Comment réduire le temps consacré à la préparation des rapports de diligences tout en conservant une rédaction factuelle, une traçabilité des informations et un contrôle professionnel du résultat ?
Ce retour d’expérience présente la démarche menée avec un cabinet MJPM : préparer les documents sources, concevoir un assistant spécialisé et intégrer la vérification humaine dans le processus de production.
Initialement développée sous la forme d’un GPT personnalisé, la solution est désormais proposée sous forme d’un assistant à installer dans ChatGPT ou Claude. Cette évolution conserve le principe de départ : produire un document de travail que le MJPM relit, complète et valide.
Mise à jour le 2 novembre 2026.
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.
Au démarrage de la mission, le professionnel avait été formé par iphigeni à ChatGPT un an auparavant. Il disposait d’un abonnement payant et utilisait progressivement l’outil, sans avoir encore expérimenté un GPT personnalisé conçu pour une tâche métier.
Il utilisait également Proxima pour le suivi de son activité. Le dispositif mis en place reposait sur des exports du logiciel métier, préparés avant leur transmission à l’IA, puis sur la réintégration du rapport validé dans son environnement de travail.
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
L’assistant utilise 2 documents obligatoires au format PDF :
– Le compte rendu de gestion, comprenant les totaux des revenus et des dépenses de l’exercice.
– Le suivi chronologique des événements, préparé et filtré sur la période concernée.
Le compte rendu de gestion est exporté en PDF depuis Proxima. Le suivi chronologique est d’abord exporté au format Excel, puis préparé dans l’outil fourni avant sa conversion en PDF structuré, exploitable par l’assistant.
Le document individuel de protection des majeurs (DIPM) peut également être joint au format PDF pour apporter des éléments complémentaires sur les objectifs de l’accompagnement.
Avant leur transmission à ChatGPT ou Claude, les documents sont préparés pour retirer ou remplacer les informations identifiantes qui ne sont pas nécessaires à la production du rapport. Une vérification du contenu reste indispensable.
2. Préparation et protection des données : un enjeu central
Le logiciel métier doit conserver les informations nécessaires au suivi des personnes protégées et à l’identification des interlocuteurs. La préparation des documents destinés à l’IA intervient donc après leur export, sur des copies de travail.
Selon le document, cette préparation consiste à caviarder les informations identifiantes ou à les remplacer par des codes. Le remplacement des identités ne garantit toutefois pas, à lui seul, une anonymisation complète : le récit d’une situation peut encore permettre de reconnaître une personne. Une relecture des fichiers préparés reste donc nécessaire avant leur transmission à l’assistant.
Les comptes de gestion
Après plusieurs tests, j’ai retenu la solution iLovePDF pour caviarder les informations identifiantes du compte de gestion au format PDF, tout en conservant les données financières nécessaires à l’élaboration du rapport.
Ce choix s’est notamment appuyé sur les mesures décrites dans sa politique de sécurité et de protection des données. L’éditeur indique utiliser un chiffrement HTTPS/TLS pour protéger les fichiers pendant leur transmission et supprimer automatiquement les fichiers traités dans un délai de deux heures après traitement. Il déclare également respecter le RGPD et publie une certification ISO/IEC 27001:2022 portant sur son système de management de la sécurité de l’information. Ces éléments documentent les engagements du prestataire ; ils ne constituent pas, à eux seuls, une garantie de conformité de chaque usage professionnel.
L’outil de caviardage PDF permet de rechercher des termes à supprimer, de repérer automatiquement certaines informations — adresses électroniques, numéros de téléphone ou de carte bancaire — et de sélectionner manuellement des zones ou des pages entières. Ces fonctions facilitent la préparation du document, sans remplacer sa vérification par l’utilisateur.
Dans notre processus, le caviardage vise les informations permettant d’identifier la personne protégée ou des tiers. Les montants, les totaux de revenus et de dépenses ainsi que les éléments utiles à la compréhension de la gestion sont conservés pour permettre à l’assistant de travailler sur des données exploitables.
Une vérification finale porte sur la suppression effective des informations visées, au-delà de leur simple masquage visuel, et sur la lisibilité des données financières restantes. Le fichier ainsi préparé peut ensuite être joint au suivi chronologique pour produire le document de travail dans ChatGPT ou Claude.
Les suivis chronologiques
Le suivi chronologique exporté de Proxima présente une autre difficulté : il peut couvrir plusieurs années, comporter de nombreux champs et contenir des informations identifiantes dans le texte des événements. Un simple caviardage du document ne répond donc pas à l’ensemble des besoins de préparation.
Nous avons développé un outil Excel pour regrouper ces opérations : sélectionner la période concernée, préparer les champs utiles et remplacer les informations identifiantes repérées dans les événements.
Le repérage des noms s’appuie notamment sur une convention de saisie associant les noms à un titre. Pour les prénoms, l’outil utilise une liste constituée à partir du fichier des prénoms de l’INSEE. Il traite également les numéros de téléphone et les adresses électroniques.
Ces traitements facilitent la préparation, mais ne détectent pas nécessairement toutes les informations permettant d’identifier une personne. Une relecture du résultat reste indispensable. L’utilisateur peut compléter le traitement en indiquant des termes spécifiques à remplacer.
L’outil produit enfin un PDF structuré du suivi chronologique, filtré sur la période retenue et exploitable par l’assistant dans ChatGPT ou Claude.
