IA et direction financière : analyse et reporting

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 2 octobre 2026.

En bref

En finance d’entreprise, l’IA générative sert à quatre tâches : commentaires de gestion, contrôle des factures et notes de frais, analyse des écarts, questions en langage courant sur les données. Selon l’enquête AI in Finance 2025 de Gartner (18 novembre 2025, 183 directeurs financiers), 59 % des fonctions finance utilisent l’IA, un niveau stable par rapport aux 58 % de 2024 ; les cas les plus répandus sont la gestion des connaissances (49 %), l’automatisation de la comptabilité fournisseurs (37 %) et la détection d’anomalies (34 %).

La fiabilité tient à quatre exigences : chaque chiffre sourcé dans le système de gestion, traçabilité des traitements, validation humaine et auditabilité. Le calendrier compte aussi : d’après economie.gouv.fr, la facturation électronique est obligatoire en réception pour toutes les entreprises depuis le 1er septembre 2026, et en émission pour les PME et microentreprises à partir du 1er septembre 2027. Un premier projet part d’un processus borné et d’un jeu de dossiers passés pour mesurer le taux d’erreur avant tout usage réel.

1. Où en est l’IA en finance d’entreprise en 2026 ?

Les directions financières utilisent l’IA, mais rarement à l’échelle d’un processus entier. D’après l’enquête Gartner du 18 novembre 2025, l’adoption est passée de 37 % des fonctions finance en 2023 à 58 % en 2024, puis 59 % en 2025, et 91 % des répondants rapportent un impact faible ou modéré au départ. Dans sa communication du 8 juin 2026, le même cabinet note que 84 % des fonctions finance ont déployé ou prévoient de déployer l’IA, et que 7 % rapportent un impact élevé ou très élevé.

En France, l’Insee Première n° 2120 (21 juillet 2026) mesure que 18 % des entreprises de 10 salariés ou plus utilisent au moins une technologie d’IA en 2025, contre 10 % en 2024 et 6 % en 2023, et 58 % des entreprises de 250 salariés ou plus. Parmi les finalités déclarées, mesurées en part des effectifs salariés, l’organisation des processus d’administration atteint 38 % et la comptabilité, le contrôle de gestion ou la gestion financière 30 %.

La Banque de France (Bloc-notes Éco n° 451, 28 mai 2026) relève, à partir de l’enquête SAFE du quatrième trimestre 2025 (4 968 entreprises, dont 625 françaises), que 23 % des entreprises françaises déclarent un usage modéré ou important de l’IA, contre 39 % en zone euro, et qu’elles citent plus souvent des préoccupations relatives aux données, à la vie privée et à l’éthique. L’étude PwC et DFCG « Priorités des DAF 2026 » (19 novembre 2025, plus de 250 entreprises participantes) place l’intégration de l’IA parmi les défis de l’année.

2. Quels cas d’usage pour la clôture, le reporting et l’analyse ?

Un modèle de langage désigne un programme entraîné sur de grands volumes de textes pour produire, résumer, classer ou traduire du texte à partir d’une consigne. Il ne calcule pas un chiffre : il le lit dans un système et le commente. Cette distinction délimite ce qu’une direction financière peut lui confier.

Clôture. Lecture des justificatifs, contrôle des écritures récurrentes, relance des pièces manquantes, note de clôture rédigée à partir des soldes arrêtés.
Reporting et commentaires de gestion. Premier jet du commentaire à partir des chiffres du système de gestion, chaque chiffre renvoyant à sa source, relu et signé par le contrôleur de gestion.
Analyse d’écarts. Le calcul reste une règle ; le modèle rédige l’explication à partir des pièces (contrats, bons de commande, factures) et signale ce qu’il n’a pas trouvé.
Contrôle des factures et des notes de frais. Extraction des données des pièces, rapprochement avec la commande ou la politique de frais, doublons et incohérences présentés pour relecture.
Prévision de trésorerie. La prévision relève de modèles statistiques ; le modèle de langage rédige les commentaires et les scénarios.
Questions en langage naturel. La question est traduite en requête sur l’entrepôt de données, et la requête est affichée avec la réponse.

TW3 Partners publie trois cas de ce type : des questions en langage naturel sur l’entrepôt de données, où un agent interroge lui-même l’entrepôt par des outils SQL, une analyse des dépenses de déplacement construite sur les exports des outils de réservation et de notes de frais, chaque chiffre renvoyant à ses lignes sources, et la rédaction de rapports et de notes à partir des documents internes.

