IA et production comptable : les usages qui tiennent en environnement audité

Une direction financière qui teste aujourd'hui un agent conversationnel sur ses écritures se heurte vite à une question simple : que répondra-t-elle à l'auditeur qui demande d'où vient ce chiffre ? C'est cette question, plus que la performance des modèles, qui détermine ce que l'intelligence artificielle peut faire dans une chaîne comptable et réglementaire — et ce qu'il vaut mieux lui confier autrement.

Cet article décrit les usages que nous voyons tenir en production, et la règle de conception qui les rend compatibles avec un environnement audité.

La contrainte propre à la production comptable

Un reporting de gestion tolère l'approximation : un ordre de grandeur suffit souvent à décider. Une production comptable ou prudentielle est jugée sur d'autres critères.

• La traçabilité. Chaque montant doit pouvoir être rattaché à ses pièces et à ses règles de traitement. La piste d'audit doit rester continue entre le fait générateur et l'état déposé.

• La reproductibilité. Refaire tourner la production sur les mêmes données doit donner le même résultat. Cette exigence est incompatible avec un composant dont la sortie varie d'une exécution à l'autre.

• La responsabilité. L'organisme répond de ses états devant un commissaire aux comptes et un superviseur. La question « qui a décidé ce traitement » doit avoir une réponse.

Ces trois propriétés cadrent le problème. Un modèle génératif produit une sortie plausible, pas une sortie prouvée, et deux exécutions peuvent différer. Le placer sur le chemin qui produit le chiffre déposé revient à introduire une variabilité au cœur d'une chaîne dont la valeur tient à son absence.

La règle de conception : garder le calcul hors du modèle

L'architecture qui fonctionne sépare deux rôles.

Le calcul du chiffre reste déterministe. Les règles de valorisation, les agrégations, les contrôles de cohérence, la génération des états : tout cela s'exécute dans du code et des modèles de données versionnés, rejouables, dont la logique est lisible. C'est la chaîne décrite dans notre article sur l'architecture d'un reporting automatisé.

L'IA travaille autour de cette chaîne, sur des tâches où une proposition révisable a de la valeur : lire un document, signaler une anomalie, préparer une écriture, rédiger un premier jet de commentaire. Sa sortie entre dans la chaîne après validation, jamais à la place d'un calcul.

Cette séparation correspond à la nature des deux problèmes traités. Produire un chiffre exact relève de règles explicites, qui se relisent et se rejouent. Repérer ce qui mérite l'attention d'un expert dans un volume de données relève du tri, où une proposition imparfaite garde de la valeur tant qu'un humain tranche.

Les usages qui tiennent aujourd'hui

L'extraction documentaire. Lire des contrats, des baux, des conditions de réassurance ou des factures pour en tirer des données structurées est une tâche où les modèles de langage sont solidement supérieurs aux règles écrites à la main, parce que la variété des formats déjoue toute grammaire exhaustive. La donnée extraite est ensuite contrôlée et versée dans la chaîne comme n'importe quelle source.

La détection d'anomalies. Repérer, dans un volume d'écritures ou de flux, ce qui s'écarte de l'historique ou des schémas attendus. La sortie est une liste d'éléments à regarder, classée par degré de suspicion — un travail de tri, dont le résultat reste soumis à l'analyse d'un comptable.

L'aide au rapprochement. Proposer des appariements entre deux référentiels qui ne partagent pas de clé commune, en s'appuyant sur des faisceaux d'indices. Le comptable arbitre les cas ambigus ; le volume traité automatiquement se concentre sur les correspondances nettes.

La préparation d'écritures récurrentes. Suggérer une imputation à partir de cas passés comparables, que l'opérateur confirme ou corrige. La valeur tient au taux de propositions justes, mesurable, et non à une autonomie complète.

L'aide à la rédaction narrative. Produire un premier jet de commentaire à partir de chiffres déjà arrêtés, pour des livrables comme les rapports SFCR et RSR. Le texte est ensuite retravaillé par ceux qui engagent leur responsabilité en le signant.

Ce qui expose une direction financière

Trois configurations reviennent souvent et méritent d'être écartées tôt.

Le chiffre produit par le modèle. Demander à un agent de calculer un montant qui finira dans un état déposé rend le résultat invérifiable et non reproductible. Le même besoin se traite par une règle explicite, dont la logique se relit.

La donnée sortie du périmètre maîtrisé. Une pièce comptable, un contrat, un fichier de sinistres envoyés vers un service dont on ne maitrise ni l'hébergement ni la réutilisation posent une question de confidentialité avant d'en poser une de qualité. Les cadres applicables aux données personnelles comme les obligations européennes sur l'usage de l'intelligence artificielle imposent de savoir où la donnée transite et à quoi elle sert.

L'usage non journalisé. Un outil utilisé sans trace de qui a demandé quoi, sur quelles données, et ce qui a été retenu, rend impossible toute revue a posteriori. La journalisation des interactions est le pendant, côté IA, de la piste d'audit côté comptable.

Mesurer avant de généraliser

Un usage se juge sur des indicateurs simples : le taux de propositions retenues sans correction, le temps effectivement rendu aux équipes, le nombre d'anomalies réelles remontées rapporté au bruit produit. Ces mesures se prennent sur un périmètre restreint, sur plusieurs clôtures, avant tout élargissement.

C'est l'approche que nous appliquons chez Finengy : partir de la chaîne de production existante — celle qui porte les arrêtés prudentiels et la comptabilité technique — et y greffer l'intelligence artificielle là où elle fait gagner du temps sans déplacer la responsabilité du chiffre. La discipline acquise sur le réglementaire, décrite dans notre article sur le passage du reporting réglementaire au pilotage, est ce qui permet d'accueillir ces outils sans fragiliser l'existant.

Vous évaluez l'apport de l'IA sur votre production comptable ou réglementaire ? Parlons de vos cas d'usage.