ITSM avec humain dans la boucle : quand arrêter un agent IA…

Temps de lecture estimé : 13 minutes

Points clés à retenir

• L’ITSM avec intervention humaine (human in the loop) maintient l’implication des personnes aux points de décision clés, tandis que l’IA gère les tâches routinières et répétitives.
• L’IA ne doit être considérée ni comme un support entièrement manuel, ni comme une autonomie totale. Le modèle le plus sûr est l’automatisation basée sur les risques.
• Les approbations des actions de l’agent IA sont essentielles pour les accès à privilèges, les changements en production, les incidents majeurs, les données réglementées, les communications sensibles et les recommandations à faible indice de confiance.
• La gouvernance de l’IA dans ServiceNow et les contrôles d’automatisation dans HaloITSM doivent inclure la définition des responsabilités, les règles d’accès aux données, la journalisation des audits, la surveillance, les chemins d’escalade et les options de retour en arrière (rollback).
• Les règles d’escalade aident l’IA à s’arrêter au bon moment, afin que les tâches urgentes, sensibles ou incertaines parviennent à la bonne personne ou à l’équipe spécialisée appropriée.
• L’objectif n’est pas de ralentir l’IA. L’objectif est de rendre l’automatisation plus sûre, plus responsable et plus digne de confiance.

Pourquoi l’ITSM avec intervention humaine est-il important aujourd’hui ?

L’ITSM avec intervention humaine (human in the loop) devient essentiel à mesure que les équipes de services adoptent des agents IA, l’automatisation des flux de travail et des outils de service desk plus intelligents. Des plateformes telles que ServiceNow et HaloITSM aident désormais les équipes à automatiser le tri des tickets, leur résumé, leur routage, l’exécution des demandes, les suggestions de connaissances et le support aux utilisateurs via les portails, le chat et l’e-mail.

Pour les équipes qui explorent l’IA pour l’ITSM, le défi principal n’est pas seulement de savoir quoi automatiser, mais aussi de déterminer où le jugement humain doit conserver le contrôle.

L’automatisation complète peut créer des risques lorsque les décisions affectent des services critiques pour l’entreprise, les accès de sécurité, les changements en production, les obligations réglementaires ou les communications avec les clients.

L’ITSM avec intervention humaine est un modèle opérationnel de gestion des services où l’IA et l’automatisation s’exécutent dans des garde-fous définis, tandis que les humains restent impliqués aux points de décision clés pour l’examen, l’approbation, l’annulation et l’escalade.

En pratique, cela signifie qu’un agent IA HITL (Human-In-The-Loop) peut accélérer les tâches routinières, tandis que les approbations des actions de l’agent IA, la gouvernance de l’IA dans ServiceNow, les contrôles d’automatisation de HaloITSM et les règles d’escalade garantissent que les actions à haut risque restent sûres, responsables et auditables.

Qu’est-ce que l’ITSM avec intervention humaine ?

L’ITSM avec intervention humaine (human in the loop) est un modèle de gestion des services informatiques où l’IA et l’automatisation effectuent des tâches telles que la classification, le résumé, les recommandations, le routage et l’exécution de flux de travail, tandis que les humains restent intégrés aux points de décision clés pour l’examen, l’approbation, l’annulation et l’escalade.

Ce modèle ne signifie pas que chaque ticket nécessite un examen manuel. Il signifie plutôt que les humains interviennent lorsque le risque, l’incertitude, la sensibilité ou l’impact sur l’entreprise sont élevés. Pendant ce temps, l’automatisation peut continuer à s’exécuter librement pour les tâches répétitives à faible risque.

