Les agents d’IA ne servent à rien sans adoption
Sibaranjan Patnaik explique pourquoi l’IA ne réussit dans la finance que lorsque les équipes repensent leurs flux de travail, automatisent les tâches routinières et gardent le jugement humain au centre.
Sibaranjan Patnaik
Directeur des finances et de la stratégie
Transformation par l’IA: Sibaranjan souligne le rôle de l’IA dans la redéfinition des flux de travail financiers, au-delà de simples changements de présentation.
Utilisation stratégique de l’IA: L’IA aide les équipes financières à opérer à des niveaux plus stratégiques, en comblant les écarts entre les équipes et le siège.
Automatisation des flux de travail: L’IA automatise les tâches financières mécaniques, permettant aux équipes de se concentrer sur l’analyse et la prise de décision.
Défis liés à l’adoption: Une intégration efficace de l’IA nécessite de repenser les flux de travail et de surmonter la résistance des professionnels de la finance.
Exploration des outils: Claude est particulièrement performant pour les cas d’usage financiers, mais il est recommandé d’explorer différents outils d’IA.
Sibaranjan Patnaik est directeur des finances et de la stratégie au sein du GCC indien d'une grande entreprise technologique. Fort de 16 années d'expérience, il a occupé des postes dans les domaines de la comptabilité et de la FP&A, ce qui lui donne une compréhension approfondie du fonctionnement des services financiers.
Nous avons échangé avec Sibaranjan pour en savoir plus sur les agents financiers internes qu'il développe — et sur les raisons pour lesquelles la réussite de l'IA dépend des personnes qui l'adoptent. Voici ce qu'il nous a expliqué.
La transformation technologique de la finance est enfin en marche
Je m'appelle Siba — je suis directeur des finances et de la stratégie et je possède environ 16 années d'expérience.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
J'ai commencé dans la comptabilité, puis je me suis orienté vers la FP&A. Ce parcours des deux côtés de la fonction me donne une vision complète du fonctionnement quotidien de la finance — pas seulement de la planification et des prévisions, mais aussi du moteur transactionnel et du reporting qui se trouve en dessous.
Aujourd'hui, mon périmètre s'est étendu au-delà de la finance — je dirige simultanément des équipes technologiques, des fonctions liées aux revenus et plusieurs secteurs, en exerçant un rôle de dirigeant transversal autant que de responsable financier. Cette étendue modifie la manière dont on envisage la transformation — on cesse de la considérer comme un problème financier pour la voir comme un problème organisationnel.
Avec le recul, je trouve cela presque amusant : tout au long de ma carrière, j'ai entendu parler de la transformation de la finance portée par la technologie. De meilleurs outils. Des systèmes plus intelligents. La fin d'Excel. Pourtant, dans chaque poste que j'ai occupé — que ce soit dans une grande entreprise de biens de grande consommation, chez un distributeur mondial ou au sein d'un GCC — le processus fondamental restait le même. Extraire les données, les rapprocher, construire le modèle, mettre en forme la présentation, puis la transmettre. Excel, à chaque fois.
Nous avions des tableaux de bord construits à partir d'extractions manuelles de données. Nous disposions d'outils de planification qui nécessitaient encore qu'une personne surveille les hypothèses. La technologie existait par endroits, mais la transformation n'aboutissait jamais vraiment.
Ce qui est différent aujourd'hui — et je le dis en tant que personne sceptique face au battage médiatique autour des technologies financières — c'est que l'IA, et plus particulièrement l'IA agentique, est la première technologie que j'ai utilisée qui modifie véritablement le processus de travail sous-jacent, et pas seulement la couche de présentation. Je l'utilise aujourd'hui pour automatiser les commentaires, accélérer l'analyse de scénarios et prendre en charge le travail analytique répétitif qui occupait auparavant la majeure partie de la semaine d'une équipe.
Pour la première fois de ma carrière, j'ai réellement le sentiment que la transformation promise avance enfin dans la bonne direction. C'est ce que j'essaie d'apporter dans les échanges lorsque j'accompagne de jeunes professionnels de la finance — car c'est maintenant qu'il faut saisir l'occasion de prendre de l'avance.
Utiliser l'IA pour opérer à un niveau stratégique supérieur
Je travaille pour une organisation mature cotée en bourse, présente à l'échelle mondiale. Je ne communiquerai pas publiquement de détails précis — je tiens à préciser que ce que je partage ici ne représente que mes observations personnelles — mais je peux dire que je dirige une organisation financière au sein d'un GCC en Inde. Cela signifie que nous sommes un centre de services stratégiques pour une fonction mondiale beaucoup plus vaste.
La complexité est bien réelle ; nous faisons plus que du traitement administratif. L'équipe couvre la FP&A, les revenus et les fonctions technologiques, en opérant dans plusieurs secteurs avec d'importantes interdépendances transversales. Dans cet environnement, nous devons constamment trouver un équilibre entre la standardisation mondiale et les réalités de l'exécution locale.
