La profession comptable et les métiers de l’audit connaissent depuis plusieurs années une profonde transformation sous l’effet des innovations technologiques et de la digitalisation des organisations. L’essor des outils numériques, de l’automatisation des processus et de l’intelligence artificielle (IA) redéfinit progressivement les pratiques professionnelles, les compétences attendues et les modes de création de valeur au sein des cabinets d’expertise comptable et d’audit.
Dans ce contexte de mutation, les experts-comptables et les commissaires aux comptes sont amenés à adapter leurs méthodes de travail afin de répondre aux nouvelles exigences du marché. Les technologies telles que le cloud computing, l’analyse de données massives (big data) et l’intelligence artificielle permettent aujourd’hui d’automatiser certaines tâches répétitives, d’améliorer la fiabilité des analyses et d’optimiser le traitement des informations financières.
Toutefois, cette transformation numérique soulève également de nombreux enjeux. Si les innovations technologiques offrent d’importantes opportunités en matière de performance et d’efficacité, elles interrogent également l’avenir de certaines missions traditionnelles ainsi que l’évolution des compétences requises dans les métiers de la comptabilité et de l’audit. L’intégration croissante de l’IA suscite notamment des questionnements relatifs au rôle futur des professionnels, à la qualité du jugement humain et aux enjeux éthiques associés à l’utilisation de ces technologies.
Dès lors, il apparaît essentiel d’analyser dans quelle mesure la transformation numérique influence les pratiques de l’audit financier, ainsi que les défis et opportunités qu’elle représente pour les professionnels du secteur. Cette réflexion s’inscrit pleinement dans les enjeux actuels de la profession comptable et justifie l’intérêt académique et pratique de cette recherche.
INTRODUCTION :
Le métier de comptable fait face au défi de l’évolution de la technologie. En effet, les experts comptables ont pris conscience de l’importance de suivre cette évolution dans la pratique de leur profession (Levilly et Dermarkar, 2021). Il est indéniable que la profession subit une grande transformation dans l’ère numérique.
Avec la pleine expansion du marché de l’intelligence artificielle (IA) (Hutzli, 2021), il est impossible d’ignorer l’influence profonde que les innovations technologiques exercent sur la manière dont la comptabilité est gérée et dont l’audit est effectué. L’avènement de l’IA avec les logiciels de comptabilité sophistiqués, des solutions de cloud computing et de l’automatisation des tâches répétitives a remodelé en profondeur la façon dont les comptables et les auditeurs interagissent avec les données financières. Les registres manuels et les calculatrices ont cédé la place à des systèmes informatisés qui permettent un traitement plus rapide, précis et efficace des informations financières (Steve et al. 2020).
Cependant, ce marché soulève des inquiétudes en tant que menace potentielle pour le domaine de la comptabilité. Selon Tyson et Zysman (2022), l’IA représente une menace pour les métiers de l’audit et de l’expertise comptable. Les progrès technologiques pourraient remettre en question la nécessité d’avoir des professionnels comptables humains pour effectuer certaines tâches traditionnelles. De plus, l’automatisation et l’utilisation de l’IA dans le domaine de la comptabilité et de l’audit pourraient potentiellement réduire la demande de services fournis par les experts comptables et les commissaires aux comptes (CAC).
Les tâches autrefois accomplies manuellement et nécessitant une expertise humaine, telles que l’analyse financière approfondie ou la préparation de rapports complexes, pourraient être réalisées plus rapidement et efficacement par des systèmes informatiques avancés (Steve et al. 2020). Cette évolution pourrait alors entraîner une diminution de la demande pour les services traditionnels, mettant en péril la stabilité de la profession.
Ahyee et al. (2018) notent également que la profession se tourne de plus en plus vers l’externalisation. Cette externalisation peut être motivée par plusieurs facteurs, notamment la disponibilité de solutions technologiques externes et l’optimisation des coûts. L’IA et l’automatisation jouent un rôle clé dans cette tendance, facilitant ainsi la sous-traitance de certaines fonctions comptables à des entreprises spécialisées, voire à des plateformes en ligne proposant des services automatisés.
