L’IA au service de l’automatisation de la tenue comptable

C’est l’une des applications les plus évidentes de l’intelligence artificielle dans le domaine de la gestion financière : l’automatisation de la tenue comptable a fait ces dernières années des progrès considérables. Et ce n’est qu’un début.

Une évolution technologique majeure

Lecture automatique des pièces comptables, catégorisation des opérations, imputations et rapprochements… Une grande partie de la saisie comptable s’est automatisée avant même que les modèles d’apprentissage automatique ne fassent parler d’eux, grâce au recours à des algorithmes basés sur des règles. Ce sont des systèmes dont le fonctionnement a été éprouvé, mais qui présentent deux inconvénients : “ils sont assez lourds à paramétrer et ne sont pas capables d’apprendre par eux-mêmes”, explique Vincent Bonnivard, chef d’équipe IA chez Probayes. 

L’enjeu de l’accès aux données

Aujourd’hui, ces moteurs de règles sont peu à peu remplacés par des modèles d’apprentissage automatique, qui sont mis en service après avoir été entraînés sur un grand volume de données. Ils ont appris à partir d’innombrables exemples et sont ainsi capables de traiter des tâches plus complexes face auxquelles les moteurs de règles seraient inefficaces. “Il y a plusieurs facteurs qui permettent aujourd’hui de déployer ces nouveaux modèles d’apprentissage automatique : la qualité des algorithmes, les ressources matérielles, mais surtout la disponibilité des données”, ajoute Vincent Bonnivard. L’accès à de grands volumes de données de qualité est nécessaire pour bien entraîner les modèles.

Quels usages de l’IA aujourd’hui pour la saisie comptable ?

Une lecture automatique des pièces plus efficace

L’IA fait peu à peu son apparition sur des logiciels déjà existants, avec l’arrivée de nouvelles briques fonctionnelles. Une transition qui permet à l’équipe Finance en entreprise ou aux collaborateurs en cabinets comptables de ne pas bouleverser leur process, tout en leur apportant beaucoup plus d’efficacité. “L’IA apporte par exemple une bien meilleure fiabilité sur la lecture automatique des pièces, en extrayant et en interprétant les datas. C’est ce que nous sommes en train de développer dans la plateforme Regate, par exemple”, explique Laura Pallier, cofondatrice de Regate. 

Des écritures comptables intelligentes

L’IA peut aussi proposer des écritures comptables correspondant aux factures lues, avec une précision et un taux de réussite bien plus importants que les moteurs de règles. “Comme l’IA est capable d’apprendre, elle a aussi la capacité à proposer des écritures qui correspondent aux plans comptables et à la manière de travailler de l’utilisateur. Cela permet de réconcilier les pratiques du marché avec la pratique personnelle”, ajoute Laura Pallier.

Le rapprochement bancaire

Les moteurs de règles sont très utilisés pour le rapprochement bancaire, et fonctionnent plutôt bien… à condition de ne pas avoir besoin de les faire évoluer. “En récupérant l’historique d’une entreprise, on peut entraîner un modèle d’IA sur un périmètre donné pour faire du rapprochement bancaire intelligent, avec des résultats bien meilleurs que les moteurs de règles”, explique encore Laura Pallier.

Les prochaines étapes à franchir

À terme, c’est une automatisation complète de la saisie comptable qui se dessine. Ce n’est pas le seul cas d’usage qui est à l’étude pour les équipes Finance ou pour les cabinets comptables, mais c’est celui qui aura sans doute le plus fort impact sur la productivité. Le potentiel de l’IA en la matière est réellement énorme. Pour l’exploiter, il faudra cependant cocher quelques cases : s’assurer de disposer de données suffisantes pour éduquer correctement les modèles d’apprentissage automatique, sécuriser cette même donnée, former les équipes et gérer le changement dans l’organisation. 

Pour y parvenir sans heurts, le mieux est encore de procéder progressivement, par exemple en testant tout d’abord l’IA sur un périmètre donné. Si cette première étape donne satisfaction, on pourra ensuite envisager d’aller plus loin, en formant les équipes pour accompagner leur montée en compétence et en mettant en place de nouveaux process. Car le principal défi posé par l’IA n’est pas technique, mais organisationnel.