Le directeur des finances et de la stratégie explique les agents qu’il développe — et pourquoi ils n’ont aucune importance si les humains ne les adoptent pas

Sibaranjan Patnaik est le Directeur Finances et Stratégie du GCC basé en Inde d’une grande entreprise technologique. Fort de 16 ans d’expérience, il a occupé des postes aussi bien en comptabilité qu’en FP&A, ce qui lui offre une compréhension globale du fonctionnement des départements financiers.

Nous avons rencontré Sibaranjan pour en savoir plus sur les agents financiers internes qu’il met en place — et pourquoi, d’après lui, la réussite de l’IA dépend avant tout des personnes qui l’adoptent. Voici ce qu’il nous a expliqué.

La transformation technologique de la finance se réalise enfin

Je suis Siba — Directeur Finances et Stratégie, avec environ 16 ans d’expérience.

J’ai commencé en comptabilité, puis intégré la FP&A, et ce parcours des deux côtés de la fonction m’a donné une vision complète du fonctionnement quotidien de la finance — non seulement la planification et la prévision, mais aussi le moteur transactionnel et de reporting qui le sous-tend.

Aujourd’hui, mon périmètre va au-delà de la finance — je dirige des équipes technologiques, des fonctions de revenus et plusieurs verticales simultanément, occupant un rôle transversal autant que financier. Cette diversité change la façon d’aborder la transformation — on cesse de la voir comme un problème purement financier et on commence à la voir comme un enjeu organisationnel.

Avec le recul, je trouve cela presque amusant : tout au long de ma carrière, j’ai entendu parler de la transformation financière poussée par la technologie. De meilleurs outils. Des systèmes plus intelligents. La fin d’Excel. Pourtant, dans chaque poste que j’ai intégré — que ce soit dans une grande entreprise de biens de consommation, un distributeur mondial ou un GCC — les fondamentaux des processus restaient inchangés. Extraire les données, les rapprocher, construire le modèle, mettre en forme la présentation, envoyer le tout. Excel, à chaque fois.

Nous avions des tableaux de bord créés à partir d’extractions manuelles. Des outils de planification qui nécessitaient encore une surveillance humaine des hypothèses. La technologie existait par intermittence, mais la transformation n’arrivait jamais vraiment.

Ce qui est différent aujourd’hui — et je dis cela en tant que sceptique face au battage sur la technologie financière — c’est que l’IA, en particulier l’IA agentique, est le premier outil que j’ai utilisé qui modifie réellement le flux de travail sous-jacent, pas seulement la couche de présentation. Je l’utilise aujourd’hui pour automatiser les commentaires, accélérer l’analyse de scénarios et gérer les tâches analytiques répétitives qui prenaient auparavant l’essentiel de la semaine d’une équipe.

Pour la première fois dans ma carrière, j’ai vraiment l’impression que la transformation tant annoncée avance enfin dans la bonne direction. C’est ce que j’essaie de transmettre en discutant avec les jeunes professionnels de la finance — car la fenêtre d’opportunité pour prendre de l’avance, c’est maintenant.

Utiliser l’IA pour agir à un niveau stratégique supérieur

Je travaille pour une organisation mature, cotée en bourse, dotée d’opérations mondiales. Je ne donnerai pas de détails spécifiques publiquement — je veux qu’il soit clair que ce que je partage ici relève de mon expérience personnelle — mais je peux dire que je dirige une organisation financière dans le cadre d’un GCC en Inde. Cela signifie que nous sommes un centre stratégique de prestation pour une fonction mondiale beaucoup plus vaste.

La complexité est bien réelle ; nous faisons bien plus que du traitement en back-office. L’équipe couvre la FP&A, les fonctions de revenus et de technologie, avec des interventions sur plusieurs verticales et d’importantes interdépendances transversales. Dans cet environnement, nous devons sans cesse équilibrer la standardisation mondiale avec les réalités de l’exécution locale.

D’un point de vue transformationnel, les GCC en Inde ont toujours été perçus comme des centres de coûts — créés pour l’efficacité, pas pour l’influence. J’essaie essentiellement de faire évoluer cette perception, en interne comme dans le ressenti des équipes. En tant que partenaire financier d’une unité mondiale au sein d’un GCC, il faut opérer au même niveau stratégique que n’importe qui au siège. L’IA joue un rôle clé dans la réduction de cet écart.