Il existe trois modes de fonctionnement courants :

• ITSM entièrement manuel : Les humains effectuent tout le tri, le routage, les approbations et les actions. Cela offre un contrôle solide, mais peut être lent, coûteux et incohérent.
• ITSM entièrement automatisé : L’IA et les règles exécutent la plupart des décisions avec peu de supervision. C’est rapide et évolutif, mais les erreurs peuvent se propager rapidement.
• ITSM avec intervention humaine : L’IA gère les tâches à faible risque et à volume élevé, tandis que les flux de travail s’interrompent pour un examen humain lorsque l’impact ou l’incertitude augmente.

Ce modèle équilibré soutient une automatisation contrôlée. Par exemple, l’IA peut catégoriser automatiquement un problème d’imprimante de faible priorité. Cependant, si l’IA détecte une possible panne de messagerie de priorité P1, le gestionnaire d’incidents (incident manager) doit confirmer la gravité avant que les flux de travail et les communications relatifs à un incident majeur ne soient lancés.

Étant donné que les équipes ITSM s’alignent souvent sur des pratiques structurées de gestion des services, les meilleures pratiques ITIL restent utiles pour concevoir les contrôles d’approbation, d’escalade, de gestion des incidents, des demandes, des changements et de l’amélioration continue.

Pourquoi la supervision de l’IA est-elle cruciale dans la gestion des services ?

La supervision de l’IA est cruciale car les flux de travail ITSM touchent souvent des systèmes de production, des accès d’identité, des données clients, des dossiers d’employés, des applications d’entreprise et des services réglementés. Par conséquent, une seule erreur automatisée peut provoquer des pannes, une exposition de données, des violations de SLA ou des constatations d’audit.

Les risques courants incluent :

• Mauvaise priorité de ticket : L’IA peut classifier un incident majeur comme un problème de faible priorité.
• Routage incorrect : Un ticket peut être envoyé au mauvais groupe de support, retardant sa résolution.
• Recommandations dangereuses : L’IA peut suggérer de redémarrer un service sans comprendre l’impact sur l’entreprise.
• Exécution non autorisée : Les flux de travail automatisés peuvent accorder un accès sans l’approbation requise.
• Mauvaises décisions de changement : L’IA peut ne pas tenir compte des dépendances, des fenêtres d’indisponibilité ou des risques de production.
• Responsabilité faible : Les équipes peuvent tomber dans le dangereux état d’esprit du « c’est l’IA qui l’a fait ».

La supervision humaine réduit ces risques car elle crée des points de contrôle. Les flux d’approbation montrent qui a autorisé une action. Les règles d’escalade empêchent l’IA de continuer lorsqu’elle est incertaine. Les journaux d’audit montrent ce que l’IA a recommandé, ce qu’un humain a approuvé et ce qui s’est passé après l’exécution.

De plus, les responsables informatiques devraient traiter la gouvernance de l’IA comme faisant partie de la gouvernance opérationnelle plus large. Les analyses du secteur par Gartner soulignent souvent la nécessité d’équilibrer l’innovation avec le contrôle des risques, et ce principe s’applique directement à l’ITSM assisté par l’IA. Un service plus rapide est précieux, mais un service responsable est essentiel.

Le rôle d’un agent IA HITL dans l’ITSM

Un agent IA HITL (Human-In-The-Loop) est un assistant piloté par l’IA, un agent virtuel, un bot de tri ou un agent d’automatisation capable d’effectuer des tâches ITSM, mais qui est configuré pour s’interrompre, demander une approbation, escalader ou permettre une intervention humaine avant l’exécution d’actions critiques.

Par exemple, un agent IA HITL peut aider à :

• Résumé de tickets : Il condense les longs historiques de tickets, les transcriptions de chat et les alertes de surveillance.
• Suggestions de réponses : Il rédige des brouillons de réponses que les agents peuvent examiner avant de les envoyer.
• Classification des incidents : Il suggère la catégorie, le service, l’élément de configuration, la priorité et le groupe de résolution.
• Recommandations de connaissances : Il propose des articles pertinents pour les utilisateurs ou les agents du service desk.
• Préparation des demandes : Il collecte les détails manquants, vérifie les règles du catalogue et prépare les tâches d’exécution.
• Analyse des risques de changement : Il compare des changements similaires et met en évidence l’impact possible.
• Routage et priorisation : Il recommande la file d’attente et le niveau d’urgence appropriés.

