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 était donc d’explorer les apports de l’IA générative dans une logique de semi-automatisation maîtrisée, au service de la qualité professionnelle.
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.
– Uune 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, capable d’automatiser certaines transactions avec des solutions externes, mais sans intégration avec un agent conversationnel.
Objectif : gagner du temps sans renoncer à la responsabilité professionnelle
La mission poursuivait 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.
Ce suivi est exportable sous forme de fichier Excel. Mais ce format s’avère peu adapté au traitement par les GPT. Une conversion préalable en PDF s’est donc révélée nécessaire.
2. Anonymisation des données : un enjeu central
L’anonymisation en amont dans le logiciel métier est théoriquement possible, mais impraticable au quotidien. La MJPM doit conserver une vision précise des parties prenantes, ce qui rend cette démarche irréaliste.
La solution retenue a été l’anonymisation a posteriori.
Après plusieurs tests, la solution proposée par iLovePDF a été choisie. 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 votre 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 des emails, des numéros de téléphone, voire des numéros de carte bancaire.
3. Conception itérative du GPT
La création du GPT s’inscrit dans une démarche Agile, ie itérative, incrémentale et adaptative.
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.
Une phase pilote a été menée sur 5 % des dossiers, représentatifs de situations variées.
4. Première itération : extraction exhaustive des événements
Cette étape consiste à :
– Détecter automatiquement la période de référence via le compte de gestion.
– Filtrer les événements correspondants.
– Appliquer une seconde anonymisation.
– Recopier intégralement les données.
Cette redondance d’anonymisation renforçe la sécurité.
5. Deuxième itération : structuration thématique
Les événements ont ensuite été regroupés selon :
– Des thématiques prédéfinies.
– La trame du rapport.
Cette phase fournit au MJPM une vision synthétique de l’activité annuelle.
6. Troisième itération : rédaction du rapport
Le GPT produit alors le rapport selon la structure attendue, le style adapté au juge des tutelles et sur un ton factuel et professionnel.
Le document intégre à la fois des données quantitatives issues du compte annuel de gestion, une analyse qualitative à partir du suivi chronologique des événements et les principaux événements marquants de l’exercice.
7. 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.
8. 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.
Résultats mesurables et montée en compétence
Grâce au dispositif mis en place, le MJPM réduit d’environ 50 % le temps consacré à ses rapports.
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