Malgré ces préoccupations, l’IA offre une opportunité pour les experts-comptables et les CAC (Ramdi, 2021). En effet, ces professionnels passent souvent beaucoup de temps sur des tâches manuelles et répétitives, telles que la saisie de données, la vérification des transactions et la préparation de rapports. L’IA peut automatiser ces processus, libérant ainsi du temps pour se concentrer sur des tâches plus complexes et à plus forte valeur ajoutée (Steve et al. 2020).
Le recours à l’IA devient essentiel pour les experts-comptables et les CAC. Selon Ramdi (2021), la technologie numérique a un impact profond sur le secteur de l’audit en transformant les objectifs stratégiques et concurrentiels des entreprises, ainsi que leurs modèles commerciaux. Elle influence également les systèmes d’information comptable, de contrôle de gestion et d’audit (Ramdi, 2021). Bien que les règles et principes comptables demeurent constants, l’évolution rapide du secteur de l’audit, stimulée par le développement technologique, conduit à des mises à jour et des transformations significatives de la profession. Les systèmes informatiques modernes allègent considérablement la charge de travail des auditeurs en automatisant les tâches répétitives, rendant les processus plus rapides et efficaces.
Pour conclure, la digitalisation a perturbé le marché du travail et modifié les pratiques commerciales dans tous les domaines, y compris l’audit. Pour rester compétitifs, les cabinets d’audit doivent adapter leur modèle d’affaires et leurs offres de services en intégrant des technologies innovantes (Ramdi, 2021). Parmi ces technologies figure l’IA. Celle-ci fait référence à la simulation de l’intelligence humaine par des machines, en particulier par des systèmes informatiques (Ramdi, 2021). L’IA englobe diverses technologies et techniques qui permettent aux machines de réaliser des tâches nécessitant normalement une intelligence humaine, telles que la reconnaissance de formes, l’apprentissage, la planification et la résolution de problèmes logiques. Les applications de l’IA vont de la reconnaissance du langage et de la reconnaissance visuelle à l’analyse complexe de données et à l’automatisation des processus décisionnels.
Parmi les différentes formes d’IA, l’apprentissage automatique revêt une importance croissante dans le processus d’audit et de détection de fraudes. Le CNIL définit l’apprentissage automatique ou machine learning (ML) comme un domaine de l’IA qui se concentre sur le développement de techniques permettant au système informatique d’apprendre à partir de données, notamment mathématiques. Plutôt que de programmer explicitement chaque étape ou règle, les modèles de ML sont conçus pour apprendre des modèles et des motifs à partir de données d’entraînement. Ces modèles peuvent ensuite être utilisés pour prendre des décisions, faire des prédictions ou résoudre des problèmes sans avoir été spécifiquement programmés pour chaque tâche.
Les cabinets d’audit doivent gérer d’énormes quantités de données financières et opérationnelles. L’IA et le ML révolutionnent ces processus en permettant une analyse des données plus rapide et précise que les méthodes traditionnelles. Grâce à ces technologies, il devient possible de détecter des anomalies ou des schémas suspects de manière proactive. De plus, le ML permet de créer des modèles de comportement normal à partir de données historiques. En comparant les nouvelles données à ces modèles, les algorithmes peuvent identifier des anomalies potentielles indiquant une fraude en cours. Dans le domaine de l’audit, l’IA permet d’optimiser les procédures, d’améliorer la qualité des audits et de fournir des informations plus précises et détaillées, tout en libérant les auditeurs des tâches répétitives pour qu’ils puissent se concentrer sur des aspects plus stratégiques et analytiques de leur travail (Ramdi, 2021).
Pour les CAC, la transformation numérique dans leur métier n’est plus une option, mais une nécessité. En adoptant l’IA, ils peuvent non seulement optimiser leurs processus d’audit, mais aussi renforcer leur capacité à détecter les fraudes de manière plus efficace. Cette approche innovante représente une avancée significative pour assurer l’intégrité et la fiabilité des audits, tout en augmentant la valeur ajoutée pour leurs clients. D’où la problématique suivante :
Comment la transition vers l’utilisation de technologies telles que l’intelligence artificielle dans l’audit financier impacte-t-elle le rôle traditionnel de l’auditeur, tout en offrant des perspectives nouvelles sur l’amélioration de la détection de la fraude, et quels sont les défis et les opportunités découlant de cette évolution ?
