À coût égal, l’IA transforme votre analyse financière. La compétence de la juger fait la différence.

Un modèle d’intelligence artificielle rédige aujourd’hui, en quelques minutes, un commentaire de résultats, une note de crédit ou une valorisation d’entreprise qui ont l’air justes. Le coût de production d’une analyse financière plausible est pratiquement tombé à zéro.

Le coût de sa vérification, lui, n’a pas bougé. Et c’est une excellente nouvelle pour qui sait la lire.

Voici ce que peu de dirigeants ont encore intégré. À budget constant, l’IA peut démultiplier l’efficacité d’une analyse financière : là où produire une note demandait des heures, il en faut désormais quelques minutes. Le temps ainsi libéré ne disparaît pas, il se reporte sur ce qui crée vraiment de la valeur, le jugement puis l’action. Mais cette bascule n’a lieu qu’à une condition : maîtriser les fondamentaux qui permettent de contrôler la machine. Sans cette base, l’IA ne fait pas gagner du temps. Elle fabrique, plus vite, des erreurs bien présentées.

Un exemple concret. Produire le commentaire mensuel des résultats demandait à un directeur financier deux à trois heures : extraire les chiffres, les mettre en forme, rédiger. Avec l’IA, cette part tombe à une vingtaine de minutes de production et de relecture. Restent, à budget identique, plus de deux heures. Tout se joue dans leur emploi : les réinvestir sur l’action. Repérer que le délai de paiement des clients est passé de 45 à 62 jours, décider de renégocier les échéances avec les deux plus gros comptes, chiffrer l’effet sur la trésorerie. L’IA n’a pas créé cette valeur : elle a libéré le temps d’aller la chercher là où elle se trouve, dans l’action.

La valeur ne naît donc ni de l’outil seul ni de l’humain seul : elle naît de leur rencontre. Une IA qui produit, une compétence humaine qui décide de lui faire confiance ou non. C’est exactement cette compétence que nous construisons chez Sagora par la formation et le conseil. Et c’est le sens de notre vision : la finance par l’humain et pour l’humain. Autrement dit : une finance qui n’a de sens que lorsqu’elle éclaire des décisions réelles et sert celles et ceux qui les portent.

Pour un dirigeant ou un manager en finance, la compétence rare n’est plus de produire l’analyse : c’est de savoir quelle question poser, de reconnaître un chiffre faux et de repérer la frontière au-delà de laquelle l’outil décroche. Trois séries de données objectivent ce diagnostic. Les voici, avec ce qu’elles impliquent concrètement pour vos décisions.

Comprendre : des capacités réelles mais plus étroites que la promesse

Commençons par mesurer, plutôt que par croire.

Le benchmark « Finance Agent » de Vals AI soumet les grands modèles d’IA à 927 questions calquées sur le travail d’un analyste financier junior : recherche dans des centaines de pages de comptes publiés, ajustements d’une année à l’autre, calculs en plusieurs étapes. Dans sa version de mai 2026, le meilleur modèle testé plafonne à environ 52 % de réponses correctes. Sur les catégories les plus exigeantes dont la modélisation financière, les meilleurs modèles tombent à 23 % de réponses correctes.

L’outil est donc utile. Il n’est pas fiable seul. Et surtout, sa fiabilité n’est pas uniforme : elle dessine une frontière irrégulière, performante ici, défaillante là.

C’est précisément ce que montre « Navigating the Jagged Technological Frontier » (Dell’Acqua et al., 2023), l’étude de terrain la plus citée sur le sujet, menée par la Harvard Business School avec le Boston Consulting Group auprès de 758 consultants. À l’intérieur du périmètre où l’IA est performante : environ 25 % de temps gagné et une qualité nettement supérieure. En dehors de ce périmètre : 19 points de pourcentage de réussite en moins que le groupe travaillant sans IA. L’outil n’a pas seulement cessé d’aider, il a dégradé la performance.

Le point le plus troublant de l’étude tient en une phrase : on délègue le plus là où l’outil est le plus faible. Parce que la frontière est invisible, la confiance se calibre mal. Et c’est cette mauvaise calibration, bien plus que la technologie elle-même, qui constitue le risque. Se former, c’est d’abord apprendre à voir cette frontière.

Décoder : le danger n’est pas l’erreur visible, c’est l’erreur qui a l’air juste

Une erreur grossière se repère. Une erreur bien mise en forme se signe.

