Au cours des deux dernières années, l'IA est devenue le mot à la mode dans le monde des affaires. Elle semble être partout, généralement accompagnée de la mention qu'elle va bouleverser les industries, les secteurs et les professions. Dans cet article, nous voulons examiner l'IA et l'audit : l'IA a-t-elle également atteint notre profession ? Et à quoi cela ressemblera-t-il ?
Une récente enquête de KPMG a révélé que quatre auditeurs sur dix s'attendent à ce que les gains d'efficacité générés par l'IA réduisent la taille des équipes d'audit. Circit estime que l'IA va émerger et continuer à progresser et évoluer, mais pas pour remplacer les auditeurs ou réduire les équipes. Au contraire, l'IA en audit signifiera que les auditeurs pourront confier les tâches répétitives afin de permettre une attention humaine accrue et de se concentrer sur les domaines où cela est nécessaire, où elle apporte une valeur ajoutée et où elle contribue à la qualité de l'audit.
Qu'est-ce que l'IA ?
Le grand public aura probablement entendu parler de l'IA grâce à l'explosion et à la croissance de ChatGPT. Le chatbot alimenté par l'IA générative a été lancé en décembre 2022 et a atteint 100 millions d'utilisateurs actifs mensuels en deux mois. Bien que ChatGPT soit familier à beaucoup, il existe encore une méconnaissance générale des technologies sous-jacentes qui composent l'IA. Dans son sens le plus large, l'IA est un sous-ensemble de technologies qui utilisent la puissance de calcul pour accomplir des tâches qui requièrent normalement l'intelligence humaine.
L'IA en audit pourra accomplir des tâches répétitives et entreprendre des analyses complexes qui dépassent les capacités humaines. Les exemples incluent l'examen des états financiers, l'automatisation des tâches répétitives comme la saisie de données et des capacités de test complètes qui vont au-delà des méthodes d'échantillonnage traditionnelles. À mesure que ces technologies continueront de se développer et de s'intégrer aux piles technologiques utilisées par les professionnels de la finance, le travail deviendra plus rationalisé, ce qui se traduira par une meilleure qualité et une production plus rapide des rapports financiers.
Un aperçu des différents types d'IA
Bien que nous y fassions simplement référence sous le nom d'« IA », ce terme couvre différents modèles qui ont des spécialisations différentes.
Traitement du langage naturel (TLN)
Le TLN est l'une des technologies d'IA les plus courantes et de nombreuses personnes y auront interagi car il alimente les assistants virtuels quotidiens, tels que Siri et Alexa. Il peut comprendre et manipuler le langage humain sous forme parlée et écrite.
Le TLN est également suffisamment sophistiqué pour mesurer le sentiment, lui permettant de créer des résultats précis basés sur le ton émotionnel des commandes. Deloitte a rédigé un article fascinant soulignant comment l'IA sociale peut être bénéfique, par exemple en matière de gestion de la clientèle et de satisfaction client.
Apprentissage automatique
Le machine learning est un type d'IA qui permet à la puissance de calcul d'apprendre à partir de données et d'améliorer ses performances sans être programmé. Les algorithmes deviennent plus précis, faisant des prédictions en fonction du volume de données sur lesquelles ils sont entraînés.
Modèles de langage étendus (LLM)
Les LLM peuvent comprendre et générer du texte de manière similaire à l'humain. Ils sont entraînés sur de vastes quantités de données textuelles pour apprendre les modèles et le contexte du langage afin de pouvoir répondre aux entrées des utilisateurs de manière précise et cohérente. Ils peuvent résumer de grandes quantités d'informations et répondre à des questions, et ils constituent l'une des principales technologies utilisées par ChatGPT.
Cas d'utilisation
De nombreux fournisseurs de solutions comptables et d'audit utilisent déjà l'IA directement dans leurs produits, et les outils logiciels d'IA généraux offrent des fonctionnalités qui peuvent soutenir les flux de travail des professionnels de la finance. Nous avons rassemblé un résumé des cas d'utilisation existants de l'IA dans l'audit et la comptabilité :
Automatisation des tâches quotidiennes
Les principaux fournisseurs de logiciels de comptabilité, y compris Sage et Xero, ont déployé des copilotes basés sur l'IA capables d'effectuer des tâches comptables quotidiennes. Les copilotes sont des assistants virtuels sophistiqués qui exploitent les LLM pour permettre aux utilisateurs d'améliorer leur productivité en posant des requêtes spécifiques au contexte et liées aux données existantes. Les copilotes comptables permettent aux comptables de générer des invites qui accomplissent des tâches telles que la création de factures, le suivi des paiements en retard, la modification de devis, les flux de trésorerie instantanés et les informations en temps réel. En audit, les copilotes pourraient aider à rationaliser la communication client, la saisie de données et l'analyse des états financiers.
