Le vrai sujet n’est pas l’outil, mais la responsabilité du flux

Dans un cabinet d’expertise comptable, l’IA ne s’installe pas dans un environnement neutre. Elle entre dans un métier déjà contraint par la confidentialité, la qualité de la preuve, les délais déclaratifs, la pression de production et la confiance client. Un assistant IA qui résume un dossier, classe des justificatifs ou prépare une réponse ne remplace pas la responsabilité professionnelle : il déplace le point de contrôle.

Le Conseil national de l’ordre des experts-comptables a déjà structuré des ressources autour de la data, de l’IA générative et des usages professionnels de la profession [1]. France Num relaie également des repères spécifiques pour les cabinets qui veulent adopter l’IA générative sans banaliser les données clients [2]. La direction à prendre est assez claire : l’IA devient un levier métier, mais seulement si elle est cadrée comme un processus de cabinet, pas comme un outil individuel.

La mauvaise entrée consiste à demander : « quel outil choisir ? ». La bonne entrée consiste à cartographier les flux où le cabinet perd du temps, puis à distinguer trois familles : les tâches répétitives vérifiables, les tâches de jugement professionnel et les tâches commerciales ou pédagogiques. L’IA peut aider les trois, mais pas avec le même niveau d’autonomie.

Le cabinet qui gagne avec l’IA n’est donc pas celui qui multiplie les comptes gratuits ou les extensions dans chaque outil. C’est celui qui décide explicitement où l’IA peut intervenir, ce qu’elle n’a pas le droit de voir, qui valide la sortie et comment le temps récupéré sera réalloué.

Les usages réalistes sont moins spectaculaires, mais plus rentables

Les cas d’usage vraiment utiles en cabinet sont souvent modestes. Ils ne promettent pas un cabinet autonome. Ils réduisent les frictions sur des micro-flux : réception de pièces, tri de documents, préqualification, synthèse, relance, préparation de points d’attention, rédaction initiale d’une note client ou contrôle de cohérence.

La transformation de la profession décrite dans les ressources de l’Ordre repose justement sur cette montée en compétence autour de la data, des outils et des nouveaux usages [3]. L’enjeu n’est pas d’ajouter une couche IA à un processus fragile. L’enjeu est d’identifier les endroits où une aide algorithmique améliore un flux déjà compris.

Ce tableau montre une règle simple : plus l’usage influence un conseil, un arbitrage ou une décision client, plus il doit être lent à déployer. L’IA peut produire une première version. Elle ne doit pas produire une décision professionnelle invisible.

Le risque principal reste la donnée client

Un cabinet manipule des données financières, fiscales, sociales et parfois patrimoniales. La tentation de coller un extrait de balance, une fiche de paie, un échange client ou une liasse dans un outil IA générique est forte, parce que la démonstration fonctionne vite. C’est précisément le danger : l’usage facile devient un raccourci de production.

Les fiches pratiques de la CNIL rappellent les points de vigilance pour les systèmes d’IA, la base légale, l’information, les données d’entraînement et la conformité RGPD [7]. Le guide CNIL du sous-traitant rappelle aussi les obligations lorsqu’une organisation traite des données pour le compte d’un responsable de traitement [8]. Un cabinet ne peut donc pas traiter l’IA comme un simple correcteur de texte lorsque la matière envoyée contient des données clients.

La question n’est donc pas « cloud ou local » au départ. La question est « quelles données, dans quel outil, pour quelle finalité, avec quelle reprise humaine ? ». Une réponse cloud peut être acceptable pour des brouillons génériques. Elle devient insuffisante pour des dossiers clients complets si les garanties contractuelles et techniques ne suivent pas.

La facturation électronique rend la qualité des flux plus stratégique

La généralisation de la facturation électronique ne rend pas l’IA obligatoire. Elle change néanmoins la pression opérationnelle sur les cabinets : qualité des données, plateformes, réception, émission, e-reporting, formats, délais et accompagnement client. Les pages officielles d’impots.gouv.fr rappellent les échéances de réception et de déploiement progressif des obligations [5], ainsi que le rôle des plateformes agréées [6].

Ce contexte crée un terrain favorable aux usages IA, mais pas n’importe lesquels. Une IA utile peut signaler une incohérence, préparer une synthèse, classer un flux, prioriser une relance ou générer une explication client. Une IA mal cadrée peut au contraire masquer une erreur, créer une dépendance à une sortie opaque ou accélérer la circulation d’informations sensibles.