Pour répondre à cette question, ce mémoire DSCG propose d’examiner cette évolution à travers trois parties principales. La première partie explore l’impact des réformes légales et réglementaires sur l’intégration de la technologie dans les pratiques d’audit, ainsi que le rôle croissant du jugement professionnel dans un environnement numérique. La deuxième partie se concentre sur l’intégration de l’IA et du ML dans les pratiques d’audit, en mettant en lumière leurs applications concrètes et les défis techniques et sécuritaires associés. Enfin, la troisième partie présente une étude empirique sur la perception et l’impact de la transformation numérique chez les professionnels de l’audit, offrant une analyse approfondie des attitudes, des avantages perçus, et des recommandations pour une adoption réussie de l’IA dans ce domaine.
Sommaire
Partie 1 : L’évolution du rôle de l’auditeur dans le contexte de la transformation numérique 6
Chapitre 1 : Réformes légales et réglementaires favorisant l’adoption de la technologie dans l’audit 6
Chapitre 2 : Le rôle émergent du jugement professionnel dans un environnement numérique 12
Partie 2 : L’intégration de l’intelligence artificielle et de la machine learning dans les pratiques d’audit 17
Chapitre 1 : Les applications concrètes de l’intelligence artificielle dans l’audit financier 17
Chapitre 2 : Les défis de la mise en œuvre de l’intelligence artificielle dans l’audit 23
Partie 3 : Etude empirique : Perception et impact de la transformation numérique sur les professionnels de l’audit 26
Chapitre 1 : Méthodologie de l’étude empirique 26
1. Description des méthodes de collecte de données 26
2. Choix de l’échantillon et justification de sa pertinence. 27
Chapitre 2 : Résultats et analyses 29
Chapitre 3 : Implications et recommandations 40
Partie 1 : L’évolution du rôle de l’auditeur dans le contexte de la transformation numérique
Cette partie examine comment la mutation numérique réévalue la fonction traditionnelle de l’auditeur. Elle analyse les évolutions dans les méthodes d’audit ainsi que les compétences indispensables, compte tenu de l’incorporation de plus en plus marquée de l’intelligence artificielle et de la technologie. Il s’agit de mettre en relief les réformes légales et réglementaires qui favorisent l’adoption des outils numériques dans l’audit. Cette partie met également en exergue le rôle émergent du jugement professionnel dans un environnement numérique.
Chapitre 1 : Réformes légales et réglementaires favorisant l’adoption de la technologie dans l’audit
Les réformes légales et réglementaires jouent un rôle crucial dans la promotion de l’adoption de la technologie au sein de ce secteur vital de l’économie. Ce chapitre explore l’impact de ces changements réglementaires sur la manière dont les cabinets et les professionnels de l’audit intègrent les innovations technologiques dans leurs processus.
- Impact des réformes légales et des normes professionnelles sur l’intégration de la technologie dans les pratiques d’audit.
L’intégration de la technologie dans les pratiques d’audit est fortement influencée par les réformes légales et les normes professionnelles en constante évolution (Alles et al. 2006). Les auditeurs doivent suivre ces évolutions pour rester conformes aux exigences en vigueur et utiliser la technologie de manière efficace et responsable dans leurs travaux d’audit.
Intégration de la technologie dans les normes professionnelles d’audit
Les normes professionnelles sur l’audit ont évolué suivant l’évolution numérique. Les organismes de normalisation et de réglementation, tels que l’IAASB (International Auditing and Assurance Standards Board) et la CNCC (Compagnie nationale des commissaires aux comptes), mettent à jour les normes d’audit pour refléter les avancées technologiques. Cela peut inclure des directives spécifiques sur l’utilisation de la technologie dans les différentes étapes de l’audit, comme la collecte de preuves, l’analyse des données et la communication des résultats.
Par exemple, la norme 2-303 de la CNCC de 2001 considère les technologies sous l’angle d’un élément intégré à l’environnement de l’auditeur. Elle indique que l’auditeur doit prendre en considération l’environnement informatique ainsi que son impact sur le processus d’audit (Bergès, 2002). En ce sens, la technologie constitue une variable qui conditionne la performance de l’auditeur (Libby, 1983). La deuxième norme d’audit établie par la CNCC et liée aux technologies concerne les « interventions web-trust ». Cette norme, identifiée sous le code 4-103 (CNCC, 2001), traite de manière spécifique des enjeux posés par les avancées dans le domaine des nouvelles technologies de l’information (Bergès, 2002).