Du point de vue de la transformation, les GCC en Inde ont historiquement été considérés comme des centres de coûts — conçus pour l'efficacité, et non pour l'influence. Je m'efforce largement de faire évoluer cette perception, tant en interne que dans la manière dont l'équipe se perçoit elle-même. En tant que partenaire financier d'une unité opérationnelle mondiale au sein d'un GCC, vous devez opérer au même niveau stratégique que n'importe quelle personne au siège. L'IA joue un rôle majeur pour combler cet écart.
Pourquoi les refontes de la finance par l'IA exigent de la patience
Je ne dispose pas aujourd’hui d’un flux de travail financier de bout en bout, entièrement déployé et alimenté par l’IA, qui fonctionne en production. Je serais sceptique face à quiconque prétendrait en avoir un déployé à grande échelle, avec des contrôles, au sein d’une société cotée réglementée.
Je ne dispose pas aujourd'hui d'un flux de travail financier de bout en bout, entièrement déployé et alimenté par l'IA, qui fonctionne en production. Je serais sceptique face à quiconque prétendrait en avoir un déployé à grande échelle, avec des contrôles, au sein d'une société cotée réglementée. J'ai une orientation claire, un ensemble d'outils de productivité qui transforment réellement la manière dont mon équipe et moi travaillons au quotidien, ainsi qu'une série d'agents à différents stades de développement et de test.
Du côté de la productivité, j'utilise quotidiennement des outils d'IA pour rédiger des communications, résumer de longs rapports, structurer des analyses, préparer les revues d'activité et réfléchir aux différents scénarios plus rapidement que je ne pourrais le faire seul. Ce ne sont pas des cas d'utilisation particulièrement prestigieux, mais le gain de temps cumulé est bien réel, et ils ont amélioré la qualité de ma participation aux échanges.
Mes progrès actuels sont plus ambitieux. Je construis un flux de travail dans lequel les agents prennent en charge les aspects mécaniques de la clôture mensuelle — consolidation des données, signalement des écarts, génération des commentaires — tandis que les humains interviennent au niveau de la revue et du jugement. L'architecture existe et les tests sont en cours. Pour bien faire les choses, avec les contrôles appropriés en place, il faut du temps.
Je partage cette expérience comme un travail en cours plutôt que de la présenter comme quelque chose d'achevé, car je pense que la profession financière compte déjà suffisamment de personnes qui vendent la destination. Ce qui est utile, c'est d'entendre à quoi ressemble le parcours en temps réel — ce qui fonctionne, ce qui est en train d'être mis au point et ce qui est plus difficile que prévu.
Voilà où j'en suis. Je construis avec prudence, j'avance régulièrement et je n'attends pas la perfection avant de commencer.
Comment l'IA améliore les commentaires sur les écarts
J'ai récemment apporté une modification aux commentaires sur les écarts. Toutes les équipes financières s'en chargent. Chaque mois, sans exception, quelqu'un s'assoit pour rédiger deux à trois pages expliquant pourquoi les résultats réels sont supérieurs ou inférieurs au plan. Ligne par ligne. En théorie, c'est un travail important, mais en pratique, environ 80 % de celui-ci est mécanique. Les chiffres sont déjà là. Les écarts sont déjà calculés. C'est la traduction qui prend du temps — transformer les données en phrases qu'une personne extérieure à la finance peut lire et utiliser pour agir.
Avant ce changement, un analyste senior consacrait l'essentiel d'une journée aux commentaires seuls. Non pas parce qu'il était lent — mais parce que c'est réellement le temps nécessaire pour faire correctement le travail sur plusieurs centres de coûts et secteurs d'activité. Et au moment où le document était terminé, révisé et mis en forme, le créneau pour la conversation qu'il était censé permettre s'était déjà réduit.
J'ai créé un agent pour prendre en charge la première version. Il extrait les chiffres, identifie les écarts significatifs et génère des commentaires structurés dans un langage professionnel simple. Le rôle de l'analyste consiste désormais à relire, affiner et ajouter la dimension de jugement — le contexte que seul un être humain possédant une connaissance de l'activité peut apporter.
Cela améliore la rapidité, mais modifie également la qualité de la conversation. Lorsque votre analyste n'est pas épuisé par la rédaction, il arrive à la réunion de revue en réfléchissant à ce que l'écart signifie pour le trimestre suivant — et pas seulement à ce qui s'est passé le mois dernier. C'est le changement que je recherchais. Une journée de rédaction mécanique peut se transformer en deux heures de réflexion.
Un cadre pour déterminer ce qui reste humain
Mon cadre est simple : si c'est mécanique, automatisez-le. Si cela exige du jugement, gardez l'intervention humaine. C'est tout.
