DAF : comment augmenter le ROI de vos projets IA ?

Les freins au ROI des projets IA appliquée à la finance

Mais quels sont les freins qui empêcheraient l’IA de donner plus de bénéfices ?

La conformité, la réglementation, l’auditabilité sont des contraintes intrinsèques au monde de la finance. Mais les freins au ROI seraient aussi ceux, habituels, des projets IA en général : manque de ressources, de compétences, infrastructure à revoir, suivi des coûts ou encore – et toujours – la qualité des données.

Et plus de 70 % des DAF disent rencontrer au moins quatre de ces obstacles critiques.

Pour y remédier, le BCG a identifié quatre facteurs clés communs aux stratégies qui dépasseraient les 20 % de ROI.

Les 4 axes pour augmenter le ROI de l’IA dans la finance

Le premier, consiste à se focaliser sur la valeur créée par l’IA en commençant par des « quick wins » (des gains rapides) et avec un budget à part, officiellement dédié au projet.

Il est impératif, ensuite, de faire un suivi des résultats, quitte à utiliser des proxys (comme la réduction en équivalent ETP) si le ROI direct est difficile à calculer, insiste le BCG.

Deuxième axe, aborder l’IA dans la transformation globale de la finance. Le principe consiste à lier les cas d’usage les uns aux autres – recommande le cabinet de conseils – comme dans « un collier de perles » (sic), où chaque projet s’appuie sur le précédent.

L’étude donne l’exemple d’une DAF qui a repensé globalement son reporting et ses prévisions en déployant un modèle spécifique et une interface de GenAI, avec à la clé une réduction de 50 % du temps sur son reporting et de 30 % sur ses prévisions.

Troisième pilier : la collaboration technologie/métiers. Le BCG recommande de constituer des équipes dédiées Finance-IT, mais aussi de créer un contact avec les fournisseurs (dont les éditeurs de logiciels). En effet 40 % Des DAF ne connaîtraient pas bien les capacités IA déjà présentes dans leurs outils. Or le « prêt à porter » technologique serait une bonne approche pour débuter.

IA prêt-à-porter vs développements maison

« Les principaux systèmes ERP intègrent déjà des capacités d’IA et de GenAI. SAP, par exemple, inclut des agents qui font des rapports, ou qui font correspondre les liquidités et les paiements – le tout par le biais de son bot Joule. BlackLine utilise aussi l’IA et la GenAI pour repérer les risques de clôture et faire correspondre les transactions », note le BCG. « Ces fonctionnalités sont régulièrement mises à jour, ce qui permet aux équipes financières d’accéder à des outils sophistiqués et prêts à l’emploi qui prennent déjà en charge des problèmes comme l’auditabilité et la sécurité des données ».

Mais ce prêt-à-porter n’est pas la solution pour tous les projets, ajoute immédiatement le cabinet de conseil. Ceci étant, le développement maison doit se concentrer sur les cas spécifiques et/ou cœur de métier.

Dernier point clé : une exécution ciblée, mais pensée pour scaler dès le départ pour éviter de rester au stade du PoC éternel.

« Les projets pilotes ne suffisent pas à assurer le retour sur investissement. Les équipes les plus performantes envisagent le passage à l’échelle dès le départ, en investissant moins dans des projets pilotes spectaculaires et plus dans la tâche au long cours, souvent moins glamour, de la promotion de l’adoption », souligne le BCG.

Quels projets ont le meilleur ROI ?

Beaucoup de projets d’IA se concentreraient par ailleurs sur l’efficacité interne – comme l’automatisation des factures fournisseurs. Or le top 10 des cas d’usage à fort ROI, selon BCG, montre que les bénéfices sont souvent ailleurs.

Ils seraient à chercher du côté de la gestion des risques (détection de fraude, par exemple), des prévisions financières et du FP&A, ou encore de la comptabilité statutaire. Des applications qui dépassent l’opérationnel pur.

Les DAF les plus performantes équilibreraient ainsi les gains d’efficacité et la transformation de leurs métiers avec une meilleure aide à la décision et de meilleures prévisions.

L’étude cite en exemple une entreprise de divertissement qui a mis en place un outil d’IA générative qui alerte en quasi temps réel sur les risques.

En attendant les agents

Une IA au service d’une finance plus proactive, en résumé. Et en attendant les agents IA, une nouvelle piste pour automatiser les processus plus complexes et avec beaucoup d’exceptions.

L’attente semble en tout cas très forte : 75 % des DAF pensent utiliser l’IA agentique couramment d’ici 3 ans et 17 % disent qu’ils le font déjà (ce qui paraît beaucoup au regard de la maturité réelle de cette technologie).

Mais là encore, le ROI ne pourra être au rendez-vous qu’en levant, dans un premier temps, les freins qui sont, peu ou prou, les mêmes que pour les projets d’IA actuels. Et auxquels s’ajouteront de nombreux autres (cybersécurité, interopérabilité, orchestration, place de l’humain dans la boucle de décision, etc.).