TPE / THÈME INFORMATIQUE N°4

Intelligence
Artificielle &
Automatisation
Comment l'IA transforme l'exécution des tâches répétitives et augmente la
productivité humaine.

MATIÈRE TYPE NIVEAU ANNÉE

Informatique TPE Lycée / BTS 2025–2026

4
 TABLE DES MATIÈRES

01 Introduction — Définitions et contexte 3

02 Fonctionnement de l'IA dans l'automatisation 4

03 Cas pratique — TechShop237 5

04 Exemple de code commenté 6

05 Propositions concrètes d'automatisation 7

06 Enjeux éthiques et sociaux 8

07 Conclusion 9

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 2

 01 — INTRODUCTION

Définitions et contexte
L'Intelligence Artificielle (IA) désigne l'ensemble des techniques permettant à une machine d'imiter
des comportements humains : comprendre un texte, reconnaître une image, prendre une
décision ou apprendre à partir de l'expérience. Depuis les années 2010, les progrès en
apprentissage automatique (Machine Learning) et en traitement du langage naturel (NLP) ont
rendu ces technologies accessibles à tous.

L'automatisation des tâches consiste à confier à un programme informatique ou à un robot

logiciel l'exécution de tâches répétitives, sans intervention humaine continue. Couplée à l'IA, elle
permet de traiter des situations complexes qui nécessitaient autrefois l'expertise d'un
professionnel.

L'IA est la capacité d'un système informatique à simuler des fonctions cognitives humaines
telles que l'apprentissage, le raisonnement et la résolution de problèmes, afin
d'accomplir des tâches de façon autonome ou semi-autonome.

Définition de travail — TPE Informatique 2026

Automatisation classique vs Automatisation par IA

AUTOMATISATION CLASSIQUE AUTOMATISATION PAR IA

Apprend des données et s'adapte aux nouvelles

Suit des règles fixes prédéfinies par le développeur
situations

Ne gère que les cas prévus à l'avance Gère les cas non-prévus grâce à l'apprentissage

Peut produire des résultats différents selon le

Même entrée → toujours même sortie
contexte

Ex : chatbot qui comprend une question mal

Ex : script qui renomme des fichiers
formulée

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 3

 02 — FONCTIONNEMENT

Comment l'IA fonctionne dans l'automatisation

Le processus d'automatisation par IA suit généralement un pipeline en quatre étapes. Chaque
étape transforme la donnée brute en une action concrète et mesurable :

4.
1. COLLECTE DE 2. TRAITEMENT PAR 3. DÉCISION /
DONNÉES → L'IA → ACTION → RÉSULTAT
& RETOUR

Schéma du pipeline type d'automatisation par IA

Les trois technologies clés

• Machine Learning (ML)
L'IA apprend à partir d'exemples. Elle détecte des patterns dans des données massives pour faire
des prédictions ou des classifications. Par exemple, un modèle ML entraîné sur des milliers de
factures sera capable d'en extraire automatiquement les montants et les fournisseurs.

• Natural Language Processing (NLP)

Permet à la machine de comprendre et de générer du texte en langage naturel, tel qu'il est écrit ou
parlé par les humains. C'est le moteur des chatbots, correcteurs automatiques, résumés de
documents et outils de traduction. Des modèles comme GPT ou Claude en sont les exemples les
plus avancés.

• RPA — Robotic Process Automation

Des robots logiciels imitent les actions humaines sur un ordinateur : cliquer, copier-coller, remplir
des formulaires, naviguer sur le web. Combiné à l'IA, on parle d'Intelligent Process Automation
(IPA), qui allie la vitesse du robot avec la compréhension contextuelle de l'IA.

À retenir : L'association IA + RPA est aujourd'hui appelée Intelligent Process

Automation (IPA). Elle combine la vitesse d'exécution du robot avec la capacité
d'adaptation et de compréhension de l'IA.

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 4

 03 — CAS PRATIQUE

Automatisation du service client : TechShop237

Pour illustrer concrètement l'apport de l'IA, prenons l'exemple d'une boutique e-commerce fictive
appelée TechShop237. Cet exemple représente la réalité de milliers de PME.

Problème initial :
TechShop237 reçoit 80 e-mails par jour. Un seul agent doit les trier, identifier l'urgence,
rédiger une réponse ou escalader vers le bon service. Délai moyen de réponse : 6 heures.
Taux de satisfaction client : 62 %. L'agent est surchargé et commet des erreurs de tri.

Solution proposée : pipeline IA en 4 étapes

Réception & Classification automatique

0 Un modèle NLP lit chaque e-mail entrant et le classe dans une catégorie : remboursement /

1 suivi colis / réclamation / question produit / spam. Précision estimée : 94 %. Le traitement

est quasi-instantané.

