Introduction

L'IA révolutionne nos pratiques. Qu'en est-il de la mise au point des plannings ? Chez HUBO Planning, on propose une méthodologie et des outils pour faciliter la mise au point des plannings de base (aussi appelés trames, roulements ou cycles) et on a formé de nombreux cadres dans ce domaine.

Il nous a donc paru intéressant de tester la capacité des outils IA (LLM) standards à aider les gestionnaires de planning à mettre au point des plannings d'équipe. Il s'agissait plus précisément de vérifier si les outils IA généralistes (ChatGPT d'OpenAI, Claude AI d'Anthropic, Gemini de Google et Mistral de Mistral AI) pouvaient nous proposer des trames de planning d'équipe de manière plus efficace et plus rapide qu'une approche manuelle avec une bonne méthodologie.

Comme on le verra dans l'analyse de l'expérience, les outils d'IA, à ce jour, ne constituent pas des outils efficaces pour construire des trames de plannings d'équipe. On détaillera dans les conclusions les limites que cette expérience a permis d'identifier concernant la logique de "raisonnement" de ces outils.

L'expérience

On a formé des cadres dans le médico-social à la gestion des plannings pendant de nombreuses années, à l'IRTS (Institut Régional du Travail Social). Dans ce contexte, on a préparé chaque année des exercices de planification d'équipe, notamment pour les évaluations. Ces exercices sont donc assez simples, pour pouvoir être résolus en moins de 30 minutes (et moins de 10 minutes pour les plus aguerris).

Nous avons donc sélectionné un de ces exercices pour le soumettre à différents outils d'IA, afin d'évaluer leur capacité à nous aider dans cette tâche de planification d'équipes.

Il faut préciser à ce stade que l'on a bien sûr vérifié que cet exercice avait au moins une solution satisfaisante. On détaillera cette solution dans un prochain article.

L'énoncé de l'exercice

Voici l'énoncé de l'exercice :

En tant que chef de service, on vous demande de mettre au point une proposition de cycle/trame/roulement pour un service composé de 3 infirmiers/infirmières. Les besoins de fonctionnement du service sont les suivants :

• une présence tous les jours (donc y compris samedi et dimanche) de 8h00 à 20h00, avec une heure d’interruption le midi, de 13h00 à 14h00,
• en semaine, on demande en outre qu’elles soient 2 de 11h00 à 13h00 et de 14h00 à 17h00,
• une réunion hebdomadaire de 14h00 à 17h00 où les 3 infirmiers/infirmières doivent être présents/es.
  Vous disposez de 3 ETP (hors remplacements pour les congés).
  Par ailleurs, le roulement proposé doit respecter les contraintes suivantes :
• durée quotidienne de travail de 10 heures maximum, mais un accord d’entreprise autorise un maximum de 12 heures le week-end,
• durée hebdomadaire de travail de 44 heures maximum,
• repos quotidien de 11 heures minimum,
• 1 repos hebdomadaire au minimum par semaine calendaire,
• un total de 4 repos hebdomadaires par 2 semaines, dont 2 consécutifs minimum,
• bien sûr, une pause de minimum 20 minutes au terme de 6 heures de travail maximum.
  Merci de présenter votre proposition de planning ainsi que les étapes suivies pour la mettre au point.

L'exercice lui-même n'est vraiment pas complexe. Il concerne 3 salariés uniquement, avec des contraintes plannings simples. Si vous êtes vous-même gestionnaire de planning, vous pouvez essayer de résoudre cet exercice avec votre propre approche avant de lire la suite.

Résultats

On va présenter ci-dessous les propositions des 4 outils d'IA utilisés et les échanges que l'on a pu avoir avec eux pour améliorer leur proposition. Notre analyse de chaque proposition d'outil IA n'est pas exhaustive ; ce serait trop fastidieux. Ce qui nous intéresse avant tout - car c'est notre objectif -, c'est de vérifier si le cycle proposé est conforme au cadre donné et, ensuite, s'il est de qualité - notamment au regard de l'équité de répartition des contraintes entre les salariés : travail le week-end, répartition des différents types de plages horaires, etc.

