Les retours de l’IA en finance dépendent des capacités opérationnelles
Les responsables financiers qui recherchent de meilleures décisions et des prévisions plus précises doivent évaluer si leur organisation peut transformer l’usage de l’IA en performance financière. Déployer la technologie donne aux équipes un accès ; préparer les collaborateurs et les workflows les aide à l’utiliser efficacement. Pour les directeurs des systèmes d’information (DSI) et les responsables technologiques, la décision d’investissement inclut donc la manière dont l’organisation assurera la gouvernance de l’IA, mesurera sa contribution et développera les compétences des personnes qui l’utilisent.
La qualité des données et les capacités de la main-d’œuvre exigent des réponses différentes
Se préparer à ce travail suppose de lever les freins organisationnels, car les lacunes de compétences constituent souvent des obstacles plus importants que la technologie elle-même. Nikki McAllen, responsable mondiale du conseil finance chez KPMG Australia, a indiqué que les données et les talents avaient été identifiés deux ans plus tôt parmi les principaux freins à l’IA dans les services financiers, et que ces deux problèmes persistaient. KPMG fournit des services de conseil ; l’entreprise a donc un intérêt commercial à ce que les entreprises cherchent de l’aide pour relever ces défis. L’analyse de McAllen place la réponse du management au cœur de la préparation.
Les dirigeants doivent apporter une réponse différente à chaque obstacle. « Les fonctions qui prendront probablement de l’avance sont celles qui reconnaissent qu’il s’agit de problèmes distincts nécessitant des réponses distinctes », a déclaré McAllen. Cela signifie qu’il faut évaluer séparément la qualité des données utilisées dans le travail financier et les capacités dont les personnes ont besoin pour appliquer l’IA efficacement. Regrouper les deux sous une étiquette générale de préparation peut masquer le problème auquel un investissement répond.
Cette distinction modifie aussi ce que les dirigeants doivent attendre des achats et des programmes de formation. McAllen a déclaré : « La qualité des données n’est pas un correctif technologique. Les capacités de la main-d’œuvre ne se résument pas à un plan de formation. » Son propos fait de ces deux sujets des responsabilités managériales continues. Un plan de déploiement doit traiter chacun d’eux, car des problèmes non résolus dans l’un ou l’autre peuvent empêcher les équipes finance de concrétiser les avantages de l’IA.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
Les résultats de performance relient les choix en matière d’IA aux résultats de l’entreprise
Compte tenu de ces obstacles, les conclusions de KPMG suggèrent que les dirigeants devraient examiner où ils s’attendent à ce que l’IA crée de la valeur. KPMG a constaté de meilleures performances dans les travaux exigeant un jugement important que dans les applications axées sur la réduction des dépenses. Cette comparaison donne aux responsables financiers une raison d’évaluer si l’IA améliore les décisions et les prévisions, en plus de déterminer si elle réduit les ressources nécessaires pour réaliser une activité.
L’amélioration attendue détermine ce qu’il faut mesurer. Une application de réduction des dépenses appelle une évaluation de l’utilisation des ressources, tandis qu’une application à forte intensité de jugement appelle une évaluation des décisions ou des prévisions qu’elle soutient. Les deux relèvent de la performance financière, mais elles posent des questions différentes à la technologie. La comparaison de KPMG plaide donc pour donner aux travaux à forte intensité de jugement une place claire dans le business case d’investissement.
Le type d’IA compte également dans ce business case. Les organisations qui déploient une IA agentique, c’est-à-dire des systèmes capables de poursuivre un objectif au moyen de multiples actions, ont déclaré une meilleure précision des prévisions et un meilleur retour sur investissement, ou ROI, dans les conclusions de KPMG. Pour les responsables financiers et technologiques, cela fait de la sélection des systèmes un élément de la décision sur la manière d’atteindre le résultat visé. Ce choix doit aller de pair avec une évaluation de la capacité de l’organisation à l’utiliser efficacement.
La supervision organisationnelle occupait également une place importante dans l’étude de KPMG. Son étude de printemps a montré que la sécurité des données, la confidentialité et le risque figuraient parmi les principaux facteurs influençant la stratégie IA de la quasi-totalité des responsables financiers cette année-là. Ces préoccupations façonnent la manière dont les organisations traitent l’information et gèrent l’usage de l’IA ; la gouvernance doit donc faire partie des décisions d’investissement et de mise en œuvre. Elle permet aux dirigeants d’attribuer les responsabilités et de superviser l’intégration de la technologie dans le travail financier.
Le rapport du troisième trimestre de KPMG a établi un lien entre une gouvernance plus développée et des résultats déclarés nettement meilleurs que ceux des pairs, dans certains cas « trois à six fois meilleurs ». Cette fourchette décrit des résultats déclarés ; sa signification dépend donc du résultat comparé. Il ne s’agit pas d’un multiplicateur universel du ROI. Même avec cette limite, l’écart observé donne aux responsables financiers une raison financière de traiter la gouvernance comme une composante de l’exécution de l’IA.
