Automatiser la fonction finance : RPA, IA et avenir du FP&A

En 2017, JPMorgan Chase a discrètement supprimé 360 000 heures de revue juridique par an. Le responsable n'était pas un plan de licenciement, mais COIN, la plateforme Contract Intelligence de la banque, qui lit les contrats de prêt commerciaux en quelques secondes là où des collaborateurs juniors mettaient des semaines. En 2026, les descendants de COIN ingèrent non seulement des contrats mais aussi des ISDA master agreements, des dossiers KYC et la documentation de prix de transfertprix de transfertLes prix appliqués lorsque des entités d'un même groupe s'échangent biens, services ou propriété intellectuelle, fixés pour satisfaire le fisc et refléter le marché.Voir la définition complète → intragroupe sur plus de 60 juridictions concernées par le Pilier Deux de l'OCDE. La leçon pour les CFO n'est pas que les machines vont remplacer les comptables. C'est que la fonction finance, ce centre de coûts que chaque CEO a tenté sans succès de comprimer depuis trente ans, est enfin compressible. Le benchmark 2024 de McKinsey estime que 42 % des activités finance sont désormais entièrement automatisables avec les technologies existantes, et que 19 % de plus peuvent être substantiellement augmentées. Les entreprises qui exécutent bien font état de réductions de coûts de 25 à 50 % sur la finance transactionnelle et, plus important, de cycles de clôture 30 à 40 % plus rapides.

Cette leçon porte sur la manière de capter réellement cette valeur, pas sur la version slide-deck.

La stack d'automatisation : ce qui vit où, réellement

La plupart des CFO héritent d'un vocabulaire confus de leurs consultants. « IA », « RPA » et « intelligent automation » sont employés de manière interchangeable dans les présentations au board, et c'est ainsi qu'on finit avec des pilotes à 20 millions de dollars qui automatisent le mauvais processus. Soyez précis.

Couche 1 : robotic process automation (RPA)

Le RPA, c'est du screen scraping fondé sur des règles. UiPath, Automation Anywhere et Microsoft Power Automate dominent ce segment. Un bot se connecte à SAP, copie une facture fournisseur, la rapproche d'un PO dans Coupa, et la comptabilise. Il ne « pense » pas. Il gère mal les exceptions. Le raisonnement économique est simple : un bot RPA type coûte de 5 000 à 15 000 dollars par an en coût complet et remplace environ 2 à 3 ETP de travail répétitif en comptabilité fournisseurs, rapprochements intragroupe ou traitement de relevés bancaires.

Siemens a déployé plus de 4 000 bots dans ses centres de services partagés entre 2018 et 2024, automatisant 2 millions d'heures par an selon ses chiffres. L'organisation finance, alors dirigée par Ralf Thomas, a traité le RPA comme de la plomberie, pas comme une transformation. Ce cadrage compte. Le RPA n'est pas stratégique ; c'est un plancher de productivité.

Couche 2 : machine learning et intelligent document processing

C'est ici que la finance commence vraiment à changer de nature. Les modèles de ML classifient les transactions, prédisent les encaissements, détectent les anomalies dans les notes de frais et extraient des données structurées de documents non structurés : les contrats, factures et e-mails qui mettent le RPA pur en échec.

Aladdin, de BlackRock, est l'exemple canonique à grande échelle. Conçu à l'origine comme un système de risque dans les années 1990, Aladdin traite aujourd'hui environ 21 600 milliards de dollars d'actifs sous gestion ou en administration en 2025, exécutant chaque jour des dizaines de milliers de simulations de Monte-Carlo sur des portefeuilles qui représentent près de 10 % des actions, obligations et prêts mondiaux. Ce qui rend Aladdin instructif pour un CFO d'entreprise, ce n'est pas le cas d'usage asset management, c'est l'architecture. Aladdin est une source unique de vérité que le front, le middle et le back office utilisent tous. Il n'y a pas de rapprochement entre « le livre de trading » et « le livre comptable » parce qu'il n'y a qu'un seul livre. La plupart des entreprises font tourner 8 à 15 systèmes finance qui se contredisent tous à la clôture mensuelle. La leçon d'Aladdin : le problème de l'automatisation est fondamentalement un problème d'architecture de données.

Couche 3 : IA générative et finance agentique

En 2026, la frontière a encore bougé. Microsoft Copilot for Finance, Illuminate de Workday et les Fusion AI AgentsAI AgentsL'Agentic AI désigne les systèmes d'IA qui poursuivent des objectifs de façon autonome : ils planifient, agissent via des outils et s'ajustent en fonction des résultats, avec un minimum de directives humaines étape par étape.Voir la définition complète → d'Oracle se posent désormais au-dessus de l'ERPERPUn système intégré unique qui gère les opérations clés : finance, achats, supply chain, RH et production sur des données partagées.Voir la définition complète →, rédigent les commentaires d'écarts, construisent les premières versions de forecasts et génèrent des narratifs présentables au board à partir de données brutes du grand livre. L'équipe FP&AFP&ALa fonction finance qui construit budgets, prévisions et analyses pour éclairer les décisions et relier la stratégie aux chiffres.Voir la définition complète → d'Unilever, sous la direction du CFO Fernando Fernandez, a publiquement indiqué début 2025 que l'IA générative avait ramené la préparation du reporting de gestion mensuel de 9 jours à 3.