ChatGPT

Commençons par l'outil IA le plus populaire : ChatGPT ! ChatGPT résume nos contraintes.

Puis il nous propose un cycle planning sur 2 semaines. Le voici :

Il nous indique ensuite, toujours dans la même réponse, qu'il a vérifié les contraintes :

Et il nous précise les étapes utilisées.

Tout cela semble sérieux, au moins en apparence, même si on s'interroge tout de suite sur la durée du cycle proposé. En effet, par défaut, on serait plutôt parti sur un cycle de 3 semaines pour 3 salariés, composé de 3 semaines types. Ainsi, le cycle final serait parfaitement équitable entre les salariés.

Regardons de plus près le cycle proposé. On remarque tout de suite qu'il n'est pas équilibré entre les salariés. Par exemple, au niveau des week-ends travaillés, B et C bénéficient d'un week-end complet non travaillé sur le cycle, mais pas A. Le nombre d'heures effectué par chaque salarié sur les 2 semaines du cycle n'est pas non plus identique, avec une différence de 21 heures entre l'infirmer C (60 heures) et l'infirmier B (81 heures).

ChatGPT propose de rééquilibrer le cycle proposé et, en effet, sa nouvelle proposition est plus équilibrée.

Mais ce rééquilibrage est non seulement imparfait, mais il se fait aussi au prix d'une modification des repos de week-ends. Ainsi, l'infirmier A et l'infirmier B y perdent leur week-end non travaillé sur le cycle ! Dans ces conditions, on n'a pas été plus loin avec ChatGPT.

Soulignons aussi qu'aucune des 2 propositions ne respecte la demande d'avoir un infirmier "de 8h00 à 20h00, avec une heure d’interruption le midi, de 13h00 à 14h00", alors même que ChatGPT a lui-même reformulé cette contrainte : "Présence de 1 infirmier tous les jours de 8h à 13h et de 14h à 20h (pause de 13h à 14h)."

Analyse

Sous des apparences de sérieux dans sa réponse, la proposition de cycle de ChatGPT est très insatisfaisante. On peut imaginer qu'un premier jet soit imparfait et qu'avec quelques interactions supplémentaires, on arrive à améliorer la proposition initiale. Mais cette démarche nécessiterait que l'outil d'IA nous indique les forces et les faiblesses de sa proposition. Ce n'est pas du tout le cas puisque ChatGPT nous fournit une réponse qu'il présente comme respectant parfaitement les contraintes, alors que ce n'est pas du tout le cas. C'est donc à l'utilisateur d'identifier les contraintes non-respectées et de demander des modifications. Et, alors, ChatGPT se permet de modifier des éléments qui conduisent à une solution certes meilleure sur un point et nettement moins satisfaisante sur d'autres.

Concernant la gestion des repos hebdomadaires, on pourrait prendre en considération, au crédit de ChatGPT, qu'il n'est pas précisé dans le "cahier des charges" qu'il faut favoriser les repos hebdomadaires le dimanche et, si possible, avec un samedi aussi en repos. Mais, d'une part, cela signifie qu'il faut préciser dans nos demandes tous les éléments, ce qui est fastidieux, et, d'autre, part, on pourrait s'attendre à ce qu'il déduise ces éléments du contexte plus général qu'il possède. Mais on constate que ce n'est pas sa démarche - et ce n'est pas spécifique à ChatGPT - : il ne va pas commencer l'échange par une demande de précisions pour affiner sa réponse. Non, il fournit une réponse présentée comme correcte, mais qui ne l'est pas (du tout) et c'est à nous de réaliser tout le travail d'analyse et de vérification.

