L’analyse de Junko Swain, Chief Accounting Officer
chez Workiva.
À mesure que l’intelligence artificielle (IA) s’impose au cœur des
directions financières et de la gestion d'entreprise, la frontière entre gain
de productivité et risque stratégique s’affine de jour en jour. À l’opposé de
l’enthousiasme affiché pour ces technologies, la pratique met en lumière le
manque de contrôle et de gouvernance des données. Ainsi, pour les entreprises,
la confiance dans l'IA ne peut reposer sur le simple hasard. Il devient urgent,
pour les dirigeants, de sécuriser la donnée à sa source.
Pour évaluer l’ampleur de la situation, Workiva a récemment publié son
étude 2026 Midyear Executive Benchmark. Junko Swain, Chief Accounting Officer
chez Workiva, en propose l’analyse suivante :
« Notre étude met en évidence une tendance claire. À mesure que les
leaders se familiarisent avec l'IA, leur confiance grandit, tout comme leur
prise de conscience des risques associés. En effet, 26 % des dirigeants
français ont déclaré que des audits internes sur l'IA ont détecté des erreurs
ayant atteint des publics externes ou le conseil d'administration.
Ce chiffre démontre que les erreurs de l'IA dépassent la simple théorie.
48 % des répondants français à l’étude ne se disent que moyennement confiants
dans les sorties de l’IA. Son utilisation requiert des exigences fondamentales,
comme la supervision humaine et la traçabilité des données. Sur ce dernier
point, 31 % des dirigeants français relèvent des manquements. Or, cela revêt
une importance toute particulière dans des domaines tels que le reporting
financier interne et externe, les processus comptables et la publication
d'informations sur la durabilité. Les erreurs entraînent des conséquences
réglementaires, réputationnelles et juridiques.
Le repérage de ces erreurs découle souvent d’un constat d’une anomalie
établi par un professionnel expérimenté. S’il s’agit de retours précieux, ils
ne constituent pas pour autant un système. Un modèle de gouvernance qui repose
sur le repérage aléatoire d’un problème finira par en manquer un. S’ajoutent à
cela les craintes des dirigeants français liées à l’IA, comme la fuite de
propriété intellectuelle, le « shadow AI », la fraude visant les employés, ou
le manque de fiabilité des données générées par les outils l’utilisant, toutes
évoquées par 30 % des répondants.
Dans trop d'organisations, l'adoption de l'IA a dépassé le cadre de
gouvernance, sans personne pour endosser la responsabilité de combler cet
écart. Cela pousse naturellement à éviter les questions difficiles : qui a
validé ce résultat ? D'où viennent ces données ? Est-ce auditable ?
Le reporting d'entreprise exige des données traçables et auditables à
chaque étape. L’étude le démontre bien, avec 50 % des répondants français
déclarant que des données de faible qualité ont ralenti les avancées et 28 %
indiquant qu’elles ont bloqué le déploiement de l’IA dans les workflows clés.
L'IA amplifiant tout ce qu'on lui donne, des données de haute qualité génèrent
rapidement des analyses précises et défendables, et des données de mauvaise
qualité génèrent des réponses qui, même si elles peuvent sembler tout à fait
crédibles, s’avèrent finalement fausses.
Néanmoins, ces défis n’empêchent pas une large majorité des dirigeants
français de faire preuve d’un optimisme établi en ce qui concerne l’IA. 91 %
s’attendent à voir un ROI mesurable de l’IA d’ici 12 mois, et 81 % prévoient
d’augmenter leurs investissements à cet effet dans la même fenêtre. Cette
confiance s’étend probablement au-delà de la technologie en elle-même, aux
processus de contrôle et de révision qui l’entourent. Cela représente un bon
point de départ, à condition que les contrôles en question existent réellement
et fonctionnent efficacement.
Pour les dirigeants financiers, la confiance dans l'IA doit s'étendre jusqu'à la couche de données. Cela signifie savoir précisément d'où proviennent les données et si elles peuvent résister à un examen minutieux. Cela requiert aussi des structures de gouvernance adéquates pour détecter les erreurs tôt et éviter qu'elles ne se propagent. Pour les professionnels de la finance qui développent leur utilisation de l'IA, la gouvernance des données ne peut plus rester une préoccupation de second plan, mais doit figurer comme prérequis indispensable. »