Cas concrets · Le 8 heures IA

Mesurer le gain d’une IA en une colonne de tableur, la méthode de Fyxer

Publié le 15 septembre 2026 · Oriq · Lecture 5 min

Article produit par une intelligence artificielle à partir de sources nommées et datées, publié sous la responsabilité éditoriale d’Oriq. Nos systèmes d’IA · Le responsable éditorial

Une entreprise européenne a publié le 14 septembre 2026 le détail de la méthode qui fait accepter un brouillon d’e-mail sur deux sans retouche. Le plus utile n’est pas son outil, c’est sa façon de compter. Vous pouvez la reproduire sur vos propres tâches avec un tableur et deux semaines d’observation.

Le chiffre qui dit si votre IA sert vraiment

Une seule question suffit pour mesurer le gain d’une IA sur une tâche d’écriture : sur 100 textes qu’elle produit, combien partent sans une seule modification ? Ce taux d’acceptation est plus honnête que n’importe quelle démonstration. Un brouillon qu’il faut reprendre ligne à ligne ne fait pas gagner de temps, il en coûte.

Fyxer, jeune société européenne qui édite un assistant de messagerie, annonce 53 % de brouillons d’e-mails envoyés tels quels, et plus de 90 % de ses utilisateurs encore payants et actifs chaque jour à 90 jours. Ces chiffres sont déclarés par l’éditeur et publiés par son fournisseur de modèles dans une étude de cas du 14 septembre 2026 (OpenAI, « How Fyxer built an AI executive assistant people trust »). À lire comme un ordre de grandeur, pas comme une preuve.

Le transposable, ici, ce n’est pas l’outil. C’est la manière de compter, et les trois choix techniques qui font monter ce compteur.

Découper la tâche au lieu de tout confier au modèle

Premier choix : personne ne demande à une IA d'« écrire un bon e-mail ». Le traitement d’un message est réparti entre 30 à 50 modèles spécialisés, selon la même source. Un premier modèle décide uniquement de la nature du message : réponse à rédiger, action d’agenda à poser, ou simple lecture. La rédaction n’intervient qu’ensuite, et seulement là où elle est pertinente.

C’est la leçon la plus directement applicable dans une PME. Sur un SAV, une boîte de devis ou une adresse contact, le tri est une tâche à faible risque, facile à vérifier, et il porte déjà une bonne partie du temps perdu. La rédaction, plus délicate, vient après, quand le tri est fiable.

Commencez par faire trier vos messages par l’IA, pas par les faire écrire : c’est la partie la moins risquée et celle qui rend le plus de temps.

Les corrections de vos équipes sont la matière première

Deuxième choix : quand un utilisateur modifie un brouillon avant de l’envoyer, l’écart entre les deux versions devient une donnée d’apprentissage. L’entreprise avait au départ exploité un service d’assistants humains, ce qui lui a laissé plus de 500 000 heures de flux de travail annotés pour démarrer.

Une PME n’a évidemment pas cela. Elle a mieux, à sa taille : ses échanges réels déjà bien traités. Trente à cinquante conversations complètes, avec la version finalement envoyée, rassemblées dans un dossier partagé et fournies comme contexte à l’outil, jouent le même rôle. C’est là que l’écart se creuse entre une IA générique et une IA branchée sur vos documents, capable de reprendre vos formulations et de renvoyer à la pièce dont elle s’est servie.

Ne changer une consigne qu’après comparaison

Troisième choix, le plus négligé : chez Fyxer, aucun changement de rédaction n’est déployé sans avoir passé un test A/B et produit une amélioration statistiquement significative. Les modèles sont aussi évalués avant mise en service sur des jeux de validation maison, en arbitrant entre précision, temps de réponse et coût.

À vingt salariés, vous n’aurez jamais de significativité statistique. La règle reste utile sous une forme allégée : datez chaque modification de consigne, comparez le taux d’acceptation avant et après sur des échantillons comparables, et tranchez au jugement. Cela évite le cycle bien connu où l’on retouche le prompt chaque semaine sans jamais savoir si c’était mieux.

Ce que 53 % veut aussi dire

Un brouillon sur deux reste à reprendre. La cause est identifiable : le modèle prédit l’intention et le ton, mais il ignore ce qui s’est dit hors de la messagerie, au téléphone ou en réunion. Deux décisions traitent ce point : validation humaine obligatoire avant tout envoi, et alimentation régulière de la mémoire de l’outil en fichiers et en exemples. L’éditeur indique d’ailleurs que son outil n’envoie jamais un e-mail à votre place (page Security, consultée le 15 septembre 2026), et son essai gratuit de sept jours suffit à obtenir votre propre taux avant de signer quoi que ce soit (page Pricing, consultée le 15 septembre 2026).

Et dans votre entreprise ?

• Choisissez une seule tâche d’écriture répétitive et tenez la colonne « envoyé tel quel / retouché / jeté » sur 50 cas. Vous saurez enfin de quoi vous parlez.
• Faites d’abord trier : reprenez vos 100 derniers messages entrants et demandez à l’IA de les classer en trois cases avant de lui demander de rédiger.
• Constituez le dossier « bons exemples » : 30 à 50 échanges réels avec la version finale envoyée, dans un espace partagé.

Le premier pas de la semaine tient en vingt minutes : ouvrez un tableur, cinq colonnes, et commencez à noter ce que vos équipes gardent vraiment des textes que votre IA produit.