Le passage des copilots aux *agents*, ces systèmes autonomes qui enchaînent des actions, est l'histoire de 2026. Un agent ne rédige pas une écriture pour revue ; il la passe, ne vous alerte que si la confiance descend sous un seuil, et apprend de votre correction. Les implications en matière de contrôle ne sont pas anodines, nous y reviendrons.

Étude de cas : comment Siemens et Microsoft ont abordé le FP&A différemment

Le contraste entre deux transformations bien documentées vous dit tout sur la *manière* de séquencer.

Siemens : bottom-up, le processus d'abord

Siemens a commencé par des processus discrets à fort volume : comptabilité fournisseurs, audit des frais de déplacement, netting intragroupe. En 2023, l'entreprise déclarait plus de 100 M€ d'économies en run-rate annualisé sur la seule automatisation finance, avec des périodes de retour inférieures à 12 mois sur la plupart des déploiements de bots. La discipline reposait sur du process mining sans relâche, avec Celonis (société munichoise que Siemens utilise et détient en partie) pour identifier les chemins réels, et non théoriques, emprutés par les transactions dans SAP.

L'enseignement clé : Siemens a automatisé *après* avoir corrigé la variance des processus. Environ 60 % du travail dans leurs premiers projets a consisté à éliminer des étapes inutiles avant de déployer le moindre bot. Automatiser des processus cassés ne fait qu'accélérer des résultats cassés.

Microsoft : top-down, le forecast d'abord

L'organisation finance de Microsoft, sous la direction de la CFO Amy Hood, a pris un autre chemin. À partir de 2019 environ, Microsoft a reconstruit sa capacité de prévision autour de modèles de ML qui ingèrent plus de 160 signaux externes : délais d'approvisionnement en semi-conducteurs, annonces de capexcapexLe Capital Expenditure (CapEx) désigne les dépenses engagées pour acquérir, améliorer ou étendre des actifs de longue durée : équipements, immobilier, logiciels, qui créent de la valeur sur plusieurs années.Voir la définition complète → des hyperscalers, réglementations sur le cloud souverain, jusqu'à l'imagerie satellite des data centers partenaires. Le résultat, discuté publiquement lors de plusieurs événements investisseurs : la précision des prévisions de revenus de Microsoft au niveau segment est à 1,5 % près sur un horizon de 90 jours, nettement meilleure que le consensus des analystes.

La leçon, c'est que Microsoft n'a pas commencé par la réduction de coûts. Il a commencé par la précision des prévisions, parce que c'est là que la finance crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →ée du levier stratégique. Les économies ont suivi, mais comme un produit dérivé de la construction d'une infrastructure de données de qualité décisionnelle.

La plupart des CFO devraient faire les *deux* : un nettoyage à la Siemens sur les processus transactionnels finance l'investissement à la Microsoft dans la prévision et l'intelligence de scénarios. L'erreur est de faire l'un sans l'autre.

L'avenir du FP&A : du reporting à l'allocation

Voici la vérité inconfortable que la plupart des VPVPFormulation claire des bénéfices apportés par votre produit, des problèmes qu'il résout et des raisons pour lesquelles les clients doivent vous choisir plutôt qu'une alternative.Voir la définition complète → FP&A n'ont pas encore intégrée : environ 60 à 70 % de ce que font leurs équipes aujourd'hui, extraire des données, mettre en forme des rapports d'écarts, réconcilier des cubes, construire des decks, sera fait par des logiciels d'ici 36 mois. Les rôles qui survivent et prospèrent passent de la production à l'interprétation.

La clôture continue

La « clôture mensuelle » est un artefact du XIXe siècle, construit autour du moment où les livres comptables pouvaient physiquement être rapprochés. En 2026, des leaders comme BlackRock, Stripe et Shopify opèrent quelque chose de proche d'une clôture continue : la position financière est connue en quelques heures, pas en quelques semaines. Le CFO de Shopify, Jeff Hoffmeister, a évoqué la capacité de « P&L en direct » de l'entreprise, qui permet de remodéliser quotidiennement l'économie des marchands à mesure que fluctuent les taux de traitement des paiements et le CACCACLe Customer Acquisition Cost (CAC) correspond au total des dépenses commerciales et marketing divisé par le nombre de nouveaux clients gagnés sur une période. Il mesure l'efficacité de votre croissance.Voir la définition complète → publicitaire.

