La performance des modèles d’IA repose d’abord sur la qualité, la fiabilité et la disponibilité des données utilisées pour les entrainer. Or, 64 % des directeurs financiers déclarent ne pas être suffisamment outillés pour garantir la fiabilité de la donnée et l’exploiter pleinement¹, un défi accentué par l’intégration croissante de sources externes (reporting ESG, modèles prédictifs, etc.). Il est donc crucial pour la fonction Finance d’instaurer une gouvernance rigoureuse : définition de standards de qualité, mise en qualité des données historiques, comité de gouvernance dédié et sensibilisation des équipes. En complément, une validation humaine des résultats produits par l’IA demeure indispensable pour garantir la fiabilité des analyses, tant en interne qu’auprès des parties prenantes externes. A l’inverse, les technologies IA peuvent également contribuer à fiabiliser les données et instaurer ainsi un cercle vertueux, notamment grâce à la détection d’anomalies, d’écarts significatifs ou de possibles incohérences.

Le succès d’un projet IA dépend aussi de la robustesse de l’environnement technologique. Il s’agit de construire une architecture IT évolutive et sécurisée : environnement (multi)cloud/hybride propice à l’IA, interopérabilité avec les systèmes existants (ERP, EPM, etc.), anticipation des besoins d’intégration et de puissance de calcul. Dès le départ, la définition d’un modèle de gouvernance opérationnelle clair permet d’encadrer les usages, de maîtriser les risques et de piloter la création de valeur.

Face à la montée en puissance de l’IA, de nombreux cadres réglementaires émergent (EU AI Act, AI Algorithm and Deep Synthesis Regulations, AI Bill of Rights, Digital Product Passport, etc.), ainsi que de nombreuses recommandations et bonnes pratiques. La fonction Finance doit s’assurer que les solutions déployées sont conformes, notamment en matière de traitement des données, de traçabilité et de gestion des risques.

La transformation du modèle opérationnel doit s’accompagner d’une montée en compétences des équipes Finance. Il s’agit de définir les nouveaux rôles induits par l’IA (par exemple prompt engineering) et de garantir l’acquisition des compétences nécessaires (formations continues, recrutements ciblés, etc.). Les membres des équipes Finance devront aussi être capables de valider et d’expliquer les résultats de l’IA, de détecter les biais éventuels, et de collaborer efficacement dans un écosystème homme-machine. L’acquisition de compétences transverses telles que la pensée critique, l’éthique et le prompt engineering devient un atout différenciant pour la fonction.

Comme pour tout projet structurant, la conduite du changement est déterminante pour favoriser l’adoption des solutions IA. Une communication adaptée, la formation et l’accompagnement des équipes sont des leviers majeurs de réussite.

Notre expérience en conception de programmes d’IA, notamment à travers la réalisation de Proofs of Concept et de démonstrations pour de nombreux clients tout au long de ces dernières années, nous a permis de constater concrètement l’impact des outils d’IA générative sur les équipes Finance. Par exemple, lors de la migration d’outils développés sous VBA vers des solutions en Python ou R, l’IA générative a significativement simplifié la conversion du code existant, diminuant de fait le risque d’erreur. Ces initiatives ont permis d’accélérer la modernisation des processus, de libérer du temps pour les équipes Finance mais aussi de contribuer à attirer des profils plus digitaux au sein de la fonction Finance, naturellement plus à l’aise avec ces nouveaux environnements qu’avec les outils historiques tels que Matlab ou Cobol.

Pour deux acteurs industriels, nous sommes en train de déployer une plateforme d’agents IA connectés au SI Finance, capable par exemple d’automatiser l’analyse des données historiques (dépenses, ventes, etc.) afin d’en générer une synthèse, avec des commentaires et suggestions pertinents, ainsi que des graphiques interactifs. La plateforme « AI Advantages for CFOs » permet de déléguer l’exécution de tâches répétitives aux agents IA et donc de recentrer des équipes sur des tâches à plus forte valeur ajoutée, comme la prise de décision et l’accompagnement des équipes Métiers. 

Nos équipes ont conçu une plateforme IA, « Precision ViewTM », à destination de nos clients. Cette plateforme permet aux équipes FP&A de modéliser et de générer rapidement un grand nombre de scénarios, sur la base de modèles algorithmiques à sélectionner en fonction des besoins (séries temporelles, ARIMA, DeepAR+, ETS, etc.) et d’hypothèses exogènes (inflation, évolution réglementaire, etc.), éclairant ainsi la prise de décision stratégique.  

Nos équipes accompagnent plusieurs clients, à différent stade (du POC à l’implémentation), afin de renforcer leurs maîtrises des risques en automatisant la détection d’anomalies et la prévention de la fraude. Par exemple, les retours d’expérience ont démontré que notre solution Fin IQ fiabilise la mise en qualité de vos données et permet de procéder à des corrections ciblées, si nécessaire. En effet, en analysant en temps réel de vastes volumes de transactions et de données, les algorithmes sont capables d’identifier des patterns inhabituels, de signaler des comportements suspects et d’alerter les équipes en amont. Cette capacité contribue à sécuriser l’activité de la fonction Finance, à réduire les pertes liées à la fraude et à améliorer la réactivité face aux incidents, tout en fiabilisant la chaîne de contrôle interne.

L’automatisation de la conformité via l’IA représente également un levier d’efficacité significatif pour les directions financières. Ces algorithmes peuvent faciliter l’identification et le traitement des écarts réglementaires, automatiser la production des reportings requis et assurer une veille proactive sur l’évolution des normes. Cette démarche permet de réduire le risque de non-conformité, de sécuriser les opérations et de dégager du temps pour des missions à plus forte valeur ajoutée, tout en renforçant la crédibilité de l’entreprise auprès des autorités de supervision. Deloitte a déjà accompagné plusieurs entreprises sur des démonstrations/POCs de ce type de solutions.

Nos équipes ont développé dans le cadre de démonstrations des solutions d’IA générative visant à assister les équipes Relations Investisseurs dans la préparation des états financiers à destination des régulateurs et analystes. L’IA permet ici à la fois d’analyser rapidement un grand nombre de données mais également de générer un narratif exploitable (synthèse + commentaires pertinents) par les équipes Finance en amont de leur partage à des tierces parties.