Un cabinet qui branche de l’IA sur sa pré-comptabilité voit ses délais fondre en quelques semaines. Puis il découvre que le temps gagné se rejoue intégralement à l’arrêté des comptes. La nature des tâches confiées décide du résultat, bien avant la maturité des outils.
La ligne de partage est stable, et elle ne bougera pas au rythme des versions de modèles. D’un côté, des opérations où l’erreur se voit immédiatement. De l’autre, des jugements où une réponse fausse ressemble trait pour trait à une réponse juste.
les tâches que l’IA absorbe déjà en cabinet
Tout ce qui consiste à lire un document normalisé, à le rapprocher d’une ligne bancaire et à déclencher une action répétitive est aujourd’hui industrialisé. Les éditeurs du marché, de Cegid à Pennylane en passant par Dext ou Indy, annoncent des taux d’exactitude de 95 à 99 % sur des factures structurées. Ce sont des chiffres constructeurs, à prendre comme un ordre de grandeur, pas comme une garantie contractuelle.
Trois familles de tâches concentrent l’essentiel du gain réel :
- la saisie : extraction des mentions d’une facture par OCR (reconnaissance optique de caractères), affectation d’un compte par défaut, détection des doublons ;
- le rapprochement bancaire et le lettrage : appariement automatique des écritures et des mouvements, avec suggestion sur les cas ambigus ;
- les relances clients : détection des retards, séquencement des envois, rédaction du message.
Ces trois tâches partagent une propriété : leur résultat se vérifie par une machine. Un rapprochement tombe juste ou ne tombe pas, un solde s’équilibre ou reste ouvert. L’erreur remonte toute seule, sans que personne ait à la chercher.
saisie et lettrage : le seul terrain où le gain se mesure
Un gain de productivité n’existe que s’il survit au contrôle. Sur la pré-comptabilité, il y survit parce que la vérification coûte moins cher que la production : relire une proposition d’affectation prend quelques secondes, la saisir en prenait davantage. Le rapport tient, donc le temps économisé est net.
Ce terrain va d’ailleurs se déplacer sous l’effet de la réforme de la facturation électronique. L’obligation de réception concerne toutes les entreprises et l’obligation d’émission les grandes entreprises et les ETI au 1er septembre 2026, les PME et micro-entreprises au 1er septembre 2027. Quand la facture arrive nativement structurée, la valeur de l’OCR baisse mécaniquement.
Restent les cas limites : la facture multi-taux, l’avoir partiel, l’écriture d’inventaire, le règlement groupé qui ne correspond à aucune facture prise isolément. Autrement dit, la part qui demandait déjà du jugement. L’automatisation ne supprime pas la difficulté, elle la concentre.
Bonne nouvelle pour l’intérêt du métier. Mauvaise nouvelle pour les cabinets qui comptaient sur un effectif réduit.
pourquoi un modèle ne doit jamais poser une écriture seul
Un modèle de langage optimise la vraisemblance de sa réponse, pas sa conformité au plan comptable. Sur une question de TVA intracommunautaire ou de traitement d’une subvention d’investissement, il rendra un raisonnement bien construit, avec le vocabulaire attendu, une structure convaincante, et parfois une conclusion fausse. Rien dans la forme ne signale l’erreur.
Le phénomène est documenté. Une étude Censuswide réalisée pour Dext auprès de 500 professionnels français, publiée en janvier 2026, indique que 37 % d’entre eux ont eu connaissance d’entreprises ayant subi des pertes financières après un conseil erroné d’une IA générative : trop-payés, pénalités, problèmes de conformité. Une erreur signalée se corrige ; ici, rien ne la signale.
L’Ordre des experts-comptables ne dit pas autre chose. Sur ce point, l’OEC Aquitaine tranche sans détour : non, l’IA ne fait pas toute la comptabilité en 2026. Le jugement professionnel, la validation des traitements automatisés, le conseil et la responsabilité juridique restent du côté humain. La raison ne tient pas au niveau des modèles : une responsabilité professionnelle ne se délègue pas à un outil. Aucun éditeur ne se présentera devant un tribunal à la place du cabinet qui a signé.
La règle de travail qui en découle est simple. Un modèle propose, un humain arbitre, et l’arbitrage doit rester traçable. Dès qu’une proposition passe en écriture sans qu’un professionnel puisse dire pourquoi elle a été retenue, le dispositif a franchi la limite.
vos données clients dans un modèle : la question posée trop tard
Coller une balance ou un grand livre dans une interface conversationnelle grand public revient à transférer des données comptables identifiantes à un sous-traitant que vous n’avez pas qualifié. Pour un cabinet, cela touche deux régimes à la fois : le RGPD et le secret professionnel de l’expert-comptable.
