Automatisation intelligente : que change le workflow lorsqu’il se connecte à l’IA

Écrit par Ana Canteli le 13 janvier 2026

Pendant des années, « automatiser » signifiait dessiner un schéma et faire passer des tâches d’un utilisateur à l’autre. Cela fonctionne… jusqu’à ce que le processus dépende de documents réels (contrats, factures, dossiers, demandes) et que les goulets d’étranglement habituels apparaissent : classification manuelle, données incomplètes, validations interminables et erreurs dues au manque de contexte.

La véritable révolution arrive lorsque le moteur de workflow se connecte à l’IA et repose sur un système de gestion documentaire. À ce moment-là, le workflow cesse d’être « aveugle » : il peut lire le document, extraire des informations, classifier, valider et router le processus avec des règles basées sur des données, et non sur des suppositions.

Avec OpenKM, cette approche prend forme grâce à OKMFlow, le workflow natif intégré à OpenKM pour exécuter des processus documentaires de bout en bout. Et ce qui est intéressant (pour ceux qui recherchent des « workflows avec IA »), c’est qu’OKMFlow ne se limite pas à des « tâches » : il intègre des formulaires, des variables de contexte, des scripts, des notifications, de la planification, ainsi que des mécanismes de supervision et de traçabilité qui s’accordent très bien avec une couche IA connectée.

Ci-dessous, j’explique ce qui change lorsque l’on combine ces éléments, avec des exemples et des notions concrètes tirés de la documentation technique d’OKMFlow (nœuds, variables, formulaires, API et bonnes pratiques).

Workflows intelligents : ce que vous pouvez obtenir en combinant IA et gestion documentaire

Un workflow intelligent ne se définit pas par un plus grand nombre d’étapes, mais par de meilleures décisions avec moins d’intervention humaine. Lorsque vous connectez l’IA à la gestion documentaire, vous gagnez généralement :

• Classification automatique : identifier le type de document (facture, contrat, demande, rapport).
• Extraction et enrichissement : transformer les données du document en métadonnées utiles pour rechercher, valider et automatiser.
• Validation précoce : avant de demander une approbation, détecter « pièces jointes manquantes », « champ obligatoire vide », « montant hors plage », « fournisseur sans NIF… ».
• Routage dynamique : le flux choisit l’étape suivante selon les montants, les catégories, le risque ou des règles internes.
• Traçabilité réelle : savoir ce qui s’est passé, quand, avec quelles données et avec quel résultat.

Dans OKMFlow, cette « intelligence » repose sur un concept clé : le contexte du workflow. Chaque instance de processus manipule des variables (par exemple montants, UUID, emails, statuts, résultats IA) qui peuvent être lues et écrites depuis les tâches, formulaires et scripts. Ainsi, l’IA n’est pas une « boîte noire », mais une source de données gouvernée au sein du processus.

Workflow natif dans OpenKM : pourquoi OKMFlow réduit la complexité et accélère l’automatisation

Beaucoup d’entreprises tentent d’automatiser les processus documentaires avec des outils externes (BPM, intégrations, automatisateurs indépendants) et finissent avec un « écosystème » difficile à maintenir : davantage de points de défaillance, plus de synchronisations, plus de permissions et une auditabilité dispersée.

OKMFlow est conçu comme le moteur de workflow natif d’OpenKM, avec une architecture de déploiement claire : il s’installe comme un service distinct (incluant un bundle Tomcat 10.1 + OKMFlow) et nécessite Java 17, précisément pour garantir compatibilité et évolution technique. Cela semble « purement technique », mais en réalité cela dit beaucoup : OpenKM pousse un workflow moderne, sur une base d’exécution à jour.

OKMFlow fournit aussi des briques qui réduisent la friction dans des projets réels :

Concepteur graphique pour modéliser les processus (canvas, nœuds, transitions).

Panneau d’accueil pour gérer les définitions et superviser les instances.

Versioning des processus : une seule version active pour les nouvelles instances, tandis que les instances en cours conservent leur version d’origine (évite de « casser » les processus en production).

Exporter / importer / cloner / renommer / verrouiller des workflows pour gouverner les changements en toute sécurité.

Résultat : moins « d’ingénierie de colle » et plus d’automatisation documentaire réellement maintenable.

Chaînes d’approbation avec IA : réduire délais et erreurs dans les processus documentaires

Les chaînes d’approbation échouent souvent pour la même raison : on demande une décision aux personnes alors qu’il manque encore des données. L’IA change l’ordre naturel du processus :

Pré-contrôle automatique (avant de déranger qui que ce soit)

Un nœud automatique peut vérifier le minimum : métadonnées obligatoires présentes ? document du type attendu ? règles de base respectées ?

Routage intelligent

Si le montant est élevé, le workflow peut escalader vers un « superviseur » ou la « direction ». Dans OKMFlow, cela se gère via des Decision nodes ou même des Action nodes qui, en plus d’exécuter une logique, peuvent renvoyer le nom de la transition à suivre (routage « optionnel » depuis l’action). C’est une façon très puissante de combiner « exécuter » et « choisir le chemin » en une seule étape.

Approbation humaine avec contexte

Les Task nodes permettent une interaction humaine via des formulaires (XML), avec des champs structurés et des boutons qui déclenchent des transitions (approuver / refuser). Avantage pratique : le résultat de la décision est stocké dans des variables et peut alimenter le reste du flux (notifications, archivage, métadonnées finales, etc.).

