Facture électronique, financiarisation, nouvelles attentes des clients, avancées exponentielles de l'IA générative... C'est un fait : ainsi que nous l'évoquions dans une précédente tribune, les lignes traditionnelles de l'activité des experts-comptables sont actuellement bousculées. Face à ces réalités, un constat s'impose : les outils comptables ne peuvent plus se contenter d'accompagner les transformations, ils doivent en devenir les catalyseurs.
Autrement dit, face à ces différents enjeux, les éditeurs ont une responsabilité envers la profession. Ils se doivent de proposer une solution technologique ouverte, interopérable et respectueuse des cabinets et de leur indépendance.
Nous plaidons pour un modèle fondé sur la confiance, la maîtrise des données et l'automatisation intelligente des flux au service du métier. En 2025, la collecte et le traitement des données atteignent un haut niveau de maturité, qui s'élèvera encore avec l'arrivée et la généralisation de la facture électronique. Nous sommes au début d'une phase d'industrialisation d'outils de nouvelle génération. Toujours sous pilotage humain et au service des équipes, les technologies mises en ½uvre ouvrent la voie à un accompagnement plus pointu, adapté aux nouveaux défis du secteur et à la nouvelle réalité du marché.
Agents IA : la nouvelle frontière de l'intelligence artificielle
Si l'intelligence artificielle générative est actuellement en train de bouleverser tous les secteurs, ce n'est que la première étape d'une mutation plus profonde. En effet, comme le suggère Sam Altman, cofondateur d'OpenAI et cocréateur de l'agent conversationnel ChatGPT, dans une récente analyse sur son blog, il est important de comprendre que, dans l'exploitation des potentialités de l'IA, nous arrivons à un nouveau stade, celui de l'utilisation des agents IA, également appelés IA agentiques ou agents autonomes.
Selon Gartner, 15% des décisions quotidiennes dans les entreprises seront prises de manière autonome par des agents IA d'ici 2028. Encore aujourd'hui, ce chiffre dépasse à peine les 0%. De son côté, Deloitte estime que 25% des entreprises utilisant actuellement l'IA générative lanceront en 2025 des projets pilotes d'agents IA. En 2027, le cabinet français prévoit que ce chiffre atteindra les 50%. Au-delà de ces prévisions, de nombreux géants de la tech se positionnent déjà sur les agents IA. C'est notamment le cas de Google avec son projet Astra, de Salesforce avec AgentForce, de Microsoft avec son Hiring Assistant pour LinkedIn, ou encore de Meta qui investit massivement dans le développement d'agents IA comme Creator AI et AI Studio.
Mais de quoi parle-t-on concrètement lorsqu'on évoque les agents IA ?
Tout d'abord, rappelons que l'IA est un domaine qui englobe plusieurs sous-domaines, et qui s'intègre à des processus métier gérés de manière digitale. Jusqu'à présent dans le secteur de la comptabilité, les process que la majorité des éditeurs de logiciels de production comptable présentent comme une automatisation intelligente s'appuient sur une logique d'OCRisation des documents, suivie d'une application, à partir des mots-clés détectés, de règles d'imputation comptable proposées par l'éditeur et amendées par les clients. Une technologie efficace, mais rustique et n'ayant que peu à voir avec le concept d'IA.
Chez Inqom, en revanche, l'approche probabiliste inhérente à l'intelligence artificielle est présente depuis 2017, date à laquelle, sur la base d'un brevet détenu en propre, l'entreprise a développé son logiciel de traitement des données s'appuyant sur le principe des « réseaux de neurones ». Les données intégrales de plusieurs millions de documents ont été extraites et ces documents catégorisés selon une ontologie visant à leur comptabilisation. Cette importante base de données sert de point de comparaison aux données des dizaines de milliers de documents qui nous parviennent quotidiennement et que le système classe automatiquement par analogie avec ceux présents dans la base de référence dont les données sont les plus proches. Ces actions se réalisent sans aucun paramétrage, ni catégorisation manuelle. Une appréciation précise du risque d'erreur permet une comptabilisation immédiate sans validation systématique par l'utilisateur et lorsque l'utilisateur corrige la catégorisation effectuée par le logiciel, celui-ci en tient compte dans les traitements suivants.
Bien évidemment, ceci accroît sensiblement la productivité de chaque cabinet. À titre d'exemple Emmanuel Elineau, expert-comptable et président du cabinet APL, vient de nous informer qu'en un an grâce à Inqom, la productivité moyenne des collaborateurs était passée de 70 à 100 dossiers par an. Et ce cabinet verra sans aucun doute ce chiffre encore augmenter en 2026 à 120 dossiers, puisque le principe même du machine learning est d'améliorer le traitement des données en se basant sur les traitements précédents. Autrement dit, plus l'outil est utilisé, meilleur, plus précis et plus rapide il devient.
