L’irruption de l’IA Générative : une révolution pour le contrôle de gestion et les achats

Par Karim Faidi, Directeur Associé Cost House MEA

L’intelligence Artificielle s’impose aujourd’hui comme un levier incontournable de transformation, redéfinissant les processus, les métiers et les prises de décision au sein des entreprises.

Les fonctions Performance que sont le Contrôle de Gestion et les Achats n’échappent pas à cette vague, dans un contexte de crises à répétition et de volatilité des marchés.

Historiquement basées sur des analyses quantitatives, des modélisations prédictives, des processus en cascade et des interactions humaines, les fonctions « contrôle de gestion » et « achats » présentent des « Use Case » pertinents de transformation qui s’appuient sur l’IA Générative.

En effet, quand on pose la question aux Directeurs Contrôle de Gestion et Achats sur leurs « douleurs », les premières difficultés qui ressortent sont le caractère manuel des traitements, la difficulté de collecte des données, le nombre important des documents et données à exploiter et la difficulté de réaliser des prévisions.

L’IA Générative présente dans ce contexte des capacités inédites pour des déclinaisons opérationnelles, automatisant des tâches autrefois chronophages et augmentant la capacité analytique de ces métiers.

De quoi parle-t-on ?

L’IA générative repose sur des modèles avancés de traitement du langage naturel et de génération de contenu. Elle se distingue des IA analytiques traditionnelles par sa capacité à produire du texte, des rapports, des résumés et des recommandations stratégiques de manière autonome. Des outils génériques ou encore les IA spécialisées en finance et en achats permettent aujourd’hui aux entreprises de gagner en agilité et en précision dans l’analyse de leurs données.

Contrairement aux solutions d’intelligence classiques, qui se contentent d’agréger et de restituer des indicateurs, l’IA générative est capable d’interpréter des données, de détecter des tendances, et d’émettre des hypothèses pertinentes. Cette approche ouvre de nouvelles perspectives dans des métiers où la réactivité et la qualité des décisions sont déterminantes.

D’autant plus qu’avec la révolution « Agentic », une nouvelle étape d’augmentation de la productivité est franchie, permettant de passer du Prescriptif à l’Actionnable. En effet, des agents autonomes peuvent désormais réaliser des tâches complexes en décomposant des raisonnements et en utilisant les outils à leur disposition.

De l’importance des « cas d’usages » ou « use case »

Nous avons le plaisir d’animer des Masterclass pour le compte de nos clients qui ont pour thématique l’intégration de l’IA dans les processus contrôle de gestion et achats.

Nous sommes systématiquement interpelés lors de ces journées sur les outils d’Intelligence Artificielle Générative. Cette demande et l’effet « waouh » qui va avec, montre un besoin de « vulgarisation » et de mise à niveau de l’ensemble des collaborateurs de l’entreprise sur les basiques : les fondamentaux de l’IA et de l’IA Générative, l’Ecosystème, le Prompt Engineering, les LLM et leur utilisation dans l’entreprise, les agents IA,…..

Si ce besoin est légitime, il est important de ne pas s’arrêter à ce stade, de vouloir dupliquer des « recettes » qui ont fonctionné ailleurs ou de se limiter à des « POC » qui ne sont jamais déployés en production. D’autant plus, que les outils d’IA Générative évoluent en permanence et de nouveaux outils apparaissent sur le marché chaque jour.

Comme pour l’ensemble des Directions de l’entreprise, l’application concrète de l’Intelligence Artificielle au sein du Contrôle de Gestion et des Achats doit se baser sur des cas pratiques ou « use case » permettant de résoudre un problème spécifique ou à améliorer un processus. Les démarches d’intelligence collective doivent être utilisées pour identifier les « douleurs » rencontrés par les collaborateurs et de réfléchir à des idées de résolution à travers l’IA.

Les principaux cas d’usage pour la fonction Achats

Derrière la vision « négociation » et « optimisation de coûts », la fonction achats présente en réalité des enjeux stratégiques cruciaux et un processus séquentiel qui porte des limites : des acteurs nombreux, des rôles & responsabilités dilués, des préoccupations diverses, une boucle de contrôle très longue, l’accès à l’information aléatoire, ….

