Finance 2035 : la cible est belle, mais est-elle atteignable pour vous ?
Les études prospectives ont déjà dessiné la Finance de 2035 : budgets validés en deux heures, agents qui veillent sur la trésorerie la nuit, contrôleurs libérés de leurs slides mensuels. Mais entre cette vision et votre ERP installé sous la présidence précédente, il reste quelques étapes. Cet article fait le tri entre ce qui est atteignable, ce qui le sera sous conditions et ce qui relève encore de la brochure.
De la vision prospective à votre propre réalité
Si vous cherchez la Finance de demain sur le web, vous la trouverez sans peine. Gartner, Deloitte, EY ou PwC publient des projections riches et documentées.
Mais nos clients posent une question plus concrète : cette vision s’applique-t-elle à eux… ou pas ? Une étude mondiale décrit une moyenne ; votre département a son historique, ses outils et ses exceptions. Voici donc des clés de lecture : les hypothèses de cette vision et les freins qui peuvent bloquer sa réalisation chez vous.
À retenir : une vision 2035 décrit une moyenne de marché ; votre trajectoire dépend d’abord de votre point de départ.
La promesse 2035 : ce que dessinent les études de marché
La cible qu’elles décrivent tient en une phrase : la machine produit, l’humain interprète et décide. Pour un contrôleur de gestion, cela donne :
| Aujourd’hui | En 2035, selon cette vision |
| Je passe 3 jours à construire la consolidation budgétaire | Je valide en 2 heures un budget généré automatiquement |
| Je reçois les reportings à J+10 | Je consulte un tableau de bord mis à jour en continu |
| Je détecte les anomalies à la main après la clôture | Un agent me les signale avant qu’elles n’impactent les comptes |
| Je refais les mêmes slides chaque mois | Je challenge les hypothèses stratégiques avec le business |
Selon Gartner (avril 2026), les DAF qui pilotent l’IA comme un portefeuille technologique pourraient gagner 10 points de croissance de marge d’ici 2029, à condition de s’appuyer sur une gouvernance, une explicabilité et des données prêtes.
Dans les équipes que nous accompagnons, on observe souvent un ordre de grandeur de 80 % du temps consacré à collecter, mettre en forme et contrôler, contre 20 % à analyser et conseiller. La promesse 2035 consiste à retourner ce sablier.
Où en est la Finance en 2026 ?
MeltOne intègre les trois briques dont la Finance se nourrit : ERP, EPM* et plateforme de données. Ce poste d’observation est clair : l’IA arrive de plus en plus fort dans ces solutions, avec une maturité et une valeur métier encore très variables d’un éditeur à l’autre (détail dans L’impact IA en Finance : comment vos architectures évoluent ?).
Côté usages, l’écart est net. Selon Deloitte (Finance Trends 2026), 63 % des responsables Finance déclarent avoir pleinement déployé l’IA, mais 21 % seulement constatent un retour mesurable. Et les usages restent modestes : selon l’enquête Gartner 2025, le trio de tête est la gestion des connaissances (49 %), les comptes fournisseurs (37 %) et la détection d’anomalies (34 %).
Les solutions agentiques transverses dédiées à la Finance restent rares : fonction support, elle reçoit peu de budgets IA.2
À retenir : en 2026, l’IA est partout dans les discours et encore rare dans les processus Finance. Personne n’a pris dix ans d’avance.
Les briques de la cible : des agents qui agissent… et qui se parlent
L’agent autonome : de l’analyse à l’action
Un agent autonome reçoit un objectif, agit sur ses outils et ses données, observe le résultat et recommence. Demandez-lui une synthèse de votre P&L : il répond que le chiffre d’affaires dépasse le budget de 2,5 %, puis explique pourquoi.
L’Agent Analyste de Pigment produit ainsi chaque matin une analyse OPEX réel contre budget, dans le format que vous lui avez imposé. Ces agents font surtout de l’analyse aujourd’hui ; ils déclencheront de plus en plus d’actions demain. Six exemples concrets sont détaillés dans Agent IA dans l’EPM : 6 cas d’usage concrets pour vos équipes.
À retenir : l’agent apporte de l’autonomie d’analyse sur votre périmètre, puis, progressivement, d’action.
