À quoi ressemble réellement le déploiement d’une intelligence pour la finance

Dans les trois premiers numéros d’Intelligence inside, Elias et Kevin ont présenté les principes fondamentaux : pourquoi les exigences en matière d’IA en finance et fiscalité sont plus élevées que dans presque toutes les autres catégories de logiciels, comment nous avons conçu l’Intelligence Core et son architecture de confiance, et comment la plateforme de données et la couche sémantique fournissent à nos agents une source unique de vérité, gouvernée et fondée sur laquelle ils peuvent s’appuyer pour raisonner.

Ce niveau d’exigences - fiable dès le premier jour, traçable le deuxième jour et défendable devant un auditeur le troisième jour - n’est pas qu'un simple principe de conception. C’est le filtre par lequel passe chaque décision concernant les produits dans mon équipe.

Ce numéro présente le résultat de ce filtrage : une année de fonctionnalités intelligentes déjà en service sur notre CFO Solution Platform. Pas annoncées, ni en version bêta, ni même sur la feuille de route. Mais déployées, en production et utilisées.

 

La question que nous nous posons pour chaque fonctionnalité : mérite-t-elle de se trouver là ? 

Kevin a clairement décrit la répartition du travail : la logique déterministe effectue le calcul, le raisonnement intelligent interprète. Cette distinction n’est pas simplement un choix technique. C’est une discipline produit que nous appliquons avant qu’une fonctionnalité ne soit construite.

La question que je pose avant de proposer une capacité intelligente à un client est simple : mérite-t-elle de figurer dans le flux de travail d’un CFO ? Ce n'est pas « est-ce techniquement impressionnant ? » Ni même « est-ce que ça marche dans une démo ? » Mais permet-elle de résoudre un problème précis et bien défini, comme le souhaiterait un professionnel de la finance ou de la fiscalité, en garantissant une visibilité totale, un contrôle total et l’absence de surprises ?

Toutes les fonctionnalités que je vais décrire ci-dessous ont réussi ce test. Chacune d’elles prend en charge les tâches répétitives, exigeant du jugement ou une expertise spécifique, qui ralentissent les équipes, puis restitue le résultat aux professionnels pour validation.

L’intelligence fait le travail. L'humain l’approuve. Ce n’est pas une contrainte, c’est le principe même de conception. 

Selon la solution, cela se traduit concrètement de différentes manières. Mais le principe reste le même pour toutes.

Des modèles plus performants, plus rapides : l’intelligence au service de la planification financière

La création d’un modèle financier à partir de zéro a toujours été l’apanage des spécialistes. Il faut savoir quelles variables sont importantes, comment structurer les formules et comment relier le modèle aux données réelles sous-jacentes. Pour la plupart des équipes, cette configuration prend à elle seule plusieurs jours et dépend d’une ou deux spécialistes qui connaissent bien l’architecture du modèle.

Nous avons commencé à déployer des fonctionnalités de modélisation intelligente dans xP&A en mai 2025. Non pas sous la forme d’un seul grand lancement, mais comme une séquence réfléchie et progressive.

 

Depuis des variables suggérées par l’IA à la correction des erreurs en un clic

Nous avons d’abord introduit des suggestions de variables générées par l’IA : le système analyse ce qui existe déjà dans le modèle et propose la suite, y compris les noms, les formules et les hypothèses fixes. Les équipes financières acceptent ou rejettent les suggestions, une à une. L'angoisse de la page blanche et les heures passées à se demander comment commencer disparaissent.

Ensuite, la prévision assistée par IA : au lieu de définir manuellement une méthodologie de prévision, le système analyse les données historiques et génère la projection la plus probable. Un point de départ qui prenait des heures est désormais disponible en quelques secondes.

Puis est arrivé Prompt AI, en juillet 2025 : il suffit de décrire en langage naturel ce que vous souhaitez calculer, et le système propose les variables et les structures nécessaires pour y parvenir. Et plus récemment, en avril 2026, Fix with AI : vous survolez l’erreur, vous cliquez une fois et vous examinez la correction proposée. Ce qui nécessitait auparavant une expertise en débogage ne demande plus qu’une seule interaction.

Ensemble, toutes ces fonctionnalités réduisent considérablement le temps nécessaire à l’élaboration et à la mise à jour d’un modèle financier. Chacune transmet ensuite le résultat au responsable financier pour qu’il l’examine. Le modèle reste le sien. Ce sont les premières innovations dans xP&A. L’étape suivante n’est pas une fonctionnalité, mais un flux de travail.

L’intelligence dans l’ESG Reporting : cartographie automatique des facteurs d’émission

Le calcul de l’empreinte carbone (GES) est une tâche qui incombe de plus en plus aux équipes financières, mais pour laquelle elles sont rarement formées. Associer les sources d’émissions aux facteurs d’émission appropriés, sur l’ensemble des périmètres, requiert soit une expertise spécialisée, soit le recours à un soutien externe coûteux. La plupart des équipes n’ont ni l’un ni l’autre.

Ce que nous avons construit dans ESG Reporting supprime cette dépendance. Les équipes importent leurs données de consommation, et le système associe automatiquement chaque saisie au bon facteur d’émission sur les scopes 1, 2 (selon la localisation et le marché) et 3, réduisant ainsi l’expertise requise en GES. Chaque association est accompagnée d’un score de confiance. L’équipe révise, corrige si nécessaire, puis passe à autre chose.

Le résultat génère des empreintes carbone cinq fois plus rapidement qu’avec la cartographie manuelle des facteurs d’émission. Pour les équipes sous la pression de la CSRD, cela fait toute la différence entre respecter une échéance… ou la manquer.

