Workiva renforce la confiance en IA grâce aux données connectées

Contexte et enjeux

Lors de l'événement Amplify organisé par Workiva, l'analyste Krista Case a souligné que les systèmes d'intelligence artificielle générative offrent des réponses probabilistes, alors que les processus réglementés exigent des résultats précis et répétables. La fragmentation des sources – ERP, CRM, feuilles de calcul et connaissances tacites des employés – empêche les modèles d'IA d’obtenir le contexte nécessaire pour produire des décisions défendables devant les auditeurs.

Architecture de connexion des données chez Workiva

Workiva positionne sa plateforme comme une couche connective qui agrège les données disparates en un graphe d’entreprise unifié. Le produit intègre les flux provenant de systèmes ERP et CRM, tout en ingestant les fichiers Excel et les bases de connaissances internes. Cette agrégation crée un registre d’affaires où chaque valeur numérique est associée à son origine, à son propriétaire et à son historique de modification. En pratique, l’outil expose des API normalisées qui permettent aux agents d’IA de récupérer non seulement la donnée brute, mais aussi les métadonnées de traçabilité requises pour les audits de conformité.

Le Chief Product Officer Deepak Bharadwaj a présenté une démonstration où un agent d’IA, alimenté par le modèle de langage de Workiva, a généré un formulaire de conformité en puisant simultanément dans les modules financiers, les registres de durabilité et les politiques internes. Chaque champ du formulaire était accompagné d’un lien vers la source d’origine, assurant ainsi la transparence du processus décisionnel.

Implications pour la confiance des IA

Le principal levier de confiance réside dans la capacité à valider les données d’entrée et à expliquer les étapes de raisonnement de l’agent. En reliant les réponses de l’IA à un contexte métier complet, Workiva réduit le risque de « hallucination » du modèle, car l’agent ne peut plus se baser sur des corrélations statistiques isolées. De plus, la plateforme fournit des journaux d’audit automatisés qui enregistrent chaque appel d’API, chaque transformation de donnée et chaque décision finale, ce qui répond aux exigences de traçabilité imposées par les régulateurs.

Cette approche s’étend au-delà de la conformité financière vers des domaines émergents comme la soutenabilité. En intégrant les indicateurs ESG (Environnement, Social, Gouvernance) dans le même graphe de données, les agents d’IA peuvent générer des rapports de durabilité qui sont à la fois cohérents et vérifiables, renforçant ainsi la crédibilité des initiatives RSE des entreprises.

Limites et perspectives

Malgré ces avancées, la solution dépend fortement de la qualité des connecteurs d’entreprise et de la gouvernance des métadonnées. Si les systèmes sources contiennent des incohérences ou des lacunes, l’IA reproduira ces défauts, même si le cadre de traçabilité reste intact. Par ailleurs, la mise en œuvre d’une couche connective nécessite des investissements en intégration et en formation du personnel, ce qui peut freiner l’adoption chez les organisations aux ressources limitées.

En résumé, Workiva propose une architecture où la connectivité des données devient le socle de la fiabilité des agents d’IA. Le modèle montre que la confiance ne provient pas uniquement d’un modèle plus performant, mais d’un écosystème où chaque résultat est ancré dans un contexte métier clairement défini et auditable.