En 2025, 18 % des entreprises françaises de 10 salariés ou plus utilisaient au moins une technologie d’intelligence artificielle, contre 10 % un an plus tôt, selon l’Insee (2026). Le process mining, ou fouille de processus, consiste à reconstituer le déroulement réel d’un processus métier à partir des journaux d’événements enregistrés par vos systèmes d’information : ERP, CRM, outil de ticketing. Il montre le chemin que suivent vraiment les dossiers, détours compris.
Beaucoup d’entreprises sautent cette étape. Elles choisissent un cas d’usage, branchent un agent IA ou un scénario Make, puis découvrent trois mois plus tard que le processus automatisé contenait déjà ses propres blocages. Notre position est simple : avant d’automatiser, mesurez. Voici ce que l’analyse des processus apporte, et les cas où elle ne vaut pas l’effort.
AUTOMATISATION IA DES PROCESSUS
Process mining : mesurer avant d'automatiser
L'IA arrive vite dans les entreprises, rarement sur des processus bien connus
Automatiser un processus mal compris accélère surtout ses défauts. Les journaux de vos logiciels montrent le chemin réel : mesurez d'abord, automatisez ensuite.
58 %
des dirigeants craignent que les inefficacités de leurs processus limitent la valeur de l'IA
Celonis, 2025
64 %
des entreprises utilisatrices d'IA visent la qualité et la fiabilité de leurs processus
Insee, 2026
38 %
s'en servent pour organiser leurs processus d'administration, contre 17 % un an plus tôt
Insee, 2026
- Extraire les journaux d'événements
- Reconstituer le flux réel
- Corriger écarts et goulots
- Automatiser, puis mesurer le gain
Process mining : lire le processus réel dans les journaux de vos logiciels
Chaque fois qu’un collaborateur valide une commande dans SAP, qualifie un ticket dans ServiceNow ou change le statut d’une opportunité dans Salesforce, le logiciel garde une trace. Trois informations suffisent pour exploiter ces logs : un identifiant de cas (la commande n° 4512), le nom de l’activité (« validation crédit ») et un horodatage. À partir de ces données, un logiciel de process mining permet de découvrir le flux réel, avec ses variantes, ses boucles et le temps d’attente entre deux étapes.
Toute la différence avec une cartographie classique tient à la source. Un atelier de BPM (business process management) produit le modèle tel que les équipes le racontent, souvent un peu embelli. Les journaux, eux, ne négocient pas.
La discipline, formalisée par le chercheur néerlandais Wil van der Aalst, couvre trois usages : la découverte du processus, le contrôle de conformité, qui compare le flux observé au modèle de référence, et l’amélioration continue à partir des indicateurs de performance mesurés. Pour une direction opérationnelle, la méthode repose sur une base factuelle et donne une vision d’ensemble que ni un tableau de bord ni un audit ponctuel ne fournissent.
Automatiser un processus mal compris accélère surtout ses défauts
L’étude publiée par Celonis en février 2025 auprès de 1 620 dirigeants dans dix pays, dont la France, pose bien le problème. 89 % estiment qu’une IA doit comprendre comment fonctionnent les processus de l’entreprise pour donner des résultats. Plus révélateur encore : 58 % craignent que les inefficacités de leurs processus limitent la valeur tirée de leurs projets d’IA. Celonis vend du process mining, le chiffre se lit donc avec cette réserve. L’intuition reste juste.
Prenez le traitement des factures fournisseurs. Sur le papier, quatre étapes : réception, rapprochement avec le bon de commande, validation, paiement. Dans les journaux, on retrouve souvent des factures renvoyées au service achats, des validations faites deux fois parce que le seuil d’approbation est mal paramétré dans l’ERP, des relances manuelles par e-mail. Confiez ce flux à un agent IA sans corriger ces boucles et il reproduira les reprises, plus vite. Le gain de temps annoncé fond, la satisfaction client recule. La confiance des équipes aussi.
Toujours selon l’Insee, 64 % des entreprises qui utilisent l’IA la mobilisent pour améliorer la qualité et la fiabilité de leurs processus. Difficile de fiabiliser un processus dont on ignore le fonctionnement réel.
Ce que l'analyse des processus révèle avant un projet d'IA
Dès que les journaux d’événements sont extraits, trois types de constats reviennent dans presque toutes les organisations. Aucun ne se voit dans une procédure écrite.