La facturation électronique peut donc servir de déclencheur. Elle oblige à regarder les flux, les responsabilités et la qualité de la donnée. Mais elle ne doit pas servir d’alibi pour automatiser vite un processus que le cabinet ne sait pas encore mesurer.

La charte IA doit être courte, mais non ambiguë

Une charte IA de cabinet n’a pas besoin d’être longue pour être opérante. Elle doit surtout éviter les zones grises. Les ressources de sensibilisation de l’Ordre sur la data et l’IA invitent déjà la profession à structurer les usages et les réflexes [4]. En pratique, la charte doit tenir dans la main des collaborateurs et répondre aux situations concrètes du quotidien.

Cette charte doit ensuite rejoindre le registre des usages et le registre des activités de traitement lorsque des données personnelles sont concernées. La CNIL rappelle l’importance du registre prévu par l’article 30 du RGPD [9]. Pour un cabinet, ce point n’est pas administratif : il rend visible ce qui serait autrement dispersé entre collaborateurs, outils et dossiers.

Le ROI dépend de la reprise humaine, pas du temps brut annoncé

Le piège classique consiste à mesurer l’IA au chronomètre : une synthèse produite en trente secondes, une relance en deux minutes, une note client en un prompt. Cette mesure est séduisante, mais elle oublie le coût de reprise. Si un collaborateur doit relire trois fois, retrouver la source, corriger une approximation et rassurer le client, le gain brut disparaît.

Le NIST AI Risk Management Framework propose une logique utile pour ce type de pilotage : gouverner, cartographier, mesurer et gérer les risques d’un système IA [12]. Transposé au cabinet, cela signifie que le ROI ne se calcule qu’après quatre mesures : temps produit, temps relu, erreurs détectées et valeur de la tâche réallouée.

Cette distinction évite une erreur coûteuse : acheter un outil parce qu’il est spectaculaire en démo, puis découvrir que l’organisation n’a pas changé. Un budget IA n’a de sens que si le cabinet sait quelle tâche sort du flux, quelle tâche y entre, et qui assume la qualité finale.

Le bon déploiement tient en trois paliers, pas en grand soir logiciel

Un cabinet peut tout à fait avancer vite, à condition de ne pas confondre vitesse et généralisation. La meilleure séquence consiste à réduire le périmètre au départ, puis à ouvrir progressivement. Cette méthode évite deux écueils fréquents : laisser les usages individuels se multiplier sans contrôle, ou acheter une solution trop large avant d’avoir identifié les flux qui rapportent vraiment.

Le premier palier doit répondre à une question très simple : où le cabinet perd-il du temps sur un flux stable et vérifiable ? Le deuxième palier vérifie la sécurité : quelles données entrent, quelles données sortent, qui valide et comment l’erreur est détectée ? Le troisième palier décide de l’extension : formation, intégration, règles permanentes, indicateurs de qualité et responsabilité interne.

Cette cadence a un autre avantage : elle rend le projet lisible pour les associés et pour les équipes. Chacun voit le périmètre, les critères d’arrêt, les bénéfices attendus et les limites. L’IA cesse d’être une injonction de modernisation et devient un chantier de maîtrise opérationnelle.

Cinq signaux indiquent qu’un cabinet peut passer du test au déploiement

Le passage à l’échelle ne doit pas dépendre de l’enthousiasme d’un associé ou d’un collaborateur avancé. Il doit dépendre de signaux vérifiables. L’AI Act introduit une logique plus large de gouvernance des systèmes d’IA, avec des obligations différenciées selon les niveaux de risque [11]. Même si tous les usages de cabinet ne relèvent pas du haut risque, cette logique aide à structurer les décisions.

L’avis 28/2024 du Comité européen de la protection des données rappelle aussi que les modèles IA doivent être regardés à travers les principes du RGPD, notamment lorsqu’ils mobilisent des données personnelles [10]. Pour un cabinet, cela plaide pour un déploiement sobre : peu d’usages au départ, mais bien documentés.

Le bon rythme n’est donc pas une adoption générale. C’est une séquence disciplinée : un flux, une règle, une mesure, une extension. Ce rythme paraît moins spectaculaire qu’un déploiement massif. Il protège pourtant la valeur du cabinet, parce qu’il transforme l’IA en capacité organisationnelle plutôt qu’en collection d’outils.