OKMFlow permet aussi des tâches pool : au lieu d’assigner une seule personne, vous renvoyez une liste d’utilisateurs et n’importe qui dans le groupe peut « réclamer » la tâche, devenant l’unique assigné. Cela réduit les blocages en cas d’absence.

Classification automatique et métadonnées par IA : du document au bon classement

Si la classification et les métadonnées sont mauvaises, tout le reste s’effondre : recherche inefficace, automatisation fragile, audits difficiles.

Dans OKMFlow, l’approche est directe : utiliser formulaires et variables comme « colonne vertébrale » de la donnée. Par exemple :

Un Initiation Form (tâche réservée run_config) peut demander des informations à l’utilisateur avant de démarrer le workflow : priorité, approbateurs, catégorie, échéance, etc.

Les formulaires sont définis avec une DTD officielle OpenKM (workflow-form 1.0) avec des types de champs comme Input, Select, TextArea, Upload, Button (avec transition), Download, etc.

À la soumission du formulaire, les valeurs sont enregistrées comme variables dans le contexte et restent disponibles pour la suite du processus.

Où intervient l’IA ? Justement ici : l’IA peut remplir automatiquement une partie des données (extraction), suggérer des catégories (classification) et enregistrer tout cela en variables/métadonnées. Ensuite, le workflow décide : classer dans le bon chemin, appliquer un groupe de propriétés, notifier, ou ouvrir une étape de validation en cas de doute.

Workflow IA on-premise : automatiser sans céder la souveraineté des données

Dans les secteurs sensibles, le principal frein à l’IA est la souveraineté des données : des documents contenant des informations personnelles, financières ou contractuelles que vous ne souhaitez pas voir sortir de votre périmètre.

La documentation d’OKMFlow montre que le moteur se déploie comme un service et supporte des bases de données courantes en environnement corporate (par exemple MariaDB, PostgreSQL ou Oracle). Cela s’inscrit parfaitement dans une approche on-premise : la GED et le workflow restent dans votre infrastructure, et l’IA se connecte de manière contrôlée (modèles internes ou fournisseurs approuvés).

La clé est l’architecture : si le workflow et la gestion documentaire vivent dans votre environnement, vous pouvez concevoir une couche IA conforme à vos règles (audit, contrôle d’accès, traçabilité, conservation, conformité).

IA cloud vs IA on-premise en gestion documentaire : quand choisir quoi ?

Il n’y a pas une réponse unique, mais une règle claire :

Le cloud l’emporte souvent quand vous cherchez de la rapidité, moins d’infrastructure et une montée en charge facile.

L’on-premise l’emporte souvent quand la donnée est critique, la conformité prime et des intégrations internes profondes sont nécessaires.

En pratique, beaucoup d’organisations font du hybride : IA cloud pour des cas « non sensibles » et IA on-premise pour des processus réglementés. L’important, c’est que le workflow (OKMFlow) ne vous enferme pas dans un seul choix : déployé comme service et basé sur des bases de données standard, il s’adapte au modèle dont votre organisation a besoin.

Connecteurs IA dans OpenKM : intégrer des modèles et automatiser des workflows

Pour que IA + workflow fonctionne, il faut deux choses :

Un moteur qui orchestre (tâches humaines + automatisation + règles)

OKMFlow le fait avec des nœuds : Start, Task, Action, Decision, Mail, Scheduled, End ; et des transitions nommées pour un routage clair.

Une manière propre de programmer l’automatisation

OKMFlow propose une couche très pratique : des scripts avec accès au contexte, des utilitaires (WorkflowUtils, FileLogger, PathUtils, etc.) et la capacité d’interagir avec OpenKM via API (ajout de métadonnées, déplacement de documents, recherche, etc.).
C’est idéal pour « connecter l’IA » sans complications : un Action node peut appeler votre service IA, enregistrer les résultats en variables et choisir le chemin. Ensuite, un Task node peut demander une validation humaine si la confiance est faible. Ou un Mail node peut notifier les parties prenantes avec du contenu dynamique (variables ${...} et templates type FreeMarker pour les conditions).

Pour des automatisations avancées, vous avez aussi les Scheduled nodes : actions périodiques avec intervalle configurable (par défaut toutes les 60 s en ISO 8601, type PT60S). Cela permet des schémas puissants comme des workflows parent-enfant en parallèle : lancer plusieurs sous-processus (ex. vote de managers) puis attendre toutes les réponses avant de continuer.

Un avantage peu mentionné : observabilité et « maintenance » du processus

L’automatisation réelle ne se mesure pas à « la beauté du schéma », mais à la capacité d’exploiter le système quand quelque chose échoue.

OKMFlow inclut des outils très concrets :

supervision des instances (RUNNING, WAITING, ERROR, ENDED), dernière activité, nœud courant, document associé,

vue des variables avec filtres et édition/suppression (très utile pour le diagnostic),

logs avec traçabilité d’état (enter/leave/assigned/error),

Task Instances avec réaffectation (attention au « Goto » : utile en urgence mais casse le flux normal),

outil admin de requêtes base de données (SQL) pour troubleshooting et analyse.

Et côté exploitation, des guides de troubleshooting couvrent des erreurs typiques : timeouts (ajuster openkm.rest.client.call.timeout), problèmes d’identifiants (workflow.adapter.login/password), ou URL mal configurée (slash final manquant).

Conclusion

Si vous explorez des moteurs de workflow avec IA, nous pouvons vous montrer comment les concevoir dans OKMFlow + OpenKM et quelle part l’IA peut réellement résoudre. Et si vous avez déjà un flux en tête, nous pouvons vous aider à le transformer en workflow gouverné, versionné et traçable.