En octobre 2025, Deloitte a remboursé la dernière tranche d’un contrat d’un montant total de 440 000 dollars australiens conclu avec le gouvernement australien, après la découverte, dans le rapport livré, d’une douzaine de références inexistantes et d’une décision de justice mal citée. Ce n’est pas une maladresse de débutant : c’est ce qui arrive quand un outil génératif entre dans la chaîne de production sans que la chaîne de contrôle soit repensée.

L’image la plus juste est celle-ci.

Personne ne signerait les yeux fermés la note d’un stagiaire de première semaine. La vraie question est de savoir pourquoi nous sommes tentés de le faire dès que le même texte sort d’une machine.

Un exemple tiré de notre pratique d’enseignement l’illustre bien. Sollicitée sur la valeur d’une entreprise, l’IA propose spontanément une approche par les multiples : appliquer à votre EBITDA le coefficient observé sur des transactions comparables. C’est l’usage dominant du marché et c’est justement le problème. Les multiples sont un repère de marché, un langage de comparaison, au mieux un contrôle de cohérence : ils ne constituent pas une méthode de valorisation. Deux entreprises au même EBITDA peuvent valoir du simple au double selon leur croissance et la qualité de leur gestion. La valeur d’une entreprise correspond à ses flux de trésorerie futurs actualisés et le vrai débat se tient sur les hypothèses : le coût d’opportunité du capital, la croissance normative, la pérennité des flux. Quand on corrige une hypothèse que l’outil avait posée seul, sans le dire, on mesure de combien la valeur se déplace. L’outil reproduit les usages dominants ; il ne choisit pas la méthode correcte à votre place. Un pédagogue, si.

Un dernier élément que les managers sous-estiment encore : la responsabilité ne se délègue pas. Le règlement européen sur l’IA (règlement (UE) 2024/1689) impose depuis février 2025, via son article 4, un niveau suffisant de littératie IA aux organisations qui déploient ces systèmes et l’essentiel de ses obligations s’applique à partir d’août 2026. Signer un chiffre produit par une machine reste signer, avec toutes les conséquences en matière de responsabilité.

Agir : trois réflexes à installer avant le prochain rapport

Que faire de tout cela, concrètement ? Trois réflexes, dans cet ordre.

Consolider les fondamentaux, pas les remplacer. L’IA n’a pas modifié la grammaire financière : un flux de trésorerie reste un flux de trésorerie, une hypothèse reste une hypothèse. C’est précisément la méthode qui permet de contrôler la machine. Un manager qui ne sait pas construire une analyse ne saura pas la vérifier et se retrouvera à signer ce qu’il n’a pas compris.

Cartographier la frontière en la testant, pas en la décrétant. Distinguez ce que l’outil fait bien et sans grand risque (extraction de données, structuration, mise en forme, première lecture, reformulation) de ce sur quoi il est dangereux (choix des hypothèses, appréciation de la qualité des données, conclusion, recommandation). Le meilleur exercice que nous connaissions : remettre à une équipe une note d’analyse produite par une IA sur des comptes réels, avec une double consigne, la valider puis la casser. On y trouve presque toujours plusieurs erreurs dont au moins une qui change la conclusion. C’est le vaccin le plus efficace contre la confiance mal calibrée.

Poser une question avant toutes les autres : d’où vient ce chiffre. Chaque donnée reprise dans une décision doit avoir une source identifiable. La confidentialité des données de l’entreprise et la traçabilité de ce qui a été produit se traitent comme des contraintes de départ, pas comme une clause de style.

Étude de cas : « 990 €, juste pour appuyer sur un bouton ? »

Un client nous interroge, sceptique, sur le prix d’une analyse de ses comptes internes : 990 €. Son raisonnement tient en une phrase : « Il suffit d’appuyer sur un bouton. »

C’est exactement le malentendu que l’IA installe. Le bouton existe, en effet. Ce qu’il ne voit pas, c’est tout ce qui se joue autour.

Je lui ai répondu, avec le sourire : pour avoir de la lumière aussi il suffit de pousser sur un bouton. Et pourtant nous payons volontiers toute la technologie, le réseau et le service qui rendent ce simple geste possible. Le bouton n’est jamais le produit. C’est la partie visible d’un travail qui, lui, a une valeur.

Derrière ces 990 €, il n’y a pas une extraction automatique. Il y a le développement de l’analyse, la lecture des chiffres reliée à la réalité de son entreprise, la pédagogie qui rend le résultat compréhensible et discutable et, surtout, les leviers d’action : ce qu’il faut décider, dans quel ordre, avec quel effet attendu. Le livrable n’est pas une note jetable. C’est un rapport financier qui tient en conseil d’administration et en assemblée générale.

