● Journal du Net 📅 05/05/2026 à 15:58

Cybersécurité 👤 Graeme Fleming

🏷️ Tags : cert rag rte

Alors que l'année 2026 progresse, elle se présente comme un moment décisif pour les directions générales, financières et des risques en Europe, notamment autour des usages de l'IA. L'intelligence artificielle (IA) se déploie dans toutes les strates des organisations, tandis que les réglementations sur la durabilité, comme la CSRD, continuent de se durcir. Ces évolutions surviennent alors que de nombreuses entreprises composent encore avec des systèmes fragmentés et des pratiques de données hétérogènes, ce qui rend le reporting et la coordination complexes. Une tension manifeste se dessine pour l'année à venir : les organisations souhaitent accélérer grâce aux nouvelles technologies, mais leurs fondations informationnelles ne suivent pas. Cette tension se cristallise autour de trois mutations étroitement liées : la maturité croissante de l'IA, la pression exercée par la fragmentation des données et l'évolution du rôle des fonctions d'audit et de supervision. Relever ce défi exigera une discipline de données accrue, une coopération plus étroite entre les fonctions et une approche plus cohérente face aux attentes réglementaires. La maturité de l’IA révèle les limites des outils génériques Cette année révèle plus que jamais le fossé entre l'IA généraliste et les outils spécifiques à chaque métier. Si la rapidité et la disponibilité dictèrent la première vague d'adoption, beaucoup constatent aujourd’hui une dichotomie entre impact escompté et impact réel. Cela provient en partie de sa double nature : avec des données structurées et gouvernées, elle peut favoriser de meilleurs résultats, mais dans le cas contraire, elle amplifie aussi les faiblesses. Des entrées fragmentées ou peu fiables dans ces systèmes ne font qu'accélérer la production de résultats erronés. Malgré des investissements massifs dans tous les secteurs, de nombreux pilotes d'IA générative (GenAI) ne parviennent pas à générer des rendements durables. À l'inverse, les outils spécialisés, directement intégrés aux processus métier, affichent une valeur plus constante et moins de surprises. Certaines entreprises ont déjà réduit leurs délais d'audit interne en utilisant des capacités intégrées et spécifiques à leur domaine, axées sur des tâches définies plutôt que sur l'expérimentation large. À mesure que le marché mûrit, la course effrénée vers chaque tendance de l'IA générative va s'estomper. Les organisations privilégieront des approches pragmatiques fondées sur des objectifs clairs, des données gouvernées et des cas d'usage réalistes. Rester en amont de l'innovation revient désormais à piloter l'IA pour qu'elle renforce ce qui fonctionne déjà, au lieu de donner plus de poids aux faiblesses préexistantes. Les directeurs financiers face à la crise de la fragmentation des données La circulation de l'information interne en montre les signes avant-coureurs : une crise croissante des données place les directeurs financiers en première ligne pour accélérer la transformation. Le besoin d'informations fiables croît constamment, à mesure que l'usage de l'IA augmente et que les conditions économiques évoluent rapidement. Pourtant, de nombreuses entreprises luttent encore avec des équipes cloisonnées, des systèmes disparates ou un manque de priorisation de la gestion des données. Une enquête récente révèle que neuf professionnels de la finance, du risque et de la durabilité sur dix considèrent que les dirigeants sous-estiment les risques causés par la fragmentation des données dans le reporting financier. Pour les DAF, cette fragmentation crée des frictions quotidiennes bien avant de devenir un problème de technologie ou d'audit. En pratique, des données déconnectées compliquent l'alignement des équipes finance, risque et durabilité sur les mêmes chiffres, élèvent la barre de l'effort de réconciliation et ralentissent la production de rapports cohérents. Relever ce défi nécessite donc un changement dans la l’organisation et le partage de l'information. Centraliser les données financières et non financières dans une "source unique de vérité" permet aux équipes d'accéder aux mêmes définitions et indicateurs, avec une propriété et des contrôles clairs. Cette continuité permet de réutiliser l'information au fil des cycles de reporting sans travail redondant. Néanmoins, des systèmes hérités, des pratiques locales ancrées et des responsabilités floues freinent souvent cette transition et continuent de transformer la gestion des données en un goulot d'étranglement persistant. Ce contexte donne aux directeurs financiers un mandat clair pour investir dans l'efficacité, l'automatisation et une gouvernance des données plus stricte. Lorsque les données circulent de manière plus cohérente, la fonction finance peut opérer avec plus de confiance et se concentrer sur des priorités prospectives plutôt que sur la réconciliation. Le reporting et la conformité deviennent plus fiables, permettant aux équipes financières de mieux soutenir l'organisation face à des attentes croissantes. À l'heure où les exigences en matière de réglementation, de gouvernance de l'IA et d'assurance en temps réel s'intensifient, les entreprises gagnent à établir une chaîne de confiance ininterrompue, de la source de données initiale à la publication finale. Les fonctions d'audit entrent dans une nouvelle phase Le dernier point d'attention concerne les équipes chargées de surveiller le comportement de l'IA et de contrôler ses résultats. Leur mission s'élargit car la supervision s'étend désormais à des systèmes qui apprennent et évoluent. Les fonctions d'audit entrent donc dans une nouvelle phase. Cette année, la gouvernance et l'évaluation des modèles figurent en tête de liste, ouvrant la porte à des profils spécialisés capables d'évaluer le fonctionnement de ces systèmes. Les modèles dynamiques requièrent des techniques différentes des vérifications traditionnelles, notamment la compréhension de l'apprentissage du modèle, le test des "hallucinations" et l'identification des biais algorithmiques. Le rôle exige également une aisance dans l'utilisation pratique de l'IA, de la synthèse de volumes massifs d'informations à la détection de schémas et d'anomalies. Grâce à ces nouvelles compétences, l'audit abandonne progressivement sa posture purement réactive. Les résultats d'enquêtes montrent que de nombreux leaders de la finance, du risque et de la durabilité attendent de l'IA qu'elle fournisse des analyses prédictives, permettant aux équipes d'identifier les signaux de risque plus tôt et de guider l'organisation de manière plus proactive. Le tableau qui se dessine est celui d'organisations cherchant leur équilibre, alors que les attentes augmentent sur tous les fronts. L'IA progresse rapidement, les réglementations se durcissent et le reporting de durabilité exige désormais le même niveau de discipline que son équivalent financier. À mesure que l'IA mûrit, les faiblesses des pratiques de données deviennent plus visibles, tandis que les fonctions d'audit s'adaptent pour superviser des systèmes apprenants et évolutifs. Ces développements se renforcent mutuellement. La maturité de l'IA place la barre plus haut pour la qualité des données, la fragmentation des informations complique la supervision, et l'évolution de l'audit reflète le besoin d'un contrôle accru sur des environnements de plus en plus dynamiques. Ces pressions convergent vers un point unique : la qualité et la cohérence de l'information. Lorsque la finance, le risque et la durabilité travaillent avec des données connectées et fiables, les décisions deviennent plus claires et la coordination s'améliore. Ainsi se définit l’application de l'IA, la résilience du reporting et comment les organisations répondent à l'évolution des exigences. Ce socle partagé représente et continuera de représenter un pilier dans les années futures.

🔗 Lire l'article original 👁️ 0 lecture