Bien nommer pour bien construire
Cinq termes se partagent la fonction finance refondue autour de l'IA. Ils ne répondent pas à la même question, et les séparer est la seule façon de se situer.
Je suis en train de refondre la fonction finance de Drakkar. Pas en ajoutant de l’IA par-dessus, en la rendant AI-native.
Je ne suis sans doute pas le seul. Nous sommes probablement des milliers devant le même défi.
Et pourtant, c’est très difficile de mettre des mots sur ce que je fais.
Je fais partie de ceux qui pensent que bien nommer les choses permet d’aller plus vite. C’est comme un malade qui met des années à tomber sur le médecin qui pose le bon diagnostic. Même s’il ne lui donne aucun médicament, le simple fait de nommer la maladie est déjà un soulagement. Il comprend enfin, et il est enfin compris.
Toutes proportions gardées, je ressens un peu ce besoin. Avec le bon mot, je peux comparer mon système à celui d’un autre.
Nommer correctement, c’est déjà une bonne partie du chemin.J’ai donc beaucoup cherché. Et franchement, c’est compliqué. Des dizaines de concepts circulent, j’en ai décortiqué cinq. Pour chacun, je me suis posé la même question. Est-ce qu’il décrit ce que je fais, ou seulement un morceau ?
1. AI-native finance function : quand ça a été conçu
Le plus récent des cinq. Le terme vient de Sarah Friar, directrice financière d’OpenAI, qui l’a posé le 10 août 2026. Une fonction finance AI-native a été conçue en supposant la machine présente. Ce n’est pas une organisation ancienne à laquelle on ajoute un assistant.
La différence n’est pas la vitesse, c’est le point de départ. On ne part pas d’une tâche qui existait déjà. On part d’une décision à prendre, et on redessine tout le chemin qui y mène.
Une équipe qui ajoute de l’IA à sa façon de travailler, c’est un vieil immeuble où on case un ascenseur dans la cage d’escalier. Plus confortable, mais toujours cinq étages, parce que le bâtiment a été dessiné pour des gens qui montent à pied. Une équipe AI-native, c’est une tour de soixante étages. Elle n’aurait jamais pu être imaginée sans l’ascenseur.
L’IA n’y rend pas le travail plus agréable, elle rend possible un travail qu’on ne se serait même pas fixé avant. Vérifier une année entière de comptes au lieu d’un échantillon. Surveiller tous les écarts en continu au lieu d’attendre le rapport du mois.
Le test est simple. On enlève l’IA. Si le travail continue, juste plus lentement, ce n’était pas natif. Si tout s’arrête, ça l’était.
Là où ça coince pour moi, c’est que le mot dit quand la chose a été conçue, et rien d’autre. Il ne dit pas qui déclenche le système, ni ce qu’il produit. Et chez moi, une bonne partie du socle n’a rien de natif. Les données arrivent par des saisies humaines, dans un outil qui existait bien avant.
2. Autonomous finance : qui déclenche
Le terme vient du cabinet Gartner. Il désigne une fonction finance qui emploie des technologies allant au-delà de l’automatisation classique. Capables d’apprendre seules, de se corriger, et de décider à partir des données qu’elles collectent. Leur définition complète est réservée à leurs clients, je travaille donc sur ce qui en circule.
Son vrai apport, c’est l’échelle. Quatre paliers. Le système observe. Le système conseille. Le système agit après accord. Le système agit seul.
Cette échelle oblige à répondre à deux questions qu’on préfère laisser dans le flou. Qui déclenche, et qui signe. Elle amène aussi un principe que je trouve juste. La gouvernance se calibre sur le palier. Légère pour un système qui observe, stricte pour un système qui agit.
Sauf que mon socle n’a rien d’autonome. Un système autonome suppose une chaîne de données qui s’alimente toute seule. Chez moi, les flux passent par des factures, des temps déclarés, des commandes saisies. Le concept n’aide pas à penser ça, parce qu’il ne le voit pas.
Il y a une deuxième raison, et elle me gêne davantage. En nommant l’ensemble par son point d’arrivée, ce mot fait des trois premiers paliers de simples étapes vers le quatrième. Je ne suis pas convaincu. Un système qui conseille et me laisse décider peut très bien être une destination, pas un état provisoire.
3. Agentic finance : comment c’est construit
Le concept décrit des agents qui perçoivent des données, raisonnent selon une logique financière, et agissent en plusieurs étapes sur des systèmes connectés.
Concrètement, je donne un but et la machine se débrouille. Je demande le relevé de trésorerie. Elle vérifie que les connexions bancaires fonctionnent, relève les soldes, inventorie les mouvements, liste les factures impayées, écrit dans le tableau de suivi et met la vue à jour. Six étapes. Je n’ai rien demandé après la première phrase.
Ce qui m’intéresse là-dedans, c’est que la boucle se referme. Avant, on demandait un chiffre et quelqu’un faisait le travail entre les deux. Là, on demande un résultat, et les étapes s’enchaînent sans repasser par moi.
