Paris, le 9 septembre 2026 - Celonis, leader mondial de la Process Intelligence, et Uniper, entreprise européenne du secteur de l’énergie présente à l’international, démontrent que les agents d’IA ont besoin du bon contexte opérationnel pour fonctionner de manière plus précise, plus rapide et plus rentable. Uniper utilise un agent alimenté par le Celonis Context Model et développé avec Microsoft Copilot Studio afin d’améliorer un processus RH critique : le recrutement et l’embauche.
« L’IA d’entreprise ne peut révéler tout son potentiel que lorsqu’elle comprend réellement comment fonctionne une organisation et la manière de l’optimiser », déclare Lars Reinkemeyer, Chief Evangelist chez Celonis. « Les résultats remarquables obtenus par Uniper montrent comment les entreprises peuvent générer une valeur tangible et cumulative en transformant leurs opérations critiques grâce à une IA d’entreprise ancrée dans le contexte fourni par Celonis. »
« En utilisant Celonis comme couche de contexte, nous développons des solutions d’IA qui ne sont plus simplement des outils que nous expérimentons, mais de véritables assistants auxquels nous pouvons faire confiance », déclare Robert Daamen, Head of Process Intelligence CoE chez Uniper. « Le Celonis Context Model offre à nos équipes RH une transparence complète sur le processus de recrutement et d’embauche et élimine les obstacles inutiles qui retardent l’arrivée de nouveaux talents dans nos équipes. »
Le contexte qui fait la différence : un même agent d’IA, deux résultats radicalement différents
En collaboration avec Celonis et un cabinet de conseil indépendant, Uniper a développé et testé, à l’aide de Microsoft Copilot Studio, un agent d’IA conçu pour améliorer le processus de recrutement et d’embauche des meilleurs talents.
Grâce à une interface en langage naturel, l’agent fournit aux responsables du recrutement des informations clés sur le processus d’embauche, notamment sur les postes ouverts et les candidatures présélectionnées. Il identifie et met en évidence les tâches urgentes ou en retard pour les recruteurs et les managers. Il orchestre également certaines actions pour les équipes RH, comme la rédaction et l’envoi d’e-mails aux collaborateurs et aux candidats.
Pour évaluer les performances de l’agent, l’équipe lui a soumis deux fois les mêmes requêtes : une première fois en utilisant uniquement les données brutes issues du propre système RH d’Uniper, puis une seconde fois en s’appuyant sur le contexte opérationnel fourni par le Celonis Context Model (CCM). Les résultats ont été particulièrement significatifs.
À la question : « Quels sont les goulots d’étranglement dans le processus de recrutement et d’embauche ? », l’agent, lorsqu’il s’appuyait uniquement sur les données d’Uniper, fournissait une liste de réponses génériques, telles que « fragmentation des données », « surcharge des responsables du recrutement » ou encore « manque de visibilité sur les tâches ».
En revanche, lorsqu’il bénéficiait du contexte opérationnel du CCM, ses réponses devenaient beaucoup plus détaillées et spécifiques, non seulement à l’équipe RH d’Uniper, mais également à chacun de ses membres. Par exemple : « 27 candidats, répartis sur plusieurs offres d’emploi, figurent sur la liste de présélection depuis plus de 14 jours. »
Au vu de ces résultats, l’équipe a déployé l’agent en production et constate déjà des améliorations opérationnelles significatives, notamment :
- Réduction drastique des délais : le délai moyen jusqu’à la signature par les candidats a été réduit de 27 jours, tandis que la phase moyenne de présélection a été raccourcie de 13 jours.
- Précision et fiabilité accrues de l’IA : les recruteurs et les managers obtiennent des informations précises plutôt que des réponses génériques.
- Renforcement de la gouvernance des processus : l’équipe RH bénéficie d’une meilleure transparence, lui permettant de mieux comprendre le processus et d’agir de manière proactive.
- Optimisation de l’utilisation des tokens : l’ancrage de l’agent d’IA dans le contexte métier permet d’éviter le gaspillage de tokens, en remplaçant les approximations probabilistes par une logique métier pré structurée.
Au-delà de l’amélioration des processus RH, Uniper, Celonis et Microsoft collaborent pour transformer d’autres processus métiers critiques, notamment la maintenance des installations, l’exploitation hydroélectrique, la gestion des services informatiques (ITSM), la vente et le trading d’énergie, les services financiers et l’audit interne.
À titre d’exemple, l’activité Sales and Trading d’Uniper exécute plusieurs centaines de transactions par heure. Grâce à Celonis Data Core, le Centre d’Excellence (CoE) Process Intelligence de l’entreprise peut transmettre ces données à Celonis en temps réel, permettant ainsi à Uniper de prendre les bonnes décisions et d’agir au bon moment.
La collaboration et le soutien des dirigeants d’Uniper jouent un rôle clé dans l’extension de ces initiatives, notamment ceux du CIO, du CFO et du CPTO (Chief People and Transformation Officer), responsable des RH et de la transformation technologique.
Pour en savoir plus, découvrez comment Celonis collabore avec Uniper et Microsoft pour accélérer la transformation numérique du secteur de l’énergie et regardez la vidéo Uniper + Microsoft + Celonis.