Nous ne sommes pas dans la conformité. Nous sommes dans l’analyse : comprendre, décoder, agir. Appuyer sur un bouton produit un texte. Comprendre ce qu’il dit, le vérifier et le transformer en décision : voilà ce qui a un prix, parce que c’est cela qui a de la valeur. La finance par l’humain et pour l’humain, jusque dans le levier des actions au service des équipes.

Le gisement est réel et il est encore largement inexploité

Ces précautions ne sont pas un plaidoyer contre l’outil. Les gains sont concrets pour qui l’utilise dans son périmètre : l’étude Harvard-BCG les mesure, environ 25 % de temps gagné et une qualité supérieure là où l’outil est à sa place. Un manager qui maîtrise cette frontière produit plus vite, explore plus de scénarios et consacre son temps là où il compte : sur le jugement.

Or cet avantage reste à prendre. Selon « The GenAI Divide: State of AI in Business 2025 », un rapport du Project NANDA, rattaché au MIT Media Lab, environ 95 % des projets pilotes d’IA générative menés en entreprise ne produisent aucun impact mesurable sur le compte de résultats. Et les enquêtes de Gartner auprès des directions financières placent les compétences internes et la qualité des données en tête des freins à l’adoption, avant la technologie et avant le budget. Autrement dit : ce qui manque n’est pas la technologie, c’est la compétence pour la transformer en valeur.

On entend souvent que l’IA ne remplacera pas le manager en finance mais que le manager qui sait s’en servir remplacera celui qui ne sait pas. La formule n’est vraie qu’à une condition et elle change tout : savoir s’en servir, ce n’est pas savoir la faire produire, c’est savoir jusqu’où lui faire confiance. La bascule à opérer tient en une phrase : passer de « qu’est-ce que l’outil peut faire à ma place » à « qu’est-ce que je dois, moi, être capable de vérifier ». C’est cette réponse-là qui a de la valeur et c’est elle qui restera vraie quand les outils auront changé de nom.

C’est exactement ce que nous travaillons chez Sagora en alignant formation et conseil : les fondamentaux qui permettent de juger et la frontière de l’outil, testée sur des cas réels. À coût égal, c’est cette maîtrise qui décide si l’IA vous fait gagner du temps ou vous fait signer plus vite.

L’offre Sagora, concrètement

Mettre cette maîtrise à votre service ne reste pas une idée. Voici les quatre façons dont nous la rendons opérationnelle.

• Rapport d’analyse avec appel explicatif. À partir de 990 € HTVA. Une analyse complète de vos comptes déposés à la BNB. Surtout, un appel de 45 minutes où nous vous expliquons les résultats avec clarté et pédagogie : nous traduisons les chiffres en leviers d’action concrets, pour que vous sachiez quoi décider et dans quel ordre. Vous ne recevez pas un rapport, vous repartez avec un plan.

• Rapport d’analyse sur comptes internes. La même rigueur appliquée à vos comptes internes, au plus près de la réalité de gestion. Un pilotage fin plutôt qu’une photographie de dépôt légal, avec les leviers à activer en priorité.

• Benchmark concurrentiel choisi. Vous choisissez les concurrents, nous les rendons lisibles. Vous situez votre performance et repérez précisément où agir pour combler l’écart.

• Formation et conseil. Les fondamentaux qui permettent de juger et la frontière de l’outil, testés sur vos cas réels. Vous gagnez l’autonomie de transformer chaque analyse en décision assumée, sans dépendre de l’outil.

Parlons-en : formations@sagora.eu.

Sources

• Vals AI, « Finance Agent Benchmark » (v2), mai 2026 : www.vals.ai/benchmarks

• Dell’Acqua, F. et al., « Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality », Harvard Business School Working Paper 24-013, septembre 2023 : hbs.edu

• Presse internationale sur le remboursement partiel de Deloitte au gouvernement australien (rapport DEWR), octobre 2025, notamment Fortune.

• Règlement (UE) 2024/1689 du 13 juin 2024 (règlement sur l’intelligence artificielle), article 4 : eur-lex.europa.eu

• Project NANDA (MIT Media Lab), « The GenAI Divide: State of AI in Business 2025 », rapport 2025.

• Gartner, « Gartner Survey Shows Finance AI Adoption Remains Steady in 2025 », communiqué, novembre 2025.

Sagora Finance, ligne éditoriale. Article adossé aux programmes de formation et de conseil Sagora et à l’offre d’analyse Sagora Analytics (auteur : Pr Mathias Schmit).

Avertissement : Cet article a une visée informative et pédagogique. Les données citées proviennent des sources listées ci-dessus ; l’exemple client est anonymisé. Il ne constitue pas un conseil en investissement.

www.sagora.eu