Extraire action items de réunion avec l'IA - la méthode

Lola Benítez a reçu à 21h un rapport de politique publique de 41 pages. L'enjeu : extraire les action items d'une réunion avec l'IA. La réunion de synthèse était prévue à 8h le lendemain. Quelque part dans ces pages s'étaient glissés quatre points de décision qui engageaient son équipe avant le lundi suivant. Les trouver à la main aurait signifié une nuit avec un surligneur. C'est précisément le problème que les outils d'extraction d'action items promettent de résoudre, et la réponse honnête est : ils résolvent environ soixante-dix pour cent du problème.

Qu'est-ce qu'un action item, exactement ?

Un action item n'est pas une décision, et ce n'est pas un sujet de discussion. C'est une tâche avec un responsable et, idéalement, une échéance. « Nous avons discuté du budget » est un point synthétique. « Marta valide la version préliminaire du budget Q3 avant vendredi » est un action item. La distinction compte, car la plupart des erreurs d'extraction proviennent d'une IA qui traite le premier cas comme le second.

L'enjeu d'une erreur s'amplifie avec la nature du document. Rater un action item dans une réunion d'équipe informelle coûte un message de rappel. Rater un action item dans un rapport de 41 pages remis à un client, ou dans un audit de conformité de subvention, coûte une deadline qu'on ne voyait pas arriver. Plus le document est sensible, moins il reste de place pour une approximation.

Des chercheurs en synthèse de réunions longues ont chiffré ce problème. Leur pipeline synthétise récursivement les sections tout en extrayant les action items en parallèle, puis fusionne les résultats. Sur le corpus AMI, un benchmark de référence, il a atteint un score BERTScore de 64,98, un gain d'environ 5 % par rapport au précédent meilleur résultat d'un modèle BART ajusté (arXiv, 2312.17581). Ce gain reflète la difficulté bien supérieure à isoler un engagement réel à l'intérieur d'une transcription plutôt qu'à synthétiser la transcription elle-même.

Où l'IA extrait vraiment les action items

La mécanique est plus banale que ne le suggère le marketing. Les extracteurs modernes repèrent le langage modal, des phrases comme « je vais », « on doit », « tu peux m'envoyer », puis les appairent avec des entités à proximité : noms, dates, références de projet. La diarisation des locuteurs (dans les transcriptions) ou la proximité contextuelle (dans les documents) assignent la responsabilité.

C'est tout le truc, en fait. Aucun outil ne « comprend » qu'une tâche existe. Il fait correspondre le langage d'engagement avec le contexte et espère que le contexte est assez proche. Quand l'engagement est implicite, enterré trois phrases après la mention de la personne qui en est responsable, le motif se brise.

Deux familles de modèles gèrent cela différemment. Les approches extractives tirent la phrase originale telle quelle et l'étiquettent comme un action item, ce qui préserve la formulation mais garde l'imprécision qui était déjà là. Les approches abstractives réécrivent la phrase en un énoncé de tâche plus propre, ce qui lit mieux mais risque de paraphraser loin d'un détail que l'auteur original voulait inclure. Ni l'une ni l'autre n'est strictement meilleure. Un synthétiseur sensible aux citations choisira généralement l'extractive, car réécrire un passage source est exactement le type de glissement qui érode la confiance dans la synthèse.

Les réunions ne sont pas la seule source qui mérite d'être exploitée

La plupart des outils sur ce marché se présentent comme des assistants de réunion, et la plupart des démos montrent une transcription d'appel. Mais la même logique d'extraction s'applique à la littérature grise : rapports de consultance, notes de politique publique, mémos internes, jusqu'aux longs fils de discussion par mail. Un rapport de 40 pages a des action items éparpillés dans sa section de recommandations de la même manière qu'un appel les a éparpillés dans sa deuxième moitié.

