AI Impact Scan : notre diagnostic flash
Dans les directions financières, la pression est constante : clôturer plus vite, fiabiliser les prévisions, réduire les coûts. Face à ces enjeux, deux promesses technologiques émergent souvent comme des solutions miracles : confier l’intégralité des processus à l’IA, ou bien automatiser 100% des tâches répétitives avec des outils classiques.
Mais la réalité est plus subtile. Ni l’une ni l’autre ne suffit seule à répondre durablement aux exigences de rigueur, de conformité et de performance économique.
Les limites du “tout IA”
L’intelligence artificielle séduit par sa flexibilité et sa capacité à traiter des volumes massifs de données. Pourtant, certaines limites émergent lorsqu’elle est utilisée seule :
- L’instabilité des résultats : d’une exécution à une autre, l’IA peut générer des outputs différents avec les mêmes inputs. Un écart de consolidation calculé à 2,3M€ un jour, 2,7M€ le lendemain, Inacceptable pour un audit.
- Le manque de traçabilité des résultats : un effet boite noire qui pose un problème majeur en terme de piste d’audit et de conformité
- Imprévisibilité des coûts : certains modèles consomment d’importants volumes de tokens facturés à l’usage, entraînant des coûts parfois élevés et imprévisibles.
Par exemple, lorsque nous soumettons à Copilot les 2 demandes ci-dessous dont uniquement la structure de la phrase change légèrement mais dont la finalité reste la même, nous obtenons les 2 résultats ci-dessous avec des totaux très éloignés.
Résultat 1
Résultat 2
De tels écarts remettent immédiatement en question la fiabilité des résultats et il est impératif de pouvoir analyser ce qui été fait pour comprendre ce qui a conduit à une telle différence.
Les limites du “tout automatisation”
L’automatisation classique est un gage de rigueur et de fiabilité. Elle garantit que chaque étape est exécutée de manière identique et conforme aux règles établies.
Néanmoins, elle présente elle aussi des limites :
- Elle reste rigide : la moindre exception ou évolution des règles nécessite des ajustements techniques souvent longs et coûteux.
- Elle peine à gérer les situations non standardisées, où une interprétation ou une contextualisation est nécessaire.
- Elle se limite à exécuter, sans apporter d’analyse qualitative ni de mise en récit des résultats.
Par exemple, le flux Power Automate ci-dessous a pour but d’envoyer un email à un destinataire précis avec le rapport Single Resolution Board.
Pour cela, les données contenant ces informations liées au destinataire sont renseignées dans les colonnes ContactEmail et FirstName d’un fichier Excel. Il suffit d’une modification de l’en-tête des fichiers (en Contact Email par exemple), d’une faute de frappe ou bien d’une erreur de manipulation au sein de ce fichier pour que la colonne ContactEmail ne soit plus identifiée et ce flux tombe en erreur et que le destinataire du mail ne reçoive pas son rapport dans les délais impartis.
L’intérêt de la combinaison
C’est précisément dans l’alliance des deux techniques que réside la valeur :
- L’automatisation assure un socle stable, reproductible et économique.
- L’IA enrichit ce socle par sa capacité à comprendre, interpréter et générer des analyses utiles.
Ensemble, elles permettent aux directions financières et aux contrôleurs de gestion de disposer de processus robustes, traçables et économiquement viables, tout en gagnant en agilité et en qualité d’analyse.
La question n’est donc pas de savoir si l’IA remplacera l’automatisation ou inversement, mais bien : “Comment orchestrer ces deux leviers pour renforcer la fiabilité, réduire les coûts et accélérer le pilotage de la performance ?”
Dans notre prochain article, nous illustrerons cette approche par un cas concret : la réconciliation financière. Nous verrons comment la combinaison entre automatisation et IA a permis de garantir la qualité des résultats tout en générant des économies significatives.
Pour vous aider à mieux comprendre ce que l’IA générative peut – ou ne peut pas – faire pour vous, SeaBird teste et implémente les technologies et leurs applications dans les directions financières des acteurs de la banque, de l’assurance et de la gestion d’actifs.