Pourquoi la refonte de la finance par l’IA requiert de la patience

Je ne dispose pas aujourd’hui d’un processus finance totalement automatisé de bout en bout par l’IA, en production. Je me méfierais de toute personne affirmant avoir mis cela en place à grande échelle, avec contrôle, dans un environnement réglementé d’entreprise cotée. J’ai en revanche une orientation claire, un éventail d’outils de productivité qui changent réellement nos façons de travailler au quotidien, pour mon équipe et moi, et un pipeline d’agents en cours de développement à divers stades de test.

Côté productivité, j’utilise chaque jour des outils IA pour rédiger des communications, résumer des rapports volumineux, structurer des analyses, préparer des revues de gestion et réfléchir plus vite à des scénarios que je ne pourrais le faire seul. Ce ne sont pas des cas d’usage spectaculaires, mais le gain de temps cumulé est réel, et la qualité de mes interventions en réunion s’en trouve améliorée.

Mon avance du moment est plus ambitieuse. J’évolue vers un processus où des agents prennent en charge les parties mécaniques du cycle de clôture mensuel — consolidation des données, détection des écarts, génération des commentaires — et l’humain intervient à l’étape de la revue et du jugement. L’architecture existe, et des tests sont en cours. Mettre tout cela au point, avec les contrôles nécessaires, demande du temps.

Je partage ce travail comme un chantier en cours, plutôt que d’en faire une vitrine aboutie, car je pense que la profession financière compte déjà assez de personnes vendant la destination. Ce qui est utile, c’est d’entendre à quoi ressemble vraiment le parcours — ce qui fonctionne, ce qu’on découvre en chemin, et ce qui s’avère plus difficile que prévu.

Voilà où j’en suis. Je construis prudemment, avance régulièrement, et n’attends pas la perfection pour commencer.

Comment l’IA améliore le commentaire des écarts

Un changement récent que j'ai apporté concerne les commentaires sur les écarts. Toutes les équipes financières le font. Chaque mois, sans exception, quelqu'un s'assoit et rédige deux à trois pages pour expliquer pourquoi les résultats réels étaient supérieurs ou inférieurs au plan. Ligne par ligne. En théorie, c'est un travail important, mais en pratique, environ 80 % relèvent de la pure mécanique. Les chiffres sont déjà là. Les écarts sont déjà calculés. Ce qui prend du temps, c’est la traduction : transformer les données en phrases lisibles et exploitables par un interlocuteur non financier.

Avant que nous ayons modifié ce processus, un analyste senior passait la majeure partie de sa journée uniquement sur les commentaires. Non pas parce qu’il était lent — mais parce que c’est réellement le temps nécessaire pour bien le faire à travers plusieurs centres de coûts et lignes d’activité. Et une fois que tout était rédigé, relu et mis en forme, la fenêtre pour la discussion qu’on espérait lancer s’était déjà resserrée.

J’ai développé un agent pour rédiger la première version. Il extrait les chiffres, identifie les écarts significatifs et génère un commentaire structuré dans un langage métier simple. Le rôle de l’analyste est maintenant de vérifier, d’affiner et d’ajouter la couche de jugement — le contexte qu’un humain ayant la connaissance du business est seul à pouvoir apporter.

Cela a un impact sur la rapidité, mais cela change aussi la qualité de la discussion. Quand votre analyste n’est pas épuisé par la rédaction, il arrive en réunion concentré sur la signification de l’écart pour le trimestre suivant — pas seulement sur ce qui s’est passé le mois précédent. C’est ce changement que je recherchais. Une journée d’écriture mécanique peut devenir deux heures de réflexion.

Un cadre pour ce qui reste humain

Mon cadre est simple : si c’est mécanique, il faut automatiser. Si cela exige du jugement, il faut garder l’humain. C’est tout.

Cela semble évident, mais la plupart des équipes financières ne fonctionnent pas ainsi. Les humains font le travail mécanique et l’appellent de l’analyse. Les outils d’IA restent inutilisés car personne n’a clairement défini la frontière.

