Les publications sur l’IA pour les pratiques d’audit interne sont peu nombreuses et méritent donc d’être mentionnées. Dans Repères 2024 (Editions La Découverte), un doctorant et un professeur associé de l’Université Paris-Dauphine, un associé de Grant Thornton France, Hayk Hovhannisyan, Béatrice Bon Michelet, Nicolas Gasnier-Duparc, ont rédigé un rapport sur le thème :
« L’impact de l’IA sur le processus d’audit interne ».
Sur la base d’une étude quantitative réalisée en 2022 et impliquant plus de 120 auditeurs, ils examinent comment les nouvelles technologies de l’IA sont susceptibles de modifier profondément le domaine de l’audit interne. Comme le soulignent les auteurs, l’IA étudiée ici « va bien au-delà de l’ »analyse de données » actuellement utilisée dans les fonctions d’audit interne et externe ».
Une utilisation encore limitée de l’IA, mais des attentes élevées
Le premier constat est sans appel : l’utilisation de l’IA est encore peu développée dans ce secteur d’activité.
- Seuls 25 % des répondants utilisent fréquemment l’IA
- Seuls 11 % des répondants utilisent régulièrement l’apprentissage automatique
Dans l’ensemble, cependant, les auditeurs sont certains que l’IA leur permettra de le faire :
- Réduire les délais de traitement (90 % des répondants).
- Abandonner les techniques d’échantillonnage au profit d’un certain niveau d’exhaustivité (88% des répondants).
D’autres améliorations, telles que la fiabilisation des résultats obtenus, sont également mentionnées.
Mais ce n’est pas sans risques ni difficultés
Bien entendu, comme pour toute nouvelle technologie, l’utilisation de l’IA n’est pas sans risque :
- Erreurs de paramétrage (79% des répondants).
- Biais dans la sélection des données (80 % des répondants).
- la surcharge d’informations (52 % des répondants) et la perte de contrôle dans la compréhension des résultats fournis par le système (64 % des répondants).
Les difficultés sont liées à la manière dont les données sont organisées au sein des organisations :
- Un investissement initial parfois important dans l’architecture des données (73% des répondants).
- Accès difficile aux bases de données (69% des répondants).
- Le manque de connaissances informatiques des auditeurs (65% des personnes interrogées).
- Le coût du développement ou de l’achat de solutions (63% des répondants).
- Manque de qualité ou de fiabilité de la base de données (48% des répondants).
- Le temps nécessaire à l’exploitation de ces solutions (45% des répondants).
- La capacité des auditeurs à analyser correctement les résultats (33 % des répondants).
- Manque de motivation (33% des répondants)
Pourtant, dans une société où les risques sont de plus en plus nombreux, et où il est important de pouvoir passer de « ce qui s’est passé » à « ce qui pourrait se passer » (Prokofieva 2022), l’IA semble offrir un véritable saut qualitatif. Au sein d’un espace conservateur habitué à la lenteur, qui doit aussi capitaliser sur les résultats des audits précédents.
Mais comme le rappellent les auteurs, l’adoption de l’IA ne se fera pas sans changements majeurs dans la méthodologie. Ces changements sont notamment les suivants :
- La nécessité de collaborer avec d’autres services de l’entreprise, d’autant plus difficile pour des personnes habituées à une extrême confidentialité.
- Apprendre de nouvelles compétences en matière de science et d’analyse des données.
- La capacité d’interpréter les résultats produits par l’IA.
Enfin, et ce dans tous les domaines de l’entreprise, il faut apprendre à collaborer avec la machine, à accepter ses erreurs, mais surtout à en tirer parti dans des boucles de rétroaction, où l’auditeur observe une erreur de la machine, et fournit cet exemple à la machine pour qu’elle ne commette pas d’autres erreurs.
Voir aussi : Kairntech pour l’analyse des contrats et Kairntech RAG assistants