Dans les directions Finance et Risques, les premiers usages sont faciles à imaginer : préparer une analyse de variation, retrouver une règle dans une procédure, commenter un reporting ou suivre les pièces attendues pour un arrêté. La difficulté apparaît lorsque ces usages doivent fonctionner chaque mois, sur plusieurs entités, dans les délais de production.
Les dérivés, les couvertures et les différences de change
Prenons une analyse de variation du résultat consolidé. Pour qu’un système puisse préparer un commentaire exploitable, il doit savoir quel arrêté utiliser, à quelle date les données ont été figées, quelles entités sont incluses, où retrouver les écritures de correction et quelle version fait foi. Deux extractions portant le même nom ne sont pas nécessairement comparables.
La qualité se vérifie au moment où la donnée est utilisée : source identifiée, périmètre connu, version retenue, transformations traçables et contrôles exécutés. Il faut partir des analyses à produire, retrouver les données indispensables et traiter d’abord leurs défauts bloquants, un nettoyage complet serait sans fin.
Le test à effectuer avant de lancer le cas d’usage
Pour chaque donnée indispensable à l’analyse, peut-on retrouver sa source, sa version,
son périmètre, ses contrôles et son valideur ? Si ce n’est pas le cas, documenter et
sécuriser ce circuit avant de déléguer la tâche.
Suivre un arrêté révèle ce que l’IA doit réellement comprendre
Imaginons un arrêté trimestriel. Les filiales transmettent leurs informations ; la consolidation réalise ses traitements ; les équipes Finance et Risques rapprochent les montants ; des analyses et commentaires sont préparés avant validation. Le calendrier est connu, mais son exécution dépend de fichiers, de corrections et d’échanges répartis entre plusieurs équipes.
Le cas typique : un fichier corrigé après le premier chargement
Une entité retransmet sa liasse à la suite d’un écart. La nouvelle version arrive alors qu’une analyse a déjà commencé. Si le système ne connaît pas la version retenue, il peut rapprocher le résultat actualisé d’un commentaire établi sur l’ancienne base. L’arithmétique paraît correcte et le commentaire est lisible, mais l’explication porte sur deux situations différentes.
Ce que le processus doit prévoir
À la réception, le statut de la liasse change ; l’ancienne version reste identifiable ; les contrôles sont rejoués ; les analyses concernées sont signalées pour recalcul ou révision. Le responsable peut alors accepter la nouvelle base et relancer la préparation du commentaire. Une information manquante doit produire une exception visible, pas une justification supposée.
Décrire les tâches, les dépendances et le calendrier
La première étape n’est pas de rédiger des instructions à un modèle. Il faut décrire le chemin que suit un arrêté : quelles données arrivent, qui les attend, quels traitements démarrent ensuite, quelles corrections interrompent le flux et qui peut donner son accord pour poursuivre. Une cartographie limitée aux grandes phases (collecte, calcul, restitution) ne suffit pas.
Le rôle de l’IA, à ce stade
Elle peut identifier les analyses potentiellement affectées, rapprocher les commentaires existants des nouveaux montants et préparer les questions à adresser à l’entité. Le choix de la version officielle et la validation finale restent attribués à des personnes désignées.
Chaque tâche doit être documentée au même niveau
1
Entrée et sortie
Ex. liasse reçue → fichier contrôlé, prêt pour consolidation.
2
Déclencheur
Ex. arrivée d’un fichier, jalon J-3 ou validation amont.
3
Règle / contrôle
Ex. fichier attendu, période, structure, écarts bloquants.
4
Responsable
Ex. entité émettrice, consolideur, reviewer, valideur.
5
Exception
Ex. fichier absent ou corrigé : qui alerter et quand ?
Le chronogramme distingue ce qui s’exécute en parallèle, ce qui dépend d’une validation et ce qui bloque la chaîne en cas de retard. La cartographie sert aussi à cibler la fiabilisation des données : chaque tâche ne mobilise que les sources, versions et contrôles dont elle a réellement besoin.
Construire un socle commun avant de multiplier les agents
Un dispositif agentique peut suivre un enchaînement de tâches et utiliser les applications autorisées pour les exécuter. Ce n’est pas un chatbot auquel on demande «où en est l’arrêté ?». Il faut lui fournir un processus, des outils, des règles d’action et des limites. La même préparation doit servir à plusieurs arrêtés ou reportings, sans recréer le paramétrage à chaque déploiement.
Le socle commun comprend six éléments
1
Référentiel
Liste des entités, reportings, périodes, contacts, versions.
2
Connexions
Accès techniques aux sources, dossiers, outils de suivi et APIs.