L’IA traite la consolidation des données, les rapprochements, la détection des écarts, la première version des commentaires, les mises à jour des modèles prévisionnels quand les hypothèses changent, les rapports standards, et les projections de trésorerie à partir des tendances historiques. Ce sont des tâches répétitives, basées sur des règles et à fort volume. Les humains ne devraient plus y consacrer de temps significatif. Un agent le fait plus vite, de façon plus cohérente, et sans la fatigue qui s’installe à la fin du cycle de clôture.

Les humains se chargent de tout ce qui nécessite du contexte, des relations et du jugement. Que signifie cet écart pour l’entreprise ? Devons-nous réallouer des capitaux à cette initiative ou patienter, compte tenu de la conjoncture ? Quelle est la meilleure façon de présenter ce risque à la direction ? Cette prévision est-elle crédible dans l’ensemble, ou essayons-nous juste d’atteindre un objectif arbitraire ? L’IA peut éclairer toutes ces discussions ; elle ne peut pas en avoir la pleine responsabilité.

Je fixe la limite ici : l’IA donne à mon équipe des informations plus rapidement et mieux présentées qu’auparavant. Mais la décision — et la responsabilité qui l’accompagne — reste entre les mains de la personne. Ce n’est pas une contrainte, c’est intentionnel.

Comment l’IA améliore l’efficacité et la confiance des équipes financières

Concrètement, la conséquence la plus fiable est la réaffectation du temps. Automatiser les tâches mécaniques — extraction de données, rapprochements, reporting standard, premiers commentaires — rend à chacun des heures chaque semaine. Pas des heures théoriques, des heures bien réelles. Si l’on est intentionnel sur la façon dont ce temps est utilisé, on constate une amélioration de la qualité des analyses, des réponses plus rapides aux questions des opérationnels, et des professionnels de la finance réellement investis dans leur travail plutôt qu’épuisés par le cycle de clôture.

La qualité des prévisions s’améliore aussi — non parce que l’IA est plus intelligente que vos analystes, mais parce que les analystes sont moins fatigués et ont plus de temps pour questionner les hypothèses plutôt que simplement remplir le modèle. Les gens fatigués prennent de mauvaises décisions. Des personnes reposées et disposant de données fiables en prennent de meilleures.

Qualitativement, l’évolution la plus significative est la confiance. Quand une équipe finance consacre moins d’efforts à produire et plus à interpréter, elle aborde les réunions différemment. Elle exprime des opinions. Elle ose contredire. C’est ce changement de culture qui est difficile à mesurer, mais impossible à ignorer.

Les principaux modes d’échec de l’IA en finance

Il y a aussi du négatif. Le principal mode d’échec que je constate, c’est l’automatisation de mauvais processus. Si les données de départ sont désordonnées, si les workflows sont défaillants ou si les équipes ne comprennent pas les chiffres, l’IA ne fait qu’accélérer le problème. Données incohérentes en entrée, résultats incohérents… mais plus vite.

Le deuxième risque est la confiance excessive dans des résultats que l’on ne comprend pas totalement. L’IA peut produire une prévision parfaitement structurée, une analyse d’écart convaincante, un modèle de scénarios impeccable. Si la personne qui les présente n’est pas capable d’expliquer comment ils ont été obtenus ou d’où viennent les hypothèses, c’est un vrai risque. Pas un risque technologique, un risque de jugement. L’IA doit rendre votre équipe plus pertinente, pas plus passive. Si c’est l’inverse qui se produit, c’est le danger dont on ne parle pas assez fort.

Le troisième mode d’échec concerne l’adoption. On peut créer l’agent le plus performant, mais si l’équipe ne lui fait pas confiance ou ne modifie pas ses pratiques, il restera inutilisé. La conduite du changement n’est pas optionnelle.

Pourquoi l’adoption de l’IA impose de repenser les workflows

Quand l’IA ne fonctionne pas, c’est un problème humain.

J'ai construit des agents qui fonctionnent. Je les ai vus testés, validés et approuvés. Puis, j’ai vu des équipes les contourner discrètement, revenant à leurs anciennes méthodes. Non par malveillance, mais par habitude, confort, et une conviction sincère que leur méthode manuelle était plus fiable, même si ce n’était pas le cas.

