IA en finance d'entreprise : où passe vraiment la ligne de partage

La bonne question n'est pas « est-ce que l'IA peut faire cette tâche ». Elle est : « si la machine se trompe, est-ce que je peux montrer à un auditeur pourquoi elle s'est trompée ». Cette seule question trie correctement, en une heure, toutes les tâches d'un service financier. Elle est bien plus fiable que les classements par complexité, qui mettent du même côté la lecture d'une facture et l'appréciation d'un risque client.

Je n'écris pas ceci en spectateur. J'ai passé des fins de mois à rapprocher des relevés, et j'ai aussi vu passer des démonstrations qui promettaient de « générer le commentaire de gestion ». Les premières se sont automatisées sans douleur. Les secondes ont produit des phrases plausibles sur des écarts que personne n'avait décomposés. La différence entre les deux ne tient pas à la puissance du modèle, elle tient à la nature de ce qu'on lui demande de produire.

Le mouvement est réel, mais il n'est pas là où on le raconte

Commençons par les chiffres, parce qu'ils calment le débat. La statistique publiée par l'Insee indique qu'en 2025, 18 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une technologie d'intelligence artificielle, soit 8 points de plus qu'en 2024 et un taux multiplié par trois depuis 2023. Plus intéressant pour nous : la finalité « comptabilité, contrôle de gestion ou gestion financière » passe de 14 % à 30 % entre 2024 et 2025, dans un tableau exprimé en pourcentage des effectifs salariés.

À l'échelle européenne, la publication d'Eurostat donne 20,0 % d'entreprises utilisatrices dans l'Union en 2025 contre 13,5 % en 2024, avec un éventail qui va de 42,0 % au Danemark à 5,2 % en Roumanie. Sur les petites structures, le Baromètre France Num 2025, construit sur 11 021 entreprises interrogées, relève un doublement en un an du recours à des solutions d'IA, à 26 %, avec des usages dominés par l'IA générative à 22 %.

Deux lectures de ces chiffres. La première : la fonction finance est devenue, en un an, l'un des premiers terrains d'usage. La seconde, moins confortable : quand l'usage dominant est l'IA générative, l'outil le plus répandu est aussi celui dont la sortie est la moins vérifiable. Un service financier qui adopte l'IA par le texte avant de l'adopter par le document commence par le mauvais bout.

Le critère de tri : trace d'entrée, trace de sortie

Voici le test que j'applique. Pour chaque tâche, je réponds à trois questions par oui ou par non.

1. L'entrée est-elle un document ou une base ? Autrement dit, existe-t-il une pièce que je peux ressortir et poser sur la table.
2. La sortie est-elle vérifiable mécaniquement ? Existe-t-il un contrôle simple, indépendant du modèle, qui dit vrai ou faux : un total qui tombe, un solde à zéro, une référence qui existe dans le référentiel.
3. L'erreur se voit-elle avant la clôture ? Ou bien se découvre-t-elle dix-huit mois plus tard, quand la provision se dénoue.

Trois oui : automatisez, l'IA y est mûre. Deux oui : automatisez la préparation, gardez-la décision. Un oui ou zéro : laissez la machine proposer, jamais conclure. Ce test est le même esprit que celui que j'ai décrit dans l'article sur la question qui élimine 80 % des indicateurs d'un tableau de bord : un critère unique, brutal, appliqué sans exception, trie mieux qu'un comité.

Ce qui est mûr aujourd'hui

La lecture de documents entrants. Extraction d'une facture fournisseur, d'un bon de livraison, d'un relevé bancaire, d'un contrat de location. Trois oui sur trois : la pièce existe, le total se recalcule, l'erreur se voit à l'imputation. C'est le chantier le plus rentable d'une PME industrielle, et c'est précisément le sujet que détaille Scalio-IA dans sa fiche sur le passage des factures fournisseurs à l'ERP sans ressaisie. J'ai chiffré ailleurs ce que coûte cette ressaisie dans un article sur les heures que personne ne compte, et l'ordre de grandeur surprend toujours la direction.

Les rapprochements. Banque, intragroupe, stock physique contre stock comptable, commandes contre réceptions. Un rapprochement a une propriété rare : sa sortie se contrôle toute seule, puisque le solde non expliqué doit tendre vers zéro. Un modèle qui apparie mal se dénonce immédiatement. C'est l'automatisation la plus sûre qui existe en finance.