La communication entre agents : la fin des frontières applicatives
Les nouveaux protocoles, comme le MCP*, permettront de manière croissante et simplifiée à un agent d’interroger plusieurs applicatifs dans une même conversation. À la question « Quelle est ma plus grande variation de coût par rapport au forecast ? », l’EPM répond : le marketing, +13 %. « Quelle est la plus grosse facture marketing du mois ? » : la plateforme de données identifie un grand salon partenaire à Lyon en mars. À noter que l’analyse post-event signale un ROI positif. « Qui a validé ? » : l’ERP donne le nom. Trois systèmes, une seule conversation, et une explication complémentaire.
Après le MCP viendront l’A2A* et d’autres protocoles. Des agents « suivi de trésorerie », « accélérateur de clôture » ou « challenger de budget » pourront alors couvrir un périmètre complet : analyser, alerter, proposer des corrections et des scénarios là où vous gardez la main.
Pour approfondir sur ce nouveau mode de communication : L’IA comme pont entre métiers et IT
À retenir : les protocoles entre agents effacent progressivement les frontières entre vos applicatifs Finance.
Frein n°1 : l’IA est générative, la Finance est déterministe
Un LLM* ne calcule pas : il prédit le mot le plus probable. Complétez « Jean est contrôleur. C’est un… » et le modèle choisira « expert » ou « spécialiste » plutôt qu’« ornithorynque », non par logique, mais par statistique. Demandez-lui combien font 12 345 × 6 789 et il pourra vous répondre avec aplomb 83 810 312. La bonne réponse est 83 810 205. Sur une ligne de P&L, ce genre d’aplomb coûte cher.
L’IA générative excelle pour rédiger un commentaire d’écart ou synthétiser des remontées de filiales. Mais la Finance a besoin de certitudes, pas d’un chiffre juste à 90 % : l’outil déterministe* (EPM, ERP) produit le chiffre, l’IA rédige et contextualise. Détail dans Peut-on faire confiance à l’IA générative en Finance ?
Brancher une IA générative sur un processus existant ne suffit donc pas : il faut redécouper chaque étape. Ce travail, souvent sous-estimé, explique une partie des démarrages ralentis.
À retenir : adapter un processus à l’IA, c’est décider étape par étape ce qui relève du calcul et ce qui relève du génératif.
Frein n°2 : un contexte et des processus qui ne sont écrits nulle part
Si vous ne savez pas l’expliquer à l’IA, l’IA ne l’inventera pas. La règle de reclassement que seule Laura connaît, le retraitement « qu’on fait toujours en mars » : tout cela vit dans des têtes, pas dans des procédures.
Un agent IA* est comme une recrue très rapide : sans rien de formalisé à lui montrer, il dépendra de vos explications au cas par cas, et son autonomie restera théorique.
À retenir : un processus que personne n’a documenté ne pourra pas être confié en autonomie à une IA.
Frein n°3 : des données et des référentiels qui ne se parlent pas
Si un même client porte trois codes différents dans l’ERP, l’EPM et le CRM, l’IA ne pourra pas croiser les données de façon fiable. Or la Finance a besoin de certitude, pas d’un rapprochement « probablement correct ».
Une direction financière s’appuie en moyenne sur 8 à 9 sources de données. Dans l’AI Pulse Survey d’EY (décembre 2024), 67 % des dirigeants disent que leur infrastructure de données freine leur adoption de l’IA ; côté Finance, Wolters Kluwer place la préparation des données en tête des conditions d’adoption (44 %).
L’IA aidera au nettoyage, mais partiellement : définir un référentiel commun reste une décision humaine, et souvent politique.
À retenir : l’IA ne crée pas vos incohérences de données, elle les révèle et les amplifie.
Frein n°4 : la dette technique, ce passager clandestin
L’IA doit s’appuyer sur des briques qui la supportent. Or beaucoup d’entreprises portent une lourde dette technique : ERP vieillissant, interfaces maison, fichiers Excel devenus critiques. Selon Deloitte, 41 % des équipes Finance débutantes en IA citent leurs technologies héritées comme un frein.
Moderniser coûte cher et absorbe les budgets IA. Ne pas moderniser crée des zones hors de portée des agents : sur un processus de 10 étapes, il suffit que 2 soient inaccessibles pour que l’humain reste dans la boucle et que le processus ne puisse pas être repensé de bout en bout.
