Le Défi
Un ministère fédéral canadien traitait plus de 40 000 demandes annuellement dans plusieurs flux de programmes. Le travail était lourd de conséquences — chaque demande représentait une personne ou une organisation attendant une décision qui affectait matériellement ses projets. Et le ministère les décevait sur le plan des délais.
Le processus d'admission était presque entièrement manuel. Le personnel ouvrait les enveloppes physiques et triait les documents. Ils vérifiaient chaque demande pour en vérifier l'exhaustivité selon une liste de contrôle spécifique au programme, saisissant manuellement les éléments manquants dans un tableur de suivi des insuffisances. Ils saisissaient les champs de données des formulaires dans un système de gestion de cas en place depuis plus d'une décennie. De l'arrivée d'une demande à l'adresse de réception du ministère au moment où un agent de programme ouvrait le dossier pour son premier examen substantiel, une moyenne de 23 jours ouvrables s'écoulait. Pendant les périodes de pointe, l'arriéré s'étendait à 8 à 10 semaines avant le premier examen.
Le ministère avait tenté de résoudre ce problème deux fois auparavant. La première initiative, cinq ans plus tôt, avait contracté avec un intégrateur de systèmes pour remplacer entièrement le système de gestion de cas. Le projet a pris deux ans de retard sur le calendrier, a consommé la totalité de son budget avant d'être achevé et a été annulé. La deuxième initiative a tenté une numérisation plus modeste des formulaires de demande. Elle a réussi à produire un portail de demande en ligne mais n'a pas résolu ce qui se passait après l'arrivée des demandes — les données devaient encore être re-saisies manuellement du portail dans le système hérité.
L'Approche
L'audit de trois semaines de Remolda a produit un constat qui a recadré l'ensemble du problème : le ministère n'avait pas besoin de remplacer son système de gestion de cas. Il avait besoin d'une couche de traitement IA qui se positionnerait devant ce système — gérant tout le travail manuel qui retardait actuellement l'acheminement des demandes aux examinateurs, tout en laissant le flux de travail d'adjudication et le système existant intacts.
Phase 1 : Audit (3 semaines). Nous avons cartographié le flux de travail de bout en bout pour chacun des quatre principaux types de demandes, mesuré le temps passé à chaque étape et interrogé le personnel à chaque stade de traitement. Le constat central : 70 % du temps du personnel dans l'unité d'admission était consacré à la manipulation des documents, à la vérification de l'exhaustivité et à la saisie des données — des tâches nécessitant de la précision et de l'attention mais pas du jugement.
Phase 2 : Stratégie (4 semaines). Plutôt que de tenter les quatre types de demandes simultanément, nous avons conçu une mise en œuvre en trois vagues en commençant par le flux de programme au volume le plus élevé. Les métriques de succès ont été définies avec la direction du ministère avant le début de toute mise en œuvre.
Nous avons présenté le plan de mise en œuvre aux représentants syndicaux à ce stade. Le cadrage était direct : l'IA éliminerait les aspects les plus fastidieux et les plus sujets aux erreurs du travail d'admission, et le personnel dont les rôles étaient le plus affectés serait redéployé vers l'examen des programmes et le soutien aux demandeurs.
Phase 3 : Mise en œuvre (6 mois, 3 vagues).
-
Vague 1 ciblait le type de demande principal. Nous avons déployé un moteur de classification de documents IA qui recevait les demandes de la file d'admission, identifiait les types de documents, vérifiait la présence de tous les documents requis et signalait les soumissions incomplètes pour des avis d'insuffisances automatisés.
-
Vague 2 a étendu le système à trois types de demandes supplémentaires. Le moteur de routage IA a été déployé à ce stade : sur la base des champs de données extraits, le système acheminait automatiquement les demandes vers le flux de programme et la file d'examinateur appropriés.
-
Vague 3 a ajouté la capacité de traitement bilingue — le système traite désormais les demandes en anglais et en français avec une précision égale. L'intégration avec le système de correspondance du ministère a été achevée, permettant des accusés de réception automatisés aux demandeurs dans les 48 heures suivant la soumission.
Phase 4 : Responsabilisation (en parallèle). Nous avons dispensé une formation en alphabétisation IA et opérationnelle à 85 membres du personnel dans trois bureaux.
Les Résultats
- Réduction de 65 % du délai de traitement. Le délai moyen de la réception au premier examen est passé de 23 jours ouvrables à 8 jours ouvrables.
- Le taux d'erreur de saisie des données est passé de 4,2 % à 0,8 %. La précision d'extraction du système IA pour les champs structurés était de 96,5 %, avec un routage basé sur la confiance pour les extractions incertaines.
- 12 membres du personnel redéployés vers des travaux à plus haute valeur ajoutée. Les trois postes précédemment dédiés au routage manuel ont été reconvertis, et neuf postes supplémentaires ont été réorientés vers l'examen des programmes et le soutien aux demandeurs.
- Expérience des demandeurs transformée. Les demandeurs reçoivent désormais un accusé de réception automatisé de leur soumission dans les 48 heures — auparavant, cela prenait 2 à 3 semaines. Le volume d'appels au centre d'appels pour les demandes de statut a diminué de 34 %.
- Équité du service bilingue atteinte. Les demandes en langue française transitaient auparavant par un processus manuel séparé et plus lent. Le système IA traite les deux langues officielles avec une précision et une vitesse équivalentes.
Leçons Clés
1. L'intégration prime sur le remplacement. Les deux initiatives technologiques précédentes du ministère ont échoué parce qu'elles tentaient de remplacer le système de gestion de cas hérité. L'approche par couche IA a laissé le système existant en place et ciblé uniquement le travail manuel en amont de celui-ci. Risque moindre, coût moindre, résultats plus rapides.
2. Commencer par le goulot d'étranglement, pas par le problème le plus difficile. L'automatisation du goulot d'étranglement a eu des effets en cascade : une admission plus rapide a signifié des premiers examens plus rapides, qui ont signifié des décisions plus rapides, qui ont signifié moins d'appels de statut des demandeurs.
3. L'engagement du personnel est un facteur de succès, pas une mesure d'atténuation des risques. La consultation syndicale à la Phase 2, la spécificité du plan de redéploiement et la qualité de la formation ont toutes contribué à un taux d'adoption qui a dépassé les projections.
Pour les ministères fédéraux et provinciaux souhaitant moderniser les processus intensifs en documents, consultez les services gouvernementaux IA de Remolda et nos capacités de traitement de documents.