Ce rapport de politique publique de l'ouverture en est le cas d'école. Une fois condensé, ses 41 pages contenait 6 recommandations formelles et, enfouies dans les sections de discussion, 11 actions supplémentaires implicites que personne n'avait étiquetées comme telles. Un extracteur de style réunion réglé pour les engagements oraux courts a capté les 6. Il a fallu une relecture manuelle, croisant la discussion avec les recommandations, pour mettre en lumière les 11 autres.

La différence est structurelle, pas conceptuelle. Les transcriptions de réunion sont conversationnelles et désordonnées, mais chronologiques. Les rapports sont denses mais organisés, souvent avec les recommandations déjà groupées près de la fin. Un outil réglé pour l'un ne se transfère pas automatiquement à l'autre. Si tu extrais des action items d'un rapport de recherche, un synthétiseur conçu pour l'extraction préservant les citations surpassera un bot de réunion réaffecté au travail.

Les modes de défaillance que personne ne mentionne dans la démo

Les éditeurs montrent le cas propre : un orateur clair, une demande directe, un responsable nommé. Les vrais documents et les vrais appels sont plus détaillés. Quatre schémas causent le plus grand nombre d'éléments manqués ou mal attribués.

• L'attention divisée lors de la capture en direct. Écouter et prendre des notes simultanément réduit mesurément le rappel, ce qui est exactement pourquoi les gens ont commencé à enregistrer les réunions. L'IA n'a pas ce problème, mais elle hérite des lacunes qui existent dans l'audio.

• Les engagements implicites. « Quelqu'un devrait probablement examiner le contrat fournisseur avant le renouvellement » se lit comme un action item pour un humain. La plupart des extracteurs le zappent. Pas de verbe modal, pas de responsable nommé, rien sur quoi s'agripper.

• Confusion entre rôles similaires. Deux personnes avec des titres similaires dans la même réunion se retrouvent confondues. La tâche finit sur le mauvais bureau, et personne ne s'en aperçoit jusqu'à ce que la deadline soit passée.

• Bruit audio et de formatage. Les locuteurs qui se chevauchent, la sténographie informelle, ou un PDF scanné avec une OCR faible degradent tous la qualité d'extraction avant que le modèle ne commence.

Aucun de ces points ne signifie que les outils sont peu fiables. Cela signifie que la sortie a besoin d'une relecture de cinq minutes par une personne avant d'aller près d'un gestionnaire de tâches. Saute cette étape et tu héritas des angles morts de l'outil comme les tiens.

Le temps économisé en vaut-il vraiment la peine ?

Oui, avec une réserve. Passer en revue à la main un rapport de 40 pages à la recherche d'action items prend à un lecteur formé environ 45 à 60 minutes : lire, surligner, croiser les références, compiler. Faire passer le même document par un outil d'extraction et passer en revue la sortie prend environ 15 minutes, dont cinq pour la relecture humaine obligatoire décrite ci-dessus. C'est un vrai gain, pas marginal.

La réserve est que le gain n'existe que si cette étape de relecture se produit réellement. Saute-la pour économiser les cinq dernières minutes et le temps économisé sur l'extraction se dépense plus tard, généralement lors de la réunion où quelqu'un demande pourquoi un engagement d'il y a trois semaines n'a jamais été suivi. L'outil n'échoue pas en silence. Il échoue d'une manière qui fait surface au pire moment possible.

Une méthode qui marche : du surlignage à la tâche assignée

Voici la séquence que Benítez a consolidée après trois ans de débriefings client sur un mélange de rapports et d'appels. Ce n'est pas élégant, mais ça tient.

D'abord, passe la source brute (rapport, transcription, ou les deux) par un outil d'extraction et traite la sortie comme un brouillon, pas un livraire. Deuxièmement, vérifie chaque élément pour trois choses : une tâche spécifique, un responsable nommé, une deadline plausible. N'importe quoi manquant l'un des trois se marque, pas se supprime. Troisièmement, croiser-referencia les engagements implicites manuellement. C'est l'étape que tout outil saute, et c'est généralement où se cachent les éléments à plus fort enjeu.

