Planification et IA : ce qui change réellement, ce qui ne change pas

Depuis deux ans, le mot « IA » s’est invité dans à peu près toutes les plaquettes de logiciels de planning, y compris la nôtre. Le problème, c’est qu’il recouvre des choses très différentes : un vrai moteur d’optimisation, un simple tri par règles rebaptisé, ou rien du tout. Essayons de trier.

Ce que l’automatisation fait réellement bien aujourd’hui

Quatre usages sont matures, au sens où ils reposent sur des techniques éprouvées et produisent des résultats vérifiables.

L’allocation sous contraintes. C’est le cœur du sujet. Affecter des personnes à des tâches en respectant simultanément les compétences requises, les disponibilités, les temps de repos et les plafonds d’heures est un problème d’optimisation combinatoire que les machines traitent mieux que nous. Sur une équipe de dix personnes, un planificateur expérimenté s’en sort très bien. Sur soixante, avec quatre qualifications croisées et des contraintes de repos, il ne peut plus explorer l’espace des solutions de tête.

L’ordre de grandeur aide à saisir pourquoi. Affecter trente personnes sur trente créneaux représente déjà plus de 10³² combinaisons possibles. Personne ne les énumère, ni humain ni machine : tout l’enjeu consiste à parcourir intelligemment une fraction infime de cet espace. C’est précisément le travail des solveurs sous contraintes, une technologie largement antérieure à la vague actuelle de l’IA, et qui reste aujourd’hui le moteur réel derrière la plupart des promesses d’optimisation.

La prévision de charge. Les historiques d’activité permettent d’anticiper les pics. Certains outils vont jusqu’à croiser des signaux externes, la saisonnalité ou la météo. C’est utile à une condition : avoir suffisamment d’historique propre, ce qui exclut de fait les premiers mois d’utilisation.

La détection d’anomalies. Repérer qu’une personne est surchargée trois semaines d’affilée, qu’un projet consomme deux fois sa charge prévue, ou qu’un créneau reste systématiquement vide : ce sont des alertes simples à produire et étonnamment efficaces, parce que personne n’a le temps de les chercher à la main.

L’auto-planification. Plutôt que d’imposer des créneaux, on laisse les personnes exprimer leurs préférences et le système cherche un arrangement qui satisfait le maximum de contraintes. La pratique se répand, surtout là où le travail posté rend les plannings pénibles à négocier.

Ce que l’IA ne fera pas à votre place

Arbitrer l’équité. Un algorithme optimise ce qu’on lui demande d’optimiser. Si vous lui demandez de minimiser le coût, il donnera les créneaux ingrats toujours aux mêmes personnes, parce que c’est optimal. L’équité n’est pas une propriété émergente : c’est une contrainte qu’il faut écrire explicitement, et c’est à vous de décider ce qu’elle signifie dans votre équipe.

Négocier. Un planning n’est pas qu’un calcul, c’est aussi un accord social. Le moment où quelqu’un accepte de décaler ses congés parce qu’un collègue a un impératif familial ne se modélise pas, et il ne faut pas essayer.

Porter la responsabilité. Les durées maximales et les temps de repos restent votre obligation. Si l’outil propose un planning qui enfreint un repos quotidien, c’est vous que l’on interrogera, pas l’éditeur. Un bon système refuse de produire une solution non conforme plutôt que de l’afficher avec un avertissement discret.

Le vrai préalable, et il est rarement évoqué : vos données

C’est le point qui décide de tout, et c’est celui dont les démonstrations commerciales parlent le moins.

Un moteur d’allocation ne peut pas tenir compte d’une compétence qui n’a jamais été saisie. Il ne peut pas éviter un conflit avec une absence qui n’a pas été déclarée. Il ne peut pas lisser une charge si les tâches n’ont pas de durée estimée. Autrement dit, la qualité de la sortie est bornée par la qualité de la saisie, et la saisie, c’est du travail humain quotidien.

Le conseil pratique en découle : avant d’acheter de l’optimisation, assurez-vous que votre planning est renseigné correctement pendant quelques mois. Si vos équipes ne déclarent pas leurs absences, aucun modèle ne compensera. C’est frustrant, mais c’est l’ordre des opérations.

Concrètement, quatre informations conditionnent tout le reste :

• les compétences de chaque personne, tenues à jour quand elles évoluent ;
• les absences déclarées en amont, et non constatées après coup ;
• une durée estimée sur chaque tâche, même approximative ;
• les contraintes de repos propres à votre activité, écrites une fois pour toutes.

Les chiffres qu’on vous montrera

Une mise en garde méthodologique. En préparant cet article, nous avons relevé plusieurs gains chiffrés largement repris dans la presse spécialisée et les blogs d’éditeurs : pourcentages de productivité gagnée, taux de réussite des projets, prévisions d’adoption. En remontant aux sources, la plupart se révèlent soit non sourcés, soit extraits d’études dont le périmètre n’a rien à voir avec la planification d’équipes.

Demandez systématiquement d’où vient le chiffre. Un éditeur sérieux vous dira sur quel échantillon, pendant combien de temps, et par rapport à quelle situation de départ. Un éditeur qui ne peut pas répondre vous récite une plaquette.

Cinq questions à poser avant de signer

• Sur quelles contraintes le moteur optimise-t-il, et puis-je les pondérer moi-même ?
• Que se passe-t-il quand aucune solution conforme n’existe : refus explicite, ou proposition non conforme ?
• Puis-je comprendre pourquoi telle personne a été affectée à tel créneau, ou est-ce une boîte noire ?
• Quel volume d’historique faut-il avant que la prévision devienne fiable ?
• Les décisions sont-elles entièrement automatisées, ou un responsable valide-t-il toujours ? Cette question a aussi une portée réglementaire dès lors que l’affectation produit des effets significatifs pour les personnes.

Ce que ça change pour celui qui fait les plannings

Le changement le plus concret n’est pas la disparition du planificateur, c’est le déplacement de son travail. Construire le planning de base devient rapide. Ce qui reste, et qui finit par occuper l’essentiel du temps, c’est le traitement des exceptions : l’arrêt maladie du lundi matin, le chantier qui glisse de trois jours, la personne qu’il faut ménager après une période chargée.

C’est une bonne nouvelle pour qui aime ce métier, parce que la partie mécanique en était la moins intéressante. C’en est une mauvaise pour qui espérait supprimer le poste : les exceptions ne diminuent pas, elles deviennent simplement la totalité du travail.

Notre position

Nous intégrons l’IA là où elle apporte un gain mesurable : l’allocation des ressources sous contraintes, le calcul des taux de remplissage, l’identification des disponibilités réelles. Nous ne prétendons pas qu’elle remplace le jugement d’un responsable d’équipe, parce que ce n’est pas vrai, et parce que les clients qui l’ont cru sont revenus déçus.

Si le sujet vous intéresse, la page consacrée à l’IA dans SOPlanning détaille ce qui est effectivement implémenté, et la liste des fonctionnalités précise le reste, module par module. Le plus parlant reste encore de tester la démo en ligne avec un cas qui ressemble au vôtre.

Le plus simple reste d’essayer sur vos propres données. SOPlanning est gratuit pendant 30 jours, sans engagement et sans carte bancaire.