De manière concomitante à ces solutions d'automatisation intelligente, un autre sous-domaine de l'IA a pris de plus en plus d'ampleur. Il s'agit du domaine des LLM ou Large Language Model. Ces derniers se sont hiérarchisés au fil du temps en plusieurs niveaux de compétences. Les premiers sont les LLM statiques, soit des outils qui traitent un texte en langage naturel pour proposer la meilleure réponse possible. Ce fut le cas de GPT-3 qui a été présenté par OpenAI en 2020. Notre système de traitement de pièces utilise également cette technologie avancée pour ne pas simplement chercher des mots-clés dans les pièces, mais interpréter le document dans son ensemble et proposer des affectations pertinentes.
Les outils basés sur des LLM augmentées représentent le niveau suivant. Soit, des outils qui vont cette fois être en mesure d'aller rechercher des informations de manière dynamique. Pour cela, ces LLM segmentent, indexent et utilisent des sources externes (référentiels, corpus, documentation...) pour enrichir leurs réponses. C'est ce qu'on appelle la RAG (Retrieval-Augmented Generation) et c'est ce que nous proposons depuis 2024 avec notre assistant intelligent Inqom Copilot. Grâce à ce dernier, nos utilisateurs peuvent directement poser des questions de différentes natures, sans quitter leur outil de production et bénéficier de réponses étayées par des sources officielles (BOFIP, ANC, centre d'aide Inqom...). Cette forme d'IA est d'ailleurs celle qui fait l'actualité, puisque ChatGPT, Perplexity, Claude ou encore Gemini de Google fonctionnent sur une base de LLM augmentée.
Avec les agents, nous passons à un niveau supérieur. À partir d'instructions écrites en langage naturel, un agent peut identifier les actions à mener et les ressources nécessaires, demander des précisions, valider les actions souhaitées et les réaliser pour l'utilisateur. Un véritable changement de paradigme s'opère. En effet le LLM statique ou augmenté ne réalise aucune action, contrairement à un agent IA.
AgentIX : Inqom donne la possibilité aux cabinets de créer leurs propres agents IA
Dans un logiciel SaaS classique de compatibilité, il est possible d'effectuer des actions précises dans un cadre défini. Avec la RPA, un outil est capable de programmer des actions automatisées sur d'autres logiciels (par exemple: récupérer des listes d'opérations de votre client sur le site de sa banque).
Grâce aux deux niveaux de LLM, un utilisateur peut converser de manière naturelle avec une machine afin qu'elle aille chercher des informations de manière dynamique à partir d'une source plus ou moins riche (le web ou des bases de données privées). Tous ces outils basés sur l'IA sont passifs, dans le sens où ils proposent des réponses sans pour autant réaliser d'actions par eux-mêmes.
Ainsi, les agents d'IA diffèrent sur deux aspects essentiels : l'initiative et l'autonomie. En effet, les agents IA peuvent à la fois être passifs, exécuter une demande, être programmés, réaliser une action suite à un événement précis et même proactifs, soit effectuer une action de leur propre « initiative ». Dans ce dernier cas de figure, l'utilisateur aura fixé un objectif général cadrant la mission de l'agent. L'agent décomposera alors la mission en étapes distinctes, affinera sa stratégie et exécutera le travail. Le tout avec une supervision humaine minimale qui se résume à un contrôle des tâches successives ou simultanées .
Pour y parvenir, ces agents intègrent une couche d'orchestration afin d'adapter leurs actions en fonction des objectifs donnés. Autrement dit, ils raisonnent et prennent des décisions au nom de l'utilisateur.
Les agents dits « d'IA verticale » sont des systèmes d'intelligence artificielle spécifiques à un secteur, conçus pour effectuer des tâches spécialisées dans un domaine d'activité particulier. Jusqu'à présent l'IA était dans une phase générale horizontale. Elles offraient des fonctionnalités sur des domaines étendus. Avec les agents d'IA, nous passons à une IA verticale (DSA pour Domain Specific Agent) où l'outil est formé sur des données, des réglementations et des flux de travail spécifiques à un métier.
Concrètement dans le secteur de la comptabilité, l'agent IA programmé pourra effectuer un grand nombre de tâches par lui-même, et, bien au-delà du simple envoi de mail à un client, qui est souvent évoqué lorsque l'on parle d'agent IA. De même, il pourra exécuter des travaux qui, malgré leur caractère souvent répétitif, présentent un certain niveau de complexité et nécessitent des compétences métier pour pouvoir être exécutées. Prenons un exemple simple et qui parlera à tous les comptables : la révision des comptes clients. Un agent IA convenablement programmé pourra aisément passer les écritures de transfert des comptes 411 aux comptes 416 des créances qui lui auront été signalées comme douteuses par le collaborateur chargé du dossier. Le collaborateur pourra également lui demander de calculer les provisions pour dépréciation à passer en fonction de l'ancienneté des créances et d'alimenter le dossier de révision.