Cependant, la différence entre un comportement consultatif et un comportement autonome est importante. Un agent IA HITL n’est pas entièrement autonome s’il doit s’arrêter pour approbation dans des scénarios définis. De même, il n’est pas simplement consultatif s’il peut préparer des actions de flux de travail.

Par exemple, l’IA peut préparer l’accès pour un nouvel employé. Néanmoins, un manager ou un propriétaire de système doit approuver avant que le provisionnement ne commence. De même, l’IA peut rédiger une mise à jour sur une panne destinée aux clients, mais un responsable du service desk doit d’abord en examiner le ton, l’exactitude et l’impact commercial.

Pour les équipes qui comparent les capacités des plateformes ITSM, les directives ITSM d’Atlassian montrent également comment les flux de travail de gestion des services peuvent combiner l’automatisation, la collaboration et un contrôle de processus structuré.

Quand utiliser les approbations des actions de l’agent IA ?

Les approbations des actions de l’agent IA sont des contrôles de flux de travail qui exigent qu’un humain examine et approuve une action initiée ou recommandée par l’IA avant son exécution. Elles constituent l’une des garanties les plus importantes dans l’ITSM avec intervention humaine.

Les approbations doivent être basées sur les risques, et non des règles générales. Si chaque action de l’IA nécessite une approbation, l’automatisation devient lente et frustrante. Cependant, si des actions à haut risque contournent l’approbation, l’organisation peut s’exposer à des risques de sécurité, de conformité ou opérationnels.

Utilisez les approbations des actions de l’agent IA lorsque les actions impliquent :

• Des accès à privilèges, tels que les droits d’administrateur, root, administrateur cloud ou de base de données de production.
• Des systèmes sensibles, y compris les RH, la finance, le juridique, la R&D, les données clients ou les plateformes réglementées.
• Des changements en production, des modifications de pare-feu, des changements d’identité ou des contrôles de sécurité.
• La déclaration d’incidents majeurs et les communications sur les pannes destinées aux clients.
• Des demandes de logiciels, d’infrastructures ou de matériel à coût élevé.
• Des recommandations de l’IA à faible indice de confiance.
• Des utilisateurs VIP, des cadres dirigeants ou des services critiques pour l’entreprise.

Un modèle simple à plusieurs niveaux fonctionne bien :

Niveau de risque	Rôle de l’IA	Exemples	Contrôles requis
Faible	L’IA peut agir automatiquement	Suggestion de connaissance, catégorisation de faible priorité, accusé de réception standard	Journalisation, échantillonnage, retour en arrière facile
Moyen	L’IA prépare ou recommande	Demande de logiciel standard, mise à jour interne, changement de groupe sans privilèges	Approbation conditionnelle, piste d’audit, annulation
Élevé	L’IA a un rôle consultatif uniquement	Accès à privilèges, changement en production, communication d’incident majeur	Approbation obligatoire, piste d’audit solide, retour en arrière
Très élevé	L’IA résume uniquement	Décisions juridiques, RH, violation de données, impactant les dirigeants	Décision humaine de haut niveau, examen de conformité

Par conséquent, le niveau de risque détermine quand l’IA agit, quand elle attend et quand elle escalade.

L’ITSM avec intervention humaine par domaine de processus

L’ITSM avec intervention humaine devient pratique lorsqu’il est appliqué à chaque domaine de processus ITSM. Bien que les contrôles varient, le principe reste le même : l’IA accélère les tâches routinières, tandis que les personnes conservent la responsabilité des décisions à fort impact. Les directives de la Fondation ITIL fournissent un contexte de processus utile pour la gestion des incidents, la gestion des demandes de service, la gestion des changements, la gestion des problèmes et l’amélioration continue.

