Automatiser les tâches d'admission : grille IA Québec

Avant de déployer un chatbot, un responsable admissions doit répondre à une question précise, une seule fois par cycle : sur la douzaine de tâches qui composent le parcours d'admission, lesquelles confier à l'IA, lesquelles garder sous supervision humaine, et lesquelles ne jamais déléguer ? Cet article propose l'inventaire complet, avec un cadre à 4 critères pour trancher tâche par tâche plutôt qu'à l'instinct. Il complète deux guides déjà publiés — la philosophie générale de l'automatisation sans perdre le contact humain et le guide sur quand passer la main du chatbot à un humain — en se plaçant en amont : l'exercice stratégique que vous menez une fois par année, pas la mécanique quotidienne de transfert.

Le cadre en 4 critères pour trancher tâche par tâche

La bonne classification ne dépend jamais d'une intuition sur « ce qui fait plus humain » — elle se calcule à partir de quatre critères objectifs à croiser pour chaque tâche avant de statuer.

1. Volume et répétitivité. Une tâche qui revient des dizaines de fois par semaine avec la même structure est un candidat naturel à l'automatisation ; un cas rare ne justifie jamais l'investissement d'un scénario IA dédié. 2. Fondé sur des règles vs jugement. Une réponse qui découle d'une règle stable et documentée (un montant de droits de scolarité, une date limite) se prête à l'IA ; une appréciation qui varie selon le contexte exige un jugement humain. 3. Enjeu émotionnel/relationnel. Un candidat en situation de stress ou de décision personnelle a besoin d'être entendu, pas seulement informé — l'IA peut préparer le terrain, rarement conclure. 4. Réversibilité/risque juridique. Une erreur facilement corrigible n'a pas le même poids qu'une décision qui engage la responsabilité de l'établissement ou les droits du candidat.

Une tâche qui coche les quatre cases côté gauche est automatisable sans réserve. Une tâche qui coche ne serait-ce qu'une case côté droit — en particulier le risque juridique — doit rester sous contrôle humain, même si les trois autres critères plaident pour l'IA.

L'inventaire complet : douze tâches d'admission classées

Douze tâches couvrent la quasi-totalité du cycle d'admission, du premier contact jusqu'au recours éventuel. Voici comment elles se répartissent au filtre des 4 critères.

Cette répartition n'est pas décorative : elle correspond presque terme à terme à la distribution mesurée sur le terrain. Une classification automatique de 12 000 conversations Skolbot montre que 72 % des questions relèvent d'une FAQ simple, 21 % nécessitent un contexte propre à l'établissement, et 7 % seulement exigent réellement une intervention humaine (classification automatique de 12 000 conversations Skolbot, 2025). Les quatre premières lignes du tableau correspondent largement à ces 72 % ; les quatre dernières correspondent aux 7 % qui, eux, ne se discutent pas.

Les cas où la frontière n'est pas évidente

Quatre tâches méritent un examen séparé, car la tentation d'automatiser y est forte alors que le risque l'interdit — ou inversement.

L'évaluation d'une lettre de motivation : pré-tri oui, verdict non

L'IA peut trier, jamais décider seule. Elle peut signaler les lettres incomplètes, repérer les incohérences factuelles avec le dossier (programme cité qui ne correspond pas au bulletin, dates contradictoires), ou classer par ordre de complétude pour prioriser la lecture humaine. Ce qu'elle ne doit pas faire, c'est noter la qualité du projet professionnel ou la sincérité du candidat : ce jugement subjectif reproduirait les biais de ses données d'entraînement plutôt que de les corriger. Un pré-tri bien calibré fait gagner du temps de lecture, sans jamais remplacer la décision.

La décision d'admission dans les cas limites liés à la cote R : un verrou juridique, pas seulement organisationnel

Une décision d'admission ayant un effet direct sur le parcours d'un candidat ne peut pas être entièrement automatisée — c'est une exigence réglementaire, pas une prudence de façade. La Loi 25 encadre les décisions fondées exclusivement sur un traitement automatisé de renseignements personnels : l'organisation doit informer la personne concernée et lui permettre de soumettre des observations à un membre du personnel en mesure de la réviser — précisément le cas d'un dossier limite où la cote R place un candidat à la frontière entre deux décisions. Concrètement, l'IA peut agréger les éléments d'un dossier limite — cote R, cohérence de parcours, motivation — pour préparer la discussion du comité d'admission, mais la décision finale doit rester traçable comme un acte humain. Le BCI (Bureau de coopération interuniversitaire), qui coordonne la méthodologie de la cote R, rappelle qu'elle sert d'outil de comparaison — pas de règle mécanique de décision.

La négociation avec un candidat admis hésitant : quand la relation prime sur l'information

Un candidat admis qui hésite entre votre établissement et un autre ne cherche pas une information — il cherche à être rassuré par quelqu'un qui le connaît déjà. L'IA a un rôle réel en amont : elle peut détecter les signaux d'hésitation (consultation répétée de la page des droits de scolarité, questions sur le désengagement, silence prolongé après confirmation) et alerter le conseiller référent. Mais la conversation qui suit — comprendre ce qui bloque, adapter l'argumentaire, proposer un contact avec un alumni ou un étudiant ambassadeur du bon profil — reste un exercice relationnel que l'automatisation dégraderait plutôt qu'elle ne l'améliore.

