Contexte du marché comptable aux États‑Unis
Le secteur de la comptabilité américaine se contracte alors que les cabinets peinent à recruter des profils capables d’allier expertise financière et maîtrise des outils d’intelligence artificielle. Selon la co‑fondatrice de MAVI, Molly Liu, la réduction des postes d’entrée de gamme, automatisés par les IA, diminue le vivier de talents qui pourraient évoluer vers des fonctions intermédiaires, aggravant ainsi la pénurie de profils seniors.
Modèle technique de la plateforme MAVI
Fondée en 2023 et sortie de stealth en septembre 2026, MAVI propose un talent marketplace dédié aux professionnels de la finance et de la comptabilité possédant des compétences IA. La plateforme assure le matching en quelques jours grâce à un algorithme propriétaire qui croise les exigences des entreprises américaines avec les profils globaux, puis gère les contrats transfrontaliers, la conformité légale et la paie. Cette couche d’infrastructure réduit les frictions administratives habituellement associées à l’embauche internationale.
Évolution des compétences comptables sous l’influence de l’IA
Les dirigeants de MAVI définissent l’« expert‑comptable IA » comme un professionnel maîtrisant les fondamentaux comptables tout en étant capable de piloter des modèles de langage (LLM), d’intégrer des ERP « AI‑native » et de valider les résultats produits par les outils automatisés. Liu souligne que, même avec une adoption massive d’outils d’automatisation, les équipes financières restent dépendantes de jugements humains pour détecter les erreurs de l’IA et interpréter les analyses complexes.
Risques, limites et perspectives
Le modèle de MAVI repose sur plus de 3 000 professionnels inscrits et compte déjà des clients tels que la société de soins personnels Athena Club. Toutefois, la dépendance à un vivier global soulève des questions de sécurité des données et de conformité réglementaire (ex. : GDPR, exigences locales de reporting). Le financement seed de 4 M$ mené par Harlem Capital indique un soutien financier, mais aucune donnée publique n’est fournie sur les performances de placement ou le taux de rétention des talents, limitant l’évaluation de l’efficacité à long terme.
