23 octobre 2024 Par Eva Bregeon et Myriam Raynal, développeuses pour Proginov Finances Depuis la sortie de ChatGPT 4, les médias (et pour leur faire plaisir, les éditeurs) s’affolent autour de l’utilisation de l’IA dans les logiciels de comptabilité. Or, ce que beaucoup présentent comme de l’IA (sous-entendue générative, puisque dorénavant c’est celle qui tient le haut du pavé) reste un bon vieil algorithme, ce qui n’enlève en rien à ses qualités et à sa capacité à atteindre le résultat attendu. Explications ! Tout d’abord un peu de sémantique. Dans le cas présent, on peut différencier deux grands types d’IA : l’IA prédictive et l’IA générative. L’IA prédictive établit des prédictions à partir de l’analyse de données existantes, là où l’IA générative va créer, imaginer des modèles ou des contenus en s’entraînant sur un jeu de données.L’IA prédictive, c’est aussi de l’algorithme ! Elle identifie des modèles et des relations entre les données pour faire des prédictions ou proposer des automatismes en comptabilité. L’IA générative apprend sur la base de jeux de données pour comprendre les habitudes d’un utilisateur et lui suggérer un contenu. Regardons quelles sont les applications annoncées dans les médias : La dématérialisation des factures fournisseurs On parle ici de reconnaître automatiquement sur une facture des données comme le SIRET ou la TVA, de manière à ne plus avoir à saisir les factures. L’outil a besoin d’être accompagné au début pour reconnaître les éléments des différentes factures, puis sait ensuite les reconnaître tout seul.C’est ce que l’on appelle l’océrisation et ça existe depuis des années. Les entreprises qui l’utilisent sont celles qui traitent de gros volumes de factures fournisseurs, et avec beaucoup de fournisseurs récurrents, c’est dans ce cas que cette option est la plus rentable et la plus efficace. La prévision de trésorerie Là encore, c’est simplement un algorithme. D’après une commande ou une facture présente dans la gestion commerciale, suivant le délai moyen de paiement, l’outil déduit la date à laquelle la facture devrait normalement être payée. Pas d’IA générative dans cette histoire. L’utilisation des extraits de comptes bancaires L’IA serait capable, à partir des éléments présents dans les extraits bancaires de proposer de la saisie des règlements en comptabilité. Proginov Finances propose déjà un paramétrage qui permet à la machine, une fois qu’elle connaît les éléments discriminants, de détecter automatiquement le client à l’origine d’un virement par exemple. Sur le terrain, les améliorations régulières des algorithmes et la structuration des données bancaires optimisent ces fonctionnalités. Les règles de rapprochement bancaire Là encore, en customisant le rapprochement bancaire en fonction de la banque et de l’activité de l’entreprise, le rapprochement devient en grande partie automatique. Pas forcément besoin d’IA pour cela. Les avertissements Et si l’IA pouvait envoyer des alertes pour une facture en retard de règlement depuis x jours ou pour un impayé qui tombe à la banque ? Mais par exemple, dans Proginov Finances, c’est déjà géré depuis plusieurs années via le module de Workflow. On peut appeler ça du no code. Faciliter la saisie comptable Dans Proginov Finances, des paramétrages empêchent de commettre des erreurs. Par exemple, lors de la saisie d’une OD de TVA du mois, le préchargement des comptes à mouvementer se fait automatiquement, évitant ainsi de se tromper de compte. Autre exemple, si tel fournisseur est systématiquement mouvementé avec tel compte de charge, l’algorithme va logiquement proposer ce dernier. Toutes ces fonctionnalités très pratiques et permettant de gagner en efficacité, sont souvent présentées comme de l’IA, mais n’en sont donc pas. En effet, il ne faut pas oublier que la finalité même de l’action comptable, c’est de contrôler. Est-ce que la donnée est juste ? Pour cela, un algorithme, dont le contenu est connu et maîtrisé par l’humain, aura la confiance du comptable. En revanche, quel professionnel peut faire confiance à un modèle entraîné et capable d’apprendre certes, mais on le sait aussi aujourd’hui, capable d’erreurs ? Le taux de fiabilité des IA génératives régulièrement avancé est de 70 %. Il faudra donc encore quelques années de travail pour rendre les modèles d’apprentissage plus fiables avant de faire confiance à l’IA générative en matière de comptabilité. Pour autant, cela ne veut pas dire qu’il ne faut pas s’intéresser à cette technologie qui va bouleverser le quotidien des utilisateurs, et d’ailleurs Proginov, comme les autres éditeurs, travaille actuellement sur ces sujets.L’IA générative peut par exemple, analyser le comportement d’un utilisateur pour déterminer les menus de son logiciel qu’il n’utilise jamais et les masquer pour faciliter l’utilisation de l’outil. Et ça, c’est applicable aussi bien dans l’ERP, qu’en comptabilité ou en paie. Les pistes de travail sont nombreuses. Mais ne nous laissons pas berner par des arguments de vente : les grandes comptabilités du marché, comme Proginov, apportent déjà de nombreux outils intelligents dans leurs logiciels, mais ce n’est pas forcément de l’IA générative/prédictive.
