La transformation numérique fait parler d’elle depuis près de vingt ans. Pourtant, selon les plus récents résultats de sondage de McKinsey, les équipes financières n’en sont qu’aux premiers balbutiements de l’intégration des technologies numériques — notamment l’intelligence artificielle (IA) et l’apprentissage automatique (ML) — dans leurs propres opérations.
Même si 98 % des chefs de la direction financière (CFO) sondés par McKinsey ont intégré une forme ou une autre d’automatisation ou de numérisation à leur flux de travail, la grande majorité — soit 79 % — n’ont automatisé ou numérisé que 25 % ou moins de leurs processus actuels.
Pourquoi les CFO et leurs équipes financières tardent-ils à déployer l’IA ou le ML à grande échelle, alors que presque tous s’entendent pour dire que la numérisation et l’automatisation offrent un potentiel énorme?
En résumé : Pour la plupart des équipes financières, la charge de travail est trop lourde et les ressources demeurent insuffisantes.
Cela peut sembler paradoxal — après tout, tout le battage autour de l’IA et du ML promet justement d’en faire plus avec moins et d’augmenter l’efficacité au quotidien.
Mais selon les CFO interrogés par McKinsey, les principaux obstacles sont liés à des « charges de travail déjà exigeantes », et non à un manque d’infrastructure technologique, de données ou à une résistance aux nouveaux systèmes.
« Malgré tout le bruit autour de l’IA générative, les données ne montrent pas que la finance l’adopte massivement », a expliqué Ankur Agrawal, associé chez McKinsey, en entrevue avec CFO Dive. « Je m’attends à ce que le rythme s’accélère dans les prochaines années. »
Les attentes envers l’IA dépassent l’adoption — pour l’instant
En fait, les attentes envers l’IA et le ML n’ont jamais été aussi élevées : plus de 80 % des CFO sont convaincus que l’IA permettra à long terme de réduire l’analyse manuelle et d’augmenter la productivité des employés, dans la finance et ailleurs, selon McKinsey.
Chez les CFO, 49 % souhaitent utiliser l’IA générative pour « soutenir la stratégie et le leadership », notamment en générant de l’intelligence concurrentielle et en surveillant les marchés pour en tirer des informations. D’ailleurs, le tiers des CFO prévoient même utiliser l’IA et le ML pour la comptabilité générale et le contrôle de gestion.
Mais à ce jour, seulement 20 % environ des CFO utilisent réellement des outils d’IA générative. Parmi ceux-ci, la moitié en sont encore à l’étape de projet pilote ou d’expérimentation.
Ces constats sont d’autant plus frustrants quand on regarde les résultats obtenus par le petit groupe de CFO qui utilisent déjà l’IA générative et d’autres solutions numériques :
- 71 % constatent une hausse de la productivité des employés du service des finances
- 54 % mentionnent une meilleure utilisation des données pour orienter les décisions d’affaires
- 48 % génèrent des analyses qui permettent aux employés de se concentrer sur des tâches à plus grande valeur ajoutée.
Puisque les équipes financières qui ont déjà adopté l’automatisation et la numérisation voient concrètement les résultats souhaités, comment les CFO qui commencent tout juste à intégrer de nouveaux outils d’IA peuvent-ils accélérer la création de valeur?
Éliminer les obstacles organisationnels à l’adoption de l’IA en finance
Comme le souligne le sondage de McKinsey, chez les équipes qui n’arrivent pas à tirer de valeur technologique de leur transformation numérique en 2024, les principaux freins sont organisationnels, notamment :
- 70 % évoquent la « charge de travail déjà élevée des équipes financières »
- 67 % mentionnent le « manque de compétences pertinentes au sein des équipes financières »
- 62 % reconnaissent des « ressources insuffisantes pour investir dans des outils numériques en finance ».
Ces chiffres sont élevés, mais ils ne surprennent pas vraiment : ces défis sont présents — et s’accentuent — dans les équipes financières depuis des années.
Depuis au moins 2023, la pénurie de talents en comptabilité et en finance est un enjeu majeur dans tous les secteurs. Cette tendance se maintient, même si d’autres recherches confirment que l’IA générative est déjà déployée dans « au moins une fonction d’affaires » chez 65 % des plus de 1 300 entreprises sondées à l’échelle mondiale dans une étude McKinsey plus tôt cette année.
C’est ici que les CFO doivent distinguer les outils d’IA générative très médiatisés des solutions d’IA analytique, plus tactiques, qui s’attaquent directement aux défis freinant la transformation numérique en finance.
