Copilot Studio : créer un agent RH personnalisé en 4 semaines

Copilot Studio : qu'est-ce que c'est vraiment ?

Microsoft 365 Copilot répond aux questions à partir de vos données SharePoint, OneDrive, Teams, Outlook. Mais quand un employé pose une question spécifique - « combien me reste-t-il de jours de vacances ? », « quelle est notre politique de remboursement de kilométrage ? », « comment déclarer un accident du travail ? » - Copilot 365 ne sait pas répondre, parce que la réponse vit dans un système RH externe ou dans un PDF de politique interne.

C'est précisément le rôle de Copilot Studio : créer des agents conversationnels personnalisés, branchés sur vos sources de données spécifiques (Dataverse, SharePoint, SQL, API métier), accessibles depuis Teams, depuis un site web, ou intégrés directement dans Microsoft 365 Copilot comme « skill » additionnel.

Ce n'est pas un chatbot des années 2018. C'est une couche IA générative qui orchestre des recherches, des appels API, et des actions, le tout via un canvas low-code.

Cas concret : agent assistant-RH chez un manufacturier de 800 employés

Pour illustrer, voici le cas d'un agent RH déployé chez un manufacturier canadien début 2025. Le contexte : 800 employés répartis sur 4 sites, équipe RH de 6 personnes débordée par les questions répétitives (40 % du temps consacré à répondre à des questions dont les réponses sont déjà dans les politiques).

Objectif : créer un agent Teams accessible à tous les employés, capable de répondre 24/7 aux 80 % des questions courantes, et de router intelligemment vers l'équipe RH les 20 % qui demandent un humain.

Résultat à 6 mois : 4 200 conversations traitées par l'agent, taux de résolution autonome 76 %, charge de l'équipe RH réduite de 30 %, satisfaction utilisateur 4,3/5.

Architecture de l'agent

L'agent combine quatre sources de données et trois actions :

• Source 1 - SharePoint : politiques RH, manuel de l'employé, FAQ. Indexées automatiquement par Copilot Studio (Generative Answers).
• Source 2 - Dataverse : table de soldes vacances/maladie par employé, synchronisée nuit avec le SIRH.
• Source 3 - API SIRH (BambooHR dans ce cas) : récupération en temps réel des informations personnelles employé.
• Source 4 - Power Automate flow : création automatique de tickets RH dans le système de billetterie quand l'agent ne peut pas répondre.
• Action 1 - Soumettre une demande de congé (validation manager via approval workflow).
• Action 2 - Déclarer un accident de travail (création de fiche dans le système SST avec notification RSST automatique).
• Action 3 - Demander une attestation d'emploi (génération PDF + envoi par courriel).

4 semaines, semaine par semaine

Le projet a été livré en 4 semaines, une cadence que nous recommandons pour ce type d'agent ciblé :

• Semaine 1 - Cadrage : 6 entrevues d'employés et 2 ateliers avec l'équipe RH pour identifier les 30 cas d'usage les plus fréquents. Définition du périmètre. Décision « ce que l'agent fait / ce qu'il ne fait pas ».
• Semaine 2 - Construction : montage Copilot Studio, ingestion SharePoint, conception Dataverse, premiers topics manuels pour les cas critiques, test sur 5 utilisateurs.
• Semaine 3 - Intégrations : API SIRH, Power Automate flows, authentification SSO Azure AD, sensitivity labels Purview sur les données employé.
• Semaine 4 - Pilote et hardening : test avec 50 employés volontaires, ajustement des prompts système, mise en place du fallback humain, gouvernance (data retention, audit logs).
• Lancement large en semaine 5 avec communication interne, formation managers, et pilotage hebdomadaire les 4 premières semaines.

Gouvernance et sécurité

Un agent RH manipule des données personnelles sensibles. Les contrôles non-négociables :

• Authentification SSO obligatoire : l'agent connaît qui parle et ne révèle que les données de cet employé.
• Sensitivity labels Purview sur toutes les sources : un document RH étiqueté « Confidentiel - Interne » est restreint à la diffusion par l'agent.
• Audit logs Power Platform activés : chaque conversation est traçable, exportable en cas d'audit Loi 25.
• DLP policies Power Platform : interdiction de connecter cet agent à des connecteurs grand public (Gmail, Twitter, etc.).
• Politique de rétention : conversations supprimées automatiquement après 90 jours, sauf en cas de litige actif.
• Article 12.1 Loi 25 : information explicite aux employés que l'agent est une IA, droit de demander une réponse humaine.

Mesure d'usage et ROI

Sans mesure, un agent meurt en 6 mois. Les indicateurs que nous suivons :

Volume - nombre de conversations, par sujet, par site, par jour de la semaine. Identifie les pics et les sujets émergents.

Taux de résolution autonome - % de conversations qui se terminent sans escalade humaine. Cible : > 70 %.

Satisfaction utilisateur - note 1-5 demandée à la fin de chaque conversation. Cible : > 4/5.

Temps économisé - extrapolation : (nombre de conversations résolues × temps moyen RH économisé par requête). Pour ce client : ~120 heures/mois.

Coût total - licences Copilot Studio + Dataverse + maintenance. Ici : 2 400 $/mois en production. ROI net positif dès le 3e mois.

Pour quels cas Copilot Studio est pertinent

Copilot Studio brille pour les cas suivants : assistant RH (vacances, politiques, onboarding), assistant TI N1 (mots de passe, accès, FAQ ServiceNow), assistant ventes interne (catalogue, configurateur, statut commandes), assistant secteur public (informations citoyens, services en ligne).

À l'inverse, Copilot Studio n'est pas la bonne réponse pour : générer du contenu créatif (utilisez Copilot 365), analyser des documents complexes (utilisez Copilot 365 avec accès SharePoint), faire de la prédiction quantitative (utilisez Power BI + ML).

Le piège classique : vouloir construire un méga-agent qui fait tout. Mieux vaut 4 agents spécialisés, qui font chacun une chose bien.