Cela paraît évident, mais la plupart des équipes financières ne fonctionnent pas ainsi. Les humains effectuent un travail mécanique et l'appellent de l'analyse. Les outils d'IA restent inutilisés parce que personne n'a clairement défini la limite.
L'IA prend en charge la consolidation des données, les rapprochements, le signalement des écarts, la première version des commentaires, la mise à jour des modèles de prévision lorsque les hypothèses évoluent, les dossiers de reporting standard et les projections de trésorerie fondées sur les tendances historiques. Ce sont des tâches répétitives, fondées sur des règles et effectuées en grand volume. Les humains ne devraient plus y consacrer un temps significatif. Un agent les réalise plus rapidement, de manière plus constante et sans la fatigue qui s'installe à la fin d'un cycle de clôture.
Les humains prennent en charge tout ce qui exige du contexte, des relations et du jugement. Que signifie cet écart pour l'entreprise ? Devons-nous réallouer des capitaux à cette initiative ou attendre, compte tenu des conditions du marché ? Quelle est la meilleure manière de présenter ce risque à la direction ? Cette prévision est-elle crédible dans ses grandes orientations, ou cherchons-nous simplement à faire correspondre un chiffre à un objectif ? L'IA peut alimenter toutes ces conversations ; elle ne peut pas en assumer la responsabilité.
Je fixe ici la limite : l'IA fournit à mon équipe des informations plus rapidement et sous une meilleure forme qu'auparavant. Mais la décision — et la responsabilité qui l'accompagne — restent du ressort de la personne. Je ne cherche pas à contourner une limitation ; c'est ainsi que le système est conçu.
Comment l'IA améliore l'efficacité et la confiance de l'équipe financière
De manière positive, le résultat le plus fiable est la réaffectation du temps. L'automatisation des tâches mécaniques — extractions de données, rapprochements, rapports standardisés, premières ébauches de commentaires — redonne à chacun plusieurs heures chaque semaine. Pas des heures théoriques, mais de vraies heures. Si vous réfléchissez à la manière dont les collaborateurs utilisent ce temps, vous commencez à constater une meilleure qualité d'analyse, des réponses plus rapides aux questions de l'entreprise et des professionnels de la finance davantage engagés dans leur travail plutôt que de s'épuiser au cours d'un cycle de clôture.
La qualité des prévisions s'améliore également — non pas parce que l'IA est plus intelligente que vos analystes, mais parce que ceux-ci sont moins fatigués et disposent de davantage de temps pour examiner les hypothèses au lieu de simplement renseigner le modèle. Les personnes fatiguées prennent de mauvaises décisions. Les personnes reposées qui disposent de données propres en prennent de meilleures.
Sur le plan qualitatif, le changement le plus important concerne la confiance. Lorsqu'une équipe financière cesse de consacrer l'essentiel de son énergie à produire pour commencer à interpréter, elle se comporte différemment dans les échanges avec l'entreprise. Elle a des opinions. Elle exprime ses désaccords. C'est le changement culturel difficile à mesurer, mais impossible à ne pas remarquer.
Les principaux facteurs d'échec de l'IA dans la finance
Passons maintenant aux aspects négatifs. Le principal facteur d'échec que j'observe concerne les équipes qui automatisent de mauvais processus. Si les données sous-jacentes sont désordonnées, si les flux de travail sont défaillants ou si les équipes ne comprennent pas les chiffres, l'IA ne fait qu'accélérer le problème. Données erronées en entrée, données erronées en sortie, mais plus rapidement.
Le deuxième facteur d'échec est la dépendance excessive à l'égard de résultats que les collaborateurs ne comprennent pas entièrement. L'IA peut produire une prévision admirablement structurée, une analyse des écarts à l'apparence convaincante et un modèle de scénarios clair. Mais si la personne qui le présente ne peut pas expliquer comment il a été obtenu ni d'où viennent les hypothèses, c'est un risque. Pas un risque technologique. Un risque lié au jugement. L'IA doit rendre votre équipe plus pertinente, et non plus passive. Si elle produit l'effet inverse, c'est un risque dont personne ne parle assez ouvertement.
Le troisième facteur d'échec est l'adoption. Vous pouvez concevoir l'agent le plus élégant qui soit, mais si l'équipe ne lui fait pas confiance ou ne modifie pas sa manière de travailler avec lui, il restera inutilisé. La gestion du changement n'est pas facultative.
Pourquoi l'adoption de l'IA exige des flux de travail repensés
Lorsque l'IA ne fonctionne pas, le problème vient des personnes.
J'ai conçu des agents qui fonctionnent. Je les ai vus être testés, validés et approuvés. Puis j'ai observé des équipes les contourner discrètement pour revenir à leurs anciennes méthodes. Non par malveillance, mais par habitude, par confort et parce qu'elles pensaient sincèrement que leur version manuelle était plus fiable, même lorsqu'elle ne l'était pas.
