IA et Finance : quitte à paraître vieux jeu, le déterminisme paye

Le monde de la tech ne cesse de s'enthousiasmer pour chaque nouveauté IA qui serait capable d'accomplir n'importe quelle tâche. Mais pour les responsables financiers, la priorité est ailleurs. L’enjeu est de trouver une IA en laquelle ils peuvent avoir confiance, pas nécessairement une IA qui sait tout faire.

En pratique, c’est effectivement la précision qui compte.

Prompt chaining et hallucinations : des craintes majeurs pour les DAF

L'IA générative peut halluciner, ce qui signifie qu'elle produit des informations incorrectes ou fabriquées. Dans le cas d’usage de l’équipe Finance, une petite erreur dans les résultats financiers peut avoir des conséquences majeures. Les directeurs financiers sont donc, à juste titre, prudents envers tout système d'IA qui pourrait « inventer des choses » ou modifier ses réponses.

L'un des plus grands défis de l'IA dans la finance est celui de la confiance et de l'exactitude des données : un outil qui produit parfois des absurdités ou des résultats différents n'est pas une solution. Les équipes financières doivent composer avec qu'elles peuvent auditer, expliquer et sur lesquelles elles peuvent compter.

C’est d’ailleurs la raison pour laquelle les équipes chargées de la conformité privilégient les modèles d'IA déterministes qui produisent des « résultats clairs, structurés et reproductibles » que les auditeurs peuvent vérifier. En bref, si les réponses d'une IA ne peuvent être prédites et justifiées, les directeurs financiers ne l'utiliseront pas.

Une IA déterministe pour la Finance

La nouvelle vague d'IA basée sur les grands modèles de langage (LLM) est probabiliste et non déterministe.

Posez deux fois la même question à une IA comme ChatGPT et vous obtiendrez peut-être deux réponses différentes. Ce non-déterminisme peut vite devenir problématique lorsqu’il s’applique aux opérations financières.
Les directeurs financiers sont habitués à des logiciels qui se comportent de manière prévisible : avec les mêmes données d'entrée, ils produisent toujours les mêmes résultats. Ils n'en attendent pas moins de l'IA.

Dans le domaine de la finance, une IA qui fonctionne 100 % du temps sur une tâche précise est infiniment plus utile qu'une IA qui fonctionne 80 % du temps sur une tâche plus large. La précision est donc un paramètre essentiel.

Les systèmes traditionnels basés sur des règles sont déterministes - ils ne dévient jamais à moins d'être explicitement reprogrammés. L’enjeu pour les développeurs d'IA dans la finance est donc de trouver des moyens de combiner la flexibilité de l'IA avec les garde-fous de la logique déterministe. Cela se traduit, par exemple, par des approches hybrides et des techniques d'« IA explicable » afin de garantir la traçabilité et la vérification de chaque décision prise par l'IA.

Un champ d’application plus restreint pour un meilleur ROI

Il y a une raison pour laquelle de nombreux DAF investissent d'abord dans des cas d'utilisation restreints de l'IA. Le meilleur rapport qualité-prix est souvent lié à l'automatisation de tâches répétitives et bien définies - celles qui donnent aux équipes financières l'impression d'être des robots, mais que les robots (ou plutôt l'IA) peuvent accomplir de manière extrêmement efficace.

Prenons l'exemple du traitement des factures fournisseurs. Aujourd’hui, l'IA peut rédiger les factures et même prédire les codes de grand livre corrects pour chaque facture, transformant ce qui nécessitait des heures de codage manuel en un processus très fluide. On ne parle donc pas ici d’IA futuriste tout droit sortie d’une science-fiction, mais d'une IA plus conventionnelle, qui s'attaque à une tâche ennuyeuse et qui permet aux entreprises d'économiser un nombre incalculable d'heures.

De même, les outils de gestion des dépenses utilisent désormais l'IA pour classer automatiquement les transactions et signaler les anomalies avec une précision atteignant les 90 %. Ces capacités, bien que limitées, génèrent un retour sur investissement considérable et immédiat.

Lutra AI (une startup spécialisée dans les flux d'IA) décrit l'état actuel des agents d'IA comme étant de niveau 1 : avec des « capacités existantes avec une grande fiabilité ». Ces agents de niveau 1 ne prennent pas de décision autonome et « suivent une structure fixe et reproductible ». C’est-à-dire qu’ils font exactement ce pour quoi ils ont été conçus. Et c’est exactement ce qui est attendu par les directeurs financiers.

Il n'est donc pas surprenant que les solutions d'IA déterministes sont celles qui permettent d’obtenir un ROI immédiat. En éliminant ne serait-ce qu'un seul processus fastidieux (par exemple, le rapprochement manuel des factures) et en s’assurant que cette tâche est effectuée correctement, la valeur ajoutée est concrète et mesurable. Par conséquent, les responsables financiers donnent la priorité au ROI avant même de penser à rechercher une autonomie totale en matière d'IA.

Aller vers l’autonomie

Il est important de faire la part des choses entre la tendance et la réalité. Oui, l'idée d'un collègue doté d'une IA qui s'occupe de votre clôture mensuelle ou qui optimise votre budget de manière indépendante semble incroyable. Mais il faut se rendre à l’évidence : il est encore trop tôt pour laisser les clés de la Finance aux robots.

Même les prototypes d'« IA agentique » les plus avancés aujourd'hui, comme AutoGPT qui a fait les gros titres, sont fragiles, imprévisibles et coûteux.

Comme l'indique un récent rapport, peu d'entreprises peuvent se fier à ces agents autonomes « sans une surveillance étroite ». Pour Jiquan Ngiam, ces agents entièrement autonomes sont encore au « niveau de recherche », c'est-à-dire qu'il s'agit davantage d'un concept que d'un produit utilisable.

Aujourd’hui donc, l'IA peut prendre des initiatives, mais sous des contraintes strictes et sous la supervision d’un humain. Il ne faut pas s'attendre à ce qu'une IA remplace le jugement de l'équipe financière, mais plutôt à ce qu'elle la complète en s'acquittant des tâches fastidieuses avec précision. Comme le prédit Jiquan Ngiam, nous deviendrons tous des « gestionnaires » de notre IA, en la guidant, la contrôlant et en bénéficiant de son travail.

L’automatisation contrôlée : une vision plus pragmatique de l’avenir

Pour les responsables financiers qui souhaitent s’équiper de solutions d'IA, le message à retenir est clair : insistez sur le déterminisme et le contrôle.

La finance, plus que tout autre domaine, repose sur la prévisibilité, l'auditabilité et la conformité. Les solutions d'IA qui respectent ces principes gagneront la confiance des DAF. Car en matière d’IA dans la Finance, il ne s'agit pas de tout bouleverser, mais de l’intégrer correctement, de manière presque banale. L’objectif est d’avoir une IA qui améliore simplement les opérations financières, en détectant les erreurs, en faisant gagner du temps et en ne laissant jamais de surprises.

Ainsi, les agents déterministes ne font peut-être pas l'objet de démonstrations virales sur les réseaux sociaux, mais ce sont eux qui seront réellement adoptés en entreprise.

Et lorsque le processus de clôture mensuelle se terminera plus tôt que prévu, sans aucune erreur, grâce à ce type d’assistant IA, personne dans le département financier ne se plaindra que la solution n'était pas assez « autonome » ! Tout le monde sera trop occupé à célébrer cette nouvelle efficacité et c’est le genre de révolution de l'IA dont la finance a vraiment besoin.

Découvrez nos agents IA, leurs cas d'usage dans la Finance et les différentes fonctionnalités que nous proposons, cliquez ici.