3. Du GPT personnalisé à l’assistant pour ChatGPT et Claude
L’objectif est de produire un document de travail structuré que le MJPM peut relire, corriger et compléter avant de finaliser son rapport. La première version reposait sur un GPT personnalisé et utilisait le Canvas de ChatGPT pour faciliter la révision du contenu.
La solution est désormais disponible sous forme d’un plugin pour ChatGPT ou d’un skill pour Claude. Elle conserve le même principe : travailler à partir des documents fournis, selon des instructions métier et une trame prédéfinie.
Deux PDF sont nécessaires : le compte rendu de gestion préparé et le suivi chronologique filtré sur la période concernée. Le DIPM peut être ajouté pour apporter des éléments complémentaires sur les objectifs de l’accompagnement.
L’assistant produit un fichier Word téléchargeable comprenant trois parties :
– Une synthèse des événements de l’année, à partir du suivi chronologique.
– Une liste chronologique des événements, pour faciliter leur consultation et leur vérification.
– Un projet de rapport de diligences, organisé selon la trame prévue.
Le projet de rapport rapproche les données financières du compte rendu de gestion et les informations du suivi chronologique, dans un style factuel et professionnel. Lorsque le DIPM est fourni, ses éléments utiles sont également pris en compte. Le MJPM vérifie les informations, les rapprochements et les formulations avant de valider le rapport.
4. Intégration dans le logiciel métier
Après vérification et validation par le MJPM, la partie « Rapport de diligences » du document de travail est reprise dans le modèle de courrier prévu dans Proxima. Le professionnel finalise la présentation avant l’envoi et l’archivage. La synthèse et la liste chronologique restent des documents de travail utiles au contrôle du rapport.
5. Formalisation du processus d’appropriation
Le processus est documenté en quatre étapes :
– Extraire les données depuis Proxima.
– Préparer et vérifier les fichiers : filtrage du suivi chronologique, remplacement des informations identifiantes et caviardage du compte rendu de gestion.
– Produire puis réviser le document de travail avec l’assistant dans ChatGPT ou Claude.
– Intégrer le rapport validé dans le modèle de courrier du logiciel métier.
Des fiches d’installation pour PC et Mac, une procédure et des modes opératoires détaillés accompagnent cette démarche. La prise en main comprend un accompagnement à la production des deux premiers rapports, afin de permettre une autonomie progressive.
Démarche Agile : itérative, incrémentale, adaptative
La conception initiale a suivi une démarche progressive : tester une première version sur des dossiers réels, recueillir les observations du MJPM, puis enrichir et ajuster la solution. Les quatre itérations ci-dessous retracent le développement du GPT personnalisé à l’origine de l’assistant actuel.
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.
Évolution de la solution : un assistant pour ChatGPT et Claude
Le dispositif a ensuite été adapté sous forme d’un plugin pour ChatGPT et d’un skill pour Claude. Cette évolution conserve les documents sources, la structure du document de travail et la validation par le MJPM. Les supports d’installation et les modes opératoires ont été actualisés pour accompagner ces nouveaux formats.
Le changement porte sur l’installation et l’accès à l’assistant. Il n’a pas modifié sensiblement le temps nécessaire à l’IA pour générer le document de travail.
Résultats observés et montée en compétence
Dans le cabinet accompagné, le temps consacré à un rapport est passé d’environ 45 minutes à 3 heures, selon les situations, à environ 15 à 30 minutes avec le dispositif. Le gain estimé dans ce contexte est de l’ordre de 50 à 75 %. Ces observations correspondent aux dossiers traités et aux pratiques du professionnel accompagné ; elles ne constituent pas une durée garantie pour chaque utilisateur.
La préparation et la génération du document de travail représentent environ 7 minutes : téléchargement des sources, préparation des fichiers et production par l’assistant. La révision et la finalisation du rapport demandent ensuite environ 5 à 20 minutes, avec une moyenne observée d’une dizaine de minutes.
Le passage du GPT personnalisé au plugin ChatGPT ou au skill Claude n’a pas modifié sensiblement le temps nécessaire à l’IA pour produire le document de travail. Le bénéfice temporel reste celui du processus de semi-automatisation mis en place.
La relecture finale par le MJPM reste indispensable pour vérifier les informations, corriger les éventuelles erreurs et adapter la rédaction à la situation de la personne protégée. Le professionnel conserve la responsabilité du rapport validé.
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.
Au-delà du temps gagné, le MJPM s’approprie une méthode de travail associant préparation des données, utilisation d’un assistant spécialisé et vérification du résultat. Les outils et les modes opératoires lui permettent de reproduire cette démarche dans ChatGPT ou Claude, tout en comprenant les limites de la solution.
Ce retour d’expérience montre l’intérêt d’un dispositif construit à partir des pratiques du cabinet et testé progressivement sur ses dossiers. La qualité du rapport dépend à la fois des informations sources, des instructions données à l’assistant et du travail de révision du MJPM.
Cet assistant Rapport de diligences vous intéresse ?
Le pack Assistant IA Rapport de diligences comprend l’outil Excel de préparation du suivi chronologique, l’assistant pour ChatGPT ou Claude, les fiches d’installation sur PC et Mac, la procédure, les modes opératoires et le modèle de courrier. Je vous accompagne dans la production de vos 2 premiers rapports, à partir de vos documents et selon la méthode présentée dans ce retour d’expérience.
Laisser un commentaire