Dans la gestion des incidents, l’IA peut classifier les incidents, résumer les données d’alerte, suggérer des erreurs connues, détecter les doublons et recommander un routage. Cependant, les humains doivent examiner les incidents majeurs, les problèmes P1/P2, les services critiques pour l’entreprise, les classifications à faible indice de confiance, l’impact sur les VIP et les communications destinées aux clients.

Dans la gestion des demandes, l’IA peut aider les utilisateurs à choisir des articles du catalogue, à collecter les détails manquants, à valider les champs et à exécuter les demandes standard à faible risque. Néanmoins, une approbation humaine doit rester requise pour les accès à privilèges, les systèmes sensibles, les articles à coût élevé, les exceptions aux politiques et les logiciels ou matériels non standard.

Dans la gestion des changements, l’IA peut suggérer le type de changement, identifier les services affectés, détecter les conflits et rédiger des plans de mise en œuvre ou de retour en arrière. Pourtant, les changements ayant un impact sur la production, les changements d’urgence, ceux liés à la sécurité ou réglementés devraient toujours nécessiter l’approbation du gestionnaire des changements (change manager), du CAB, du propriétaire du service ou de la sécurité.

Dans la gestion des problèmes, l’IA peut regrouper les incidents récurrents et suggérer des causes profondes probables. Cependant, les humains doivent valider les preuves avant toute action corrective.

Dans la gestion des connaissances, l’IA peut rédiger des articles et des FAQ. Néanmoins, les responsables techniques doivent approuver les correctifs risqués, le contenu de conformité et les instructions destinées aux clients avant leur publication.

Considérations sur la gouvernance de l’IA dans ServiceNow

La gouvernance de l’IA dans ServiceNow désigne les politiques, les rôles, les contrôles, les flux de travail, les règles d’accès aux données, les mécanismes d’approbation, la journalisation et les pratiques de surveillance utilisés pour gérer en toute sécurité les capacités d’IA au sein de la plateforme ServiceNow.

Premièrement, définissez les responsabilités (ownership). Chaque cas d’utilisation de l’IA doit avoir un propriétaire de processus, un propriétaire de plateforme, un propriétaire de service et, si nécessaire, un responsable des risques ou de la conformité. De plus, les organisations doivent définir qui peut configurer les capacités d’IA, les agents virtuels, les modèles prédictifs, les automatisations de flux de travail et les recommandations assistées par l’IA. Pour les organisations qui planifient une consultation et une mise en œuvre de ServiceNow ITSM, ces décisions de responsabilité doivent être intégrées à la feuille de route de la plateforme dès le départ.

Ensuite, contrôlez l’accès aux données. L’IA ne doit accéder qu’aux tables, champs, pièces jointes, articles de connaissance, enregistrements CMDB, données utilisateur et historiques de tickets nécessaires au cas d’utilisation. Les données sensibles doivent être classifiées et protégées, en particulier lorsque l’IA génère des réponses pour les agents ou les utilisateurs finaux.

Ensuite, définissez des garde-fous pour la gouvernance de l’IA dans ServiceNow. Par exemple, l’IA peut recommander un chemin d’approbation de changement, mais elle ne doit pas approuver seule un changement en production à haut risque. De même, l’IA peut préparer une tâche d’exécution de catalogue, mais un accès à privilèges doit nécessiter l’approbation du manager, du propriétaire du système ou de la sécurité.

La journalisation est également essentielle. Les équipes doivent enregistrer le contexte d’entrée, la recommandation de l’IA, le niveau de confiance si disponible, la décision humaine, l’approbateur, l’horodatage, la raison de l’annulation et le résultat de l’exécution. Par conséquent, les auditeurs peuvent retracer ce qui s’est passé et qui était responsable.