Réponse automatique pour les cas simples

0 Pour les questions standard (délai de livraison, horaires, politique de retour), l'IA génère et

2 envoie directement une réponse personnalisée avec le prénom du client. Environ 60 % des
e-mails sont ainsi traités sans intervention humaine.

Escalade intelligente vers l'agent humain

0 Les cas complexes (remboursements, litiges, insatisfactions répétées) sont transmis à

3 l'agent humain accompagnés d'un résumé IA du problème et d'une suggestion de réponse.

L'agent valide ou adapte en 30 secondes au lieu de 5 minutes.

Apprentissage continu
0 Chaque correction apportée par l'agent humain est enregistrée pour améliorer le modèle.

4 Après 2 semaines, le taux d'automatisation passe de 60 % à 75 %. Le système devient de

plus en plus précis.

Résultats obtenus

AVANT L'IA APRÈS L'IA

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 5

 ■ Délai de réponse : 6 heures ■ Délai de réponse : 8 minutes

■ Satisfaction client : 62 % ■ Satisfaction client : 91 %

■ 1 agent saturé à plein temps ■ 1 agent sur tâches à valeur ajoutée

■ 80 e-mails non traités dans les temps ■ 75 % des e-mails résolus automatiquement

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 6

 04 — EXEMPLE DE CODE

Classification d'e-mail avec l'IA : code

commenté
Voici un exemple concret en Python montrant comment appeler une IA (API Claude d'Anthropic)
pour classifier automatiquement un e-mail entrant et générer une réponse. Ce script pourrait être
intégré à un système de gestion des e-mails comme Gmail via son API.

# ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■
# classification_email.py — Automatisation service client
# Utilise l'API Claude (Anthropic) pour classer les e-mails
# ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■

import anthropic
import json

# Initialisation du client IA
client = [Link]()

# ■■ Fonction principale ■■
def classifier_email(contenu_email: str) -> dict:
"""
Classifie un e-mail et génère une réponse automatique.
Retourne un dictionnaire avec : catégorie, urgence,
réponse automatique et résumé pour l'agent humain.
"""
reponse = [Link](
model="claude-opus-4-5",
max_tokens=500,
messages=[{
"role": "user",
"content": f"""
Tu es un assistant service client professionnel.
Analyse cet e-mail et réponds UNIQUEMENT en JSON :
{{
"categorie": "remboursement|suivi|question|reclamation|spam",

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 7

 "urgence": "haute|normale|basse",
"reponse_auto": "texte si possible, sinon null",
"resume_agent": "résumé pour escalade humaine"
}}

E-MAIL REÇU :
{contenu_email}
"""
}]
)

# Extraction et parsing du JSON retourné

texte_json = [Link][0].text
return [Link](texte_json)

# ■■ Test avec un e-mail exemple ■■

email_test = """
Bonjour,
J'ai passé une commande le 01/05 (réf. CMD-4521) et
je n'ai toujours rien reçu après 7 jours. Pouvez-vous
m'indiquer où en est ma livraison ? Merci.
"""

resultat = classifier_email(email_test)

# ■■ Affichage du résultat ■■
print(f"Catégorie : {resultat['categorie']}")
print(f"Urgence : {resultat['urgence']}")
print(f"Réponse IA : {resultat['reponse_auto']}")

Python 3 — Exemple simplifié, nécessite : pip install anthropic

Ce code peut être étendu pour :

• Se connecter à l'API Gmail ou Outlook pour récupérer les e-mails automatiquement
• Envoyer la réponse directement si l'urgence est basse et la catégorie simple
• Enregistrer chaque cas dans une base de données (SQLite, PostgreSQL) pour statistiques
• Envoyer une notification Slack à l'agent pour les cas urgents

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 8

 05 — PROPOSITIONS D'AUTOMATISATION

6 tâches que l'on peut automatiser avec l'IA

Voici six propositions concrètes d'automatisation classées par domaine, avec les outils
recommandés et le niveau de complexité de mise en œuvre :

TÂCHE DESCRIPTION OUTILS DIFFICU

LTÉ

■ Tri et réponse Un modèle NLP classifie, priorise et Python + Anthropic API + ★★■
aux e-mails répond aux messages entrants. Gain Gmail API
estimé : 3–5h/jour pour une PME.

■ Génération de Chaque semaine, un script récupère les Python + ReportLab + ★■■

rapports données de vente (CSV, base de Pandas + Cron
automatiques données), génère un rapport PDF
formaté et l'envoie par e-mail aux
managers.

