Les cabinets d'audit devraient utiliser l'IA pour élargir les questions posées, et non pour réduire le nombre de personnes qui répondent
Le projet pilote de KPMG suggère que des agents d'IA peuvent interroger les comptes mieux que des humains, mais la vérification humaine reste indispensable, et les régulateurs devraient veiller à ce qu'elle le demeure.

Points clés
- Dans le projet pilote, les agents d'IA ont posé des questions plus pertinentes que les comptables, mais une intervention humaine est restée nécessaire
- Une mauvaise question ne coûte que quelques minutes à écarter, alors qu'une mauvaise conclusion d'audit peut fausser les comptes : l'IA doit donc intervenir en amont du jugement
- Les régulateurs devraient exiger la divulgation de l'usage de l'IA, la publication des taux d'erreur et la validation par un humain nommément désigné
Le projet pilote de KPMG mérite d'être pris au sérieux, mais non comme un prélude au remplacement des auditeurs. Nous y voyons la preuve que l'IA est particulièrement utile dans l'audit lorsqu'elle élargit les questions posées à la direction, tandis que les humains restent responsables des réponses et des conclusions. Le cabinet du Big Four a utilisé des agents d'IA pour examiner les états financiers d'une entreprise du FTSE 250, et ces agents ont posé de meilleures questions que les comptables. L'intervention humaine est restée nécessaire. Les deux volets de ce résultat comptent, et la politique publique devrait en tenir compte.
L'audit consiste à vérifier ce qu'une entreprise dit d'elle-même. Un examinateur qui lit chaque note, recoupe chaque chiffre et ne se lasse jamais a un avantage évident sur une équipe surchargée travaillant sous la pression d'une échéance. Les critiques de la profession font aussi valoir que les collaborateurs juniors ont des raisons d'éviter les questions embarrassantes à un client qui paie leurs honoraires. Un logiciel n'a pas de carrière à protéger. C'est un argument pour s'en servir afin de générer des pistes d'investigation, et non une raison de lui confier le verdict.
Les limites sont réelles, et les détails du projet pilote restent flous. Nous ignorons combien des questions posées par les agents ont abouti à quelque chose, combien étaient erronées, et en quoi a consisté l'intervention humaine. Le compte rendu note également que peu d'entreprises disposent aujourd'hui de données suffisamment propres pour que ces agents puissent travailler. Un seul projet pilote dans une seule entreprise est un résultat prometteur, pas une méthode.
L'objection la plus solide porte sur les incitations. Si une machine peut rédiger les questions, les cabinets seront tentés de réduire les équipes qui effectuaient auparavant ce travail, de conserver quelques signataires et de vendre des audits moins chers et de moindre qualité. Même un faible taux d'erreur dans l'analyse par l'IA oblige à tout vérifier, et un modèle qui affirme avec assurance une chose fausse est plus dangereux qu'un modèle visiblement incertain. Se pose aussi un problème de formation : les auditeurs juniors apprennent leur métier en réalisant le travail que l'on confie aujourd'hui aux logiciels.
Ces risques sont sérieux, mais ils plaident pour une manière de déployer l'outil, non pour son abandon. Utilisée pour générer des questions, l'IA rend ses propres erreurs peu coûteuses : une mauvaise question ne prend que quelques minutes à écarter, alors qu'une mauvaise conclusion peut laisser des comptes erronés sous les yeux des investisseurs. La défaillance de contrôle signalée chez Citigroup, où des transactions d'une unité de titres basée au Royaume-Uni ont été enregistrées à l'aide d'un modèle interne que les régulateurs n'avaient pas approuvé, et où les actifs pondérés des risques ont été sous-évalués d'environ 35 milliards de dollars, est le type de faille vers lequel un questionnement systématique pourrait être dirigé. Nous ignorons comment cette erreur a été découverte, et nous ne prétendons pas que l'IA l'aurait détectée. L'essentiel est qu'un questionnement infatigable et sans complexe a de la valeur, à condition qu'une personne qualifiée décide de ce que signifient les réponses.
Trois mesures devraient en découler. Premièrement, le régulateur de l'audit devrait obliger les cabinets à informer les comités d'audit lorsque des agents d'IA ont été utilisés dans une mission, et de ce que les humains ont fait de leurs résultats. Deuxièmement, les cabinets devraient publier les résultats de leurs projets pilotes, y compris la fréquence des erreurs des agents, afin que les affirmations sur de meilleures questions puissent être vérifiées plutôt que présumées. Troisièmement, un humain nommé et qualifié doit conserver l'entière responsabilité de l'opinion, la responsabilité du cabinet demeurant inchangée quels que soient les outils qu'il choisit.
Les entreprises ont elles aussi un rôle à jouer. Les comités d'audit devraient demander à leurs auditeurs comment l'IA est utilisée et exiger que les économies éventuelles se traduisent dans les honoraires. Les directions financières devraient commencer à nettoyer les données dont ces outils ont besoin. Les cabinets, pour leur part, devraient préserver les postes de formation des auditeurs juniors, car ceux qui signeront un jour des opinions doivent apprendre quelque part ce qu'est une bonne question.
Cet éditorial exprime la position de Global Eye 24. Rédigé avec l'aide de l'IA, traduit de l'anglais. Une erreur ? Écrivez à corrections@globaleye24.com.