Adoption de l’IA dans le prévisionnel : pourquoi ça patine ?
En 2026, les outils d’IA prédictives permettent de modéliser des centaines de scénarios en quelques secondes, d’intégrer des données externes en continu et de challenger les hypothèses des équipes Finance.
Pourtant, l’étude publiée par le FP&A board « 2025 FP&A Trends Survey » montre que 53% des organisations n’ont pas recours à l’IA dans leurs processus de FP&A, et seulement 10% l’utilisent pour le prévisionnel. Encore aujourd’hui, la plupart des fonctions Finance pilotent budgets et prévisions sur Excel, avec un savant mélange de données historiques, d’objectifs commerciaux et d’hypothèses négociées en réunion.
Cette adoption mesurée de l’IA n’est pas un retard technologique. C’est un signal fort, à la fois sur le rapport à la donnée, à la confiance et au changement. Décryptons-le.
Pourquoi le prédictif peine à s’imposer ?
Les freins relèvent de plusieurs ordres :
La donnée
avant même de parler d’algorithme, le premier obstacle est un pré-requis à l’IA : la qualité de la donnée. Au quotidien, les équipes de FP&A continuent de réconcilier les sources et de pallier les anomalies de données ou les différences de référentiel par des corrections manuelles.
La peur
de la boîte noire
les équipes Finance étant garantes de l’information financière, elles doivent pouvoir expliquer et justifier chaque élément. Un modèle prédictif complexe, même s’il produit des résultats, peut rendre la logique difficile à appréhender. Ce besoin de maîtrise de la donnée et du résultat produit est tout à fait justifié, renforcé par les attentes croissantes en matière de lisibilité et de traçabilité.
Le manque
de compétences
la mise en place d’un projet d’IA nécessite des compétences data que les équipes Finance ne possèdent souvent pas. Cette dépendance à des profils techniques – présents dans d’autres équipes ayant leurs priorités et contraintes budgétaires -, est réelle pour la construction du modèle et crée une appréhension concrète : celle de ne maîtriser ni les délais ni les évolutions du modèle.
L’identité
remise en question
c’est peut-être le frein le moins nommé explicitement, que les études agrègent dans « la résistance au changement » alors qu’il est plus profond. Le contrôle de gestion s’est construit sur sa capacité à produire, modéliser et expliquer budgets et forecasts. L’IA remet en question ces fonctions. Au-delà de la peur du changement, c’est bien une question d’identité que les projets d’IA ignorent trop souvent. Pourtant, c’est précisément là que peut se jouer l’adoption.
Ce que peut changer l’IA pour le FP&A dans le prévisionnel
Au-delà des promesses marketing, les avantages de l’IA prédictive sont réels.
Un déplacement de la charge de travail de la collecte à l’analyse : aujourd’hui, une part importante du contrôle de gestion est passée à collecter la donnée, la réconcilier, la consolider et la mettre en forme. Avec l’IA qui prend en charge ce travail, le contrôle de gestion peut se concentrer sur ce qui a de la valeur : analyser et challenger les données collectées, et construire des scénarios. Pour les entreprises ayant recours au rolling forecast, c’est un changement de rythme significatif avec des processus plus courts, plus fréquents et plus écologiques en effort.
Des projections enrichies et plus pertinentes : alors qu’actuellement, les prévisions classiques reposent sur 4-5 hypothèses principales, une IA peut intégrer des dizaines de variables – données macroéconomiques, signaux du marché, saisonnalité. Elle peut également challenger la pondération des facteurs sur les prévisions. Le résultat : des prévisions beaucoup plus robustes et moins exposées aux biais cognitifs humains.
La simulation de scénarios : le DAF peut désormais s’appuyer sur l’IA pour tester les impacts sur les projections d’hypothèses de travail sans avoir à mobiliser des équipes sur plusieurs jours. C’est une agilité que les cycles budgétaires classiques ne permettent pas.
Et le contrôle de gestion dans tout ça ? L’IA ne remplacera pas le contrôle de gestion. Elle lui libère du temps pour son rôle souvent évoqué de « Business Partner » : comprendre le métier, challenger la stratégie, et conseiller la Direction. Les études récentes (L’OIT, la BCE) le confirment : l’IA transforme les tâches, bien plus qu’elle ne supprime des postes.
Par où commencer concrètement
Poser les fondations :
l’audit des données va permettre de cartographier les sources et d’identifier les zones de fragilité. En parallèle, l’intégration de profils Data et Modélisation dans les équipes Finance leur permettra de comprendre les facteurs pondérant les prévisions et d’analyser les résultats en toute autonomie.
Expérimenter :
même si à terme, l’industrialisation de l’IA doit passer par une stratégie IA cohérente, un premier pas sur un périmètre limité, rapide et concret, est nécessaire. De nouvelles approches sont accessibles, sans investissements lourds ni transformations longues. En s’appuyant sur des solutions open source et des outils d’analyse conversationnelle, une démarche structurée allant du cadrage des besoins jusqu’au prototypage et au test de modèles, peut aboutir en quelques semaines.
C’est pourquoi Axys a développé un outil d’IA interne dédié à l’analyse des données et à la modélisation de scénarios, en étroite articulation avec une expertise métier de FP&A. Nous pouvons ainsi concevoir rapidement des modèles prédictifs à partir des données existantes, explorer différents scénarios de projection et éclairer les décideurs à moyen et long terme.
Conclusion :
Comprendre les appréhensions des équipes de FP&A et poser des premières mesures concrètes sont des conditions nécessaires – mais pas suffisantes – pour adopter l’IA dans le prévisionnel. Le vrai accélérateur reste le DAF : c’est lui qui donne du sens au projet et crée l’espace aux équipes pour expérimenter. L’adoption n’est pas seulement technologique. Elle est humaine, portée par des dirigeants qui choisissent d’y croire.
Sources :
https://www.ilo.org/fr/publications/intelligence-artificielle-generative-et-emploi-revision-2025
https://www.ecb.europa.eu/press/blog/date/2026/html/ecb.blog20260304~d9e34fc95f.en.html
https://fpa-trends.com/article/first-steps-ai-fpa-getting-started-without-getting-overwhelmed
Pour aller plus loin :
Murielle Nguyen Thuy
Senior Manager, BU Finance
Rejoignez la famille Axys
Rejoindre le cabinet de conseil Axys, c’est faire partie d’un collectif où nous sommes fiers de promouvoir la diversité et l’égalité des chances au sein de nos équipes. Nos différences font notre force !
Tu recherches un nouveau challenge ? Nous te proposons une expérience candidat enrichissante basée sur l’échange et la transparence. Axys c’est aussi un process recrutement inclusif qui prône la différence et la diversité.
