L’agentic AI désigne l’utilisation d’agents d’intelligence artificielle, c’est-à-dire de programmes capables d’agir de manière autonome pour comprendre des tâches complexes, planifier des solutions et exécuter des actions spécifiques. En règle générale, un agent IA est un système fondé sur un LLM, enrichi de fonctionnalités supplémentaires qui lui permettent d’agir de façon répétée, autonome et orientée vers un objectif.
Il s’agit en réalité d’une évolution applicative de l’intelligence artificielle générative, dont la principale limite réside dans le fait qu’elle doit être sollicitée pour fonctionner. Cette avancée technologique est appelée à avoir un impact majeur sur la gestion financière. En effet, une grande partie des missions du CFO repose aujourd’hui sur des activités de suivi, de contrôle et de vérification qui, une fois automatisées grâce à des agents IA, peuvent conduire à une optimisation significative des processus financiers.
L’impact de l’agentic AI semble d’ailleurs appelé à égaler, voire à dépasser, celui de la GenAI. Selon IBM, 99 % des développeurs impliqués dans des projets liés à l’intelligence artificielle travaillent déjà sur des agents IA. Autrement dit, les prochaines années devraient voir ces solutions progresser rapidement et se diffuser à grande échelle. Deloitte, de son côté, classe également l’agentic AI parmi les tendances majeures.
Il s’agit donc d’une transformation de fond, dont les effets potentiels sur la fonction finance seront considérables dans les années à venir. Déjà engagée dans le domaine de l’Hyperautomation, Digital Technologies accompagne les CFO pour aborder cette évolution et tirer pleinement parti des opportunités offertes par ces nouveaux outils.
Appliquée à la finance, l’agentic AI consiste à déployer des agents intelligents capables d’opérer de manière autonome sur des tâches ciblées. Les cycles Order to Cash et Procure to Pay, par exemple, reposent en grande partie sur des processus où répétitivité et capacité de décision doivent coexister. Dans ce contexte, les agents IA peuvent apporter un soutien concret au CFO et à ses équipes, en améliorant sensiblement l’efficacité opérationnelle.
Contrairement à l’IA générative, un agent IA agit de façon continue et ciblée. Grâce à son intégration avec les systèmes de l’entreprise, il peut exécuter et mener à bien des processus financiers de bout en bout.
Les agents IA se distinguent par trois qualités fondamentales, qui les différencient des autres applications de l’intelligence artificielle en finance :
Autonomie : ils fonctionnent sans nécessiter une intervention constante de l’utilisateur ;
Proactivité : parce qu’ils sont en activité en continu, ils peuvent anticiper des scénarios, déclencher des workflows spécifiques et signaler des anomalies, tout en mobilisant les capacités de raisonnement simulé propres à l’IA ;
Adaptabilité : comme les autres solutions fondées sur l’intelligence artificielle, ils apprennent à partir des données, s’ajustent au contexte et s’améliorent au fil du temps.
À la différence de l’IA générative, capable de répondre à des demandes ponctuelles sur sollicitation directe, et plus largement des autres formes d’intelligence artificielle souvent orientées vers l’exécution d’une tâche unique, l’agentic AI est conçue pour agir dans des contextes réels d’entreprise.
Son comportement est orienté vers l’optimisation des processus — en l’occurrence financiers — et vers l’amélioration durable de la productivité de la fonction finance.
Il est assez intuitif de comprendre pourquoi ces outils sont particulièrement efficaces pour automatiser des processus répétitifs comportant toutefois des parcours décisionnels qui ne sont pas entièrement linéaires. Pour mieux en préciser les finalités, on peut classer les agents IA en plusieurs catégories :
Agents opérationnels : pour la gestion automatisée des documents et des transactions ;
Agents décisionnels : capables d’aider le CFO à prendre des décisions stratégiques mieux informées
Agents relationnels : pour automatiser les interactions avec les clients, les fournisseurs et, plus largement, les différentes parties prenantes ;
Agents de conformité : destinés à garantir le respect des exigences réglementaires ;
Agents de reporting : pour produire des résultats structurés et exploitables.
L’utilisation combinée de plusieurs typologies d’agents permet d’optimiser la gestion financière avec davantage d’efficacité, de précision et de réactivité. Cette approche s’intègre parfaitement à l’usage déjà établi du machine learning et du deep learning dans le domaine de la finance.