Enfin, surveillez les résultats. Suivez les taux d’acceptation, les taux d’annulation, les résultats à faible indice de confiance, les automatisations échouées, les plaintes et le volume d’escalades. Des recherches plus larges en informatique de Forrester soutiennent le même message pratique : la gouvernance, la mesure et la responsabilité sont essentielles lors de l’adoption de technologies d’entreprise à grande échelle.

Contrôles d’automatisation et flux de travail sécurisés dans HaloITSM

Les contrôles d’automatisation de HaloITSM sont les contrôles de flux de travail, de règles, d’approbation, de notification, de SLA, de routage et de clôture qui déterminent quand l’automatisation s’exécute, qui doit approuver les étapes clés et quand les tickets ou les demandes doivent être escaladés.

Pour le routage automatisé des tickets, les règles peuvent assigner des tickets en fonction de la catégorie, du service, des mots-clés, du département de l’utilisateur, de l’impact, de l’urgence ou de l’élément de configuration. Cependant, si l’indice de confiance de l’IA est faible ou si le service est critique, l’option la plus sûre est de router le ticket vers une file d’attente de tri plutôt que de l’assigner automatiquement.

Pour les flux de travail de demande, les étapes d’approbation doivent dépendre du coût, du département, du service, du niveau de risque, de la sensibilité des données et du rôle de l’utilisateur. Par exemple, une demande de logiciel standard en dessous d’un seuil de coût peut être traitée automatiquement. Cependant, une demande d’application financière non standard doit être mise en attente pour approbation par le manager, le propriétaire du système ou la sécurité.

Les actions basées sur les SLA sont également puissantes. L’automatisation peut déclencher des notifications, des changements de priorité, des changements d’assignation ou des escalades à l’approche des échéances. Néanmoins, une repriorisation pilotée par l’IA doit être visible, réversible et journalisée.

Les contrôles de clôture sont également importants. L’automatisation peut proposer la clôture pour les tickets résolus à faible risque après confirmation de l’utilisateur ou inactivité. Cependant, les incidents majeurs, les tickets VIP, les plaintes, les incidents de sécurité et les demandes sensibles des RH ou du service juridique doivent nécessiter une confirmation humaine avant la clôture.

De plus, chaque automatisation doit avoir un propriétaire, un historique de tests, un chemin de retour en arrière, un processus d’exception et un cycle de révision. Les équipes qui conçoivent l’automatisation et l’orchestration ITSM dans HaloITSM doivent traiter ces garanties comme faisant partie de la conception du flux de travail, et non comme des ajouts ultérieurs. La norme de gestion des services ISO 20000 renforce la valeur des pratiques de gestion des services contrôlées et documentées.

Le rôle des règles d’escalade

Les règles d’escalade sont des conditions prédéfinies qui déterminent quand un ticket, une demande, un incident, un changement ou une action pilotée par l’IA doit être transmis à un humain, à une équipe spécialisée ou à un niveau d’autorité supérieur.

Dans l’ITSM avec intervention humaine, les règles d’escalade définissent quand l’IA doit cesser d’agir seule. Elles empêchent les agents IA de se retrouver bloqués, de répéter des correctifs infructueux, de mal router des problèmes urgents, d’agir en dehors de leur autorité ou d’échouer silencieusement.

Les déclencheurs d’escalade utiles incluent :

• Faible indice de confiance de l’IA.
• Tentatives de résolution échouées et répétées.
• Utilisateur VIP ou cadre dirigeant.
• Risque de violation de SLA.
• Demande sensible en matière de sécurité.
• Indicateurs d’incident majeur.
• Sentiment négatif de l’utilisateur.
• Score de risque de changement élevé.
• Mots-clés sensibles à la conformité, tels que juridique, confidentialité, audit, RH ou finance.