Cela présente plusieurs avantages : le personnel gagne du temps sur les tâches répétitives, ce qui lui permet de se consacrer à des éléments nécessitant une attention experte, comme l'analyse des risques. Les gains de temps générés par une analyse plus rapide et la réduction des tâches manuelles signifient que les auditeurs peuvent fournir des conseils opportuns aux clients et potentiellement leur faire bénéficier de réductions de coûts.
Évaluation des risques
L'IA peut soutenir les processus de planification d'audit grâce à des fournisseurs utilisant des LLM et des algorithmes pour analyser de grands ensembles de données et des tendances afin de se concentrer sur les zones à haut risque lors des missions.
KPMG utilise déjà l'IA générative à l'échelle mondiale pour surveiller les risques d'audit. Cela permettra aux auditeurs d'améliorer la qualité des audits, de potentiellement réduire les coûts et de libérer du temps pour interroger les personnes chargées de la gouvernance. Les tâches pourront également être accomplies plus rapidement, car cela minimise le temps nécessaire pendant la phase de planification. De plus, cela créera l'opportunité de passer à une approche d'audit continu, avec une surveillance des risques en temps réel évaluant les données transactionnelles en direct.
Détection de la fraude
Traditionnellement, les audits sont réalisés via une approche par échantillonnage, les auditeurs sélectionnant une poignée de transactions au-dessus du seuil de matérialité. Jusqu'à présent, l'approche par échantillonnage a prévalu en raison de la dépendance aux processus manuels. Cependant, Les capacités d'apprentissage automatique permettront aux éditeurs de logiciels d'audit d'analyser des ensembles de données complets et de signaler toute transaction aberrante ou inhabituelle, plutôt que celles qui dépassent à peine le seuil de matérialité.
Examen des contrats
Un temps d'audit considérable est consacré à la recherche dans les contrats, que ce soit pour identifier des clauses (par exemple, des conditions de pacte), des dates de résiliation de fournisseurs et de clients, ou des informations supplémentaires pour déterminer le traitement des transactions. La recherche de ces informations sera facilitée par l'utilisation d'outils de PNL par les auditeurs pour identifier et extraire les données pertinentes. À partir de ces découvertes, les auditeurs pourront confirmer la nature des transactions plus complexes et évaluer les risques associés.
Ce n'est que la pointe de l'iceberg
Bien que tous les cas d'utilisation ci-dessus démontrent comment nous pouvons bénéficier de l'IA en audit, ce n'est que la pointe de l'iceberg. Les capacités de l'IA se développent à un rythme exponentiel. La première version de ChatPGT pouvait mémoriser environ trois pages de texte, tandis qu'un article récent de Google affirme que l'entreprise dispose d'une technologie permettant de donner un contexte infini aux LLM. Cela ouvre un éventail ahurissant de possibilités pour l'analyse et le traitement des données comptables et d'audit.
Les individus devraient adopter une mentalité de bricoleur, en utilisant des outils comme les GPT, pour développer des outils et des flux de travail adaptés aux besoins des clients. Dudley Gould, vice-président du développement commercial chez Circit, a exploré certaines de ces possibilités, y compris l'interprétation des normes comptables, dans un article récent sur notre blog.
Plutôt que de réduire la taille des équipes, l'IA en audit sera un catalyseur de nouveaux flux de travail, automatisant et allégeant les tâches quotidiennes qui prennent du temps mais n'apportent pas de valeur ajoutée. Si nous considérons l'IA comme un copilote ou un assistant, ouvrant la voie à de nouvelles fonctionnalités et capacités que nous n'avions pas auparavant, nous pouvons voir comment les auditeurs et les comptables peuvent travailler aux côtés de cette technologie pour ajouter de la valeur au travail et à la qualité de l'audit.
