L’éditeur de technologie financière Payhawk observe qu’une entreprise sur deux se situe dans une zone intermédiaire de maturité en matière d’intelligence artificielle appliquée à la finance. Cette position traduit un décalage entre expérimentation technologique et capacité d’industrialisation, alors même que les directions financières sont soumises à des contraintes de contrôle, d’audit et de traçabilité plus strictes que d’autres fonctions.
Fondée en 2018 et basée à Londres, Payhawk développe une plateforme logicielle de gestion des dépenses d’entreprise intégrant des cartes de paiement, les traitement des factures, les notes de frais et les achats, dans un environnement unifié connecté aux systèmes comptables. L’éditeur cible les entreprises de taille intermédiaire et les groupes internationaux opérant dans plusieurs juridictions, avec un positionnement centré sur l’automatisation des flux financiers et leur intégration aux ERP.
Pour analyser l’adoption de l’intelligence artificielle dans cette fonction, Payhawk s’est associé au cabinet IResearch afin d’interroger 1 520 cadres dirigeants et responsables financiers dans huit régions couvrant notamment l’Europe, les États-Unis et la zone DACH. L’enquête a porté sur des organisations de 50 à plus de 1 000 salariés issues de secteurs variés, dont les services, l’industrie, la santé, l’enseignement ou les organisations à but non lucratif.
50 % en phase d’adoption active sans intégration complète
Les répondants ont été invités à évaluer la maturité de leur organisation sur une échelle de 1 à 10. Près de 50 % des entreprises se positionnent entre 4 et 6, c’est-à-dire dans une phase d’adoption active sans intégration complète dans les processus financiers critiques. À l’inverse, près d’un tiers déclarent un niveau de maturité élevé compris entre 7 et 10. Cette distribution montre que l’appropriation de l’IA progresse, mais reste largement cantonnée à des cas d’usage périphériques.
Selon l’étude, cette situation crée un déséquilibre opérationnel. Les entreprises ont engagé des initiatives qui génèrent des attentes internes, sans disposer d’une architecture de gouvernance et de données suffisamment stabilisée pour passer à l’échelle. Les directions financières doivent en effet aligner automatisation, conformité réglementaire et responsabilité comptable, ce qui ralentit mécaniquement la transformation.
Des contraintes de contrôle financier différenciantes
Contrairement aux fonctions où l’expérimentation technologique peut être isolée, l’IA financière intervient directement dans des workflows soumis à audit, validation et justification documentaire. Chaque automatisation modifie des chaînes engageant paiements, écritures comptables et conformité fiscale. Cette réalité impose des politiques de validation, des pistes d’audit et des responsabilités explicites avant tout déploiement à grande échelle.
« Nous travaillons avec des workflows où les approbations se transforment en dépenses, où les paiements sont effectués, où les exceptions s’accumulent et où les pistes d’audit sont testées », déclare Hristo Borisov, CEO et cofondateur de Payhawk, qui résume cette spécificité. Cette observation souligne que la difficulté ne réside pas dans la performance des modèles, mais dans leur insertion fiable dans des processus réglementés.
Un écart marqué selon la taille et le secteur
L’étude identifie des disparités importantes. Plus de 70 % des entreprises technologiques de plus de 250 salariés se considèrent comme très matures, tandis que seules 13,5 % des petites organisations issues de secteurs réglementés atteignent ce niveau. Les grandes entreprises non technologiques se concentrent majoritairement dans la tranche intermédiaire, adoptant l’IA sans réussir à l’intégrer aux opérations financières centrales.
La complexité organisationnelle joue également un rôle. Les structures multi-entités déclarent plus souvent une maturité élevée, car elles disposent déjà de mécanismes de consolidation et de normalisation des données. Toutefois, l’absence d’harmonisation ou de gouvernance cohérente peut produire l’effet inverse en créant des ralentissements liés à la qualité des référentiels financiers.
Aligner automatisation, qualité des référentiels et intégration
Le rapport CFO AI Readiness met en cause la lecture binaire opposant « leaders » et « retardataires ». Les organisations classées comme avancées présentent en réalité des niveaux très hétérogènes d’intégration opérationnelle. Certaines ont structuré leurs responsabilités et leurs contrôles, tandis que d’autres ont investi rapidement sans socle de données ni dispositifs de supervision adaptés.
Le frein principal identifié concerne la reproductibilité des usages. L’IA doit produire des résultats stables, auditables et conformes dans des environnements financiers exigeants. Cette exigence transforme l’adoption technologique en chantier d’architecture des données, de normalisation des processus et de gouvernance applicative, impliquant directement les DSI et les responsables de la conformité.
Pour les directions informatiques et financières, l’enjeu devient donc l’alignement entre automatisation, qualité des référentiels et intégration aux systèmes existants. L’étude montre que la valeur ne dépend pas d’une expérimentation isolée, mais de la capacité à transformer l’IA en composant fiable de la chaîne transactionnelle, mesurable par la réduction des traitements manuels, la traçabilité des opérations et la sécurisation des contrôles.
