Il est dix-huit heures, la revue mensuelle a lieu le lendemain matin et le commentaire des écarts n'est pas encore rédigé. Pour gagner du temps, un contrôleur de gestion copie l'export de son tableau de marges dans un assistant d'IA grand public, demande une synthèse des principaux écarts par client et obtient en quelques secondes un texte propre, structuré, presque prêt à être présenté. Personne ne lui a interdit de le faire, personne ne lui a non plus dit s'il en avait le droit, et personne, dans l'entreprise, ne sait que les marges par client viennent de quitter son périmètre.
Cette scène n'a rien d'exceptionnel ni de malveillant : c'est un professionnel consciencieux qui cherche à mieux faire son travail avec un outil efficace.
C'est précisément ce qui rend le sujet difficile : l'usage est simple, utile et presque invisible. Le problème ne vient pas nécessairement de l'outil utilisé ni de l'intention du collaborateur, mais de l'absence de réponse à des questions pourtant essentielles : quelles données viennent d'être transmises ? L'outil est-il autorisé par l'entreprise ? Que deviennent les informations une fois envoyées ? Et surtout, quelqu'un a-t-il défini ce qu'un collaborateur de la finance peut ou ne peut pas confier à une IA ?
Le risque de l'IA en finance, et en entreprise en général, c'est son utilisation sans cadre.
Les usages non approuvés de l'IA existent déjà dans l'entreprise
L'étude « AI Agents at Work 2026 », commandée par Okta, éditeur spécialisé dans la gestion et la sécurité des identités, et réalisée par Apprize360 en mars 2026 auprès de 292 dirigeants et 492 salariés dans sept pays, apporte un ordre de grandeur utile : 31 % des salariés français interrogés déclarent utiliser des outils d'IA non approuvés par leur entreprise.
Ce chiffre concerne l'ensemble des métiers représentés dans l'échantillon, et non les seules fonctions financières, ce qui ne permet pas de dire combien de comptables, de contrôleurs de gestion ou de trésoriers sont concernés.
Il dit en revanche quelque chose de plus large et de plus utile pour un dirigeant : l'usage de l'IA en dehors de tout cadre n'est pas un phénomène marginal réservé à quelques profils passionnés de technologie, c'est une pratique déjà répandue, qui s'est développée sans attendre que l'entreprise la décide.
Pour la finance, cette réalité mérite une attention particulière, parce que les informations manipulées quotidiennement ne sont pas anodines : balances, grands livres, données clients et fournisseurs, salaires, budgets, prévisions, marges, contrats, coordonnées bancaires ou encore informations liées à des opérations futures.
Ce que les équipes confient réellement à ces outils
La même étude permet d'aller plus loin que le simple constat d'usage. Parmi les utilisateurs d'outils d'IA non approuvés interrogés, tous pays confondus, 39 % déclarent y partager des documents confidentiels de l'entreprise, notamment des données financières et des contrats, et 28 %, sur ce même périmètre, des informations bancaires ou de paiement.
Ces chiffres ne signifient pas que 39 % des salariés diffusent les données financières de leur entreprise : ils portent uniquement sur ceux qui utilisent déjà des outils non approuvés. Mais c'est précisément ce qui les rend parlants, car ils montrent que, lorsqu'un usage s'installe hors cadre, il ne se limite pas à reformuler un courriel ou à résumer un article, et qu'il atteint rapidement les documents les plus sensibles.
Le mécanisme est facile à comprendre : l'IA est d'autant plus utile que la tâche est lourde, et les tâches lourdes, en finance, portent presque toujours sur des données internes. Analyser une balance âgée, comparer deux versions d'un budget, rédiger une note sur la trésorerie ou synthétiser un contrat fournisseur sont exactement les travaux pour lesquels un assistant fait gagner le plus de temps, et ce sont aussi ceux qui exposent le plus.
Ces pourcentages n'indiquent pas pour autant que toutes ces données ont nécessairement été compromises, ni que tout partage avec une IA constitue en soi un incident de sécurité. Ils montrent en revanche que la frontière entre une utilisation anodine et l'exposition d'une information sensible peut être franchie très facilement.
Pourquoi la finance est plus exposée
La finance concentre des données particulièrement sensibles. Toutes les fonctions de l'entreprise manipulent des informations internes, mais peu en réunissent autant dont la diffusion aurait des conséquences directes.
La finance détient les marges par client et par produit, les grilles de rémunération, les prévisions de trésorerie, les conditions négociées avec les fournisseurs et les banques, les contrats, les coordonnées bancaires des tiers et, selon les périodes, des informations sur des opérations en préparation qui ne doivent pas sortir d'un cercle restreint.
Une marge par client transmise à un service extérieur n'est pas un incident technique, c'est une information de négociation qui échappe à l'entreprise. Une prévision de trésorerie ou un plan de financement en cours de discussion relève du secret des affaires, et des coordonnées bancaires mal protégées alimentent un risque de fraude que les directions financières connaissent déjà bien. À cela s'ajoutent les obligations liées aux données personnelles, puisque les fichiers de paie ou les listes de clients en contiennent nécessairement.
Le risque ne tient pas seulement à ce qui est transmis, mais aussi à ce que l'on ignore de son traitement : selon l'outil, l'offre souscrite et les paramètres choisis, les données saisies peuvent être conservées, consultées ou réutilisées dans des conditions que l'utilisateur ne connaît pas, et qu'il n'a souvent jamais cherché à vérifier.
