Pourquoi repenser la production des rapports de diligences aujourd’hui ?
Un Mandataire Judiciaire à la Protection des Majeurs (MJPM) souhaite gagner du temps dans l’élaboration de ses rapports de diligences. Ce rapport, destiné au juge des tutelles, a pour objet de rendre compte, de manière factuelle, structurée et traçable, des actions menées dans l’intérêt de la personne protégée.
Or, un MJPM suit généralement plusieurs dizaines, voire une centaine de mesures. À cette production annuelle s’ajoute le compte de gestion, pendant financier et comptable du rapport de diligences.
Dans ce contexte, la rédaction manuelle de ces documents devient rapidement chronophage, au risque d’impacter le temps consacré à l’accompagnement humain.
L’objectif de cette mission est donc d’explorer les apports de l’IA générative dans une logique de semi-automatisation maîtrisée.
Un contexte professionnel sous forte contrainte temporelle
Le professionnel accompagné exerce en tant que MJPM et gère un portefeuille conséquent de mesures.
Il est confronté à plusieurs contraintes structurelles :
– Une obligation de production annuelle rigoureuse.
– Des exigences judiciaires élevées.
– Une multiplicité d’interlocuteurs.
– Une volumétrie importante d’événements à retracer.
Formé par nos soins à ChatGPT un an auparavant, il a déjà acquis une version payante et développé un usage progressif de l’outil. Toutefois, il n’a jamais travaillé avec les fonctionnalités avancées de ChatGPT, en l’occurrence un GPT spécialisé.
Par ailleurs, il utilise un logiciel métier performant, une référence dans le métier des Mandataires. Si Proxima est capable d’automatiser certaines transactions avec des solutions externes, aucune intégration n’est possible avec un agent conversationnel.
Objectif : gagner du temps sans renoncer à la responsabilité professionnelle
La mission poursuit un double objectif :
1. Améliorer la productivité
Réduire significativement le temps consacré à la rédaction des rapports de diligences.
2. Préserver la conformité et l’éthique
Maintenir :
– La traçabilité.
– L’exactitude.
– La confidentialité.
– Le contrôle humain.
Il ne s’agit donc pas d’automatiser totalement la production, mais de mettre en place un processus de semi-automatisation sécurisée.
Mise en place progressive d’un dispositif hybride humain–IA
1. Collecte et préparation des données
Les données sources proviennent de deux ensembles :
– Le compte annuel de gestion.
– Le suivi chronologique des événements.
Le compte annuel de gestion est exportable au format PDF.
Le suivi chronologique l’est sous forme de fichier Excel. Mais ce format s’avère peu adapté au traitement par les GPT. Une conversion préalable en PDF est nécessaire.
Tout comme une anonymisation des données de ces 2 fichiers.
2. Anonymisation des données : un enjeu central
L’anonymisation en amont dans le logiciel métier lors de la saisie des événements est théoriquement possible, mais impraticable au quotidien. Le MJPM doit conserver une vision précise des parties prenantes, ce qui rend cette démarche irréaliste. Et pour les comptes de gestion, aucune annymisation n’est possible en entrée.
La solution retenue est donc une anonymisation a posteriori, après téléchargement des fichiers.
Les comptes de gestion
Après plusieurs tests, j’ai choisi la solution proposée par iLovePDF pour le fichier PDF des comptes de gestion. En effet, cette application Web applique une politique de protection et de sécurité des données qui est conforme au RGPD (Règlement Général sur la Protection des Données). Elle dispose d’une certification ISO/IEC 27001 sur la sécurité des systèmes d’information, ce qui apporte des garanties minimales de confidentialité et de sécurité.
Ainsi, les fichiers partagés avec l’application sont protégés par chiffrement (HTTPS / SSL) lorsqu’ils transitent entre l’appareil et les serveurs du service, ce qui empêche l’interception par des tiers. Et iLovePDF ne garde pas les documents indéfiniment : ils sont automatiquement supprimés des serveurs dans les 2 heures après traitement. Enfin, la version Premium a un coût relativement modéré.
La fonctionnalité de caviardage a déjà évolué depuis sa mise en place puisqu’elle est désormais capable de reconnaître automatiquement non seulement du texte, mais aussi des emails, des numéros de téléphone, voire des numéros de carte bancaire. Il est également possible de caviarder des zones voire des pages entières.
Les suivis chronologiques
La solution précédente s’avère pourtant inadéquate avec des fichiers Excel de suivi d’événements chronologiques qui s’étalent sur plusieurs années et intègrent de nombreux champs. En outre, une simple conversion au format PDF ne résout pas les problèmes ultérieurs rencontrés dans le GPT du fait du format d’export du fichier du logiciel métier et du format non spécifié de certains champs.
Face à la multiplication des opérations à mener pour rendre le fichier compatible, le plus simple est finalement de concevoir et développer sous Excel un logiciel d’anonymisation permettant de reconnaître dans un texte des noms et prénoms de parties prenantes, des numéros de téléphone, des adresses mail et de les anonymiser.
Cette opération est satisfaisante dans la majeure partie des cas, notamment grâce à une convention d’écriture portant sur la saisie des noms précédés de leur titre. Pour les prénoms, nous avons simplement intégrer la liste des prénoms usités depuis 1900 en France et disponible sur le site de l’INSEE.
Une relecture attentive du résultat, filtré sur une année spécifiée, permet de déceler des mots qui nécessitent encore une anonymisation. Dans ce cas, le logiciel propose d’anonymiser des termes spécifiques.