Déployer efficacement l’IA analytique là où elle crée le plus de valeur
« L’IA générative n’est plus une nouveauté […] Les entreprises de tête sont celles qui repensent complètement leurs flux de travail avec l’IA générative et l’IA analytique, plutôt que de simplement intégrer ces outils à leurs façons de faire actuelles », affirmait Alex Singla, associé principal chez McKinsey, en juin dernier.
Les outils d’IA analytique exploitent l’intelligence d’affaires pour automatiser les analyses et guider les processus. Ainsi, même si vous utilisez ChatGPT ou d’autres outils d’IA générative pour accélérer la production, ce sont les solutions d’IA analytique qui permettent réellement aux équipes de travailler plus intelligemment.
Cela inclut des outils qui simplifient la collecte et le nettoyage des données, et qui rassemblent des ensembles de données auparavant isolés pour aider les professionnels à mieux comprendre leur travail.
Pour les CFO, c’est l’IA analytique qui offre le plus grand potentiel, leur permettant de suivre le rythme effréné des changements dans leur équipe et dans l’économie en général.
Prenons l’exemple des demandes de crédits d’impôt pour la R-D. Ces crédits peuvent débloquer des fonds essentiels pour prolonger la durée de vie opérationnelle d’une entreprise et stimuler l’innovation. Mais naviguer dans la fiscalité et préparer une demande conforme aux exigences de plus en plus strictes des autorités fiscales peut devenir un emploi à temps plein pour les professionnels de la finance.
Laisser cet argent sur la table n’est tout simplement pas une option — surtout pour les entreprises émergentes axées sur la R-D, qui comptent sur le capital d’innovation pour développer leurs produits, ou pour les sociétés plus établies qui doivent maximiser chaque dollar investi pour soutenir leur croissance.
En collaborant avec des experts qui utilisent l’IA analytique pour optimiser les processus et maximiser les montants réclamés, tout en gérant la défense en cas de vérification, les CFO et les leaders financiers peuvent se concentrer sur d’autres priorités, comme générer un meilleur rendement de l’IA.
Boast a aidé des CFO partout en Amérique du Nord à simplifier le processus de réclamation des crédits d’impôt pour la R-D, tout en maximisant leur accès au capital d’innovation pour prolonger leur marge de manœuvre. Discutez avec l’un de nos experts dès aujourd’hui pour découvrir comment nous pouvons vous aider.
Foire aux questions sur l’adoption de l’IA chez les CFO
- Où en sont la transformation numérique et l’adoption de l’IA chez les CFO? Selon le sondage de McKinsey, même si 98 % des CFO ont introduit une forme d’automatisation ou de numérisation, 79 % n’ont automatisé ou numérisé que 25 % ou moins de leurs processus actuels. À peine 20 % des CFO utilisent réellement des outils d’IA générative, et la moitié d’entre eux en sont encore à l’étape pilote ou d’expérimentation.
- Pourquoi les équipes financières tardent-elles à adopter l’IA et l’apprentissage automatique? Les principales raisons de ce retard au sein des équipes financières sont :
- Des charges de travail déjà très élevées (mentionnées par 70 % des CFO)
- Un manque de compétences pertinentes au sein des équipes financières (67 %)
- Des ressources insuffisantes pour investir dans des outils numériques en finance (62 %). Ces obstacles organisationnels freinent la transformation numérique.
- Quels avantages constatent les CFO qui ont adopté l’IA et la numérisation? Les CFO qui ont franchi le pas rapportent :
- 71 % observent une hausse de la productivité des employés en finance
- 54 % notent une meilleure utilisation des données dans la prise de décision
- 48 % génèrent des analyses qui permettent aux employés de se concentrer sur des tâches à plus grande valeur ajoutée
- Quelles sont les attentes des CFO envers l’IA en finance? Plus de 80 % des CFO sont convaincus que l’IA permettra de réduire l’analyse manuelle et d’augmenter la productivité à long terme. 49 % prévoient utiliser l’IA générative pour soutenir la stratégie et le leadership, tandis qu’un tiers envisagent de recourir à l’IA et au ML pour la comptabilité générale et le contrôle.
- Comment les CFO peuvent-ils déployer efficacement l’IA pour créer de la valeur en finance? Les CFO devraient miser sur :
- La distinction entre les outils d’IA générative et les solutions d’IA analytique plus tactiques
- L’implantation d’outils d’IA analytique qui exploitent l’intelligence d’affaires pour automatiser les analyses et guider les processus
- La collaboration avec des experts qui utilisent l’IA analytique pour optimiser les processus, par exemple pour les demandes de crédits d’impôt à la R-D
- La refonte complète des flux de travail avec l’IA, plutôt que de simplement intégrer des outils aux méthodes de travail actuelles