■■ Gestion Un assistant IA planifie des réunions, Python + Google Calendar ★★■

intelligente détecte les conflits d'horaires, envoie API + NLP
d'agenda des rappels et propose des créneaux
optimaux selon les préférences.

■ Veille Un script scrape chaque matin les sites Python + BeautifulSoup + ★★■
informationnelle d'actualités pertinents, filtre les articles Anthropic API
automatisée selon des mots-clés, les résume avec
l'IA et envoie une newsletter
personnalisée.

■ Traitement de L'IA extrait automatiquement les Python + PyPDF + OCR + ★★★

factures données des PDFs de factures LLM extraction
(montant, fournisseur, date, IBAN) et les
saisit dans un tableur ou un logiciel
comptable.

■ Chatbot Un chatbot répond aux questions Anthropic API / OpenAI + ★★■

d'assistance fréquentes des clients, élèves ou JavaScript / React
24h/24 usagers sur un site web, sans
intervention humaine. Disponible nuit et
jour.

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 9

 Conseil : Pour chaque proposition dans ton TPE, précise le problème résolu, les outils
utilisés, les données nécessaires et les limites éthiques (protection des données, biais
algorithmiques, impact sur l'emploi).

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 10

 06 — ENJEUX ÉTHIQUES ET SOCIAUX

Ce que l'automatisation par IA change dans la

société
L'automatisation par IA soulève des questions fondamentales qui dépassent le simple cadre
technique. Ces enjeux sont au cœur des débats économiques, politiques et philosophiques
contemporains.

■ AVANTAGES ■■ LIMITES & RISQUES

Gain de productivité Les tâches répétitives sont Destruction d'emplois Certains postes peu
exécutées plus vite et sans pause. qualifiés pourraient disparaître.

Réduction des erreurs humaines Moins de Biais algorithmiques Un modèle entraîné sur des
fautes de frappe, d'oublis ou de fatigue. données biaisées reproduit ces biais.

Disponibilité 24h/24 Le système ne dort pas, ne Dépendance technologique Une panne ou une
prend pas de congés. cyberattaque peut paralyser toute l'activité.

Personnalisation à grande échelle Chaque Problèmes de confidentialité Les données

client reçoit une réponse adaptée à sa situation. traitées doivent être protégées (RGPD en Europe).

Libère l'humain pour des tâches créatives Manque de transparence Les modèles d'IA
L'agent peut se concentrer sur l'écoute et le complexes sont des "boîtes noires" difficiles à
conseil. expliquer.

La question de l'emploi : remplacement ou augmentation ?

L'automatisation ne remplace pas forcément l'humain : elle transforme les métiers. On parle de
collaboration Homme-Machine ou d'augmentation cognitive plutôt que de substitution. L'enjeu
principal est la formation continue des travailleurs aux nouveaux outils numériques.

Selon le rapport McKinsey 2023, si 30 % des tâches actuelles peuvent être automatisées d'ici
2030, cela ne signifie pas la disparition de 30 % des emplois : les travailleurs se reconvertiront vers
des activités à plus forte valeur ajoutée. Les emplois les plus exposés sont ceux qui reposent sur
des tâches routinières, répétitives et à faible complexité décisionnelle.

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 11

 07 — CONCLUSION

Bilan et perspectives
L'intelligence artificielle et l'automatisation des tâches représentent une révolution silencieuse du
monde du travail. Des tâches autrefois chronophages — trier des e-mails, générer des rapports,
répondre à des clients — peuvent aujourd'hui être déléguées à des systèmes IA efficaces,
apprenants et disponibles en permanence.

Le cas pratique de TechShop237 illustre concrètement comment un pipeline IA simple peut

transformer la productivité d'une entreprise : délai de réponse divisé par 45, satisfaction client
passant de 62 % à 91 %, et libération de l'agent pour des tâches à plus haute valeur ajoutée.

Cependant, cette transformation soulève des questions importantes sur l'emploi, l'éthique et la
gouvernance des algorithmes. Les décideurs, les entreprises et les individus doivent
s'approprier ces technologies avec esprit critique, en s'assurant qu'elles servent le bien commun et
respectent les droits fondamentaux.

En définitive, l'IA doit être conçue et déployée comme un outil au service de l'humain, non
comme un substitut. La clé réside dans une formation adaptée, une régulation intelligente et une
collaboration étroite entre technologues, décideurs et citoyens.

Message clé :
L'automatisation par IA n'est pas une menace à craindre, mais une opportunité à maîtriser.
Comprendre son fonctionnement, c'est se donner les moyens d'en être l'acteur, pas
seulement le sujet.

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation — 2025–2026

TPE Informatique — Thème 4 : Intelligence Artificielle & Automatisation Page 12