Un usage raisonnable pour le collaborateur peut rester un usage risqué pour l'entreprise si personne n'a défini la limite.
Interdire ne suffit pas à encadrer les usages
Face à ce constat, la réponse la plus naturelle consiste à interdire l'usage des outils d'IA non approuvés, par une note de service ou une clause ajoutée à la charte informatique. Cette décision a le mérite de la clarté, mais elle ne règle pas la question de fond si elle n'est accompagnée d'aucune alternative.
Le besoin qui a conduit le contrôleur de gestion à utiliser un assistant ne disparaît pas avec l'interdiction : la clôture reste aussi chargée, le commentaire des écarts doit toujours être prêt pour le lendemain, et le gain de temps reste aussi tentant. Sans outil autorisé, sans règle compréhensible sur ce qui peut ou non être confié à une IA, certains usages risquent simplement de continuer, avec une différence notable : personne n'en parle plus.
C'est là que se situe la vraie fragilité, car une entreprise ne peut pas maîtriser un risque qu'elle ne voit pas. Un usage déclaré peut être encadré, corrigé ou accompagné, alors qu'un usage tu reste hors de portée de toute règle, aussi bien rédigée soit-elle.
Une règle qui ne propose aucune alternative protège moins l'entreprise qu'elle ne le paraît.
Ce qu'un cadre doit trancher
Encadrer l'usage de l'IA en finance ne demande pas une politique de cinquante pages, mais quelques décisions claires, prises une fois sérieusement, puis partagées avec les équipes. Elles portent sur quatre questions.
La première concerne les données : lesquelles peuvent être confiées à un outil d'IA, lesquelles ne doivent jamais l'être, et lesquelles peuvent l'être après avoir été anonymisées ou agrégées. Une analyse de tendance sur des montants globaux n'appelle pas les mêmes précautions qu'un fichier nominatif de rémunérations ou qu'un relevé de coordonnées bancaires.
La deuxième concerne les outils : quels assistants sont autorisés, dans quelle version et avec quels paramètres, en particulier sur la conservation et la réutilisation des données saisies. Le choix d'un outil approuvé n'a de valeur que si ses conditions d'utilisation ont été lues et comprises par quelqu'un dans l'entreprise.
La troisième concerne les personnes : qui peut utiliser ces outils, pour quels types de travaux, et qui valide les usages nouveaux lorsqu'un cas n'a pas été prévu. Une règle sans responsable finit toujours par être interprétée au cas par cas.
La quatrième concerne les conditions : à quel moment un résultat produit par une IA doit être vérifié, qui en reste responsable, et comment l'entreprise s'assure que le cadre est réellement appliqué plutôt que simplement affiché.
Cadrer pour garder les bénéfices
L'objectif d'un tel cadre n'est pas de freiner l'usage de l'IA, mais de permettre aux équipes de l'utiliser sans exposer l'entreprise. Les gains de temps sont réels sur la rédaction de commentaires, la mise en forme d'analyses, la recherche d'anomalies ou la synthèse de documents longs, et une direction financière qui renoncerait à ces gains par principe se priverait d'un levier de productivité que d'autres fonctions, ou d'autres entreprises, sauront exploiter.
Un cadre clair produit d'ailleurs un effet que l'interdiction produit rarement : il rend les usages visibles. Lorsque les équipes savent ce qui est permis, avec quel outil et dans quelles limites, elles n'ont plus de raison de cacher leur pratique, et l'entreprise peut enfin observer ce qui fonctionne, ce qui pose problème et ce qui mérite d'être étendu.
Le cadre n'est pas l'inverse de l'usage : c'est ce qui permet de le développer sans le subir.
La Digitalisation a besoin d'un cadre avant d'avoir besoin d'un outil
Le réflexe le plus courant, lorsqu'un sujet d'IA arrive en comité de direction, consiste à se demander quel outil choisir. La question est légitime, mais elle arrive trop tôt si l'entreprise n'a pas d'abord décidé quelles données elle accepte d'exposer, à qui elle confie cette responsabilité et selon quelles règles.
C'est la logique des Solutions S.D.P appliquée à l'IA : la Digitalisation ne produit de valeur durable que si elle s'appuie sur une Structuration préalable, c'est-à-dire des règles, des responsabilités et une classification des données qui tiennent indépendamment de l'outil retenu. Un outil choisi sans ce travail reproduira les mêmes zones grises, simplement plus vite, alors qu'un cadre posé en amont permet de changer d'outil, d'en ajouter un ou d'en retirer un sans tout remettre en cause.
Conclusion
L'IA n'attend pas que l'entreprise ait arrêté sa politique pour entrer dans les équipes financières, et les usages qui se sont installés sans cadre ne sont ni rares ni malveillants : ils répondent à un besoin réel de gagner du temps sur des tâches lourdes. Le risque ne vient pas de ce besoin, mais du fait que les données les plus sensibles de l'entreprise peuvent circuler sans que personne ait décidé si elles devaient le faire.
La question mérite d'être posée franchement : dans votre entreprise, savez-vous aujourd'hui quelles données financières vos équipes confient à des outils d'IA, avec quels outils et selon quelles règles, ou le découvririez-vous seulement le jour où un incident vous obligerait à le chercher ?
Ago Gestum vous aide précisément à y répondre.
Source : étude « AI Agents at Work 2026 », commandée par Okta et réalisée par Apprize360 (mars 2026, 292 dirigeants et 492 salariés, sept pays).