IA en finance : le glossaire indispensable pour les directions financières

Depuis l'arrivée de ChatGPT fin 2022, l'IA en finance s'impose progressivement dans le quotidien des directions financières. Reporting, pilotage financier, planification budgétaire, prévisions, analyse de données ou encore aide à la décision : les cas d'usage pour les DAF se multiplient et les promesses sont nombreuses.

En parallèle, un nouveau vocabulaire est apparu : LLM, IA générative, agents IA, MCP, tokens, copilotes… Des termes omniprésents dans les démonstrations des éditeurs, les conférences et les médias, mais dont la signification reste parfois floue.

Pourtant, comprendre ces notions est devenu essentiel pour les équipes finance. Non pas pour devenir expert en intelligence artificielle, mais pour identifier les opportunités, évaluer les risques et prendre des décisions éclairées lorsqu'il s'agit d'intégrer l'IA dans les processus financiers de l'entreprise.

Dans ce glossaire, nous revenons sur les principaux concepts à connaître afin de mieux comprendre les technologies qui transforment progressivement les métiers de la finance.

Les notions essentielles de l'IA en finance

L'IA générative

L'IA générative est une catégorie d'intelligence artificielle capable de créer du contenu à partir d'une instruction formulée en langage naturel : texte, image, code, audio ou vidéo.

Popularisée par des assistants conversationnels comme ChatGPT, Claude ou Gemini, elle est aujourd'hui utilisée pour assister les collaborateurs dans leurs tâches quotidiennes.

En finance, l'IA générative permet par exemple de résumer un reporting financier, rédiger un commentaire ou expliquer un écart budgétaire.

Les LLM (Large Language Models)

Les LLM sont des modèles d'intelligence artificielle entraînés sur d'immenses volumes de données textuelles afin de comprendre et de générer du langage naturel.

ChatGPT utilise les modèles GPT d'OpenAI, Claude utilise les modèles Claude d'Anthropic et Gemini utilise les modèles Gemini de Google..

En d'autres termes, un LLM est le moteur qui permet à une IA générative de comprendre une demande et de produire une réponse en langage naturel.

Pour simplifier, l'IA générative est l'usage ; le LLM est la technologie qui le rend possible.

Le prompt

Le prompt est tout simplement la consigne donnée à une IA.

La qualité de la réponse dépend souvent de la qualité de la question.

Par exemple :

❌ Analyse ces chiffres.

✅ Analyse les écarts entre le budget et le réalisé du premier semestre, identifie les trois principales causes et propose des pistes d'action.

Un prompt précis permet généralement d'obtenir des réponses plus pertinentes.

Les copilotes IA

Un copilote est une IA intégrée à un logiciel métier. Son rôle est d'assister l'utilisateur dans ses tâches quotidiennes, sans agir de manière autonome.

Par exemple, un copilote peut aider un contrôleur de gestion à préparer un budget prévisionnel, construire un rolling forecast, générer un commentaire sur un P&L ou proposer des scénarios budgétaires.

L'IA Agentique

L'IA agentique constitue la nouvelle étape de l'évolution de l'intelligence artificielle.

Alors que l'IA générative répond à une question ou produit un contenu, l'IA agentique est capable de réaliser une mission complète en enchaînant plusieurs actions de manière autonome : rechercher des informations, analyser des données, produire un rapport ou déclencher un processus métier..

Par exemple, un agent IA pourrait :

• récupérer les données d'un EPM ou d'un ERP ;

• les comparer au budget ;

• identifier les principaux écarts ;

• générer un reporting financier ;

• l'envoyer automatiquement aux responsables concernés.

L'utilisateur définit l'objectif ; l'agent exécute les différentes étapes.

Les premiers cas d'usage de l'IA en finance concernent l'automatisation de tâches répétitives, mais les agents IA ouvrent la voie à des processus beaucoup plus autonomes.

Le protocole MCP (Model Context Protocol)

Pour être réellement utile, une IA doit pouvoir accéder aux bonnes informations.

Le Model Context Protocol (MCP) est un standard qui permet à une IA de communiquer de façon sécurisée avec les applications de l'entreprise : ERP, EPM, CRM, outils de planification financière, bases documentaires ou plateformes collaboratives.

Pour une équipe Finance, c'est un élément clé. Une IA qui travaille uniquement à partir d'un prompt donnera une réponse générique. Une IA connectée aux données de l'entreprise pourra produire des analyses contextualisées, tout en respectant les droits d'accès définis par l'organisation.

Les tokens

Les tokens sont les unités utilisées par les modèles d'IA pour traiter le texte.

Un mot peut représenter un ou plusieurs tokens. Plus une conversation est longue ou plus les documents analysés sont volumineux, plus le nombre de tokens consommés augmente.

Pourquoi est-ce important ?

Parce que de nombreux fournisseurs facturent leurs modèles en fonction du nombre de tokens utilisés.

Pour les entreprises qui souhaitent déployer largement l'IA, cette notion devient rapidement un enjeu de maîtrise des coûts.

Ce qu'il faut retenir

L'intelligence artificielle évolue rapidement, mais quelques notions suffisent pour comprendre les discussions actuelles.

TERME	A RETENIR
IA générative	Crée du contenu à partir d'une demande.
LLM	Le moteur qui comprend et génère du texte.
Prompt	La consigne donnée à l'IA.
Copilote	Assiste l'utilisateur dans un logiciel.
IA agentique	Réalise une mission en enchaînant plusieurs actions.
MCP	Connecte l'IA aux applications métier.
Tokens	Mesurent le volume traité et influencent le coût.

Et après ?

L'intelligence artificielle transforme progressivement les pratiques des directions financières. Qu'il s'agisse de pilotage financier, de reporting, de planification budgétaire ou de prévisions, elle ouvre de nouvelles perspectives pour automatiser certaines tâches, accélérer les analyses et renforcer l'aide à la décision.

Toutefois, la performance d'une IA en finance ne dépend pas uniquement du modèle utilisé. Les véritables facteurs de différenciation résident dans la qualité des données, leur gouvernance et leur capacité à être connectées aux outils métiers. C'est sur ces fondations que les directions financières pourront construire des usages de l'IA réellement créateurs de valeur.

Dans un prochain article, nous verrons justement ce que l'IA change concrètement pour les DAF, et comment elle peut accélérer les analyses, améliorer les prévisions et accompagner la prise de décision.

👉 Vous souhaitez découvrir comment une plateforme de planification financière peut préparer vos données pour exploiter pleinement l'IA ? Découvrez Buddl.

Stéphanie Marie,

Ex financière et CEO Buddl

Avec plus de 10 ans d’expérience en tant qu'auditrice financière et responsable du contrôle de gestion en grand groupe et start-up, Stéphanie a développé une connaissance poussée du monde de la finance. Passionnée par la simplification des enjeux financiers et par l'innovation, elle est aujourd'hui à la tête de la société Buddl, la plateforme collaborative de planification financière accessible à tous.