Mistral

Nous avons utilisé Mistral en version pro car nous bénéficions d'un abonnement à cet outil. On pourrait considérer que cela favorise Mistral par rapport aux autres outils. Nous verrons que, de toute façon, la solution proposée par Mistral, même en version pro, n'est pas satisfaisante.

Mistral commence sa réponse par nous détailler sa compréhension du besoin et son approche du problème.

Il nous propose ensuite une trame basée sur... une semaine.

Comme ChatGPT, Mistral nous indique vérifier les contraintes et n'identifie pas de problème particulier.

Pourtant, en quelques secondes, on peut voir que, dès le lundi, les besoins ne sont pas respectés puisqu'il n'y a plus d'infirmier à partir de 19h00. Et quand on regarde les autres jours, on se rend compte qu'il n'y a jamais personne entre 19h et 20h. Si l'on regarde les repos hebdomadaires, la situation n'est pas meilleure : on a un seul repos pour l'infirmier 1 et l'infirmier 2 et aucun pour l'infirmier 3, qui travaillera donc 7 jours sur 7. En outre, l'infirmier 3 effectue toujours la même plahe horaire (PH), 7 jours sur 7.

On demande ensuite à Mistral le total d'heures hebdomadaires pour chaque infirmier. Et là, en calculant ces totaux, Mistral se rend compte qu'il ne respecte pas du tout la contrainte des 44 heures par semaine, alors qu'il indiquait lui-même avoir vérifié cela précédemment !

On a donc perdu confiance dans sa capacité à nous aider. Mais il nous propose immédiatement un planning révisé, avec cette fois le total d'heures hebdomadaires :

Le total d'heures est partiellement corrigé mais il reste de très nombreux problèmes sur le planning proposé : couverture des besoins, repos hebdomadaires, équité entre les salariés, etc.

Analyse

La proposition de ChatGPT n'était pas de grande qualité ; mais celle de Mistral est bien pire. On retrouve également le même problème de démarche que l'on pourrait qualifier de "sur-optimiste" des IA de type LLM : ils semblent comprendre la problématique soumise, ils nous proposent une solution et soulignent la qualité de la proposition, alors même que la solution proposée est de très mauvaise qualité.

Passons à Claude AI.

Claude

On a utilisé le modèle par défaut en juin 2025, Sonnet 4. Claude est un outil particulièrement efficace dans le cadre du développement informatique et l'on peut s'attendre à obtenir des solutions intéressantes dans le cadre de la planification RH. Voyons si cela s vérifie.

Claude présente ses réponses dans 2 parties de l'écran : à gauche sa démarche et ses commentaires et à droite sa solution, qu'il élabore progressivement et que l'on voit s'élaborer. Cette séparation est particulièrement agréable et efficace.

Comme ChatGPT et Mistral, Claude nous précise la démarche suivie pour élaborer sa solution :

La démarche est intéressante, même s'il tire des conclusions qui sont contestables. En effet, il nous indique : "Choix du cycle de 2 semaines : Nécessaire pour respecter la contrainte des 4 repos hebdomadaires sur 2 semaines", ce qui n'est pas totalement vrai. Un cycle sur 3 semaines permettrait tout à fait de gérer cette contrainte des 4 repos hebdomadaires (RH) sur 2 semaines, pour autant que l'on pose bien 2 RH consécutifs sur chacune des 3 semaines.

Dans la suite de sa réponse, Claude se distingue des 2 précédents outils en présentant les points forts mais aussi les points faibles de sa solution :

Voici la solution proposée par Claude :

On constate qu'il a pris au sérieux la couverture des besoins, et il affiche dans la colonne de droite cette couverture. Il a également effectué le calcul du total d'heures hebdomadaires et identifie de lui-même un problème de non-respect pour l'infirmier A la première semaine : total de 50 heures. Il nous propose une série de solutions pour gérer ce problème :

Comme sa première réponse est encourageante - par rapport aux 2 outil d'IA précédents et malgré le cycle proposé sur 2 semaines (on reviendra sur ce point) -, on lui exprime la demande suivante : "Le dépassement de l'infirmier A en semaine 1 est problématique. Par ailleurs, 1 ETP équivaut à 35 heures. En moyenne, on ne peut donc pas dépasser 70 heures sur les 2 semaines de cycle pour chaque infirmier. Peux-tu corriger ta proposition de cycle en prenant en compte ces éléments ?"