Une étude signée Irene Aldridge et vingt-quatre co-auteurs, en avril 2026, retient trois traits pour distinguer cette IA du reste. Une autonomie orientée par un but, un apprentissage continu, une coordination entre plusieurs agents. Elle porte sur les marchés financiers et pas sur la fonction finance d’une entreprise, mais sa grille tient.
J’ai bien conçu des agents pour construire mon système, mais mon système, ce n’est pas que des agents. C’est beaucoup trop restrictif. Agentic parle trop de plomberie. Il dit comment mon logiciel est fabriqué à l’intérieur, pas à quoi il sert ni pour qui. Deux personnes peuvent dire « je fais de l’agentic finance » et construire des choses qui n’ont rien à voir.
4. xP&A : sur quelles données
Planifier l’argent et l’activité ensemble, au lieu de planifier l’argent d’un côté et l’activité de l’autre. Faire entrer les heures travaillées, les commandes, les effectifs et les délais dans le même exercice de prévision que la comptabilité. Le nom complet est extended planning and analysis, planification étendue. Étendue au-delà de la finance, justement.
Le mot est utile pour une raison simple. La comptabilité arrive tard et écrase le détail. Elle me dit que j’ai dépensé cent mille euros de salaires. Elle ne me dit pas sur quelle affaire, ni si cette affaire a été facturée.
Et quand la finance prévoit d’un côté pendant que les opérations prévoient de l’autre, on se retrouve avec deux plans qui ne disent pas la même chose. On s’en aperçoit à la fin, quand plus rien n’est rattrapable.
Chez moi, c’est démontré. Mes deux découvertes les plus utiles ne viennent pas de la comptabilité. Les 1 044 heures passées sur une commande à zéro euro. Les 38 % de temps sans destination. Aucune des deux n’est visible dans un grand livre.
Une chose me gêne quand même. Le mot embarque une réponse technique que je n’ai pas prise. Sa définition d’origine parle d’une plateforme unique. Je n’ai pas de plateforme et je n’en veux pas. Je construis par-dessus l’ERP qui existe déjà, et par-dessus d’autres outils, avec des tableurs et des routines écrites.
Ce concept a d’ailleurs été inventé pour classer des éditeurs de logiciels, pas pour décrire ce que fait une entreprise.
5. Ontologie et couche sémantique : sur quel socle
Deux choses différentes, et il ne faut pas les confondre. L’ontologie, c’est la liste écrite de ce que sont les choses chez moi. Qu’est-ce qu’un client. Qu’est-ce qu’une affaire. Qu’est-ce qu’une heure facturable. Et comment tout ça se relie. La couche sémantique, c’est la liste écrite de la façon dont on calcule. Le taux de staffing, c’est quoi divisé par quoi, exactement.
En une ligne : l’ontologie dit ce que les mots veulent dire, la couche sémantique dit comment les chiffres se fabriquent.
Ce que ce concept met au jour, c’est que ces définitions ne sont écrites nulle part dans une entreprise normale. Elles vivent dans la tête des gens, et chacun a la sienne. Le corollaire est brutal. Si personne ne l’a écrit, ça n’existe pas, même si tout le monde croit savoir ce qu’est un client.
Chez moi, la preuve est déjà là. Mon taux de staffing vaut 49 %, 53,8 %, 57,4 % ou 61,9 % selon ce qu’on met au dénominateur. Quatre valeurs pour un seul mot. Onze prix journaliers différents coexistent sans que personne ait tranché lequel fait foi. Et « client nouveau » n’est défini nulle part, ce qui rend mon coût d’acquisition incalculable, même si je mesurais parfaitement les dépenses.
Ce ne sont pas trois problèmes séparés. C’est un seul problème, et ce concept lui donne un nom.
Ici, mon objection change de nature. Les quatre premiers mots ne me vont pas parce qu’ils décrivent autre chose. Celui-ci ne me va pas parce qu’il est trop petit. Il ne désigne pas mon système, il désigne une pièce de mon système.
Dire « je construis une ontologie » ne dit ni à quoi ça sert, ni pour qui, ni ce que ça produit. C’est une brique, pas une identité. Ces mots viennent d’ailleurs du monde de la donnée, pas de celui de la finance.
Ce que je retiens
Aucun des cinq ne décrit entièrement ce que je construis. Chacun répond à une question différente et en éclaire une face. Quand ça a été conçu. Qui déclenche. Comment c’est construit. Sur quelles données. Sur quel socle.
Je n’ai donc toujours pas mon concept. En revanche j’ai cinq briques et j’y vois nettement plus clair.
Sources
- Sarah Friar, directrice financière d’OpenAI, What building an AI-native finance function taught me, publié le 10 août 2026. lien
- Irene Aldridge et 24 co-auteurs, Agentic Artificial Intelligence in Finance: A Comprehensive Survey, arXiv:2604.21672, soumis le 23 avril 2026. Le papier porte sur les marchés financiers. lien