Des écarts entre la procédure et le terrain
Le contrôle de conformité fait apparaître les dossiers qui contournent une étape obligatoire, les commandes passées avant validation, les remises accordées hors circuit. Pour un directeur financier, cette information a de la valeur avant même de parler d’automatisation.
Des goulots d'étranglement mesurés en jours
Le temps passé entre deux activités pèse souvent plus lourd que le temps de traitement lui-même, et immobilise des ressources pour rien. Une demande d’achat qui attend plusieurs jours une signature ne se réglera pas avec un modèle de langage. Pour réduire ce délai, il faut une règle de délégation, voire une simple décision de management.
Les tâches répétitives qui méritent vraiment un agent IA
Une fois le flux nettoyé, il devient facile d’identifier les opportunités d’automatisation : saisies recopiées d’un système à l’autre, rapprochements à faible variabilité, contrôles de cohérence. Leur volume et leur durée étant déjà mesurés, le retour sur investissement se calcule avant le premier développement. Nous détaillons cette logique dans notre article sur les processus à automatiser en priorité avec l’IA.
Process mining ou entretiens : choisir l'approche selon vos données
Le process mining ne convient pas à toutes les entreprises. Il suppose des systèmes informatiques qui enregistrent proprement chaque étape. Un processus qui vit dans des fichiers Excel partagés, des échanges Teams et des validations orales ne laisse presque aucune trace exploitable.
Les solutions du marché visent d’abord les grands comptes. Celonis, SAP Signavio ou UiPath Process Mining demandent un vrai projet d’intégration de données. Microsoft a abaissé le ticket d’entrée avec Power Automate Process Mining, qui exploite des exports de Dynamics 365 ou d’autres sources. Pour une PME, ou une ETI sur un périmètre restreint, une méthode plus légère suffit souvent : quelques entretiens, de l’observation, une cartographie des usages IA par métier et une extraction ciblée dans les outils existants. Le task mining, qui enregistre les actions sur le poste de travail, complète l’analyse quand l’essentiel du travail se fait hors des applications métier.
Notre règle de décision tient en une ligne. Si le processus traite plusieurs milliers de cas par mois dans un ERP ou un CRM, l’investissement se justifie ; en dessous, commencez par observer.
Quatre étapes pour passer du diagnostic à l'automatisation
L’ordre compte plus que la technologie choisie.
- Extraire les journaux d’événements du processus ciblé, sur six à douze mois d’activité.
- Reconstituer le flux réel et comparer ses variantes les plus fréquentes aux modèles de référence.
- Corriger les écarts et les goulots par des règles de gestion, avant toute brique d’IA.
- Automatiser les tâches restantes, puis suivre les mêmes indicateurs pour vérifier le gain.
Le besoin grandit vite. L’Insee relève que la part des entreprises utilisatrices d’IA qui s’en servent pour organiser leurs processus d’administration est passée de 17 % en 2024 à 38 % en 2025. Autant de projets qui gagneraient à partir d’une mesure.
Process mining : vos questions fréquentes
Quelle différence entre process mining et cartographie des processus ?
La cartographie décrit un processus à partir d’ateliers et d’entretiens : elle donne le modèle attendu. Le process mining part des données enregistrées par les logiciels et montre le déroulement observé, avec toutes ses variantes. Les deux se complètent : la cartographie fournit la référence, le process mining mesure l’écart.
De quelles données a-t-on besoin pour faire du process mining ?
D’un journal d’événements contenant au minimum un identifiant de cas, un nom d’activité et un horodatage. Ces informations existent dans la plupart des ERP, CRM et outils de ticketing, mais leur extraction demande souvent l’aide de la DSI.
Process mining et task mining : quelle différence ?
Le process mining analyse le flux entre les applications à partir de leurs journaux. Le task mining observe les actions réalisées sur le poste de travail (clics, copier-coller, changements de fenêtre) pour comprendre le détail d’une tâche. Il prend le relais quand le travail se fait surtout hors des logiciels métier.
Le process mining remet l’automatisation dans le bon ordre : comprendre le processus réel, corriger ce qui bloque, puis confier à l’IA ce qui reste répétitif. Sans cette étape, un projet d’IA risque de figer des contournements que personne n’avait repérés. Avec elle, chaque automatisation part d’une mesure, offre une meilleure prise sur les résultats et peut prouver son gain. Pour choisir les premiers processus à analyser puis les automatiser avec les bons outils, notre équipe vous accompagne dans l’automatisation de vos processus par l’IA.