Le classement et la relance. Typer un litige client, repérer les factures dont le profil de paiement dévie, préparer les lettres. Le sujet n'est pas mince : le rapport 2024 de l'Observatoire des délais de paiement estime que les PME auraient bénéficié de 15 milliards d'euros de trésorerie supplémentaire en 2024 en l'absence de retards de paiement. Là encore, la machine prépare, l'humain décide à qui on téléphone, comme je l'ai défendu dans l'article sur le DSO qui baisse en relançant plus tôt.

La détection d'anomalies de saisie. Doublons, TVA incohérente, compte inhabituel pour un fournisseur donné. Taux de faux positifs élevé, coût d'un faux positif quasi nul. Le rapport est favorable.

Ce qui ne marchera pas avant longtemps

L'évaluation d'une provision. Provision pour litige, pour garantie, pour dépréciation de créance. L'entrée n'est pas un document, c'est un faisceau : l'avis d'un avocat, l'historique du client, l'intention de la direction. La sortie n'est vérifiable par rien, sinon par l'événement lui-même, des mois plus tard. Zéro oui sur trois. Un modèle produira un montant, il sera plausible, et personne ne saura dire sur quoi il repose le jour où le commissaire aux comptes posera la question.

Les choix de méthode. Clé de répartition d'un coût indirect, méthode de valorisation des stocks, prix de cession interne. Ces choix ne sont pas des calculs, ce sont des décisions politiques déguisées en calculs. J'ai montré dans l'article sur le coût de revient qui ment à quel point la clé décide du résultat. Déléguer ce choix à un modèle, c'est déléguer un arbitrage de direction à une boîte sans mandat.

Le commentaire de gestion. Celui-ci mérite un avertissement particulier, parce qu'il est le plus demandé. Un modèle génératif écrit très bien « la marge recule sous l'effet d'un mix défavorable ». Il l'écrit même quand c'est faux, parce qu'il produit la phrase la plus probable, pas la phrase vraie. Tant que l'écart n'a pas été décomposé en effets volume, prix et mix, aucune génération de texte ne vaut quoi que ce soit : c'est tout le propos de l'article sur la décomposition d'un écart sur budget. La bonne séquence est inverse : on calcule la décomposition par une formule auditable, et on laisse éventuellement la machine mettre la phrase autour.

La prévision de trésorerie fine. Nuance ici. Prévoir l'encaissement d'une facture selon le comportement passé du client fonctionne plutôt bien, c'est statistique. Prévoir le paiement d'un client en difficulté ne fonctionne pas, parce que l'événement qui compte n'est jamais dans l'historique. Avec un retard moyen de paiement de 13,6 jours fin 2024 en France, un niveau que la Banque de France signale en hausse d'un jour sur un an et supérieur à la moyenne européenne, le modèle apprend une norme de retard, pas un défaut.

La contrainte qui tranche avant toutes les autres

Avant même le test en trois questions, un filtre s'impose : la donnée sort-elle de l'entreprise, et où atterrit-elle. Une liasse fournisseurs contient des conditions commerciales, un fichier paie contient des données personnelles, un dossier litige contient des éléments couverts par le secret. Scalio-IA traite cette question dans sa note sur la souveraineté des données d'une PME industrielle, et je la place en tête de liste parce qu'un projet d'automatisation qui échoue sur ce point échoue après avoir coûté cher.

Le test de lundi matin

Une heure, un tableur, quatre colonnes : tâche, document en entrée (oui/non), contrôle mécanique de sortie (oui/non), erreur visible avant clôture (oui/non).

Listez les quinze tâches qui consomment le plus de temps dans votre service. Pas les plus visibles : les plus longues. Cochez. Vous obtiendrez trois paquets. Le paquet à trois oui est votre feuille de route des douze prochains mois, et il est presque toujours plus gros que prévu, parce que le travail documentaire pèse beaucoup plus que l'analyse dans un service financier réel, comme je l'ai constaté en préparant une clôture en cinq jours. Le paquet à zéro oui est votre valeur ajoutée : c'est là que vous serez jugé, et c'est là qu'il faut réinvestir le temps gagné ailleurs.

Reste le paquet du milieu, celui à un ou deux oui. Règle simple : la machine prépare le dossier, l'humain signe, et la signature est datée. Ce n'est pas de la prudence morale, c'est de la piste d'audit. Une décision dont on ne peut pas reconstituer le chemin n'est pas une décision, c'est un résultat.

Je suis Benjamin Roure L'Hermitte, controleur de gestion. J'ecris ici sur la finance d'entreprise, les marches financiers et le jeu d'echecs, trois terrains ou l'on decide sous contrainte. En savoir plus sur moi et sur ce blog.