- Mai 2026
Comment les leaders financiers transforment-ils les ambitions en matière d’IA en résultats concrets pour l’entreprise ?
La fonction finance entre dans une décennie décisive. L’intelligence artificielle devrait transformer en profondeur la manière dont les directeurs financiers planifient, pilotent la performance et soutiennent la prise de décision au sein de l’entreprise. L’étude mondiale menée par BearingPoint auprès des directeurs financiers révèle que les attentes vis-à-vis de l’impact de l’IA sont déjà élevées, mais que la plupart des organisations financières en sont encore à un stade précoce d’adoption.
S’appuyant sur une enquête mondiale menée auprès de plus de 200 responsables financiers ainsi que sur plus de 30 entretiens approfondis avec des directeurs financiers et des hauts responsables financiers, cette étude analyse la manière dont l’IA transforme aujourd’hui la fonction finance, les raisons pour lesquelles son déploiement peine à changer d’échelle, et les conditions nécessaires pour transformer l’ambition en matière d’IA en un impact durable sur la performance.
Un écart significatif entre ambition et mise en œuvre de l’IA dans la finance
L’étude met en évidence un décalage significatif entre l’impact attendu et le niveau de maturité actuel. Si les ambitions en matière d’IA sont élevées, 73% des responsables financiers qualifient leur niveau d’adoption actuel de l’IA comme étant limité ou élémentaire, et seuls 9% indiquent avoir déployé l’IA conformément aux attentes. La plupart des organisations ont progressé via des pilotes isolés, sans encore parvenir à un déploiement global à l’échelle de l’entreprise.
Ce décalage est perceptible au sein des activités clés de la fonction finance. Les directeurs financiers identifient la planification, la budgétisation et les prévisions comme les domaines où l’IA aura le plus d’impact (77%), devant la comptabilité et le reporting (74%). Pourtant, ces mêmes domaines reposent encore sur des données fragmentées, des systèmes hérités et des processus manuels qui freinent le passage à l’échelle.
Pris dans leur ensemble, ces constats mettent en lumière un enjeu structurel : les ambitions en matière d’IA sont largement partagées, mais les capacités d’exécution demeurent limitées.
Quels sont les freins à l’adoption de l’IA dans la fonction finance ?
Les obstacles au passage à l’échelle de l’IA ne sont principalement pas d’ordre technologique. L’étude met en évidence quatre contraintes structurelles qui empêchent de manière récurrente les projets pilotes de se transformer en véritables leviers de transformation pérenne.
La qualité des données apparaît comme le principal frein, citée par 74% des répondants, suivie des silos de données et de leur fragmentation (63%). Les architectures de systèmes hérités ainsi que l’incohérence des données de référence limitent la fiabilité des résultats produits par l’IA et compliquent son déploiement à l’échelle de l’entreprise.
La gouvernance reste insuffisamment développée. De nombreuses organisations financières ne disposent pas d’une définition claire des responsabilités, de mécanismes de priorisation ni de dispositifs de gestion du cycle de vie des initiatives d’IA, ce qui maintient ces projets en périphérie au lieu de les intégrer pleinement aux opérations courantes.
Les compétences et le niveau de confiance restent également en dessous des attentes. Bien que les directeurs financiers anticipent largement une évolution des rôles, les équipes finance ne disposent pas toujours des compétences analytiques, des connaissances en data et d’une maîtrise suffisante de l’IA pour exploiter avec assurance les résultats générés. La résistance au changement, le manque de formation et les inquiétudes liées à l’évolution des emplois freinent encore davantage l’adoption.
Les priorités d’investissement évoluent, mais les fondamentaux restent en retard
Les priorités des directeurs financiers en matière d’investissement dans l’IA évoluent. Les premières initiatives étaient centrées sur l’efficacité et l’automatisation, permettant de dégager des capacités au sein des processus transactionnels. À l’avenir, l’accent se déplace vers la planification augmentée par l’IA, l’analytique prédictive et l’aide à la décision, renforçant ainsi le rôle stratégique de la fonction finance.
Cependant, l’étude montre que les leviers fondamentaux, tels que l’harmonisation des modèles de données, la refonte du modèle opérationnel et la transformation des équipes accusent souvent un retard par rapport à l’expérimentation des cas d’usage. Ce déséquilibre risque d’entretenir le risque du pionner, où l’IA génère de la valeur localement, mais ne parvient pas à transformer la fonction finance à grande échelle.
Quelles sont les prochaines étapes ?
L’étude montre clairement que le passage à l’échelle de l’IA dans la fonction finance relève avant tout d’un enjeu de modèle opérationnel, et non d’un défi technologique. Les directeurs financiers qui réussissent considèrent l’IA comme une capacité intégrée au fonctionnement même de la finance, et non comme une juxtaposition d’outils isolés.
Cinq priorités s’imposent comme essentielles pour combler l’écart d’exécution en matière d’IA :
-
Repenser les processus et les modèles opérationnels de la fonction finance autour d’une IA intégrée
-
Positionner l’ERP et la transformation des données comme des leviers fondamentaux pour déployer l’IA à grande échelle
-
Développer des compétences hybrides combinant finance et data au sein des équipes
-
Établir une gouvernance conciliant gestion des risques, confiance et mise en œuvre
-
Orienter l’IA vers des cas d’usage à fort impact en matière de pilotage et de support à la décision
Dans leur ensemble, ces évolutions permettent à la fonction finance de passer d’une logique d’expérimentation à une exécution à grande échelle, inscrite dans un pilotage continu de la performance.
