La RPA peut à elle seule automatiser un processus existant chronophage ou défaillant. En lui adjoignant des modules et technologies complémentaires, l’automatisation peut être enrichie et aller au-delà des besoins initiaux. 

En effet, basée sur des règles connues et des exceptions maîtrisées, la RPA peut solliciter par exemple des méthodes de typage de documents et d’extraction de données par OCR (Reconnaissance Optique de Caractères), plus communément appelés Rad-Lad (Reconnaissance et Lecture Automatique de Documents). Le processus se trouve ainsi enrichi de données jusqu’ici saisies manuellement toujours dans une optique de gain de qualité et de productivité. Si le sens des mots, des phrases et des messages ont un intérêt pour certains, la technologie NLP (Natural Language Processing – Analyse sémantique) peut être implantée dans le processus orchestré par la RPA. Dans certains cas d’usage, le Machine Learning peut être utilisé afin de compléter un besoin d’apprentissage automatique que ce soit pour la Rad-Lad ou l’analyse d’image si le processus le nécessite.

Ces choix sont bien entendu étudiés en phase amont du projet d’intégration et des outils permettent de cartographier au mieux les besoins (module Process Mining d’UiPath par exemple) et de mesurer le retour sur investissement dans sa globalité. Partant d’une cartographie de processus existante, il est ainsi possible d’établir une feuille de route RPA permettant de mettre en lumière l’éligibilité à cette technologie et les modules complémentaires enrichissant ainsi un processus de façon optimale. La RPA s’inscrit dans une démarche d’amélioration continue et l’ajout de fonctions riches et complémentaires permettent d’envisager un service rendu toujours plus performant (rapide et fiable).