Avec deux étapes hors de portée, l’automatisation se coupe en trois tronçons et un humain doit faire le relais à chaque rupture.
Votre trajectoire 2035 se joue donc peut-être déjà dans votre schéma directeur SI de 2027.
À retenir : deux étapes inaccessibles aux agents suffisent à casser l’automatisation de bout en bout d’un processus.
Frein n°5 : une gouvernance qui n’a pas encore désigné de responsable
Quand un agent propose une provision, qui la valide, et qui en répond devant les commissaires aux comptes ? Sans règles claires, l’IA crée une ambiguïté sur la responsabilité.
Selon McKinsey (début 2024), seules 18 % des organisations ont un comité habilité à trancher la gouvernance de l’IA. Pourtant, l’AI Act et vos contrôles internes (SOX ou équivalent) s’appliquent aux résultats d’une IA comme aux autres (Peut-on faire confiance à l’IA générative en Finance ?).
Il faut donc écrire ce que l’agent fait seul, ce qu’il propose et ce qu’il ne touche jamais. Un agent peut préparer la clôture ; il ne signera jamais la lettre d’affirmation.
À retenir : plus un agent est autonome, plus il faut savoir qui signe derrière lui.
Prise de recul : trente ans de révolutions annoncées
Depuis 1996, chaque vague devait tout changer, et vite : Internet, le cloud, le big data, les smartphones, le RPA, puis l’IA générative. Chacune a eu de forts impacts, mais rarement autant qu’annoncé, et jamais partout. Le RPA devait faire disparaître la saisie, beaucoup d’équipes ont surtout appris à maintenir des robots. Les cinq freins décrits plus haut sont la version 2026 de ces conditions de réussite.
À retenir : chaque vague technologique a tenu une partie de ses promesses, jamais toutes, et jamais partout en même temps.
Si les freins sont levés : à quoi pouvez-vous prétendre ?
Si ces cinq sujets sont traités, la cible devient crédible :
-
Des processus moins hachés
Car les agents se parlent d’un applicatif à l’autre. -
Une veille sur les signaux faibles
Au-delà de ce qu’une équipe peut scruter. -
Un recentrage sur le jugement
Validation, stratégie, interprétation.
Quel impact sur les équipes Finance ?
Depuis trente ans, chaque gain de temps en Finance est aussitôt comblé par de nouvelles analyses : on ne croise jamais d’équipe Finance oisive. Dans le panel Mostly Metrics de mi-2025, seuls 12 % des DAF ont réduit leurs effectifs grâce à l’IA, et selon Wolters Kluwer, 85 % jugent déjà les compétences IA importantes à l’embauche. Les postes centrés sur la production mécanique de l’information se réduisent ; ceux centrés sur son interprétation s’épanouissent.
| Fonction | Ce qui se réduit | Ce qui s’amplifie |
| Contrôle de gestion | Reruns manuels, reformatage des reportings | Business partnering, scénarisation stratégique |
| Comptabilité / clôture | Réconciliations manuelles, saisies répétitives | Supervision des agents, validation des exceptions |
| Trésorerie | Cash forecast manuel, reporting entité par entité | Prévision en continu, conseil aux entités |
| FP&A / reporting groupe | Mise en forme, construction des slides | Signaux faibles, aide à la décision |
À retenir : l’IA réduit la production mécanique de l’information, pas le besoin de Finance.
Ce que l’IA ne fera toujours pas à votre place
Même en 2035, six compétences resteront au cœur de la fonction Finance :
| Compétence | Ce que cela veut dire concrètement |
| Le bon sens stratégique | Comprendre pourquoi un chiffre est « techniquement juste mais stratégiquement absurde » |
| La responsabilité | Porter une décision d’investissement devant le conseil d’administration |
| Le contexte local | Savoir qu’une filiale en Allemagne ne se pilote pas comme une filiale au Brésil |
| La négociation | Négocier un budget avec un directeur commercial qui défend ses hypothèses |
| L’esprit critique | Détecter des résultats cohérents fondés sur une mauvaise hypothèse de départ |
| La confiance | Décider de faire confiance, ou non, à une donnée dont on ne maîtrise pas la source |
L’IA augmente la portée du jugement métier, elle ne le remplace pas. Et pour la négociation avec le directeur commercial, nous ne sommes même pas sûrs qu’elle en ait envie.
