Pourquoi l’IA agentique va redéfinir le rôle du DAF

Il n’y a pas si longtemps, le DAF d’un groupe industriel international m’a confié : « Je n’ai pas besoin de rapports supplémentaires. J’ai besoin que mon équipe me donne la réponse avant que j’entre en réunion. »

Cette phrase résume bien la situation dans laquelle se trouvent aujourd’hui la plupart des directions financières. Elles se sont modernisées. Elles disposent d’ERP dans le cloud, de plateformes de planification, de tableaux de bord et, parfois, même d’un assistant d’IA générative. Sur le papier, la finance n’a jamais disposé d’autant de données.

Et pourtant, la charge de travail continue de se concentrer sur les clôtures de fin de mois. Les risques sont toujours identifiés trop tard. Les analystes passent encore trop de temps à rechercher les raisons qui se cachent derrière un chiffre. L’entreprise évolue en quelques jours ; la finance, elle, fonctionne encore au rythme de ses cycles.

C’est précisément cet écart que l’IA agentique est sur le point de combler.

La finance dispose des données, mais pas du temps nécessaire

Au cours des 20 à 30 dernières années, la finance est passée des feuilles de calcul à la planification d’entreprise, et des rapports statiques à l’analyse en libre-service. Nous pouvons modéliser, consolider et produire des rapports plus rapidement. Mais l’environnement économique a évolué encore plus vite que la finance.

• Les fluctuations de la demande et des taux de change, ainsi que les perturbations de la supply chain, surviennent en cours de cycle, sans attendre sagement la fin du mois.

• Les conseils d’administration attendent des réponses fondées sur des scénarios, et pas seulement des explications sur les résultats passés.

• Et jusqu’à présent, la plupart des applications de l’IA dans la finance sont restées cantonnées à un rôle d’assistance : elles répondent à des questions, synthétisent des informations ou génèrent des contenus. Elles ne surveillent pas l’activité à votre place.

Ainsi, même avec de meilleurs outils, la fonction Finance reste un goulot d’étranglement.

Le travail repose encore trop sur un enchaînement d’interventions humaines
Voici comment fonctionne encore une grande partie de la finance aujourd’hui : un écart apparaît, un analyste le repère, quelqu’un recherche des données complémentaires, une autre personne exécute un scénario, quelqu’un d’autre rédige l’explication et, enfin, l’ensemble arrive sur le bureau du DAF.

Cet enchaînement fonctionne dans un environnement stable. Dans un contexte volatil, il atteint ses limites.

C’est pourquoi des cabinets comme Gartner évoquent déjà le passage des technologies financières de l’assistance à l’action, vers des capacités financières plus autonomes qui restent explicables et contrôlables.

Les organisations qui tirent le meilleur parti de l’IA sont celles qui intègrent dès le départ la gouvernance, la validation humaine et des responsabilités décisionnelles clairement définies, plutôt que de les ajouter après coup. C’est exactement l’approche dont la finance a besoin.

La question devient alors la suivante : comment permettre à la finance de fonctionner en continu sans demander aux équipes de travailler 24 heures sur 24, 7 jours sur 7 ?

Laisser la machine surveiller, laisser l’humain décider

C’est là que l’IA agentique change la donne.

Il faut envisager un agent IA non pas comme un chatbot, mais comme un véritable coéquipier numérique permanent pour la finance. Un coéquipier numérique capable de surveiller, de raisonner, de simuler et de déclencher un workflow, tout en laissant l’humain aux commandes.

Côté FP&A, cette approche rejoint directement ce que Robert Kugel, d’ISG, décrit dans son article consacré à la planification des scénarios de contingence. En d’autres termes, l’IA permet désormais d’effectuer beaucoup plus facilement et plus fréquemment des analyses de type « et si ? », au lieu de les réserver à un exercice trimestriel. Un agent FP&A qui détecte un ralentissement de la demande, exécute automatiquement plusieurs scénarios défavorables et présente différentes options au responsable financier ne fait qu’automatiser cette approche. Autrement dit, l’IA ne vous aide pas seulement à modéliser : elle vous aide aussi à déterminer quand il est nécessaire de le faire.

La même logique s’applique à la clôture et à la consolidation. Un agent peut détecter une incohérence entre plusieurs entités, proposer l’ajustement approprié et le transmettre au contrôleur pour validation. Cela rejoint directement le constat de Gartner selon lequel les agents IA peuvent fonctionner avec différents niveaux d’intervention humaine, par exemple avec ou sans intervention humaine dans la boucle. Dans le domaine de la finance, nous restons résolument dans une approche human-in-the-loop, compte tenu des enjeux de matérialité et d’audit. Et, comme le souligne Robert Kugel d’ISG dans son analyse du cycle record-to-report, les processus de clôture et de consolidation comportent encore de nombreuses tâches liées au traitement des exceptions que les logiciels peuvent anticiper et rationaliser. C’est précisément le type de travail qu’un agent peut superviser et accélérer.

La véritable valeur réside dans une nouvelle organisation du travail où les personnes et l’IA prennent des décisions ensemble. C’est ainsi que l’IA agentique prend tout son sens pour la finance : autonome lorsqu’elle peut l’être, supervisée lorsqu’elle doit l’être.

Ce que cela signifie pour le rôle du DAF

Lorsque les agents prennent en charge la surveillance et les premières analyses, le rôle du DAF évolue de trois manières importantes :

• D’une logique périodique à une logique continue : la finance cesse d’être tributaire du calendrier. Les agents peuvent assurer une surveillance tout au long du mois, faire remonter les problèmes dès qu’ils apparaissent et maintenir les prévisions à jour.

• De l’investigation au pilotage : au lieu de consacrer des heures à identifier un problème, les équipes voient le problème venir à elles, accompagné de différentes options. Le DAF peut consacrer davantage de temps au jugement, aux arbitrages et à la communication des décisions.

• Du reporting à la création de valeur : si les agents peuvent détecter plus tôt l’érosion des marges, les opportunités liées au fonds de roulement ou les points de blocage dans la consolidation, la finance devient créatrice de résultats plutôt que simple commentatrice des performances passées.

C’est pourquoi l’IA agentique ne remplacera pas le DAF. Elle renforcera son rôle en lui permettant d’opérer au rythme que l’entreprise exige depuis déjà longtemps.

Que faire au cours des 12 prochains mois ?

Inutile de vouloir tout transformer d’un seul coup. Si vous êtes DAF, responsable FP&A ou contrôleur, commencez par les étapes suivantes :

1. Sélectionnez trois à cinq processus financiers fondés sur des règles mais chronophages : traitement des écarts de prévision, gestion des exceptions de consolidation, actualisation des prévisions de trésorerie. Ce sont des cas d’usage particulièrement adaptés aux agents.

2. Mettez en place une gouvernance autour des décisions prises avec l’IA : validations, pistes d’audit, traçabilité des données. La finance est particulièrement adaptée à une approche human-in-the-loop.

3. Privilégiez des plateformes qui relient planification et clôture. La pertinence des agents dépend directement du contexte opérationnel et financier auquel ils peuvent accéder.

Faites cela, et lorsque l’IA agentique sera largement disponible dans les plateformes financières au cours des prochains trimestres, vous serez prêt à l’activer.

L’IA ne prendra pas la place du DAF. En revanche, elle lui rendra les heures aujourd’hui consacrées à rechercher et vérifier des chiffres, afin qu’il puisse se concentrer sur ce que seuls les dirigeants financiers peuvent faire : piloter l’entreprise.

Découvrez les agents Board pour la Finance sur board.com/ai