Il existe deux principaux types d’escalade. L’escalade fonctionnelle transfère le travail à une équipe ayant des compétences techniques plus approfondies, comme l’envoi d’un ticket de panne réseau aux Opérations Réseau. L’escalade hiérarchique implique une personne ayant une autorité de décision, comme un gestionnaire d’incidents, un propriétaire de service, un responsable exécutif, le CAB ou un responsable de la sécurité.

Les deux sont nécessaires. L’escalade fonctionnelle fait intervenir la bonne expertise. Pendant ce temps, l’escalade hiérarchique fait intervenir la bonne autorité. La communauté du service desk de HDI reflète également cette réalité opérationnelle : les modèles de support ont besoin de rôles, de transferts et de responsabilités clairs pour bien fonctionner sous pression.

Concevoir un modèle ITSM avec intervention humaine basé sur les risques

Pour concevoir un modèle ITSM avec intervention humaine, commencez par cartographier où l’IA et l’automatisation sont déjà utilisées. Incluez le tri des incidents, le routage des tickets, les interactions avec les agents virtuels, l’exécution des demandes, les flux de travail d’accès, l’évaluation des risques de changement, les recommandations de connaissances, la clôture automatisée et les notifications de SLA.

Ensuite, classez chaque action par risque. Tenez compte de l’impact opérationnel, de l’impact sur la sécurité, de la sensibilité des données, du coût financier, de l’impact sur le client, des obligations de conformité, de la réversibilité, de l’indice de confiance de l’IA et de la criticité du service.

Ensuite, définissez ce qui peut être entièrement automatisé. De bons points de départ incluent la catégorisation de faible priorité, les suggestions d’articles de connaissance, les accusés de réception standard, les mises à jour de métadonnées non critiques et le routage des réinitialisations de mot de passe de routine. Même dans ces cas, la journalisation doit rester obligatoire.

Après cela, définissez où un examen humain est requis. Les exemples typiques incluent les accès à privilèges, les changements en production, les incidents majeurs, les communications sensibles avec les clients, les actions de sécurité, les demandes à coût élevé et les recommandations de l’IA à faible indice de confiance.

Les approbations des actions de l’agent IA doivent spécifier :

• Qui approuve.
• Quand l’approbation est requise.
• Quel contexte l’approbateur voit.
• Ce qui se passe après l’expiration du délai.
• Si un rejet arrête ou redirige le flux de travail.
• Comment les décisions sont journalisées.

Enfin, construisez des règles d’escalade pour les risques de SLA, les utilisateurs VIP, le faible indice de confiance, les échecs répétés, les indicateurs d’incident majeur, les catégories de sécurité et les sentiments négatifs. Révisez les résultats mensuellement ou trimestriellement. Si des goulots d’étranglement d’approbation apparaissent, supprimez les contrôles inutiles. Cependant, si les exceptions augmentent, ajoutez des garde-fous plus stricts. La couverture ITSM de TechTarget souligne souvent cet équilibre entre la discipline des processus, les outils et l’amélioration continue.

Erreurs courantes et indicateurs de succès

Plusieurs erreurs peuvent affaiblir un ITSM assisté par l’IA. Premièrement, certaines organisations automatisent trop, trop vite. Elles se lancent dans les flux de travail d’accès, de changement ou d’incidents majeurs avant d’avoir prouvé la précision de l’IA sur des tâches à faible risque. Commencez plutôt par des tâches à volume élevé et à faible risque.

Deuxièmement, certaines équipes exigent des approbations pour tout. Cela crée des retards, frustre les utilisateurs et masque la valeur réelle de l’IA. Par conséquent, utilisez des approbations basées sur les risques plutôt que des contrôles généraux.

Troisièmement, la responsabilité est souvent floue. Chaque cas d’utilisation de l’IA doit avoir un propriétaire. Sinon, personne ne sait qui est responsable lorsque l’IA fait une mauvaise recommandation.

Quatrièmement, les pistes d’audit sont parfois incomplètes. Sans journaux, les équipes ne peuvent pas prouver ce que l’IA a recommandé, qui l’a approuvé, si cela a été modifié et ce qui s’est passé après l’exécution.