La question du lundi matin pour le CFO : *que faudrait-il pour connaître la position économique de mon entreprise le mardi de chaque semaine, et non le 8e jour ouvré après la clôture mensuelle ?* La réponse passe presque toujours par trois choses : réduire le plan de comptes, automatiser les éliminations intragroupe et préalimenter les charges à payer depuis les métadonnées contractuelles plutôt que par calcul manuel.

Un planning driver-based et scenario-native

Le budget traditionnel alloue des euros. **Le FP&A augmenté par l'IA alloue de la *capacité à réagir***. Le schéma mature : plutôt qu'un budget annuel unique avec des reforecasts trimestriels, les organisations finance les plus avancées maintiennent un modèle glissant à 18 mois avec 50 à 200 variables de driver, sur lequel elles font tourner des simulations de scénarios en continu.

Cela compte particulièrement en 2026 en raison de trois pressions convergentes : le Pilier Deux de l'OCDE a transformé la modélisation du taux d'imposition effectif en exercice d'urgence trimestriel dans beaucoup de multinationales ; le reporting CSRD dans l'UE exige désormais des données financières prospectives de plan de transition avec des scénarios climatiques quantifiés ; et les modifications de contrats de location sous IFRS 16, liées aux changements d'empreinte immobilière du travail hybride, continuent de générer de la volatilité au bilan. Aucune équipe humaine ne modélise tout cela manuellement assez vite. Les entreprises qui ont investi dans des moteurs de scénarios, Anaplan, Pigment, Oracle EPM avec IA embarquée, sont simplement des organisations qui décident plus vite.

Le problème du contrôle

Tout CFO qui lit ces lignes devrait s'arrêter sur un risque. Quand une IA agentique passe des écritures, qui est le « préparateur » au sens SOX ? Quand un modèle génératif rédige le MD&A, qui certifie qu'il n'hallucine pas une acquisition inexistante ? Les orientations 2025 du PCAOB et les amendements de la SEC aux obligations d'information de l'Item 408 ont commencé à exiger la communication explicite de tout usage significatif d'IA dans les processus de reporting financier.

En pratique, cela signifie trois contrôles que tout CFO devrait exiger avant tout déploiement d'IA en production dans la finance :

1. Logging déterministe : chaque décision du modèle est reproductible à partir d'un input stocké et d'une version de modèle.
2. Seuils de confiance avec routage humain : les actions sous X % de confiance remontent à un relecteur humain, avec des seuils calibrés selon la matérialité.
3. Monitoring de drift : la performance du modèle est suivie contre un échantillon de holdout, et la dégradation déclenche un réentraînement, pas une défaillance silencieuse.

Si votre CIO ne peut pas expliquer comment votre IA finance fait ces trois choses, vous n'êtes pas prêt à déployer à l'échelle.

La checklist d'action du CFO

Lundi matin, voici ce que vous faites :

1. Commanditez un diagnostic de process mining sur vos 5 principaux processus transactionnels sous 30 jours. Utilisez Celonis, Microsoft Process Mining ou UiPath Process Mining. Vous découvrirez que votre processus AP compte 47 variantes, pas les 3 décrites par votre équipe. La variance est l'ennemie de l'automatisation. Corrigez le processus avant de déployer des bots.

1. Imposez que toute décision d'achat de système finance passe un test de « source unique de vérité ». Si un nouvel outil impose un nouveau rapprochement, il doit être rejeté, sauf si la valeur stratégique dépasse clairement la taxe d'intégration. La leçon Aladdin est celle de la discipline architecturale.

1. Faites passer votre équipe FP&A d'une cadence mensuelle à un rolling forecast en deux trimestres, même si l'outillage n'est pas encore parfait. Le changement de comportement, parler davantage du futur que du passé, compte plus que la stack technologique. La technologie peut suivre.

1. Mettez en place un inventaire des usages d'IA et un modèle de gouvernance par paliers dans les 60 jours. Palier 1 (informatif uniquement, ex. commentaires en brouillon) : revue légère. Palier 2 (aide à la décision, ex. inputs de forecast) : validation documentée. Palier 3 (action, ex. passage automatique d'écritures) : contrôle formel avec des preuves de niveau SOX. C'est ce que vos auditeurs vous demanderont en 2027 ; construisez-le maintenant.

1. Faites monter en compétences, ne remplacez pas, vos meilleurs talents FP&A sur le prompt engineering, la modélisation de données et la conception de scénarios. La demi-vie d'un modélisateur Excel se réduit. La demi-vie d'un professionnel de la finance capable d'interroger les hypothèses d'une IA et de traduire la sortie d'un modèle en recommandation de décision pour le CEO s'allonge. Budgétez 5 000 à 10 000 dollars par tête et par an. C'est la ligne au plus fort ROI de votre fonction.

La fonction finance qui sortira de cette décennie sera plus petite, plus rapide et sensiblement plus stratégique, ou bien elle sera diminuée et externalisée. Les CFO qui décident de la direction que prendra leur organisation le font en ce moment, dans les budgets qu'ils approuvent pour l'exercice 2026. Choisissez en conséquence.