De la page blanche aux rapports annuels prêts à être présentés au conseil d’administration

La création du rapport annuel intervient à la fin de la période la plus difficile du calendrier financier. Lorsque les équipes arrivent au stade de la rédaction, elles sont déjà sous la pression des délais, confrontées à des dizaines d’exigences de divulgation qui doivent être rédigées, examinées, traduites et agrégées entre les entités.

Nous avons introduit des capacités de rédaction intelligente dans Disclosure Management en janvier 2025.

 

La rédaction et l’optimisation de textes avec l’intelligence

Deux fonctions sont apparues en premier : l’optimisation du texte (ajustement du ton, raccourcissement, expansion, traduction, résumé), et la rédaction de texte conforme à la taxonomie. Pour toute étiquette de divulgation ESRS ou IFRS, le système génère une première version conforme. Les équipes fournissent le contexte propre à l’entreprise ; le système en tient compte. Le langage et la mise en page du rapport sont appliqués automatiquement.

Un reporting de groupe conforme aux normes ESRS

En avril 2025, nous avons ajouté la génération de rapports de groupe ESRS  : pour les entreprises ayant plusieurs entités déclarantes, le système consolide les réponses des filiales aux questionnaires et génère un rapport de durabilité final, conforme aux normes ESRS, à l'échelle du groupe. Les équipes choisissent les données à inclure, ajoutent des informations complémentaires et peuvent régénérer le résultat jusqu’à ce qu’il réponde à leurs besoins. Ce qui prenait auparavant des heures d’agrégation manuelle entre les entités se fait désormais en un seul processus guidé en quelques minutes.

 

Les déclarations réglementaires sans le goulot d’étranglement des spécialistes : XBRL Tagger

Le balisage XBRL est l’un de ces sujets qui semblent techniques, et pour cause, ils le sont réellement. Dans l’UE, depuis 2020, les sociétés cotées sont tenues de déposer leurs documents au format Inline XBRL (iXBRL). Le processus de balisage, qui consiste à faire correspondre les éléments du rapport aux concepts de la taxonomie à travers des milliers de lignes, a historiquement nécessité l’intervention de consultants spécialisés. Pour la plupart des équipes financières du mid-market, cela signifiait des coûts significatifs et une dépendance externe à chaque cycle de reporting.

En décembre 2025, Lucanet a lancé le Tagger Agent, devenant le premier éditeur sur le marché à proposer un agent IA complet pour le reporting XBRL. Les équipes importent leur rapport annuel et le Tagger Agent gère automatiquement le balisage narratif, le balisage des tableaux numériques et la génération des calculs. No implementation project, no IT involvement, and no need for consultant support. Le Tagger charge immédiatement toute taxonomie valide, y compris l’ESEF, des référentiels locaux comme le Dutch GAAP, les obligations européennes comme le pCbCR et les exigences sectorielles spécifiques telles que l’OCW. Il génère ensuite un fichier iXBRL conforme aux exigences réglementaires en vigueur.

Une fois la correspondance entre les concepts de la taxonomie établie pour un dépôt, elle est automatiquement réutilisée lors des suivants. Le goulot d’étranglement au niveau des spécialistes n’est plus qu’un mauvais souvenir.

Ce qu’une année de déploiement nous a enseigné

Les fonctionnalités décrites ci-dessus ne sont pas arrivées ensemble. Elles sont arrivées de manière progressive, chacune résolvant un problème précis dans un flux de travail déterminé, et chacune a été conçue pour que le professionnel de la finance reste maître du résultat.

Kevin a précédemment fait un parallèle intéressant : celui d’un nouveau collaborateur doté d’une intelligence de niveau doctorat… mais en tout premier jour dans l’entreprise. La capacité brute est nécessaire, mais pas suffisante. Ce qui la rend utile, c’est de l’ancrer dans le contexte spécifique de votre entreprise : votre structure de consolidation, vos conventions de reporting, vos données. C’est précisément ce que font ces fonctionnalités. Elles apportent un raisonnement intelligent aux tâches spécifiques que votre équipe effectue tous les jours, raisonnement ancré dans vos données, régi par l’Intelligence Core, et elles incluent toujours l’humain dans la boucle.

Voilà ce que signifie pour nous « Simply intelligent » en 2026. Non pas une intelligence pour elle-même, mais une intelligence qui justifie sa valeur en étant véritablement utile, réellement signe de confiance, et pleinement maîtrisée par ceux qui sont responsables des chiffres.

Et ce n’est pas tout. Dans les prochains mois, des modèles de planification seront générés automatiquement à partir des données réelles, pour offrir aux équipes financières un point de départ structuré sans le travail de configuration. Les importations Excel pour les questionnaires sur la durabilité seront automatiquement associées aux bonnes questions, en supprimant la saisie manuelle des données avant les délais de reporting. Et dès cet été : l’extraction automatique des données des contrats de location transformera ce qui était auparavant une tâche manuelle, document par document, en une étape automatisée.

Chaque fonctionnalité déjà déployée est la preuve que l’architecture fonctionne. Ce qui vient ensuite est construit sur la même base.

 

Prêts à révolutionner vos flux de travail financiers ?

Regardez notre webinaire à la demande pour découvrir comment Lucanet aide les CFO et leurs équipes grâce à l’automatisation par l’IA et aux informations en temps réel.

 

En savoir plus

Contenu connexe :

Intelligence inside n° 1 : Simplement intelligent à l’ère des agents

Intelligence inside n° 2 : construire l’architecture de confiance de Lucanet

Intelligence inside n° 3 : la plateforme de données et la couche sémantique de Lucanet