Enfin, le logiciel génère automatiquement un fichier PDF exploitable par le GPT.
3. Conception et développement du GPT
L’objectif n’est pas de produire un rapport final figé, mais un document de travail révisable. Le recours au Canvas de ChatGPT permet ainsi l’édition collaborative, les corrections et le téléchargement multi-formats.
Les instructions permettent au GPT de travailler sur la base des 2 seuls fichiers PDF joints : le compte de gestion caviardé et le fichier de suivi chronologique filtré et anonymisé.
Le GPT fournit 3 livrables dans un seul Canvas :
– Une synthèse des événements de l’année issue du fichier de suivi chronologique.
– La liste des événements chronologiques.
– Le rapport de diligences selon une trame prédéfinie
Le GPT produit donc un rapport selon la structure attendue, le style adapté au juge des tutelles et sur un ton factuel et professionnel. Il intègre à la fois des données quantitatives issues du compte de gestion, une analyse qualitative à partir du suivi chronologique des événements et les principaux événements marquants de l’exercice.
4. Intégration dans le logiciel métier
Une fois validé, le rapport est intégré dans un modèle de courrier préformaté du logiciel métier. Cette standardisation facilite l’envoi et l’archivage.
5. Formalisation du processus d’appropriation
Un processus complet a été formalisé, structuré en 4 étapes :
– Extraction des données.
– Anonymisation.
– Production dans le GPT.
– Intégration dans le courrier.
Ce guide permet une autonomie progressive.
Démarche Agile : itérative, incrémentale, adaptative
La démarche suivi est celle de l’Agilité. La réalisation s’effectue pas à pas (itération après itération) et fournit un livrable (incrément) opérationnel viable dès la 1ère itération, chaque livrable suivant venant ajouter de nouvelles fonctionnalités au précédent.
1ère itération : le rapport de diligences généré par le GPT
Une 1ère itération consiste à démontrer la viabilité du GPT sur un volant de 5 dossiers (soit environ 5% du nombre de dossier total) en ne livrant que le seul rapport de diligences sur la base d’une trame prédéfinie. Lors de la démonstration, le GPT génère les rapports qui sont ensuite lus par le MJPM. S’il valide les rapports, le MJPM souhaite toutefois que certaines parties soient introduites par une synthèse.
2ème itération : fournir un document de travail centré autour du rapport
Suite au retour du MJPM, la 2ème itération ajoute une synthèse introductive à certaines parties du rapport. L’objectif de cette itération est surtout d’affiner et d’enrichir le rendu du GPT pour qu’il ne se limite pas à un seul rapport, mais fournisse plutôt un document de travail à la fois téléchargeable et révisable. Le GPT adjoint au rapport une synthèse des événements de l’année et fournit la liste des événements chronologiques. Les livrables sont générés dans un Canvas qui offre la possibilité de télécharger le contenu sous différents formats. Ce GPT enrichi et affiné est de nouveau testé sur le même volant de 5 dossiers et dans les mêmes conditions que la 1ère itération.
3ème itération : fournir au GPT des fichiers PDF anonymisés
La 3ème itération a pour objectif de fournir au GPT des fichiers PDF anonymisés. Au-delà des solutions retenues, cette itération nécessite une adaptation du GPT puisque les opérations de filtrage, par exemple, sont désormais effectuées en amont. Cette fois-ci, ces opérations d’anonymisation et de production de rapports sont testées sur un volant de 20 dossiers dont les comptes de gestion sont déjà validés. Et toujours sous la forme d’une démonstration suivie d’une révision des livrables par le MJPM.
4ème itération : documenter le processus
La 4ème itération généralise le processus en permettant au MJPM de maîtriser l’ensemble des opérations sur le reliquat des dossiers. Cette itération s’accompagne d’une formation aux différents outils des différents utilisateurs, que ce soit les solutions d’anonymisation ou le GPT, et la fourniture d’une procédure détaillée.
Résultats mesurables et montée en compétence
Grâce au dispositif mis en place, le MJPM réduit d’environ 50 % à 75% le temps consacré à ses rapports. En effet, suivant la complexité des situations et la diversité des missions, un rapport peut nécessiter entre 45′ et 3 heures. Désormais, le temps à y consacrer oscille entre 15 et 30′. Cette durée se décompose en un temps de préparation et un temps d’élaboration du rapport de diligences. La préparation nécessite environ 7′ (téléchargement du suivi chronologique et du compte de gestion, anonymisation et production du document de travail via le GPT). Le temps d’élaboration du rapport varie entre 5′ et 20′ avec une moyenne de 10′ (révision du document de travail et élaboration du rapport de diligences).
La relecture humaine finale garantit la pertinence des analyses, l’ajustement contextuel, la responsabilité juridique. L’IA agit comme un amplificateur, non comme un substitut.
Le MJPM s’approprie une fonctionnalité avancée de ChatGPT en comprenant les limites de la solution et sa capacité d’adaptation au contexte professionnel. L’IA devient un outil de travail intégré avec des résultats concrets et opérationnels, et non un gadget.
Cette mission illustre qu’une intégration raisonnée de l’IA générative est possible dans un contexte juridiquement sensible. En combinant expertise métier, rigueur méthodologique, outils numériques et accompagnement humain, il est possible d’atteindre un équilibre entre performance et éthique. La semi-automatisation devient alors un levier de professionnalisation durable, au service du temps relationnel et de la qualité du suivi.
Laisser un commentaire