@Work
Dossier été 2026 : IA, la fonction finance n’y a pas encore trouvé son compte
Par Xavier Biseul, publié le 26 août 2026
Encore cantonnée à la productivité individuelle, l’IA générative peine à s’imposer dans les processus coeur de métier de la DAF. Les freins sont nombreux : qualité des données, manque de fiabilité, difficulté à calculer le ROI… Mais les perspectives sont réelles pour affiner les décisions et renforcer les performances financières des métiers.
SOMMAIRE DU DOSSIER :
L’ENTREPRISE AU(X) TEMPS DE L’IA
Homme des chiffres, le directeur administratif et financier (DAF) sait mieux que personne faire parler les données financières pour mesurer la performance de son entreprise. L’IA lui donne l’occasion de sortir de sa fonction régalienne de garant des comptes et de se positionner comme un partenaire stratégique des directions métiers en les aidant à développer leur activité ou leur rentabilité.
Seulement, les directions financières butent contre un principe de réalité. L’IA générative s’y est avant tout imposée, comme dans le reste des organisations, comme un outil de productivité individuelle pour rechercher de l’information, réaliser des présentations ou préparer des réunions. En revanche, elle peine à s’étendre aux processus coeur de métier comme la planification et l’analyse financière, le reporting ou le contrôle interne.
Selon l’édition 2026 de l’étude Trends of AI réalisée par KPMG et Les EnthousIAstes, seulement 10 % de cas d’usage « pur finance » sont réellement déployés. « Les équipes se heurtent à trois obstacles récurrents : l’accès et la qualité des données, la maturité limitée des processus clés et la dette technologique des SI finance », avancent les auteurs.
Pour David Merignargues, associé KPMG France – Pilotage de la performance , l’adoption de l’IA par la fonction reste mesurée au regard des attentes et des opportunités qu’elle suscite. « Le DAF reste le gardien du temple, ses exigences sont supérieures à d’autres fonctions. Il doit s’appuyer sur des pistes d’audit, une traçabilité à toute épreuve. »
Par ailleurs, les équipes finance manquent à la fois de budget dédié et de bande passante. Ils sont actuellement impliqués dans la migration complexe de nouveaux outils de type ERP/EPM et par des projets réglementaires comme la généralisation de la facturation électronique. Enfin, les DAF peinent à mesurer le ROI. 40 % des répondants de l’étude Trends of AI ne savent pas quantifier l’impact de l’IA.
Des ROI difficiles à calculer
« L’IA est souvent appréhendée sous le seul prisme de la suppression de postes, de la baisse de la masse salariale, déplore Anne-Claude Tessier, associée KPMG France – Finance strategy et transformation. Or, pour la fonction finance, elle apporte surtout de la valeur par une meilleure appropriation des risques, la détection de cas de fraude, un pilotage optimisé de la performance pour des décisions managériales plus rapides et pertinentes. »
David Merignargues fait une analogie avec le passage au cloud. « S’il n’a généralement pas permis de réduire les coûts, il a, en revanche, changé la façon d’accéder aux données. »
De la même manière, l’IA peut permettre à la DAF de gagner en efficacité opérationnelle et lui apporter une meilleure connaissance de la santé financière de son entreprise.
Sur quels cas d’usage partir ? L’IA peut s’attaquer aux tâches particulièrement chronophages de la gestion des comptes fournisseurs et clients. « Les équipes se voient délestées des activités transactionnelles, se concentrant sur la gestion des exceptions et l’analyse de la valeur », avance Anne-Claude Tessier.
Et si le reporting est déjà automatisé grâce à la business intelligence, l’IA ouvre la possibilité de créer des rapports complémentaires, d’interroger directement les données en langage naturel. « Elle permet également de produire du reporting narratif, c’est-à-dire fournir une explication contextuelle des performances financières d’une entreprise, au-delà des seuls chiffres », complète Anne-Claude Tessier.
Directeur France de Payhawk, fintech dédiée à la gestion des flux externes, Valentin Gerbi estime que l’IA agentique va créer un surcroît d’intérêt. « L’approche ne vise pas à créer des agents généralistes, mais des agents dédiés à des cas d’usage spécifiques, comblant des lacunes existantes et générant un fort retour sur investissement. »
Payhwak propose, entre autres, un agent contrôleur financier qui relance les directions métiers pour récupérer les justificatifs de dépenses.
La maîtrise de l’IA suppose toutefois une évolution de la fonction. « Elle requiert des profils hybrides, à la fois tech et financiers, qui demeurent rares, note Christian Laveau, président du groupe Transformation digitale et Intelligence Artificielle (GTDIA) de la DFCG. Généralement, le parcours classique d’un jeune financier débute par un passage dans un cabinet d’audit ou de conseil, une banque d’affaires avant d’intégrer une entreprise et de gravir les échelons. »
De fait, les DAF actuellement aux commandes ne sont pas toujours familiarisés avec l’IA. Ce qui renforce, à ses yeux, l’importance des partenariats entre le DSI et le DAF. « Il devient indispensable que les informaticiens comprennent les enjeux financiers, tout comme le fait que les financiers s’approprient les problématiques technologiques. »
Parmi les nouveaux rôles qui émergent au sein de l’organisation, tels que le chief transformation officer ou le chief AI officer, certains pourront être incarnés aussi bien par des représentants de la direction financière que de l’informatique.
« Il y a trop d’hallucinations pour que des financiers l’acceptent »
Christian Laveau et Armand Angeli, président et vice-président du groupe Transformation digitale et Intelligence Artificielle (GTDIA ) de la DFCG
Selon Christian Laveau, « le niveau d’adoption de l’IA par les DAF demeure hétérogène, même s’il semble supérieur à d’autres directions comme la fonction juridique, par exemple ». Au sein des grandes entreprises notamment, l’écart reste notable entre les cas d’usage identifiés et ceux réellement déployés en production. « Ce qui peut engendrer une importante déperdition d’énergie. »
Armand Angeli tient, lui, à distinguer l’IA générative de l’IA prédictive. « Bien entraînée, cette dernière fournit des résultats fiables, notamment pour la réconciliation bancaire, le lettrage, la détection de fraude, le recouvrement ou la conformité. »
Cette IA prédictive est intégrée depuis une dizaine d’années dans les logiciels spécialisés du marché.
À l’inverse, l’usage de l’IA générative reste limité. « Elle présente actuellement un taux d’hallucinations estimé entre 20 et 70 %. Ce qui, bien sûr, n’est pas acceptable pour nous, responsables financiers. »
Si le recours à des méthodes de RAG renforce la fiabilité des résultats, l’IA générative est, pour l’heure, avant tout perçue comme un outil d’amélioration de la productivité individuelle indépendamment de la fonction finance. « Il apparaît essentiel de d’abord comprendre le fonctionnement précis des processus et des tâches pour pouvoir les automatiser, poursuit Armand Angeli. Or, il n’est pas toujours possible de les décrire dans le détail, et cela implique l’utilisation d’outils de process mining ». Selon lui, il existe, par ailleurs, une tendance à accorder une confiance excessive à l’IA, soit par paresse intellectuelle, soit par manque de points en raison d’une carence d’expertise sur les processus. « Le maintien de l’humain dans la boucle reste indispensable pour garantir la sécurité et la pertinence des analyses.».
La quantité et la qualité des données constituent un autre frein majeur, celles-ci étant souvent disséminées dans différents environnements, sous divers formats et parfois non structurées.
SOMMAIRE DU DOSSIER :
L’ENTREPRISE AU(X) TEMPS DE L’IA
À LIRE AUSSI :
À LIRE AUSSI :