À retenir et à anticiper : la cible est-elle atteignable pour vous ?
La Finance de 2035 sera plus concentrée : elle aura délégué la production aux machines et gardé l’interprétation, le jugement et la décision. Pour mesurer votre distance à cette cible, trois questions :
| Question à vous poser | Ce que nous recommandons |
| Où va le temps de mes équipes ? | Cartographier honnêtement la part production et la part analyse |
| Quelle est la qualité de ma donnée ? | C’est le vrai prérequis, avant tout outil |
| Comment former mes équipes ? | Pas aux outils, mais à superviser et challenger des systèmes autonomes |
Pour situer précisément votre organisation, nous vous proposons le Diagnostic maturité IA : où en est votre entreprise ?. En 15 minutes, il évalue votre maturité IA sur six dimensions clés : de quoi mesurer votre point de départ et savoir par quel chantier commencer.
À retenir : la question n’est pas de savoir si la Finance de 2035 arrivera, mais à quelle vitesse elle arrivera chez vous.
En résumé : une belle cible, à condition de préparer le terrain
La vision 2035 dessinée par les études prospectives n’est pas un mirage, mais elle décrit une destination, pas votre itinéraire. Entre les deux, cinq chantiers : répartir calcul et génératif, formaliser vos processus, fiabiliser vos données, résorber votre dette technique et clarifier qui valide quoi. Ils ne feront la une d’aucun salon. Ce sont pourtant eux qui décideront si votre Finance de 2035 ressemble à la brochure ou à celle de 2026, avec un chatbot en plus.
Prenez rendez-vous
Parlons de votre projet et découvrez comment MeltOne peut transformer vos défis en solutions concrètes et performantes.
Glossaire
: protocole ouvert, lancé par Google en 2025, qui permet à des agents IA issus de plateformes différentes de se découvrir, d’échanger des informations et de se répartir des tâches. Il complète le MCP : le MCP relie un agent aux applicatifs et aux données, l’A2A relie les agents entre eux.
programme construit autour d’un ou plusieurs LLM, spécialisé sur une tâche métier, capable d’enchainer des actions et d’interagir avec d’autres outils.
calcul dont le résultat est toujours identique pour les mêmes données d’entrée, par opposition à une génération probabiliste de type LLM.
ensemble des systèmes vieillissants, développements spécifiques et contournements accumulés qui ralentissent toute évolution du système d’information.
solutions de pilotage de la performance (budget, prévision, consolidation, reporting).
modèle de langage entraîné sur d’immenses volumes de texte, qui prédit l’enchainement de mots le plus probable dans un contexte donné.
protocole standard qui permet à un LLM ou à un agent d’interroger un applicatif (ERP, EPM, plateforme de données) de façon sécurisée, sans développement lourd.
FAQ
Selon les principales études prospectives, à une Finance où des agents IA autonomes produisent budgets, reportings et analyses d’anomalies, tandis que les équipes se concentrent sur la validation, l’interprétation et la décision. Cette cible suppose toutefois des données fiables, des processus formalisés et des systèmes accessibles aux agents.
Cinq freins reviennent le plus souvent : le caractère probabiliste de l’IA générative face au besoin de certitude de la Finance, des processus et règles de gestion non documentés, des données et référentiels incohérents entre systèmes, une dette technique qui laisse des étapes hors de portée des agents, et une gouvernance qui n’a pas encore défini qui valide ce que produit l’IA.
À court terme, peu : dans le panel Mostly Metrics de mi-2025, seuls 12 % des DAF ont réduit leurs effectifs grâce à l’IA. À moyen terme, les équipes devraient se reconfigurer : moins de production mécanique de l’information, davantage d’analyse, de supervision des agents et de conseil.
Commencez par trois questions : où va réellement le temps de vos équipes, quelle est la qualité de vos données, et comment vous formez vos équipes à superviser des systèmes autonomes. Confrontez ensuite vos réponses aux cinq freins décrits dans cet article.
Par les fonctionnalités IA natives des outils déjà en place (EPM, ERP, plateforme de données), sur un processus non critique, en parallèle d’un chantier de qualité de données et de documentation des processus.