⚠️ Alert fatigue
Trop de mails/notifs → utilisateurs finissent par les ignorer.
Mitigation : digest quotidien consolidé, pas mail par événement.
Ces limitations sont connues et assumées — elles ne sont pas des blocages mais des contraintes qui doivent être communiquées clairement à l’équipe et aux stakeholders Proxiad pour éviter les mauvaises surprises.
deplacement-@) parsé par MG-02“3 heures pour l’un, 15 minutes pour l’autre” — l’écart tient aux méthodes autant qu’à l’outillage.
⚠️ Alert fatigue
Trop de mails/notifs → utilisateurs finissent par les ignorer.
Mitigation : digest quotidien consolidé, pas mail par événement.
⚠️ Faux positifs
Relance envoyée à quelqu’un qui a déjà validé → perte crédibilité.
Mitigation : recheck source ~2s avant envoi.
⚠️ Contournement
Utilisateurs continuent par ancien canal (mail direct, Teams).
Mitigation : sensibilisation ferme + fallback (redirection auto).
⚠️ Complexité règles
Règles métier trop spécifiques par entité → template rigide inadapté.
Mitigation : règles COMMUNES d’abord, exceptions manuelles.
⚠️ Bascule big-bang
Passer d’un process manuel à auto en une nuit → résistance + erreurs.
Mitigation : pilote 3 mois en parallèle du manuel, comparaison, itération.
⚠️ Défiance sur ROI
Écart détecté au pilote → équipe métier revient au manuel.
Mitigation : co-dev avec key users, transparence complète, override sheet possible.
⚠️ Hallucinations LLM
Parser LLM invente des champs qui n’étaient pas dans le mail.
Mitigation : confidence score, prompt strict “ne devine jamais”, validation champs vs valeurs autorisées.
⚠️ Coût LLM
Volume mails × parsing LLM = coût mensuel.
Mitigation : modèle éco (Haiku / gpt-oss local), contexte limité ~500 tokens, batch backfill hors heures pointe.
⚠️ Data privacy LLM externe
Envoi mails Proxiad à Anthropic/OpenAI = questionnement RGPD.
Mitigation : opt-in explicite, ou hébergement local (NVIDIA NIM gpt-oss) pour zero egress.
✅ Assumées — pas de discussion
🔄 À négocier avec Proxiad