3. Automatisation classique ou modèle de langage : comment choisir ?

Si une règle écrite suffit, la règle l’emporte. Un modèle de langage n’intervient que là où l’information arrive sous une forme que les règles ne lisent pas : une facture scannée, un contrat, un courriel de justification, une question posée en français.

Tâche	Automatisation classique (règles, ERP, RPA)	Apport du modèle de langage	Validation
Rapprochement bancaire	Lettrage par règles sur montants, dates, références	Lecture des libellés ambigus, justification des écarts résiduels	Comptable
Contrôle des factures fournisseurs	Contrôles de montant, de TVA, de doublon	Lecture des pièces non structurées, écart entre commande, facture et contrat	Avant mise en paiement
Notes de frais	Plafonds et règles de la politique de frais	Lecture du justificatif, catégorisation, anomalies à relire	Manager puis comptabilité
Analyse d’écarts	Calcul des écarts budget contre réel	Explication rédigée avec les pièces citées	Contrôleur de gestion
Commentaire de gestion	Aucune	Premier jet à partir des chiffres arrêtés	Direction financière
Prévision de trésorerie	Modèles statistiques et scénarios	Commentaires et hypothèses en langage courant	Trésorier
Questions sur les données	Requêtes écrites par un spécialiste	Traduction de la question en requête, requête affichée	Relecture de la requête

Gartner nomme IA composite cette combinaison de règles, d’apprentissage automatique et de modèles génératifs dans son Hype Cycle for AI in Finance 2025 (10 septembre 2025), et rappelle que les fonctions finance « doivent aussi prendre en compte l’auditabilité et l’exactitude du reporting ».

4. Quelles exigences de fiabilité pour des chiffres financiers ?

Un chiffre produit par un modèle de langage n’a pas de valeur comptable. Quatre exigences rendent son usage acceptable dans une direction financière.

Chiffres sourcés dans le système de gestion. Le modèle ne recalcule rien : il lit des montants déjà arrêtés dans l’ERP ou l’entrepôt de données et renvoie à la ligne d’origine. Tout chiffre affiché sans identifiant de source est écarté.

Traçabilité des traitements. Chaque réponse conserve la requête exécutée, les pièces lues, la version de la consigne et le modèle utilisé. Sans ce journal, un commentaire de gestion ne peut pas être relu six mois plus tard.

Validation humaine. Le modèle signale, une personne décide. Le paiement d’une facture, la publication d’un reporting ou la clôture d’un compte restent des actes signés. La note exploratoire de la CNIL et du Conseil de l’IA et du numérique du 20 juillet 2026 souligne qu’un agent « capable d’agir sur son environnement à la place de son utilisateur » marque « un changement d’échelle qui renouvelle et amplifie les risques pour les données personnelles ».

Auditabilité. Le BOFiP BOI-TVA-DECLA-30-20-30-20 (7 février 2018) décrit la piste d’audit fiable : des contrôles « organisés et permanents », « choisis par l’entreprise et mis en œuvre sous sa responsabilité », dont la documentation présente « la cartographie des applications informatiques impliquées dans le processus », « le schéma de circulation des informations » et « la liste des anomalies et les processus de correction ». Un outil d’IA placé dans la chaîne de facturation entre dans cette cartographie, avec ses règles de décision et ses journaux.

5. Quel cadre : facturation électronique, RGPD, AI Act ?

La facturation électronique fixe le calendrier le plus proche. Selon economie.gouv.fr, la réforme est entrée en vigueur le 1er septembre 2026 : toutes les entreprises doivent recevoir des factures électroniques, les grandes entreprises et les entreprises de taille intermédiaire doivent les émettre et transmettre leurs données de e-reporting, et les PME et microentreprises suivent le 1er septembre 2027. Plus de 10 millions d’acteurs économiques sont concernés, et quatre mentions obligatoires s’ajoutent aux factures, dont le numéro SIREN du client et la catégorie de l’opération.

Le guide pratique de démarrage de la Direction générale des Finances publiques (juillet 2026) précise que pendant la phase de démarrage « il n’y aura pas d’application des sanctions aux entreprises rencontrant des difficultés dans la mise en œuvre de la réforme mais qui sont engagées dans une trajectoire sérieuse de mise en conformité », et que « cette approche ne constitue ni un report ni une suspension de l’obligation ».

