Workiva Inc. plateforme de référence pensée pour répondre aux exigences d’audit au service de la confiance, la transparence et la responsabilité, publie les conclusions de son enquête 2026 Midyear Executive Benchmark.
Si 84 % des dirigeants
se montrent partiellement confiants à l’égard des résultats de l'IA sans
révision humaine, seuls 11 % estiment que la qualité de leurs données est
suffisante
Bien que 84 % des dirigeants interrogés accordent au moins une confiance modérée quant à la précision des résultats de l'IA sans révision humaine, un sur quatre (26 %) indique que des audits internes ont détecté des erreurs d'IA ayant atteint des publics externes ou des membres du conseil d'administration. Ces données suggèrent un décalage entre les convictions des dirigeants et la réalité que décrivent les faits. Alors que l'IA transforme l'entreprise à une vitesse sans précédent, un nouveau risque émerge.
La transformation pourrait aller plus vite
que l'instinct des dirigeants chargés de la superviser.
« Faire confiance à
l'IA sans maîtriser la qualité des données est un risque, pas une stratégie.
Les directeurs financiers ont besoin de plateformes qui relient l'IA à des
données fiables et auditables, afin que chaque résultat puisse être vérifié et
que chaque publication puisse être défendue, déclare Barbara Larson, directrice
financière de Workiva. Réussir cela va bien au-delà de la prévention
d’erreurs. Les leaders d'opinion et d'entreprise peuvent progresser plus vite
et intégrer l'IA plus profondément dans leurs opérations lorsqu'ils ont
confiance dans ce que leurs systèmes produisent. Il s’agit d’un véritable
avantage concurrentiel. »
La qualité des données
menace la précision de l'IA et la confiance des investisseurs
Les dirigeants
s'accordent largement à dire que la mauvaise qualité des données limite
l'utilisation de l'IA au sein de leur organisation, ce qui suggère que l'IA
d'entreprise ne peut se développer que là où il existe une confiance et un
contrôle sur les données sous-jacentes. Les investisseurs institutionnels
expriment des inquiétudes similaires quant à la précision des contenus générés
par l'IA.
• Seuls 11 % des dirigeants estiment que la qualité de leurs données est suffisante pour l'utilisation
de l'IA ;
• 27 % déclarent que la mauvaise qualité des données
a freiné de manière significative le déploiement dans des processus clés ;
• 71 % affirment que la mauvaise qualité des données
a eu un impact au moins modéré sur l'utilisation de l'IA dans le reporting
financier et de durabilité ;
• 89 % des investisseurs s'inquiètent de la précision
de l'IA dans les publications d'entreprise.
Au fil du temps, des
données faibles ou invérifiables risquent d'éroder la crédibilité auprès des
parties prenantes, et les organisations qui ne répondent pas aux exigences de
qualité des données et aux inquiétudes des investisseurs risquent de se faire distancer
par leurs concurrents plus proactifs.
À mesure que l'usage de
l'IA augmente, les dirigeants réclament des infrastructures de soutien
Pour les équipes de
reporting financier, et les directeurs financiers en particulier, les outils
qui encadrent les résultats de l'IA s’avèrent tout aussi critiques que l'IA
elle-même. Alors que les agents deviennent plus autonomes, les dirigeants
estiment que le besoin d'infrastructures spécialisées va augmenter, citant
plusieurs priorités :
• 49 % déclarent qu'ils continueront d'avoir besoin
de systèmes de référence, tels que les grands livres comptables ;
• 45 % indiquent un besoin de logiciels permettant la
traçabilité et l'audit ;
• 55 % affirment la nécessité de disposer de
plateformes pour gérer les agents et les processus automatisés.
« Une IA générique ne suffit pas pour le reporting financier, poursuit Jason Darby, directeur financier d'Amalgamated Bank. Les investisseurs, les régulateurs et les conseils d'administration attendent des réponses fiables. Le véritable avantage provient d'une IA spécialisée, s’appuyant sur des données gouvernées et auditables, et associée au jugement humain. Cela donne aux organisations la confiance nécessaire pour vérifier ce que l'IA produit et assumer pleinement les décisions et rapports qui en découlent. »