Lire et qualifier
Courriers, réclamations, justificatifs : extraction d’informations, catégorisation, détection de pièces manquantes. Les cas non reconnus ou ambigus sont transmis à une personne plutôt que traités automatiquement.
Accueil · OXLI IA
IA
OXLI IA · Intelligence appliquée
Des demandes qualifiées. Des décisions mieux préparées.
Un locataire signale une infiltration, un dossier de mutation comporte des pièces à vérifier, une intervention dépasse son délai : les usages IA d’OXLI rapprochent la demande des informations disponibles, proposent une qualification et préparent la prochaine action. Le gestionnaire conserve la décision et la validation.
- Demandes qualifiées
- Actions préparées
- Validation humaine
En bref
OXLI IA réunit les cas d’usage d’intelligence artificielle construits sur la gamme OXLI : lire et qualifier les courriers et les réclamations, retrouver une information dans un dossier, contrôler des pièces, préparer une réponse. Ce n’est pas une base de données de plus : Data Platform et Services apportent le contexte, Connect fait circuler l’information. Pour chaque usage, on décide ensemble ce que l’IA peut voir, ce qu’elle propose et qui valide.
Ce qui change
Moins de vérifications dispersées, plus de dossiers préparés
Une IA métier utile lorsqu’elle prépare l’instruction et laisse la décision aux équipes.
Aujourd'hui
- Les demandes arrivent par courriels, formulaires et justificatifs qu’il faut lire séparément.
- Les informations utiles sont recherchées à la main dans plusieurs documents et applications.
- Les points d’attention ou les pièces manquantes sont identifiés tardivement.
- Les synthèses et relances sont rédigées sans toujours retrouver facilement les sources.
Avec OXLI IA
- L’assistant qualifie la demande et relève les informations clés ou manquantes.
- Il rapproche le dossier des informations que l’utilisateur a le droit de voir.
- Il explique les écarts et les points à vérifier, avec les références disponibles.
- Il prépare une synthèse ou une action soumise à validation avant tout envoi ou écriture.
Un exemple
Le parcours d’une demande métier assistée par l’IA
Exemple : une demande et ses pièces sont préparées pour instruction, sans automatiser la décision finale.
-
01
La demande
Recevoir et identifier
Une réclamation ou un dossier arrive avec ses documents et informations associées.
-
02
La lecture
Classer et extraire
L’assistant classe la demande, relève les informations utiles et les pièces manquantes.
-
03
Le contexte
Rapprocher les données
Les informations accessibles sur le logement, le contrat ou les interventions sont rapprochées.
-
04
Les contrôles
Signaler les points d’attention
Les incohérences, cas ambigus et données insuffisantes sont signalés au gestionnaire.
-
05
La proposition
Préparer la suite
Une synthèse, une orientation ou une relance est proposée avec les sources disponibles.
-
06
La validation
Laisser la main aux équipes
Le gestionnaire relit, corrige si besoin, et valide avant tout envoi.
Les fonctionnalités
Qualifier, contextualiser et préparer une action.
Trois usages métier concrets pour accompagner l’instruction sans remplacer le jugement humain.
Expliquer
Il rapproche une demande des données de patrimoine, de contrat ou d’intervention accessibles ; l’utilisateur voit les sources exploitées et les écarts à vérifier.
Préparer et agir
Il prépare une orientation, une synthèse ou une relance. Rien n’est envoyé ni enregistré dans un outil sans la validation prévue avec vous.
Les garanties du déploiement
Une IA utile, sous votre contrôle.
Les droits, les sources, le modèle et les décisions sensibles sont cadrés avec votre DSI et les équipes métier avant déploiement.
Des droits d’accès respectés
L’assistant ne voit que les données et les documents ouverts pour cet usage.
Une validation humaine
Les décisions sensibles, envois et écritures restent soumis au circuit défini avec le bailleur.
Des réponses reliées à leurs sources
Les documents et données d’origine sont indiqués lorsque les références sont disponibles.
Un modèle choisi avec la DSI
Hébergement, confidentialité, journaux et transferts éventuels sont étudiés avec la DSI et le DPO.
Les cas ambigus sont signalés
Les situations non reconnues ou insuffisamment documentées sont soumises à un gestionnaire.
Une autonomie définie par usage
Les seuils d’autonomie, contrôles et règles de validation sont documentés pour chaque processus.
Vos questions
Questions fréquentes
Qu'est-ce qu'OXLI IA ?
OXLI IA, ce sont les assistants et les agents construits sur Data Platform, Services et Connect : qualifier une demande, retrouver une information, préparer une action. Ce n’est ni une base de données de plus, ni un outil imposé à vos équipes.
L'IA va-t-elle remplacer nos gestionnaires ?
Non : elle prépare des éléments d’analyse et des propositions. Les décisions de gestion, notamment celles liées aux attributions ou à des droits, restent prises par les personnes habilitées.
L'IA a-t-elle accès à toutes nos données ?
Non. L’assistant n’accède qu’aux sources ouvertes pour son usage, vérifiées avec votre DSI. Le modèle d’IA et son hébergement se choisissent en fonction de la sensibilité des données.
Sur quelles données travaille-t-elle ?
Sur les sources autorisées : données historisées de Data Platform, référentiels et règles exposés par Services, documents métier sélectionnés, et éventuellement événements transmis par Connect. La pertinence dépend de leur disponibilité et de leur qualité.
Quelle différence avec un robot RPA ?
La RPA exécute des actions déterministes dans une interface. L’IA aide à interpréter un document ou à proposer une orientation. Elles peuvent se compléter, mais une proposition IA ne doit pas déclencher automatiquement une écriture sensible sans contrôle défini.
Et le RGPD ?
Chaque cas exige une finalité documentée, une base légale, des accès limités, des durées de conservation et une analyse des risques adaptée. Les flux vers les modèles et l’éventuelle analyse d’impact sont instruits avec le DPO.
Et autour
Ce qui va avec
Qualifions ensemble votre premier cas d’usage IA.
Choisissons un cas métier, des documents représentatifs et des critères de réussite mesurables. La démonstration doit aussi montrer ce que l’IA ne sait pas traiter seule.