Pour un projet d’IA, la réforme simplifie le contrôle des factures : les données arrivent structurées par la plateforme agréée, les règles s’appliquent sur des champs, et le modèle de langage se concentre sur les pièces jointes, les contrats et les cas hors norme.

Le RGPD s’applique dès que l’outil lit des notes de frais, des bulletins ou des coordonnées de salariés ou de clients. La CNIL a publié le 22 juillet 2025 ses recommandations sur le développement des systèmes d’IA, en onze étapes, de la finalité à l’annotation en passant par la base légale, la minimisation, la durée de conservation et l’information des personnes.

Le règlement (UE) 2024/1689 demande à tout déployeur, depuis le 2 février 2025, « un niveau suffisant de maîtrise de l’IA pour leur personnel » (article 4). Son annexe III classe à haut risque les systèmes qui évaluent la solvabilité des personnes physiques (point 5 b) et ceux qui servent à « suivre et évaluer les performances et le comportement de personnes » dans une relation de travail (point 4 b) : un contrôle de notes de frais qui noterait les salariés est à examiner sous cet angle.

D’après le calendrier du Conseil de l’Union européenne, la majorité des règles s’appliquent depuis le 2 août 2026 et le règlement de simplification adopté le 29 juin 2026 fixe au 2 décembre 2027 l’application des obligations aux systèmes à haut risque de l’annexe III.

6. Par quelles étapes passer pour un premier projet ?

Un premier projet d’IA en finance d’entreprise se cadre en six étapes, dans cet ordre.

Choisir un processus borné et mesurable. À titre d’illustration, le contrôle des notes de frais ou le commentaire mensuel d’une entité : un périmètre où le résultat attendu est connu.
Donner un accès en lecture seule aux données arrêtées. L’outil lit l’ERP, l’entrepôt ou les exports ; il n’écrit pas dans la comptabilité.
Constituer un jeu de contrôle. Des dossiers passés dont le résultat est connu (notes validées ou rejetées, commentaires publiés) mesurent le taux d’erreur avant tout usage réel.
Fixer la validation humaine et les seuils. Ce que l’outil signale seul, ce qu’une personne valide, ce qui est bloqué.
Journaliser et documenter. Requêtes, pièces lues, versions des consignes, anomalies et corrections, dans la documentation de la piste d’audit.
Mesurer, puis étendre. Temps de clôture, taux d’anomalies détectées, reprises évitées ; Gartner recommande de piloter trois à cinq cas d’usage à la fois.

L’IA en finance d’entreprise se traite ainsi comme un projet de contrôle interne : un périmètre, des données dont on connaît l’origine, une documentation et un responsable qui signe.

7. FAQ

L’IA peut-elle produire le reporting mensuel sans intervention humaine ?
Non. Les chiffres viennent du système de gestion ; le modèle de langage rédige le commentaire et prépare le support, puis une personne relit et signe. Dans l’enquête Gartner du 18 novembre 2025, 91 % des répondants rapportent un impact faible ou modéré au départ.

Quelle différence entre automatisation par règles et IA générative pour une DAF ?
Une règle traite une donnée structurée (montant, date, code) de façon déterministe. Un modèle de langage lit des pièces non structurées (facture scannée, contrat, courriel) et produit un texte ou une classification à vérifier.

La facturation électronique change-t-elle les projets d’IA ?
Oui. Depuis le 1er septembre 2026, les factures entre entreprises transitent par des plateformes agréées sous forme structurée, et les PME et microentreprises devront les émettre à partir du 1er septembre 2027. Les contrôles par règles portent sur des champs normés ; le modèle de langage se concentre sur les pièces jointes et les cas particuliers.

Comment garantir l’auditabilité d’un commentaire généré ?
Chaque chiffre du commentaire renvoie à sa ligne dans le système de gestion, la requête et les pièces lues sont conservées, et la version de la consigne est datée. La piste d’audit fiable décrite au BOFiP exige une documentation des applications impliquées et des anomalies traitées ; l’outil d’IA y figure comme toute autre application.

Le contrôle des notes de frais relève-t-il du RGPD et de l’AI Act ?
Du RGPD, oui : les notes de frais contiennent des données de salariés, ce qui appelle une finalité, une base légale, une minimisation et une information des personnes, selon les recommandations de la CNIL du 22 juillet 2025. L’annexe III du règlement (UE) 2024/1689 vise les systèmes qui évaluent le comportement des personnes au travail ; un outil qui signale des anomalies de pièces reste à distinguer d’un outil qui noterait les salariés.

IA et direction financière : automatiser l’analyse et le reporting