Le point de départ n'est pas la technologie
Sept entreprises sur dix ont déjà lancé une ou plusieurs expérimentations IA. Un quart seulement déclarent avoir identifié des opportunités réelles d'évolution sur leurs processus, et 5 % ont réellement défini leur trajectoire (McKinsey, State of AI 2025). L'écart est instructif : le frein n'est ni l'accès aux outils, ni l'appétence des équipes. C'est le point d'entrée.
Dans la fonction finance, l'entrée par l'outil est d'autant plus trompeuse que les options sont nombreuses et toutes légitimes : la RPA pour les tâches répétitives à règles stables, les modules IA que les éditeurs d'ERP, de comptabilité, de trésorerie et de consolidation intègrent nativement, les plateformes agentiques pour construire des agents sur mesure au-dessus des systèmes existants. Trois briques complémentaires, et aucune qui indique par quoi commencer.
Le principe central est l'inverse de l'intuition habituelle : le point de départ n'est pas la brique technologique mais l'irritant métier. La technologie n'est qu'un moyen, et le choix de la brique se fait en fin de raisonnement, une fois le cas d'usage caractérisé, pas avant.
La question utile n'est pas « quel outil déployer », mais « quelle tâche fait perdre du temps à mes équipes chaque semaine sans rien ajouter à la qualité de l'analyse ». En finance, la réponse varie peu : la collecte, le rapprochement, la mise en forme et la recherche d'information.
Les mêmes irritants, d'un périmètre à l'autre
Neuf périmètres sont concernés : contrôle de gestion, consolidation, intercos, trésorerie, comptabilité client et fournisseur en CSP, contrôle financier et credit management, ADV, juridique et RAF. Les processus diffèrent, mais les irritants se recoupent suffisamment pour se ramener à six familles, et les premiers cas d'usage suivent la même logique d'un périmètre à l'autre.
Le temps absorbé par la collecte dans plusieurs outils et la recherche d'explications, avant même l'analyse. L'IA prépare une première lecture des écarts, propose des commentaires de gestion et remonte les points atypiques. Plus loin, un agent multi-sources produit la synthèse de revue mensuelle.
Des écarts entre entités, des relances chronophages, une documentation de clôture incomplète. Un agent rapproche les transactions inter-entités, signale les incohérences et récapitule les justificatifs manquants. L'intérêt n'est pas le gain de saisie : c'est la réduction des allers-retours.
Des positions de cash éclatées entre banques et outils, des signaux faibles noyés dans le volume. Un agent agrège les soldes, détecte les anomalies de flux et actualise la prévision à 30/60/90 jours. L'IA améliore la lisibilité ; elle ne prétend pas arbitrer.
Des volumes importants, une hétérogénéité documentaire forte, des affectations incertaines. Côté fournisseurs : lecture de facture, rapprochement commande / bon de livraison / facture, préparation du lot de validation. Côté clients : tri des emails entrants et suivi des promesses de paiement.
Une information dispersée entre commandes, litiges, paiements et historique de relation, difficile à reconstituer avant d'agir. L'IA reconstitue le contexte client, priorise les dossiers à relancer et prépare le dossier avant chaque action.
La relecture de contrats longs sous délai, la comparaison de versions, l'extraction de clauses éparpillées. L'IA résume, extrait les clauses sensibles et prépare une note de lecture structurée. Souvent le meilleur terrain de démonstration : valeur visible, contrôle entier.
Un dénominateur commun mérite d'être souligné : aucun de ces cas ne demande à l'IA de décider. Tous consistent à préparer.
Trois niveaux de maturité, pas un grand saut
Une fois les cas identifiés, la tentation est de viser directement l'automatisation de bout en bout. C'est le meilleur moyen de ne rien mettre en production. Un point souvent sous-estimé : la maturité ne se décrète pas au niveau de l'entreprise, elle se constate équipe par équipe, et trois niveaux suffisent à situer chacune.
- Niveau 1 — Assister. Résumé d'un document, reformulation d'un email, préparation d'un brouillon, extraction de données d'une facture. Accessible à tout collaborateur, sans prérequis technique.