Les principales applications de l’IA tout au long de la chaine de valeur peuvent être résumées comme suit :

• Automatisation des tâches répétitives, notamment tout au long du processus P2P et la relance fournisseurs

• Analyse et optimisation des dépenses

• Gestion des fournisseurs et évaluation des risques

• Prévision et planification des achats, grâce à l’analyse de tendances et historiques

• Négociation et aide à la décision

• Détection des fraudes et conformité

• Amélioration de l’expérience utilisateur et self-service, grâce aux Chatbots et assistants virtuels pour guider les utilisateurs internes et l’onboarding de nouveaux fournisseurs

• ...

  
  

Les principaux cas d’usage pour la fonction Contrôle de gestion

Dans un contexte de crises successives et d'incertitudes, la fonction contrôle de gestion joue un rôle clé en aidant les entreprises à piloter leur performance et à s'adapter rapidement aux évolutions du marché. Face à des fluctuations économiques, des tensions sur les coûts et une pression accrue sur la rentabilité, elle doit fournir des analyses précises, des scénarios prospectifs et des recommandations stratégiques pour éclairer la prise de décision. Plus que jamais, le contrôle de gestion se positionne comme un partenaire stratégique, favorisant l'agilité financière et la résilience organisationnelle grâce à une utilisation optimisée des données et des outils analytiques avancés.

Dans ce contexte, l'Intelligence Artificielle peut être un levier puissant pour améliorer l'efficacité et la réactivité du contrôle de gestion. Les principaux cas d’usage vont concerner les thématiques suivantes :

• Prévisions et analyses prédictives grâce notamment aux simulations économiques basées sur le Machine Learning. Les outils d'IA peuvent être utilisés pour simuler divers scénarios économiques et stratégiques

• Automatisation de la collecte et de l'analyse des données notamment la collecte des données budgétaires et des indicateurs d’activité.

• Optimisation des coûts et de la rentabilité à travers l’identification des inefficacités et la recommandation des actions d'optimisation des coûts.

• Détection de fraudes et de comportements anormaux.

Quelle démarche pour intégrer l’IA au sein des fonctions Contrôle de Gestion et Achats ?

Comme on vient de le voir, l’Intelligence Artificielle augmente la performance de toute l’entreprise, et notamment les fonctions Contrôle de gestion et Achats.

Elle pose cependant des défis qu’il convient d’appréhender : sécurité, éthique, impact environnemental, transparence et explicabilité, propriété intellectuelle, fiabilité et précision,…

Afin de déployer une démarche structurée pour construire une feuille de route IA, nous recommandons aux Directeurs Achats et Contrôle de gestion de privilégier l’alignement stratégique, la création de valeur et une vision long terme plutôt qu’une recherche effrénée de solutions et la mise en œuvre de POC sans lendemain.

Une démarche standard peut être structurée comme suit :

Etape 1 - Diagnostic et alignement stratégique

• Évaluer la maturité IA de l’entreprise (compétences, données, outils).

• Identifier les enjeux métiers et les objectifs stratégiques liés à l’IA.

• Analyser l’environnement concurrentiel et réglementaire.

Etape 2 -Identification des cas d’usage à forte valeur ajoutée

• Cartographier les processus métiers où l’IA peut générer des gains (automatisation, optimisation, personnalisation…).

• Prioriser les cas d’usage selon leur impact et leur faisabilité (ROI, disponibilité des données, complexité technologique).

Etape 3 - Définition de l’architecture technologique et des données

• Évaluer les infrastructures existantes et les besoins en outils IA (cloud, plateformes d’IA, modèles…).

• Définir une stratégie de gouvernance des données (qualité, sécurité, conformité).

Etape 4 - Mise en place d’un plan de montée en compétences

• Identifier les compétences internes et les besoins en formation.

• Accompagner la montée en compétences des équipes (data literacy, développement IA, gestion du changement).

Etape 5 - Plan de déploiement et gouvernance

• Définir les étapes de mise en œuvre (MVP, tests pilotes, industrialisation).

• Structurer la gouvernance IA (comité IA, indicateurs de suivi, gestion des risques).

• Intégrer des principes d’éthique et de conformité réglementaire.

Etape 6 - Suivi et amélioration continue

• Mettre en place des KPIs pour mesurer la performance des solutions IA.

• Ajuster la feuille de route en fonction des retours d’expérience et de l’évolution des technologies.

Cette approche doit permettre aux fonctions Achats et Contrôle de gestion d’adopter l’IA de manière progressive et alignée avec leurs priorités stratégiques de l’entreprise.