L’IAASB a également développé un projet de révision de la norme ISA (500) dénommée « Audit Evidence ». L’un des objectifs de ce projet consiste à identifier l’emploi de la technologie, tant dans le cadre de :
- L’adoption de la technologie par une entité pour élaborer ses états financiers et engendrer d’autres données sous-jacentes ; et
- L’utilisation de la technologie par l’auditeur lors de la mise en œuvre des procédures d’audit.
Le développement de ce projet démontre l’ambition de l’IASSB de moderniser l’ISA 500 à l’ère numérique à travers la modification de l’ED-500. L’IASSB envisage de baser les exigences de cette norme sur des principes, comme il l’a fait par le passé, et d’inclure dans les dispositions applicables la potentialité d’utiliser des technologies pour répondre aux exigences et exécuter les procédures d’audit. Les orientations prévues par l’IAASB feront mention de manière plus détaillée de certaines technologies pour démontrer concrètement la mise en œuvre des principes de la norme. Ces indications aborderont les technologies actuelles et expliqueront comment elles sont utilisées de nos jours pour obtenir des preuves suffisantes et appropriées. Par cette approche, l’IAASB cherche à faciliter l’évolution des méthodes d’audit en matière de technologie tout en garantissant la continuité de la norme.
L’intégration de la technologie dans les normes professionnelles d’audit vise à améliorer l’efficacité, la qualité et la pertinence des audits en utilisant des outils technologiques pour effectuer des tâches plus rapidement et plus précisément, tout en tenant compte des enjeux éthiques et de sécurité.
Les réformes légales favorisant l’intégration de la technologie dans la pratique d’audit
Les autorités de régulation et les organismes gouvernementaux peuvent introduire des réformes légales qui nécessitent l’intégration de la technologie dans les pratiques d’audit.
- Les réformes européennes de l’audit
La réforme européenne de l’audit, effective depuis le 17 juin 2016, a introduit plusieurs mesures importantes pour renforcer l’indépendance des commissaires aux comptes et élargir les missions des régulateurs de l’audit. Cette réforme a été mise en place pour uniformiser les pratiques d’audit au sein de l’Union Européenne, prévenir une concentration excessive du marché, et améliorer la qualité et l’indépendance des audits. Parmi les principales mesures figurent la rotation obligatoire des cabinets d’audit, l’interdiction de certains services non liés à l’audit, le renforcement des comités d’audit, et une régulation accrue des auditeurs.
L’une des réformes majeures consiste en la rotation obligatoire des cabinets d’audit pour les entreprises d’intérêt public (EIP). Ces entreprises doivent désormais changer de cabinet d’audit tous les dix ans, avec une possibilité de prolongation de dix ans supplémentaires sous certaines conditions. Cette mesure vise à éviter la connivence entre les auditeurs et les entreprises auditées et à assurer une approche nouvelle et objective des audits (CNCC, 2016). De plus, les cabinets d’audit ne peuvent plus fournir certains services non liés à l’audit aux entreprises qu’ils auditent, afin d’éliminer tout conflit d’intérêts potentiel.
En parallèle, les comités d’audit au sein des EIP ont vu leurs responsabilités s’accroître, notamment en ce qui concerne la sélection des auditeurs et la supervision de leur travail (CNCC, 2016). Cette mesure a été introduite pour augmenter la surveillance et garantir l’indépendance des processus d’audit au sein des entreprises. Les régulateurs nationaux de l’audit ont également reçu des pouvoirs accrus pour surveiller les cabinets d’audit et garantir le respect des nouvelles réglementations. La coopération entre les régulateurs européens a été renforcée pour assurer une application uniforme des règles à travers l’UE.
L’introduction de rapports plus détaillés par les auditeurs, incluant des informations sur les risques clés et les jugements critiques, vise à améliorer la transparence et la qualité de l’information financière (CNCC, 2016). Ces rapports détaillés permettent aux parties prenantes de mieux comprendre les risques et les décisions prises par les entreprises, renforçant ainsi la confiance dans les informations financières publiées.
- Loi PACTE
La loi Pacte, adoptée en 2019, représente une réforme majeure visant à moderniser le cadre juridique et économique des entreprises en France (Ministère de l’Économie, des Finances et de la Relance, 2019). Parmi ses principales mesures, elle a introduit des changements significatifs concernant l’audit légal et les commissaires aux comptes, particulièrement pour les petites structures comme les SASU ou les SAS.