C'est le fossé dont on ne parle pas assez dans les discussions sur la transformation par l'IA. Tout le monde se concentre sur ce qu'il faut construire. Très peu de personnes s'intéressent à ce qui doit changer chez l'humain qui utilise l'outil pour que celui-ci ait réellement un impact.
Les professionnels de la finance, en particulier, sont formés pour être précis et averses au risque. C'est une qualité professionnelle. Elle devient un obstacle lorsqu'on leur demande de faire confiance à un système qu'ils n'ont pas construit et dont ils ne peuvent pas voir entièrement le fonctionnement interne. Dès qu'un résultat produit par l'IA semble légèrement incorrect — même s'il est juste — ils reviennent spontanément à leur propre méthode. Et après quelques occurrences de ce type, ils cessent d'utiliser l'agent.
J'ai compris que l'adoption n'est pas un problème de communication. Envoyer un e-mail disant « nous avons un nouvel outil, veuillez l'utiliser » ne sert à rien. C'est un problème de changement de comportement. Vous devez repenser le flux de travail autour de l'outil, et non pas simplement l'intégrer au flux existant en espérant que les personnes s'adapteront.
Pourquoi Claude se distingue dans les cas d'usage financiers
Les outils évoluent rapidement, et celui qui fera partie de mon flux de travail à long terme devra le mériter. Pour l’instant, je reste curieux à l’égard de chacun d’eux et je laisse les cas d’utilisation décider.
J'utilise plusieurs outils et je pense que c'est la bonne approche pour le moment. Nous sommes dans une phase d'exploration et chaque outil évolue encore rapidement. En choisir un aujourd'hui et ignorer les autres serait une mauvaise décision.
Mais si je devais pencher pour l'un d'eux, Claude s'est particulièrement distingué pour les travaux financiers. Sa capacité à raisonner sur des scénarios complexes, à travailler avec des chiffres dans leur contexte, à rédiger des analyses structurées et à manier un langage commercial nuancé le rend particulièrement utile pour le type de travail exigeant une réflexion approfondie que requiert la FP&A.
Les outils évoluent rapidement, et celui qui fera partie de mon flux de travail à long terme devra le mériter. Pour l'instant, je reste curieux à l'égard de chacun d'eux et je laisse les cas d'utilisation décider.
Ne confondez pas l'achat d'outils d'IA avec la transformation par l'IA
Voici mes conseils :
- Arrêtez d'attendre la stratégie d'entreprise parfaite avant d'agir. La plupart des directeurs financiers à qui je parle ont une feuille de route de transformation en cours d'examen depuis six mois. Pendant ce temps, leurs équipes consacrent encore la moitié de leur semaine à des tâches qu'elles pourraient automatiser dès aujourd'hui. La fenêtre est ouverte maintenant. Profitez-en.
- Ne confondez pas l'achat d'outils avec la réalisation d'une transformation. J'ai vu des organisations dépenser des sommes considérables pour des plateformes, des licences et des consultants, pour finalement se retrouver avec les mêmes flux de travail qu'au départ, mais plus coûteux. La technologie n'est pas la partie difficile. Le plus difficile est d'évaluer honnêtement le fonctionnement de votre équipe et d'être prêt à le changer.
- Investissez dans vos collaborateurs avant d'investir dans les outils. Un professionnel de la finance qui comprend ce que l'IA peut et ne peut pas faire, qui formule de bonnes requêtes, qui examine de manière critique les résultats de l'IA et y ajoute une couche de jugement — cette personne vaut plus que n'importe quelle plateforme que vous achetez. Développez cette capacité au sein de votre équipe. Elle se renforce avec le temps.
- Remettez vos données en ordre. L'IA révélera chaque faille de vos fondations de données plus rapidement que toute autre chose. Si vos chiffres ne sont pas propres, si vos processus ne sont pas documentés et si vos systèmes ne communiquent pas entre eux — corrigez cela en premier. Sinon, vous automatisez le chaos.
- Le rôle du directeur financier évolue, que vous vous engagiez ou non avec l'IA. La question est de savoir si vous façonnez cette évolution ou si vous la subissez. Les responsables financiers qui compteront dans cinq ans seront ceux qui seront suffisamment curieux pour expérimenter, suffisamment humbles pour tirer les leçons de ce qui ne fonctionne pas et suffisamment déterminés pour construire quelque chose.
Ne vous contentez pas d'avoir une opinion sur l'IA. Faites-en quelque chose.
Suivez son actualité
Vous pouvez suivre le travail de Sibaranjan Patnaik sur LinkedIn.
D'autres entretiens avec des experts seront bientôt publiés sur The CFO Club !