C'est l'écart dont on ne parle pas assez dans les discussions sur la transformation liée à l’IA. Tout le monde se concentre sur ce qu’il faut construire. Très peu se concentrent sur ce qui doit changer chez la personne qui utilise l’outil pour qu’il ait réellement un impact.

Les professionnels de la finance, en particulier, sont formés à être précis et à éviter les risques. C’est une force dans ce métier. Mais cela devient un frein lorsqu’on leur demande de faire confiance à un système qu’ils n’ont pas construit et dont ils ne peuvent pas voir tous les rouages. Au moindre résultat de l’IA qui paraît légèrement incorrect — même s’il ne l’est pas — ils reprennent la main. Et après quelques occurrences, ils arrêtent simplement d’utiliser l’agent.

J’ai appris que l’adoption n’est pas un problème de communication. Envoyer un e-mail du genre « nous avons un nouvel outil, merci de l’utiliser » ne sert à rien. C’est une question de changement de comportement. Il faut repenser le flux de travail autour de l’outil, pas simplement le greffer dans le flux existant en espérant que les gens s’adaptent.

Pourquoi Claude se démarque dans les cas d’usage en finance

J’utilise plusieurs outils, et je pense que c’est la bonne approche en ce moment. Nous sommes dans une phase d’exploration, et chaque outil évolue encore très rapidement. Choisir un seul outil aujourd’hui et ignorer les autres serait une erreur.

Mais si je devais pencher pour un, Claude s’est particulièrement distingué pour les tâches financières. Sa capacité à raisonner à travers des scénarios complexes, à manipuler les chiffres en contexte, à rédiger des analyses structurées et à comprendre le langage d’affaires nuancé le rend particulièrement utile pour le type de travail exigeant en réflexion requis en FP&A.

Les outils évoluent vite, et celui qui fera partie de mon flux de travail à long terme devra le mériter. Pour l’instant, je reste curieux de tous et je laisse les cas d’usage décider.

Ne confondez pas l’achat d’outils d’IA avec une transformation IA

Voici mes conseils :

1. Arrêtez d’attendre la stratégie d’entreprise parfaite avant d’agir. La plupart des CFO avec qui je discute ont une feuille de route de transformation en attente de validation depuis six mois. Pendant ce temps, leurs équipes passent encore la moitié de leur semaine sur des tâches qu’elles pourraient automatiser aujourd’hui. L’opportunité est là maintenant. Saisissez-la.
2. Ne confondez pas l’achat d’outils avec une transformation accomplie. J’ai vu des organisations dépenser beaucoup dans des plateformes, des licences, et des consultants, pour se retrouver avec les mêmes processus, mais plus coûteux. La technologie n’est pas la partie difficile. Le plus difficile, c’est d’évaluer honnêtement la façon dont votre équipe travaille et d’accepter de la remettre en cause.
3. Investissez dans vos collaborateurs avant d’investir dans des outils. Un professionnel de la finance qui comprend ce que l’IA peut ou ne peut pas faire, qui sait bien la solliciter, qui analyse de façon critique les résultats fournis et apporte son discernement — cette personne vaut plus que n’importe quelle plateforme que vous achèterez. Développez cette compétence au sein de votre équipe. Cela crée de la valeur sur le long terme.
4. Mettez de l’ordre dans vos données. L’IA révélera très vite toutes les faiblesses de vos bases de données. Si vos chiffres ne sont pas clairs, vos processus pas documentés, et que vos systèmes ne communiquent pas entre eux — commencez par corriger cela. Sinon, vous automatisez le désordre.
5. Le rôle du CFO évolue, que vous vous saisissiez de l’IA ou non. La question est de savoir si vous façonnez ce changement, ou si vous y réagissez. Les dirigeants financiers qui compteront dans cinq ans sont ceux qui sont suffisamment curieux pour expérimenter, assez humbles pour apprendre de ce qui ne fonctionne pas et assez déterminés pour construire quelque chose.

Ne vous contentez pas d’avoir une opinion sur l’IA. Agissez.

Restez informé

Vous pouvez suivre le travail de Sibaranjan Patnaik sur LinkedIn.

D’autres interviews d’experts à venir sur The CFO Club !