- Niveau 2 — Automatiser. Rapprochement automatique, classement de documents, relances pré-rédigées, synthèse de revue mensuelle. Suppose des processus stabilisés et des règles explicites.
- Niveau 3 — Orchestrer. Agents multi-sources, workflow de clôture end-to-end, détection d'anomalies multi-étapes, préparation de CODIR automatisée. Suppose un cadre DSI établi : droits d'accès, traçabilité, points de validation.
On commence au niveau 1, on valide, et on monte en maturité progressivement. Cette progression a un effet secondaire précieux : elle installe les réflexes de contrôle avant que les enjeux ne deviennent significatifs.
L'IA prépare, l'humain décide
La ligne de partage doit être posée explicitement, dès le premier cas d'usage. L'IA prépare, alerte, rapproche, synthétise et met en lumière. L'humain valide sur les sujets sensibles, exerce le jugement métier, arbitre les décisions financières, commerciales et juridiques, traite les exceptions et porte la responsabilité finale.
En finance, cette frontière n'est pas une précaution rhétorique : la validation comptable, l'arbitrage budgétaire, la décision de placement, le blocage d'une commande ou l'engagement contractuel restent des actes humains. Loin de freiner l'adoption, un cadre clair la facilite : les équipes acceptent d'autant mieux un agent qu'elles savent précisément ce qu'il ne fera pas.
Le cadre protège aussi l'entreprise. À défaut, les usages se développent quand même, mais hors de tout contrôle : c'est le shadow IA, avec les risques réglementaires (AI Act, RGPD) et de fuite de données qui l'accompagnent. L'attentisme n'est pas une option neutre ; il coûte techniquement et culturellement.
Les résultats observés en production
Trois ordres de grandeur, mesurés sur des projets récents.
Le premier concerne un groupe industriel dont la documentation financière représentait plus de 5 000 documents de procédures dispersés, avec des experts sollicités en permanence sur des questions récurrentes. Quatre agents ont été mis en production : un orchestrateur, un agent dédié aux politiques comptables, un agent systèmes et processus, un agent de contrôle qualité. Le retour des équipes tient en une phrase : « Plus besoin d'attendre la disponibilité d'un expert pour une question de procédure. »
Le second concerne une direction juridique au suivi contractuel entièrement manuel, sans alertes sur les fins de contrat et les renouvellements, sur un portefeuille hétérogène en langues, formats et clauses. Deux agents ont suffi : un agent d'extraction et un agent de restitution, avec des vues différenciées selon les profils, juridique, direction financière, commerce. Le gain n'est pas seulement le temps économisé : c'est une vision consolidée et temps réel des risques.
Dans les deux cas, la mise en œuvre n'a pas été longue. Ce qui demande du temps, c'est le calibrage métier : formuler les questions réelles, tester sur des dossiers imparfaits, ajuster les restitutions attendues par chaque profil.
Par où commencer ?
Un démarrage concret vaut mieux qu'un grand projet. La séquence tient en quatre temps : remonter les irritants des équipes plutôt qu'une promesse technologique abstraite ; choisir deux ou trois cas ciblés, visibles et utiles pour les équipes concernées ; expérimenter avec les utilisateurs, affiner, puis élargir ; co-construire les usages en gardant un cadre de validation humaine explicite.
Le tri des cas d'usage, lui, mérite d'être fait en entonnoir : diagnostiquer la chaîne de valeur pour repérer les principales poches de valeur, éliminer les cas à faible impact ou trop complexes, prioriser selon le ROI potentiel et la complexité, instruire les prérequis data et IT (existence et qualité de la donnée, accessibilité, compétences), chiffrer gains et coûts, puis re-prioriser selon la faisabilité réelle, technique comme organisationnelle. C'est ce double filtre qui évite la liste de cinquante cas d'usage dont aucun n'atteint la production.
Le bon démarrage n'est pas celui qui embrasse le plus large. C'est celui qui identifie où l'IA peut rendre le quotidien d'une équipe un peu plus simple, plus lisible et plus confortable, et qui donne envie de passer au suivant.