Quatre points sont à vérifier avant d’ouvrir un flux, pas après :
- le statut du fournisseur : contrat de sous-traitance en bonne et due forme, avec les garanties de l’article 28 du RGPD ;
- le sort des données envoyées : réutilisation ou non pour l’entraînement, durée de conservation, possibilité de suppression ;
- la localisation de l’hébergement et le régime de transfert hors Union européenne ;
- la traçabilité : qui a envoyé quoi, quand, et sur quels dossiers.
En pratique, une fonctionnalité intégrée à l’outil de production, dont le contrat couvre déjà les données du cabinet, pose moins de questions qu’un accès direct à une interface publique. Cela ne vaut pas conformité, mais le périmètre reste plus facile à documenter le jour où il faut le justifier.
automatiser, assister ou ne pas toucher : la grille de décision
Avant d’ouvrir un chantier d’automatisation, trois questions suffisent à classer une tâche. L’erreur est-elle détectable mécaniquement ? Que coûte une erreur qui passe inaperçue pendant six mois ? Et qui signe le résultat final ?
Les réponses répartissent le travail en trois zones :
- Automatiser : saisie, classement des pièces, rapprochement bancaire, lettrage simple, relances. L’erreur se détecte, le coût unitaire d’une erreur est faible, personne ne signe une proposition de lettrage.
- Assister : préparation d’un dossier de révision, détection d’anomalies, rédaction d’une note ou d’un point de synthèse, première lecture d’un contrat. Le modèle accélère la mise en forme et le repérage, un professionnel valide le fond.
- Ne pas toucher : qualification fiscale d’une opération non standard, arrêté des comptes, écritures d’inventaire, conseil engageant la responsabilité du cabinet. Ce que le modèle produit ici doit être traité comme une hypothèse à vérifier intégralement, jamais comme un résultat.
Un test complémentaire s’applique à chaque nouvel usage : mesurez le temps de vérification, pas le temps de production. Si un collaborateur doit relire 100 % de la sortie avec la même attention que s’il l’avait produite, le gain est nul et le risque, lui, a augmenté. C’est le coût caché qui fait échouer la plupart des déploiements présentés comme des succès.
La comptabilité cumule deux traits rares : peu de métiers sont aussi automatisables sur les volumes, peu sont aussi verrouillés sur le jugement. La facturation électronique supprimera une partie de la pénibilité résiduelle sans déplacer cette frontière d’un centimètre. Chaque cabinet devra donc trancher un point que la technologie ne tranchera pas pour lui : à quoi affecter les heures récupérées.
Questions frequentes
L’IA peut-elle remplacer un expert-comptable ?
Non. L’Ordre des experts-comptables considère que l’interprétation réglementaire, la validation des écritures complexes, l’arrêté des comptes et la responsabilité professionnelle restent humains. Un outil ne peut pas endosser la signature d’un professionnel.
Quelles tâches comptables sont réellement automatisables aujourd’hui ?
La saisie de factures par OCR, le rapprochement bancaire, le lettrage simple et les relances clients. Ces tâches ont un point commun : leur résultat est vérifiable mécaniquement, donc une erreur se détecte immédiatement.
Quel est le taux de fiabilité des outils d’IA comptable ?
Les éditeurs annoncent entre 95 et 99 % d’exactitude sur des documents structurés comme des factures normalisées. Ces chiffres sont des données constructeurs et chutent sur les cas limites : factures multi-taux, avoirs partiels, règlements groupés.
Pourquoi parle-t-on de faux plausible avec un modèle de langage ?
Un modèle optimise la vraisemblance de sa réponse, pas sa conformité au plan comptable. Il peut produire un raisonnement bien construit et une conclusion fausse, sans qu’aucun signal formel n’alerte le lecteur. Une étude Dext et Censuswide de janvier 2026 indique que 37 % des professionnels interrogés déclarent des pertes financières liées à des conseils erronés d’outils d’IA.
Peut-on envoyer des données clients à un outil d’IA sans risque RGPD ?
Pas sans qualification préalable du fournisseur. Il faut vérifier le contrat de sous-traitance au sens de l’article 28 du RGPD, la réutilisation éventuelle des données pour l’entraînement, la localisation de l’hébergement et la traçabilité des envois. Le secret professionnel de l’expert-comptable s’ajoute au RGPD.