Enfin, les règles d’escalade ne sont souvent pas testées. Si elles routent vers des files d’attente non surveillées ou des approbateurs indisponibles, le travail à haut risque peut être bloqué.

Mesurez le succès avec des KPI équilibrés, pas seulement avec le volume d’automatisation. Les indicateurs utiles incluent :

• Taux de résolution au premier contact.
• Temps moyen de résolution (MTTR).
• Délai d’approbation.
• Taux d’escalade.
• Taux d’acceptation des recommandations de l’IA.
• Taux d’annulation (override).
• Exceptions d’automatisation.
• Conformité aux SLA.
• Satisfaction des utilisateurs.
• Taux de réouverture.
• Constatations d’audit ou de conformité.
• Précision de la détection des incidents majeurs.

Ensemble, ces indicateurs montrent si l’automatisation améliore la vitesse et la qualité sans augmenter le risque opérationnel.

Meilleures pratiques pour la mise en œuvre

Commencez par des cas d’utilisation à faible risque et à volume élevé. De bons exemples incluent la catégorisation des tickets, le résumé des tickets, le routage des réinitialisations de mot de passe, la collecte de données pour les demandes standard et les suggestions d’articles de connaissance. Évitez de commencer par les accès à privilèges, les changements en production, les actions de sécurité ou les incidents majeurs.

Maintenez l’implication humaine dans les décisions critiques. Par exemple, exigez une approbation humaine pour la déclaration d’un incident majeur, les communications destinées aux clients, la mise en œuvre de changements en production, les accès à privilèges et les actions de confinement de sécurité.

Utilisez des seuils d’approbation clairs. Définissez des règles d’approbation basées sur le niveau de risque, l’indice de confiance de l’IA, la criticité du service, la sensibilité des données, le coût, le rôle de l’utilisateur et l’impact réglementaire. De plus, documentez la matrice d’approbation afin que les agents, les approbateurs, les auditeurs et les administrateurs de la plateforme comprennent le modèle.

Créez des journaux d’audit transparents. Chaque décision importante assistée par l’IA doit capturer la recommandation, la décision humaine, l’identité de l’approbateur, l’horodatage, le résultat de l’exécution et la raison de l’annulation.

Révisez régulièrement les règles d’escalade. Testez des scénarios réalistes tels que la violation de SLA, l’échec de la résolution par l’IA, un ticket VIP, une classification à faible indice de confiance et une demande d’accès sensible. Confirmez également que les files d’attente d’escalade sont dotées en personnel et surveillées.

Formez les équipes du service desk. Les agents doivent savoir quand faire confiance à l’IA, quand la remettre en question, comment l’annuler et comment fournir des retours.

Enfin, alignez la gouvernance de l’IA de ServiceNow et les contrôles d’automatisation de HaloITSM avec ITIL, la sécurité, la conformité, la gouvernance des changements et l’amélioration continue. La supervision humaine ne doit pas bloquer l’adoption de l’IA. Au contraire, elle doit la rendre plus sûre, plus claire et plus digne de confiance.

Exemple de flux de travail pratique

Prenons l’exemple d’une demande d’accès à un système financier sensible. C’est un excellent exemple d’ITSM avec intervention humaine, car le processus nécessite de la rapidité, mais aussi du contrôle.

Premièrement, l’utilisateur soumet une demande via un portail ou un chat. Ensuite, l’agent IA HITL collecte le contexte, y compris le rôle de l’utilisateur, son département, le niveau d’accès demandé, la justification commerciale, les accès existants et si le système cible est sensible.

Ensuite, l’IA classifie la demande comme étant à haut risque car elle concerne des données financières. Par conséquent, l’IA prépare les tâches d’exécution et recommande des approbateurs, mais n’accorde pas l’accès.