Et ce n'est que le début. Si les agents IA suscitent un tel engouement, c'est aussi parce qu'à terme, ils communiqueront et collaboreront entre eux afin, par exemple, de décider quel principe comptable adopter dans un cas particulier ou quelle règle fiscale spécifique appliquer dans tel dossier. Il sera alors question d'un écosystème d'agent d'IA capable de résoudre des scénarios complexes de manière autonome.
Bien entendu, nous n'en sommes qu'aux prémices de cette nouvelle ère d'IA. Il convient d'entraîner encore les modèles afin que leur précision s'améliore au fil du temps. De plus, l'arrivée de ces agents IA soulève des questions de sécurité, de gouvernance et de contrôle du savoir. Des sujets clés qui nécessitent un dialogue et un travail collectif entre l'éditeur et le cabinet.
C'est en pleine conscience de ces sujets-clés que nous avons conçu AgentIX. Pendant plusieurs mois, nous avons travaillé avec un consortium de quinze cabinets afin de développer un projet unique dans la profession : mettre à la disposition des cabinets une plateforme leur permettant s'approprier cette nouvelle technique en créant leurs propres agents à partir de scripts en langage naturel. Ainsi, ces derniers seront spécifiques aux processus internes et aux méthodes de travail de chaque cabinet.
Le contrôle du savoir, un prérequis indispensable pour entrer dans une logique de revenu
Si l'arrivée et l'adoption progressive dans les années à venir des agents IA dans la profession comptable ne fait aucun doute, il ne faut pas pour autant que cette évolution soit imposée par les éditeurs. L'arrivée de l'IA générative nous l'a déjà prouvé, aucune révolution technologique n'est possible sans une révolution culturelle et organisationnelle des clients.
En ce sens, en créant AgentIX, Inqom reste fidèle à son positionnement de toujours. Nous sommes des éditeurs, nous fournissons une prestation de services technologiques de pointe aux experts-comptables. C'est pour cette raison que la configuration et le déploiement de cette technologie resteront sous le contrôle total des cabinets.
Ce seront donc les cabinets qui créeront leurs propres agents, ce seront les cabinets qui décideront de les ancrer, ou non, dans tels ou tels workflows ou quand les activer ou désactiver. Cette manière de collaborer est pour nous la seule possible, puisqu'elle respecte les cycles métiers et la gouvernance de données. Ainsi, AgentIX n'est pas un outil standard d'IA, car le cabinet n'a plus besoin de l'éditeur pour créer de nouvelles automatisations, ni pour réaliser l'audit des actions d'IA réalisées. Avec cette démarche de co-innovation et de mutualisation, chaque cabinet peut s'approprier AgentIX afin d'influer sur des décisions stratégiques tout en identifiant des cas d'usage et des sources de productivité jusque-là insoupçonnés.
L'IA est un outil qui, bien assimilé et encadré, permet de relever les défis d'avenir. AgentIX, comme tous les agents d'IA, nécessitera des phases d'acculturation et d'appropriation. Elles sont nécessaires pour marquer la différenciation d'avenir dans laquelle le cabinet s'inscrit. Surtout, les cabinets pourront développer leur capital humain en donnant l'opportunité à leurs collaborateurs de monter en compétence sur de l'orchestration et du management de ces agents. Ce qui permettra à terme de transformer vos talents en pilote d'IA, et non en simple exécutant.
Au bout du compte, que ce soit l'automatisation des tâches ou des exécutions proactives réalisées par des agents IA, nous en revenons toujours au même sujet. Comment libérer suffisamment de temps aux cabinets pour qu'ils puissent diversifier et augmenter leurs sources de revenus tout en gardant le contrôle sur leur propre savoir ?
Bien que le c½ur des activités réglementées soit de plus en plus concurrencé et automatisé, les cabinets se structurent encore dans une large majorité autour de la vente de produits livrables (bilan, liasse...). Certes, l'IA permet d'en vendre plus, mais cette posture n'est pas tenable sur le moyen et long terme.
Comme le suggère Denis Genest, responsable du développement chez Forvis Mazars Group dans un podcast plein de pertinence, les cabinets peuvent désormais s'inspirer du modèle économique SaaS dans la tech. À savoir, ne plus se focaliser sur la vente de produits, mais sur des services continus et destinés à des cibles définies. En segmentant son portefeuille et en adressant les bons services aux bons clients, le cabinet pourra alors s'assurer des revenus récurrents. En plus des revenus historiques à préserver (comptabilité, paie, juridique), les pistes de ces « nouveaux services » à proposer hors obligations réglementaires sont nombreuses : assurance, cybersécurité, patrimoine, financiers... Ce déplacement du centre de gravité économique des cabinets nécessite de sortir de sa zone de confort en repensant l'organisation de son cabinet, ses process, ses outils et ses compétences. Soit des choses potentiellement réalisables grâce à l'adoption... d'agents IA.