Clôture continue : l’IA transforme la direction financière en système d’alerte

Passer d’une clôture à J+10 à une clôture à J+5 peut réduire la charge de travail et améliorer le confort des équipes. Mais ce gain reste limité si l’information arrive toujours après que les décisions importantes ont été prises.

La transformation économique apparaît lorsque trois délais diminuent ensemble :

• le délai entre une opération et son rapprochement ;
• le délai entre un écart et son explication ;
• le délai entre cette explication et une décision corrective.

Une hausse anormale des dépenses commerciales, une baisse de marge sur une catégorie de clients ou un décalage d’encaissement n’ont pas la même valeur selon qu’ils sont identifiés pendant la période ou deux semaines après sa fin.

La clôture continue ne promet donc pas seulement de produire plus vite le même reporting. Elle permet, en théorie, de rendre le pilotage plus fréquent, plus documenté et plus actionnable.

C’est aussi ce que suggère la directrice financière d’OpenAI, Sarah Friar : l’objectif n’est pas uniquement de fermer les comptes plus vite, mais de disposer d’une vue réconciliée et traçable de l’entreprise, puis d’alimenter des prévisions continues à partir de cette base.

Les premières briques ne concernent pas les arbitrages complexes. Elles concernent surtout le travail répétitif qui précède ces arbitrages.

Un agent financier peut, selon le périmètre et les droits qui lui sont accordés :

• collecter des données issues du grand livre, des achats, de la facturation ou de la trésorerie ;
• vérifier la complétude et la cohérence de soumissions ;
• rapprocher des opérations selon des règles définies ;
• préparer une première explication d’écart en remontant aux pièces sources ;
• identifier les exceptions qui nécessitent une revue ;
• assembler un dossier de preuve pour la validation ou l’audit ;
• actualiser un scénario lorsque de nouvelles données apparaissent.

OpenAI et PwC indiquent travailler sur des agents couvrant notamment achats, paiements, trésorerie, fiscalité, prévision, reporting et clôture. Leur logique consiste à relier les systèmes, surveiller les exceptions et faire remonter les risques avant la fin du mois ou du trimestre.

L’effet important est organisationnel : la finance consacre moins d’énergie à retrouver l’information et davantage à qualifier l’écart, tester des scénarios et préparer une décision.

La fonction ne devient pas automatiquement « autonome ». Elle change d’unité de travail. Au lieu de produire un fichier, elle pilote un flux continu allant de la donnée source à l’action.

Imaginons une entreprise de services B2B.

Au milieu du mois, le système détecte que la marge d’un portefeuille se dégrade. Il rapproche les temps saisis, les prestations sous-traitées, les remises commerciales et les factures émises. Il retrouve les éléments justificatifs et prépare trois causes probables : dérive du temps passé, sous-facturation et coût externe non anticipé.

La direction financière ne reçoit pas seulement une alerte. Elle obtient les transactions concernées, le raisonnement proposé, le niveau de confiance et l’impact sur la prévision.

Le dirigeant peut alors arbitrer pendant qu’il est encore possible d’agir : renégocier le périmètre, ajuster l’allocation des équipes, accélérer une facturation ou arrêter une dépense.

Dans ce scénario, l’avantage ne vient pas d’un tableau de bord plus élégant. Il vient du temps récupéré entre la détection d’un problème et le moment où ce problème devient irréversible.

La finance passe ainsi d’une fonction qui certifie le passé à une fonction qui protège la trajectoire.

Ajouter de l’IA à un processus fragmenté ne crée pas une clôture continue. Cela peut simplement accélérer la circulation d’informations incohérentes.

Quatre conditions doivent être réunies.

1. Une donnée source identifiable

Chaque chiffre important doit pouvoir être relié à un système de référence, une pièce et une règle de calcul. Une réponse plausible sans traçabilité n’a pas sa place dans un processus financier critique.

2. Une séparation nette entre règle et jugement

Les contrôles déterministes, les seuils et les calculs doivent rester explicites. Le modèle peut rechercher, classer, résumer ou proposer une explication. Il ne doit pas remplacer silencieusement une règle comptable ou une politique interne.

3. Des droits limités par action

Lire une facture, proposer une écriture et la comptabiliser sont trois niveaux d’autorité différents. L’architecture doit décider qui peut consulter, préparer, approuver et exécuter chaque opération.

4. Un journal de preuve exploitable

Une clôture accélérée n’a de valeur que si l’entreprise peut reconstituer ce qui a été fait, avec quelles données, selon quelle règle et sous quelle validation.

Le choix stratégique n’oppose donc pas automatisation et contrôle. Il consiste à concevoir une automatisation dont le contrôle est natif.

Les directions financières auront généralement trois options.

La première consiste à activer les assistants proposés par leur ERP ou leur outil de consolidation. L’intégration aux données, aux droits et aux règles existantes peut être plus directe. En contrepartie, l’entreprise renforce sa dépendance à l’écosystème de l’éditeur.

La deuxième consiste à construire une couche d’agents transverse, capable d’intervenir sur plusieurs outils. Cette approche peut mieux épouser les processus réels de l’entreprise, mais elle exige davantage d’intégration, de gouvernance et de maintenance.

La troisième consiste à combiner les deux : conserver dans les systèmes financiers les écritures, règles et validations critiques, tout en utilisant une couche d’orchestration pour rechercher les preuves, suivre les exceptions et préparer les décisions.

Il n’existe pas de réponse universelle. Le bon choix dépend moins de la puissance du modèle que de la qualité des données, du niveau de fragmentation du système d’information et de la capacité de l’entreprise à gouverner les actions automatisées.

Le premier projet ne devrait pas viser une clôture « zéro jour ». Il devrait viser un écart précis qui coûte aujourd’hui du temps ou retarde une décision.

Une démarche robuste peut suivre six étapes :

1. choisir un flux borné, par exemple les rapprochements bancaires, les factures fournisseurs ou les écarts budget-réalisé ;
2. mesurer le cycle actuel : temps consacré, taux d’automatisation, nombre d’exceptions, reprises et retards ;
3. documenter les systèmes sources, les règles, les droits et le responsable de la validation ;
4. automatiser d’abord la collecte des preuves et la préparation des exceptions ;
5. tester la fiabilité sur des périodes closes, sans exécution réelle ;
6. élargir progressivement les droits lorsque les résultats, les journaux et les contrôles sont jugés suffisants.

Les indicateurs doivent mesurer du travail utile : part des opérations rapprochées automatiquement, nombre d’exceptions pertinentes, temps de revue, délai d’explication d’un écart, coût total incluant contrôle et reprises.

Le nombre de licences ou de tokens consommés ne dit presque rien sur la valeur créée.

La clôture continue ne doit pas être traitée comme un projet isolé de la direction financière. Elle constitue un premier test de l’entreprise en temps réel.

Si l’organisation parvient à relier données, règles, agents et responsabilités sur un processus aussi critique, elle dispose d’un modèle reproductible pour les achats, la supply chain, le service client ou les opérations commerciales.

La question à trancher n’est donc pas : « Comment fermer les comptes plus vite ? »

La vraie décision consiste à choisir les signaux que l’entreprise veut voir assez tôt pour encore pouvoir changer le résultat.

L’IA crée de la valeur lorsque l’information n’arrive plus seulement juste, mais à temps.