3
Règles
Instructions métier, formats attendus, seuils, règles d’arrêt.
4
Calendrier
Jalons, dépendances, délais de relance et d’escalade.
5
Habilitations
Droits de lecture et actions possibles selon chaque rôle.
6
Traçabilité
Journal des opérations, sources, anomalies et validations.
Un dispositif agentique peut suivre un enchaînement de tâches et utiliser les applications autorisées pour les exécuter. Ce n’est pas un chatbot auquel on demande «où en est l’arrêté ?». Il faut lui fournir un processus, des outils, des règles d’action et des limites. La même préparation doit servir à plusieurs arrêtés ou reportings, sans recréer le paramétrage à chaque déploiement.
Ce qu'on délègue à l'IA et ce qu'on ne lui délègue pas
Il serait coûteux et peu pertinent de confier toutes les étapes à un modèle d’IA. Une règle arithmétique, une vérification de format ou un calcul déjà maîtrisé doivent continuer à être exécutés par des traitements déterministes. L’agent sert surtout à organiser des actions qui traversent plusieurs outils et réclament une lecture du contexte.
Sur l'exemple de l'arrêté
A
Automatique
Vérifier les fichiers attendus, les versions et les contrôles fixes.
B
Agentique
Suivre les retards, préparer les relances et rassembler les pièces.
C
Assisté par IA
Proposer une synthèse d’écarts avec les sources utilisées.
D
Humain
Arbitrer une correction, valider les chiffres et autoriser la diffusion.
Dans un scénario agentique, l’agent constate qu’une liasse manque à J-2. Il vérifie si la réception est annoncée, prépare une relance au contact prévu et met à jour le suivi. Si la situation dépasse le délai défini, il transmet l’exception au responsable. Il ne modifie pas les chiffres, ne valide pas une liasse et ne décale pas la clôture de sa propre initiative.
Mettre en production sans ajouter une nouvelle boîte noire
Le projet peut commencer sur un seul segment : le suivi des liasses et la préparation du dossier de revue d’un arrêté. Pendant une première période, le dispositif observe les événements et prépare des propositions sans agir. Les équipes comparent ses résultats aux opérations réellement effectuées et corrigent les règles ou les accès.
Une trajectoire de déploiement vérifiable
1
Reproduction
Tester sur des arrêtés passés, avec retards et corrections réels.
2
Mode assisté
Préparer les actions ; les utilisateurs décident et exécutent.
3
Périmètre limité
Autoriser des actions réversibles et surveillées uniquement.
4
Extension
Élargir après analyse des incidents et des résultats mesurés.
Vérifier la maîtrise et mesurer le résultat
Chaque action doit laisser une trace : source et version consultées, outil sollicité, contrôle appliqué, exception signalée, validation obtenue. Avant la mise en service, prévoir des droits limités, des seuils d’arrêt et une reprise manuelle.
Mesurer avant / après sur un même périmètre
Temps consacré aux relances et recherches de pièces ; part des liasses disponibles à l’échéance ; nombre d’analyses reprises après correction ; délai de traitement des exceptions ; actions erronées ou révoquées ; coût d’exploitation du dispositif. Mesurer plusieurs arrêtés comparables et intégrer le temps de supervision.
En conclusion
La plupart des établissements financiers ont désormais une stratégie IA. La question n’est plus de savoir s’ils l’utiliseront, mais dans quelles conditions ils pourront lui faire confiance.
Trois enjeux deviennent essentiels :
- Nos données sont-elles suffisamment fiables ?
- Pouvons-nous expliquer les résultats produits par l’IA ?
- Notre gouvernance des données est-elle adaptée à ces nouveaux usages ?
Gaia Partner accompagne les directions Finance, Risques et SI dans la préparation de leurs projets d’intelligence artificielle : évaluation de la qualité des données, gouvernance, documentation des règles métier, sécurisation des chaînes de production, amélioration de la traçabilité et accompagnement des transformations Data & IA.
Nos dernières publications
- Tous
- Comptabilité & Réglementaire
- SAP BFC
- ESG
- Autres
5 novembre 2026
Dans les directions Finance et Risques, les premiers usages sont faciles à imaginer : préparer une analyse de variation, retrouver...
30 octobre 2026
Transposition des lignes, nouvelles règles de classification et impacts opérationnels sur les chaînes Finance et Reporting. À compter des exercices...
22 octobre 2026
Le 12 octobre 2026, l’European Banking Authority a publié le package technique final de la release 4.4 de son framework...
Vous avez un projet sur-mesure ?
Discutez avec l’un de nos experts pour obtenir une solution adaptée à vos besoins.