Intégrez la valeur métier, la gouvernance et la mesure dans l’exécution
Pour transformer ces considérations de performance en actions, le rapport du troisième trimestre de KPMG identifie quatre priorités majeures : définir la valeur métier de l’IA, faire de la gouvernance une priorité d’exécution, intégrer la mesure à la mise en œuvre et faire évoluer la main-d’œuvre au-delà de la seule instruction technique. Ces responsabilités fonctionnent ensemble plutôt que de former une séquence prescrite. Elles relient le résultat recherché par la finance à la supervision, à l’évaluation et aux personnes nécessaires pour l’atteindre.
Définir la valeur métier donne un objectif aux autres priorités. Les dirigeants doivent préciser la contribution financière attendue d’un travail rendu possible par l’IA, qu’il s’agisse de meilleures décisions, de prévisions plus précises ou d’une meilleure performance financière. Ils peuvent ensuite relier l’activité introduite au résultat qu’elle doit soutenir, en faisant du gain métier attendu une composante explicite de la mise en œuvre.
La gouvernance aide à établir les conditions nécessaires pour obtenir ce gain. McAllen relie directement la confiance à la performance : « La confiance, intégrée à la manière dont la performance se construit, est ce qui distingue les organisations qui captent de la valeur des autres », a-t-elle déclaré. Son argument place la responsabilité d’un usage digne de confiance au sein même du travail de production de résultats financiers ; la gouvernance se poursuit donc à mesure que l’IA devient une composante des opérations financières.
La mesure permet aux dirigeants d’évaluer ces résultats pendant la mise en œuvre. Un jalon de déploiement enregistre les progrès réalisés dans l’introduction de la technologie, tandis qu’une mesure de résultat évalue sa contribution à l’objectif métier. Intégrer cette évaluation à la mise en œuvre relie l’exécution à la valeur définie au départ. Les dirigeants peuvent alors juger si l’usage de l’IA produit le bénéfice attendu.
La préparation de la main-d’œuvre détermine si les personnes peuvent appliquer la technologie dans ce cadre. KPMG décrit les équipes finance performantes comme mettant en place la gouvernance, la mesure et les capacités de la main-d’œuvre comme conditions facilitatrices de l’usage de l’IA. Pour les responsables technologiques, cela signifie préparer les collaborateurs et les workflows en parallèle des systèmes introduits. La priorité donnée à la main-d’œuvre exige donc une vision des capacités plus large qu’une simple formation à l’utilisation d’un outil.
Développez les capacités de la main-d’œuvre au-delà de la formation technique
Le rapport d’avril de PwC rend cette responsabilité élargie plus concrète. Il a montré que la maîtrise technique est essentielle, tout en soulignant que les DSI doivent aussi développer des capacités centrées sur l’humain pour faire progresser l’IA dans leur organisation. PwC, qui fournit également des services de conseil, a un intérêt commercial dans les entreprises qui investissent dans un accompagnement autour de l’IA et de l’évolution de la main-d’œuvre. Son rapport a identifié le coaching, l’agilité, le jugement et l’empathie comme des capacités pertinentes pour ce travail.
Ces quatre capacités concernent la manière dont les personnes appliquent leurs connaissances techniques à mesure que leurs responsabilités évoluent. Le coaching consiste à aider les autres à se développer, tandis que l’agilité consiste à répondre au changement. Le jugement implique d’évaluer ce qu’exige une situation, et l’empathie implique de comprendre le point de vue des autres. Pour les DSI qui planifient le développement de la main-d’œuvre, ces exemples définissent une tâche concrète : développer la maîtrise technique en parallèle des capacités humaines dont les personnes ont besoin pour l’utiliser efficacement.
Points clés à retenir pour les dirigeants
- Séparez la préparation des données et celle de la main-d’œuvre : Les responsables financiers et technologiques ont besoin de plans distincts pour la qualité des données et les capacités des équipes. Évaluez chaque obstacle séparément afin que les investissements répondent au problème qui limite la performance de l’IA.
- Visez des gains financiers mesurables : KPMG a constaté de meilleures performances déclarées dans les travaux à forte intensité de jugement que dans les applications de réduction des dépenses. Les responsables financiers qui évaluent des investissements en IA peuvent utiliser la qualité des décisions et la précision des prévisions, en plus des économies de coûts, pour définir la valeur attendue.
- Intégrez la gouvernance et la mesure à l’exécution : Les responsables financiers doivent définir la valeur métier de l’IA, attribuer les responsabilités de supervision et mesurer les résultats pendant la mise en œuvre. KPMG a établi un lien entre une gouvernance plus développée et de meilleurs résultats déclarés, renforçant son rôle dans la captation de valeur.
- Développez les capacités humaines en parallèle des compétences techniques : Les DSI ont besoin de plans pour la main-d’œuvre qui développent le coaching, l’agilité, le jugement et l’empathie en parallèle de la maîtrise technique. Ces capacités aident les équipes à appliquer l’IA efficacement à mesure que les workflows et les responsabilités évoluent.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