Quatrièmement, achemine la liste confirmée vers le système que l'équipe utilise déjà. L'acheminement importe plus que la précision d'extraction, honnêtement. Un action item parfaitement extrait qui s'assoit dans une exportation de chat que personne ne relit n'accomplit rien.

Une cinquième étape, facile à sauter sous pression de deadline : note quels éléments provenaient d'un engagement implicite plutôt qu'explicite. Six mois plus tard, quand quelqu'un conteste s'ils ont réellement accepté une tâche, cette distinction est la différence entre une clarification rapide et un débat plus long sur ce qui s'est dit.

Quel outil pour quel travail ?

Les outils orientés réunion et les outils orientés document résolvent des problèmes qui se chevauchent mais qui sont distincts, et choisir le mauvais pour la matière source est l'erreur la plus commune.

Pour les appels en direct, les enregistreurs de réunion dédiés qui génèrent des fichiers structurés plutôt qu'un mur de prose ont tendance à mieux préserver la propriété et les deadlines qu'un synthétiseur général boulonné à une application calendrier. Les techniques d'extraction décrites par un tel outil : la classification d'intention, la reconnaissance d'entités nommées, la diarisation des locuteurs, constituent une base raisonnable pour ce qu'il faut attendre de cette catégorie (Granola, meeting action item extraction). Cette même source rapporte 70 % de rétention hebdomadaire parmi les professionnels occupés utilisant l'approche, ce qui suggère que la sortie est assez fiable pour agir, pas seulement consultée une fois.

Pour les documents, un synthétiseur construit pour préserver les citations et les passages source importe plus qu'un optimisé pour les motifs de discours conversationnel. Le rapport lui-même devient l'ancre : chaque élément extrait doit tracer vers un paragraphe spécifique, pas une paraphrase de celui-ci. C'est là où un outil orienté document et un outil orienté réunion divergent vraiment : l'un est noté sur la qualité du suivi de qui a dit quoi, l'autre sur la qualité du suivi de qui l'a écrit et où.

Un espace de prise de notes construit autour de pages structurées plutôt qu'un document unique en cours aide aussi à l'étape de confirmation. Les action items tirés de trois sources distinctes, un rapport, un appel et un mail de suivi, ont besoin d'un seul endroit où s'asseoir avant qu'ils ne soient acheminés nulle part, sinon l'équipe finit par croiser trois outils pour répondre à une simple question : qu'est-ce qui est réellement dû cette semaine.

Une fois les éléments confirmés, un espace de tâches léger qui accepte un import en masse surpasse la retape manuelle de chaque ligne dans une application séparée. C'est l'étape d'acheminement de la méthode ci-dessus, et c'est généralement où la plupart des workflows d'extraction meurent silencieusement.

Aucun de ces quatre outils ne résout toute la chaîne de bout en bout, et cela vaut la peine de le dire simplement plutôt que de prétendre qu'un produit fait tout. Choisis la pièce qui correspond à ta matière source, pas celle avec la démo la plus spectaculaire.

Faut-il automatiser tout le pipeline ?

Saute l'automatisation complète si la matière source implique des clients, une exposition juridique, ou quoi que ce soit où un engagement manqué a un coût réel. La relecture de cinq minutes n'est pas optionnelle dans ces cas, peu importe la qualité des résultats du modèle sur un benchmark.

Automatise librement pour les syncs internes, les appels de statut récurrents, et le bavardage de projet peu critique, où un élément manqué ou mal attribué coûte un message Slack, pas une relation client. Les outils ont gagné ce niveau de confiance. Ils n'ont pas gagné l'autre, et les modes de défaillance ci-dessus en sont la raison.

Les action items ont toujours été là, enfouis dans le rapport ou l'appel. Ce qui a changé, c'est la proportion du travail de trouver qu'on peut déléguer, et la proportion qui a encore besoin d'une personne qui sait ce qu'un engagement implicite sonne comme.