Les aménagements pour situation de handicap et les recours : zéro automatisation, structurellement

Ces deux tâches cumulent les quatre facteurs qui interdisent l'IA : volume faible, jugement pur, enjeu émotionnel élevé, risque juridique direct. Un aménagement pour un candidat en situation de handicap engage des obligations légales spécifiques ; un recours touche au droit du candidat à contester une décision. L'IA peut accélérer la logistique — accusé de réception automatique, routage, rappel des délais réglementaires — mais l'instruction du dossier doit rester intégralement humaine.

Comment transformer cet inventaire en plan d'action

Cet exercice se fait une fois par cycle, en amont de la période de pointe des admissions, pas au fil de l'eau. Réunissez l'équipe admissions, passez chaque tâche dans la grille des 4 critères, et documentez la classification retenue — cette trace sert de justification si un candidat ou la Commission d'accès à l'information (CAI) interroge votre processus au titre de la Loi 25. EDUCAUSE observe la même tendance dans les établissements postsecondaires nord-américains : les tâches à fort volume et faible jugement génèrent le gain de temps le plus mesurable. Gartner recommande la même règle pour l'IA générative : réserver l'automatisation aux décisions à faible réversibilité.

L'argument économique renforce l'argument organisationnel, sans le remplacer. Sur 18 établissements suivis par Skolbot entre 2024 et 2025, l'automatisation ciblée des tâches classées « IA seule » et « IA + supervision » a généré une hausse de 62 % du nombre de candidats qualifiés par mois, une réduction de 38 % du coût par candidat, un taux d'inscription aux portes ouvertes passant de 6,2 % à 18,4 %, pour un ROI à 12 mois de 280 % et un amortissement médian de 5 mois (résultats médians sur 18 établissements, 2024-2025, incluant des optimisations de parcours concomitantes). Ces chiffres mesurent la combinaison automatisation + processus, pas l'IA seule — l'esprit de l'inventaire : automatiser large sur les tâches à faible risque libère le temps qui rend ces optimisations possibles ailleurs.

La relance des dossiers incomplets illustre ce transfert de valeur. 34 % des candidats relancés par chatbot reviennent sous 7 jours, contre 12 % sans relance automatisée — un multiplicateur de 2,8x (analyse de cohortes Skolbot, 8 000 sessions sur 90 jours, 2025). Un conseiller qui envoyait ces relances une à une peut concentrer son temps sur les dossiers qui stagnent après plusieurs relances sans réponse — le seuil où la supervision humaine reprend la main. Le guide 5 scénarios de chatbot qui augmentent vos inscriptions détaille comment déployer les tâches classées « IA seule ».

Revoyez cette grille chaque année : un dossier hier classé « cas standard » peut devenir un cas limite si vos exigences de cote R changent d'un cycle à l'autre. Le Guide complet du chatbot IA pour le recrutement étudiant détaille comment construire la base de connaissances qui alimente les tâches classées « IA seule » une fois l'inventaire arrêté.

FAQ

Faut-il faire cet inventaire avant ou après avoir choisi un outil de chatbot ?

Avant, systématiquement. Choisir l'outil d'abord conduit à automatiser ce qu'il sait faire, pas ce que votre organisation devrait automatiser — et à découvrir trop tard qu'une tâche à risque juridique a été confiée à l'IA par défaut. L'inventaire donne le cahier des charges ; l'outil vient ensuite.

Une tâche classée « IA + supervision humaine » nécessite-t-elle une validation humaine à chaque occurrence ?

Pas nécessairement, mais un seuil de contrôle défini à l'avance. L'IA peut gérer les trois premières relances sans validation, puis router vers un conseiller après un délai ou un nombre d'échecs donné — le principe de la supervision, différent d'une validation systématique qui annulerait le gain de temps.

Ce cadre s'applique-t-il différemment selon le type d'établissement (cégep, université, école affiliée) ?

Les quatre critères restent identiques, mais le curseur bouge selon le contexte réglementaire. Une université qui utilise la cote R pour trancher des dossiers limites a des exigences de traçabilité plus strictes sur la décision d'admission, ce qui renforce la case « humain uniquement » indépendamment du volume de candidatures.

Comment mesurer si la classification retenue est la bonne, une fois en place ?

En surveillant le taux d'escalade et les réclamations liées à la tâche. Si une tâche classée « IA seule » génère des plaintes récurrentes ou un taux d'escalade supérieur à 15 %, elle doit redescendre vers la supervision humaine — la classification n'est jamais définitive, elle se recalibre à l'usage.

L'IA peut-elle un jour traiter la décision d'admission dans les cas limites liés à la cote R ?

Non, pas dans le cadre réglementaire actuel au Québec. Tant que la Loi 25 encadre les décisions fondées exclusivement sur un traitement automatisé, une admission dans un cas limite doit conserver une intervention humaine traçable — l'IA reste un outil de préparation, jamais l'auteure de la décision.