Le BCG l’a confirmé : 70 % du succès des transformations IA dépend des organisations, des personnes et des process. Avant de se demander comment l’IA s’intègre en finance, les DAF doivent répondre à une question plus fondamentale. Est-ce que notre fonction finance est vraiment prête ?
Introduction
Nous sommes déjà en 2026, avec quatre ans de retour d’expérience sur l’intelligence artificielle. Et une constante revient dans les conversations : le framework people, process, technology reste le bon, même à l’ère de l’IA.
La recherche du BCG publiée en mai 2026 l’énonce clairement. 70 % du succès de la transformation IA vient des organisations, des personnes et des compétences, pas de la technologie (BCG, 2026).
Avant de se demander où utiliser l’IA, il y a donc une question à résoudre en amont : notre fonction finance est-elle prête pour ça ?
1. Pourquoi la préparation des données reste le point de départ
Le premier chantier concerne toujours les données. Pour que l’IA fonctionne, et particulièrement en finance, les données doivent être cohérentes, connectées et structurées entre les différentes entités.
Les deux principaux obstacles à l’adoption restent la qualité insuffisante des données et la compréhension de ces données, pas la technologie elle-même.
Le second obstacle reçoit beaucoup moins d’attention que le premier. L’IA doit comprendre ce que les données signifient, pas seulement y accéder. Cela suppose des définitions claires, des dimensions analytiques, des règles de calcul, des règles métier, des sources of truth et une gouvernance.
Dans la plupart des fonctions finance, ces règles existent. Mais elles existent surtout dans la tête des équipes, qui utilisent leur connaissance du métier pour interpréter les chiffres. L’IA, elle, n’a pas ce contexte.
2. Comment construire un langage financier pour l’IA?
Si nous voulons que l’IA analyse la performance, explique les écarts ou construise des prévisions, nous devons lui donner un langage. Ce travail n’est pas excitant, mais il est fondamental. Et c’est précisément là que la plupart des organisations sous-investissent.
Seules 48 % des organisations améliorent activement la qualité de leurs données pour le déploiement de l’IA, et 45 % mettent à jour leurs cadres de gouvernance (Deloitte, 2025). Autrement dit, la majorité déploie l’IA sur des fondations qui ne sont pas encore prêtes.
Concrètement, ce travail consiste à aligner le plan comptable entre les entités, définir les règles de rapprochement, documenter les seuils d’approbation, établir les règles d’ownership des données et la gouvernance associée.
Gartner projette que 90 % des fonctions finance auront déployé au moins une solution IA d’ici fin 2026. La question n’est donc pas de savoir si l’IA arrive. Elle est de savoir si la fondation opérationnelle est en place pour la faire fonctionner.
Conclusion
Les DAF qui tireront une véritable valeur de l’IA ne sont pas ceux qui avancent le plus vite sur la technologie. Ce sont ceux qui investissent d’abord dans la construction d’une finance sur laquelle l’IA peut réellement opérer : des données propres, des définitions partagées, des règles documentées, une gouvernance claire.
70 % du succès de l’IA dépend des process, des données et des personnes. Ce n’est pas un argument contre l’IA. C’est un argument pour faire d’abord le travail de fond.
FAQ
Pourquoi l'IA échoue-t-elle dans les fonctions finance qui n'ont pas corrigé leurs processus ?
L’IA échoue en finance parce qu’elle dépend de données propres et structurées ainsi que de règles métier bien définies. Le cadre 10-20-70 du BCG montre que 70 % du succès de l’IA dépend des personnes et des processus. Sans cette fondation, l’IA automatise la dysfonction au lieu de l’éliminer.
Quelle est la différence entre la qualité des données et la préparation des données pour l'IA en Finance ?
La qualité des données signifie des enregistrements exacts et cohérents. La préparation des données pour l’IA exige également des définitions partagées, des règles de calcul, une gouvernance et une propriété, le langage Finance dont l’IA a besoin pour interpréter correctement les chiffres. La plupart des organisations investissent dans le premier et négligent entièrement le second.
Quelle est la première étape qu'un DAF devrait entreprendre avant tout investissement en IA ou automatisation ?
Commencez par auditer votre gouvernance des données : cartographiez vos dimensions analytiques, alignez votre plan comptable entre les entités et documentez les règles métier. Gartner confirme que la qualité des données et la littératie sont les principaux obstacles à l’adoption de l’IA en Finance. Corrigez cela d’abord, puis intégrez l’automatisation.
Votre fonction finance a besoin de la bonne fondation avant que l’IA puisse livrer une véritable valeur.
Découvrez comment nous pouvons vous aider