Et là, la situation se dégrade : on voit dans la fenêtre de droite qu'il élabore différentes solutions successives mais il identifie chaque fois un problème et recommence plusieurs fois, jusqu'à tirer cette conclusion définitive :

Cette réponse est problématique quand on sait qu'il y a bien au moins une solution satisfaisante au problème.

Analyse

La première réponse de Claude est encourageante. Il est le seul à ce stade à nous détailler les qualités et les limites de sa solution. Il identifie également de lui-même un problème de non-respect d'une contrainte donnée.

Toutefois, il se révèle incapable ensuite de nous proposer un cycle corrigeant ce problème de dépassement d'heures. Cette option est toutefois préférable, selon nous, à celle de ses prédécesseurs qui nous indiquent avoir une solution, mais cette solution se révèle pleine de non-respect des contraintes.

Enfin, il faut souligner les limites de son raisonnement pour déterminer la durée du cycle, qui le conduit à choisir une solution sur 2 semaines qui ne pourra jamais être équitable : on n'aura jamais un nombre de week-ends travaillés identiques entre les 3 salariés.

Gemini

Passons au dernier outil d'IA testé : Gemini en version 2.5 Flash. La réponse de Gemini comprend à la fois (1) une proposition de roulement, avec le détail de la vérification des contraintes, et (2) le détail des étapes de mise au point de cette proposition. Commençons par ce second point. Gemini découpe son travail comme suit :

• Étape 1 : Analyse des besoins et contraintes
• Étape 2 : Définition des blocs de travail (shifts)
• Étape 3 : Calcul des besoins en personnel et équilibrage
• Étape 4 : Construction du roulement hebdomadaire (itération)
• Étape 5 : Vérification détaillée et ajustements finaux

Selon nous, il est prématuré d'élaborer les horaires de travail à l'étape 2, avant d'avoir vérifié la correspondance entre les besoins et le personnel disponible.

Précisons que chacune de ces étapes est détaillée, par exemple :

Concernant la proposition, elle comporte un premier élément remarquable : Gemini nous propose un roulement sur 3 semaines. C'est aussi le choix que l'on aurait retenu par défaut. Par contre, il ne poursuit pas en élaborant 3 semaines types qui constitueraient la base de chacun des cycles des 3 infirmiers - voir article à venir sur notre méthodologie - mais il remplit chacune de ces 3 * 3 semaines " manuellement" - si l'on peut dire. Le choix d'un cycle de 3 semaines était un bon point de départ pour obtenir un cycle équitable entre les salariés, voire parfaitement identique. Mais Gemini rate cette occasion : son cycle n'est pas du tout équitable. Considérons par exemple la situation sur les dimanches, où le nombre de dimanches travaillés n'est pas le même pour chaque infirmier : I1 travaille 1 dimanche sur 3 tandis que I2 et I3 travaillent 2 dimanches sur 3.

Gemini détaille le respect des différentes contraintes, dont beaucoup sont respectées, notamment la couverture des besoins. Toutefois, comme il le souligne, des ajustements vont être nécessaires, par exemple le respect de la durée quotidienne en semaine :

On peut s'étonner que Gemini ait choisi néanmoins de placer cette plage horaire en semaine, étant donné la contrainte des 10 heures. Mais, au moins, il attire notre attention sur le problème, et c'est utile.