Les approbations de l’agent IA routent la demande vers le manager hiérarchique et le propriétaire du système financier. Si un accès à privilèges est demandé, le flux de travail inclut également une approbation de la sécurité ou de la conformité.

Les règles d’escalade protègent ensuite le processus. Si un approbateur ne répond pas dans le délai défini, la demande est escaladée vers un délégué ou le propriétaire du service. Si l’IA détecte des schémas d’accès inhabituels, elle escalade vers la sécurité.

Après examen, l’approbateur humain approuve, rejette ou demande plus d’informations. Si la demande est approuvée, l’automatisation provisionne l’accès. Si elle est rejetée, le flux de travail notifie l’utilisateur et enregistre la raison.

Enfin, le système journalise la recommandation de l’IA, les approbateurs, les décisions, les horodatages et le résultat de l’exécution pour audit et révision.

Comment SMC Consulting peut vous aider

SMC Consulting aide les organisations à concevoir des modèles ITSM assistés par l’IA qui sont sûrs, pratiques et mesurables. Plutôt que de traiter l’IA comme un projet purement technologique, SMC se concentre sur la maturité des processus, la gouvernance, la conception des flux de travail et les résultats opérationnels.

SMC peut soutenir l’ITSM avec intervention humaine à travers :

• Conception de processus ITSM : Cartographier les flux de travail des incidents, des demandes, des changements, des problèmes et des connaissances pour identifier où l’IA peut ajouter de la valeur en toute sécurité.
• Cadres de gouvernance de l’IA : Définir les niveaux de risque, les responsabilités, les modèles d’approbation, les pratiques de surveillance et la gestion des exceptions.
• Gouvernance de l’IA dans ServiceNow : Concevoir des contrôles pour les approbations, la journalisation, la surveillance, l’accès aux données, la propriété de la plateforme et les flux de travail assistés par l’IA.
• Contrôles d’automatisation dans HaloITSM : Configurer des flux de travail sécurisés, des règles d’approbation, des actions SLA, des notifications, une logique de routage et des chemins d’escalade.
• Conception de l’automatisation des flux de travail : Construire des flux de travail HITL où l’IA accélère les tâches routinières, tandis que les humains restent responsables des décisions à haut risque.
• Optimisation des règles d’escalade : S’assurer que les résultats de l’IA à faible indice de confiance, les risques de SLA, les tickets VIP, les demandes sensibles en matière de sécurité et les incidents majeurs parviennent aux bonnes personnes.
• Conception de modèles d’approbation : Créer des matrices d’approbation basées sur les risques qui évitent à la fois la sur-automatisation et les goulots d’étranglement d’approbation.
• Évaluations de la maturité ITSM : Examiner la maturité actuelle de l’automatisation et construire une feuille de route pour une adoption plus sûre de l’IA.

Avec le bon modèle, l’IA peut améliorer la vitesse et la cohérence tout en préservant le contrôle, la conformité et la confiance.

Conclusion

L’ITSM avec intervention humaine n’est pas un obstacle à l’automatisation. Au contraire, il permet une automatisation plus sûre en laissant un agent IA HITL gérer les tâches répétitives à faible risque, tandis que les humains examinent, approuvent, annulent ou escaladent les décisions à haut risque.

Grâce aux approbations des actions de l’agent IA, à la gouvernance de l’IA dans ServiceNow, aux contrôles d’automatisation de HaloITSM, aux règles d’escalade, à l’automatisation basée sur les risques et à une surveillance continue, les organisations peuvent améliorer la vitesse sans perdre en responsabilité.

C’est le bon moment pour revoir vos flux de travail. Où l’IA agit-elle déjà ? Quelles actions présentent un risque faible, moyen ou élevé ? Les approbations et les escalades sont-elles claires, testées et auditables ? Si vous souhaitez de l’aide pour concevoir un modèle ITSM avec intervention humaine sur mesure, contactez SMC Consulting.

À propos de l’auteur

Foire aux questions