indicateurs, plus le coût par traitement et la part des réponses corrigées par les utilisateurs.
5. Décider : étendre, ajuster ou arrêter. Arrêter un pilote qui ne tient pas ses promesses est un résultat, pas un échec.
6. Industrialiser : intégration au système d'information, supervision, budget, accompagnement des utilisateurs.

Écrivez le périmètre avant de consulter des prestataires : rédiger un cahier des charges vaut aussi pour l'IA. Une fois le premier cas stabilisé, l'étape suivante consiste souvent à enchaîner plusieurs actions : c'est le sujet des agents IA en entreprise. Pour la vision d'ensemble, voir la transformation digitale des PME au Maroc.

LLM en entreprise à Casablanca : quelles garanties exiger d'un prestataire ?

Avant de signer, posez des questions précises :

• Où sont hébergés les modèles, les index et les journaux, et quelles données transitent par des services tiers ?
• Les conditions du fournisseur de modèle autorisent-elles la réutilisation de vos données, par exemple pour l'entraînement ?
• Comment les accès sont-ils cloisonnés, et qu'est-ce qui est journalisé ?
• Comment le coût est-il suivi et plafonné ?
• À qui appartiennent le code, les consignes et les configurations livrés, et pouvez-vous changer de modèle ou de prestataire sans tout reconstruire ?

Codevista Innovations, basée à Casablanca et certifiée ISO/IEC 27001:2022, intègre l'IA générative et les LLM dans les processus métier existants avec une exigence affichée : ne pas compromettre la sécurité. Pour cadrer un premier cas d'usage, contactez-nous.

Questions fréquentes

Peut-on utiliser un outil d'IA grand public avec des données clients au Maroc ?

C'est déconseillé sans cadre. Les données clients sont souvent des données personnelles au sens de la loi 09-08, et les outils grand public les traitent fréquemment sur des serveurs situés hors du Maroc, selon leurs propres conditions. Classez d'abord les données, vérifiez l'hébergement et le contrat du service, privilégiez l'anonymisation et consultez la CNDP ou votre conseil juridique sur les formalités applicables.

Faut-il entraîner son propre modèle d'IA pour l'utiliser sur les documents de l'entreprise ?

Dans la plupart des cas, non. L'approche RAG fournit au modèle, à chaque question, les passages pertinents de vos documents, sans entraînement sur vos données. Elle est plus rapide à mettre en place, suit les mises à jour de vos documents et permet d'afficher les sources de chaque réponse. Un entraînement spécifique se justifie surtout pour des formats ou un vocabulaire très particuliers.

Comment limiter les hallucinations d'un LLM dans un processus métier ?

On ne les supprime pas, on les encadre. Fournissez des sources au modèle et exigez qu'il s'y limite, autorisez-le à répondre qu'il ne sait pas, contrôlez automatiquement les montants, dates et références extraits, et faites valider par une personne toute sortie qui engage l'entreprise. Journalisez les réponses pour repérer les erreurs récurrentes.

Par quel cas d'usage commencer avec l'IA générative en entreprise ?

Choisissez un processus volumineux, répétitif et textuel, où une erreur se voit et se corrige facilement : tri des réclamations, extraction de factures, brouillons de réponses au support ou recherche dans les procédures internes. Mesurez le temps et la qualité actuels, lancez un pilote limité à une équipe, puis comparez les résultats avant de décider d'étendre.