Gemini identifie également un problème dans la gestion des repos consécutifs :

Ici, il s'emmêle complètement les pinceaux. Premièrement, ce qu'il indique dans sa vérification est tout simplement faux : par exemple, pour le cycle I1 semaine 1, le vendredi n'est pas un repos, c'est un jour travaillé. La confiance est rompue. Deuxièmement, il ne vérifie que la séquence S1 + S2 alors que, ayant fait l'excellent choix d'un cycle sur 3 semaines, il devrait également vérifier la séquence S3 + S1, qui constituera sur le cycle l'autre séquence de 14 jours.

Il évoque ensuite un "ajustement nécessaire", alors que le choix des jours de repos hebdomadaires sur le planning est un élément particulièrement structurant des cycles : modifier les jours de RH, c'est revoir tout le planning le plus souvent.

Enfin, il aurait dû identifier que la seule solution pour respecter la contrainte des 2 jours de RH consécutifs sur 14 jours pour des trames avec un nombre de semaines impair est de prévoir 2 repos consécutifs sur chacune des semaines constituant le cycle.

Comme Gemini a identifié pour nous les limites de sa proposition, on lui demande logiquement : "Peux-tu me corriger les erreurs que tu as identifiées ?". Et là, la situation se dégrade. En effet, pour résoudre le problème des 11 heures de travail en semaine, il réduit la plage horaire d'une heure, mais sans veiller à continuer de respecter les besoins. Ainsi, le lundi et le mardi de la semaine 1, on n'a plus personne au-delà de 19 heures...

Concernant les repos consécutifs, il continue de ne prendre en compte que la succession des 2 premières semaines, ce qui est problématique. Il se rend compte par ailleurs que ces changements sont structurels et ne constituent pas de " simples ajustements" :

Il ne trouve pas de solution à ce problème.

Analyse

La réponse initiale de Gemini, comme celle de Claude, était prometteuse :

• proposition de cycle de 3 semaines,
• vérification systématique du respect des contraintes,
• identification des limites de la proposition,
• détail de la méthodologie utilisée.

Mais la suite est très décevante car

• il ne trouve pas de solution aux limites qu'il a identifiées dans sa proposition initiale,
• les modifications réalisées conduisent à de nouveaux non-respects de contraintes, et
• les mêmes vérifications présentes lors de la première réponse ne sont pas effectuées ensuite - ce qui conduit à créer des non-respects de contraintes qui ne sont plus identifiés.

Discussion et conclusions

Le premier objectif de cette expérience était de tester si les outils d'IA standard à notre disposition aujourd'hui étaient capables de nous proposer un planning conforme et bien conçu pour une équipe de quelques salariés, avec des contraintes assez limitées. La réponse est sans équivoque : NON.

Cette expérience sur la mise au point de cycles de travail a aussi permis de mettre en évidence que les modèles d'IA actuels ne disposent pas des capacités de raisonnement dont nous, humains, disposons. Ils peuvent éventuellement faire un peu illusion dans un premier temps, avec notamment l'analyse critique du résultat de leur travail, mais on constate que cela ne leur permet pas d'élaborer une stratégie leur permettant de conserver les éléments qui fonctionnent et d'améliorer la proposition sur cette base. Les reprises de planning remettent tout en question et on n'avance pas vraiment. Le cas de la mise au point de planning est particulièrement intéressant ici car il a la particularité d'être un tout difficile à transformer sans tout casser.

Evidemment, nous sommes conscients que ces outils évoluent très rapidement et que les limites actuelles seront peut-être dépassées rapidement. Nous essaierons de reproduire cette analyse dans quelques mois pour constater l'évolution des outils. Mais la limite identifiée ici est probablement plus fondamentale, se situant dans l'approche de raisonnement elle-même, qui consiste avant tout à mettre un mot derrière un autre, et cela n'est pas suffisant pour élaborer des plannings d'équipe de qualité.

Dans le prochain article, nous présenterons notre solution "manuelle" au problème de mise au point de trame planning proposé aux outils d'IA.