← Retour au catalogue

FICHE · CAS DOCUMENTÉ

Enedis — Repérer les interventions inutiles avant de déplacer un technicien

Un modèle de langage français, enrichi du vocabulaire technique d’Enedis, analyse les commentaires des demandes d’intervention et signale chaque matin celles qui risquent d’être inutiles.

Documenté

Cas publiquement documenté, avec entreprise identifiable et source.

TailleGrand compte
SecteurÉnergie / Environnement
FonctionOpérations · IT / Data
SolutionChaîne automatisée
AutonomieAssisté
PreuveDocumenté

L’ESSENTIEL

Le cas en bref

Le problème
Sur environ 2,5 millions de demandes d’intervention par an, certaines sont mal qualifiées et aboutissent à des déplacements inutiles chez les clients.
La réponse
Un modèle de langage français, enrichi du vocabulaire technique d’Enedis, analyse les commentaires des demandes d’intervention et signale chaque matin celles qui risquent d’être inutiles.
Le type de solution
Chaîne automatisée : l’humain garde la décision.
Le résultat clé
65 000 interventions inutiles ont été évitées à l’échelle nationale, soit un gain de 3,7 millions d’euros de déplacements évités.

Le mécanisme / workflow

  1. Système
    Recevoir les demandes des fournisseurs
  2. Modèle
    Détecter les incohérences

    Traitement du langage naturel en français, enrichi du vocabulaire Enedis.

  3. Automatisation
    Transmettre la liste du jour
  4. Humain
    Rappeler, requalifier ou annulerValidation humaine

Données et entrées

  • Demandes d’intervention et commentaires des fournisseurs d’électricité

Outils et systèmes cités par la source

  • Traitement du langage naturel (modèle français enrichi)

Impact observé ou attendu

Résultats rapportés par la source

  • RAPPORTÉEn 2023, plus de 230 utilisateurs ont utilisé le système.
  • RAPPORTÉ65 000 interventions inutiles ont été évitées à l’échelle nationale, soit un gain de 3,7 millions d’euros de déplacements évités.

Valeur attendue dans la fiche

  • CoûtÉviter des déplacements inutiles.
  • QualitéRéduire l’insatisfaction des clients.
  • RisqueRéduire l’impact CO2 des déplacements.

Type d’impact envisagé

  • interventions terrain
  • coûts de déplacement
  • satisfaction client

Pour se lancer · estimation Acolyte

ComplexitéMoyenne
Délai de mise en valeurPlusieurs mois
Exigence sur les donnéesMoyenne
Faisabilité organisationnelleÉlevée
PortéeStructurant

Ce qu’il faut réunir

  • Données : Demandes d’intervention et commentaires des fournisseurs d’électricité

Délai : estimation d’après la complexité (aucune durée citée par la fiche). Grille estimée par Acolyte à partir de la fiche ; elle se vérifie avec vos données et vos équipes. Le Diagnostic Data & IA ↗

Et dans une PME ? · estimation Acolyte

Une PME de maintenance ou d’intervention peut repérer les demandes mal qualifiées avant de déplacer un technicien.

  • Lire automatiquement les commentaires des demandes et signaler celles qui semblent incohérentes
  • Faire rappeler le client avant d’envoyer quelqu’un
  • Compter les déplacements évités chaque mois

Un modèle du marché suffit pour classer des commentaires ; l’historique des déplacements inutiles sert à l’évaluer. Transposition proposée par Acolyte, pas un résultat de la source.

ANALYSE

Ce qu’il faut en retenir

  • Le texte libre saisi avec une demande contient souvent l’information qui manque à sa catégorie.
  • L’IA ne décide pas : elle produit chaque matin une liste courte que les équipes vérifient en rappelant le client.

Limites et risques

  • Annulation à tort d’une intervention nécessaire
  • Données personnelles dans les commentaires
  • Les chiffres sont publiés par Enedis via la DGE ; le mode de calcul du gain n’est pas détaillé.

Cadre réglementaire · lecture indicative

Risque minimal

Usage sans obligation spécifique au titre de l’AI Act, en dehors de la maîtrise de l’IA par les équipes. Le RGPD s’applique dès que des données personnelles sont traitées.

Lecture indicative d’Acolyte, pas un avis juridique. Comprendre les niveaux de risque →

Résultats et sources

Preuve et source

Direction générale des EntreprisesOuvrir la source ↗Résultat rapporté par la source.

PROVENANCE

Source publique

https://www.entreprises.gouv.fr/la-dge/actualites/ami-ai-efficiency-les-laureats-en-detail

CONFIANCE

Élevée

ET CHEZ VOUS ?

Ce que HOCUS ferait ici

Un cas publié ne se recopie pas : il se transpose à vos données, vos équipes et vos contraintes.

PARCOURS · PMEPartir d’un travail réel, pas d’un catalogue