Contexte et attentes
Il y a trois ans, la communauté IA anticipait que les grands modèles de langage (LLM) pourraient rapidement s'imposer dans la finance, notamment pour l'automatisation de la comptabilité. En 2025, les architectures dominantes restent les transformeurs, dont le principe fondamental est le calcul de probabilités sur des séquences de mots. Cette orientation probabiliste explique pourquoi les LLM excellent dans la logique floue du langage, mais peinent à gérer la logique déterministe requise par les nombres et les règles comptables strictes.
Limites techniques des transformeurs
Les transformeurs traitent chaque token comme une variable aléatoire, générant la sortie la plus probable selon le contexte d'entraînement. Cette méthode ne garantit pas l'exactitude numérique : une petite variation dans le texte peut entraîner une erreur de calcul ou une mauvaise interprétation d'un chiffre. Le texte source indique qu'un journal d'entrée erroné parmi 100 000 écritures peut fausser l'ensemble du bilan, ce qui montre la sensibilité du système aux erreurs de type off‑by‑one. Campfire, startup ayant levé 65 M$, a développé un module comptable dédié et n'a atteint qu'une précision d'environ 95 %. Sur 100 000 écritures, cela représente ~1 000 entrées incorrectes, un niveau d'erreur que les auditeurs humains ne peuvent ignorer.
Analyse des performances et contraintes réglementaires
Comparativement, les comptables humains affichent souvent une précision <90 %>, mais leur responsabilité juridique permet de corriger les erreurs et d'assumer les conséquences légales. La loi Sarbanes‑Oxley impose à chaque société, même petite, la présence d'un directeur financier (CFO) et d'un contrôleur humains, excluant toute IA de la responsabilité officielle. Cette exigence crée un fossé entre la capacité technique d'une IA (95 % de précision) et les exigences de conformité qui demandent une exactitude quasi‑parfaite. De plus, le texte souligne que les erreurs comptables sont moins tolérables que les fautes de rédaction juridique, où une interprétation alternative peut être acceptée.
Implications pour l'avenir de l'IA financière
Le constat que les LLM restent des calculateurs de probabilité implique que les laboratoires d'IA se concentreront d'abord sur des domaines où l'incertitude est acceptable, comme le code ou le droit, avant de s'attaquer à la comptabilité. La marge de progression vers <99,9 %> de précision semble, selon l'analyse, « inimaginable » sans une refonte fondamentale de l'architecture, par exemple en intégrant des modules de calcul exact ou des vérifications formelles. En l'absence de telles innovations, les solutions IA en finance resteront des assistants de pré‑traitement, nécessitant une validation humaine systématique.