Premièrement, la loi Pacte a précisé les seuils au-delà desquels les entreprises doivent désigner des commissaires aux comptes. Ces professionnels jouent un rôle crucial en assurant un audit indépendant de la comptabilité de l’entreprise, contribuant ainsi à renforcer la transparence financière et la confiance des parties prenantes. Cependant, cette mesure a conduit à la perte de nombreux mandats pour les CAC, estimée à environ 11 000. Les seuils ont été augmentés, ce qui signifie que de nombreuses petites entités n’ont plus l’obligation de nommer un CAC, ce qui a principalement affecté les petits cabinets (Bassin, 2023).
Deuxièmement, avant la loi, les CAC étaient strictement limités dans les missions de conseil qu’ils pouvaient effectuer pour leurs clients (Bassin, 2023). Cette réforme a levé cette interdiction, permettant aux CAC de diversifier leurs services et d’accompagner leurs clients de manière plus complète.
Troisièmement, la loi a introduit la Mission ALPE (Audit de Légalité et de Performance Économique) pour les petites entreprises qui ne dépassent pas certains critères définis. Cette mission vise à simplifier l’audit en proposant une approche adaptée à la taille et aux besoins spécifiques de ces entreprises, tout en garantissant un niveau approprié de contrôle et de vérification.
Elle cherche à simplifier les procédures administratives pour les entreprises tout en renforçant la transparence comptable. La loi PACTE représente une refonte majeure pour la profession des CAC en France, avec des implications significatives sur leur rôle traditionnel d’audit et sur la diversification de leurs activités de conseil. Cependant, elle ne fait pas l’unanimité parmi les auditeurs. Les petits cabinets ont exprimé des inquiétudes quant à leur viabilité économique et à la perte potentielle de mandats, tandis que les grands cabinets ont généralement accueilli favorablement la possibilité d’étendre leurs activités de conseil (Bassin, 2023).
Exemples de réformes similaires à la réforme européenne de l’audit et à la loi PACTE.
Les réformes légales telles que la réforme européenne de l’audit et la loi PACTE ont joué un rôle crucial dans l’encouragement et la facilitation de l’adoption accrue de la technologie dans les processus d’audit. Ces réformes ont reconnu la nécessité d’adapter les méthodes d’audit aux défis et aux opportunités du monde numérique en constante évolution.
2.1. Loi Sarbanes-Oxley (SOX) aux États-Unis
Cette loi a été adoptée en 2002 en réponse à des scandales financiers majeurs. Elle impose des contrôles internes stricts aux entreprises cotées en bourse et a encouragé l’utilisation de systèmes d’information et de technologie pour renforcer la transparence financière et la fiabilité des rapports financiers. Selon Ben Romdhane et Fimbel (2016), « la loi Sarbanes-Oxley (souvent abrégée en SOX ou Sarbox) implique plusieurs obligations de conformité qui impactent plusieurs fonctions de l’entreprise, en particulier sa direction des systèmes d’information (DSI), qui est responsable du niveau de sécurité et d’exactitude des données » (p. 5).
Les entreprises soumises à la SOX doivent s’assurer que leurs systèmes informatiques, leurs bases de données et leurs processus numériques sont conformes aux exigences de contrôle interne de la loi. Cela peut inclure la mise en place de mécanismes de suivi et de documentation de toutes les transactions financières, ainsi que des procédures pour garantir l’intégrité et la confidentialité des données.
2.2. La norme Blockchain
Selon le CNIL, « la blockchain est une technologie de stockage et de transmission d’informations, transparente, sécurisée, et fonctionnant sans organe central de contrôle ». Cette technologie peut être utilisée pour garantir l’exactitude et la traçabilité des transactions financières, ce qui peut simplifier le processus d’audit en fournissant une source de confiance pour les données financières. Elle permet la création d’un registre accessible au public qui enregistre les transactions de manière séquentielle (Desplebin et al., 2019).
La blockchain repose sur un réseau décentralisé d’individus participants. Pour Desplebin et al. (2019), elle est « une base de données, avec des spécificités propres » (p. 9). En outre, elle propose une solution de contrôle qui permet d’incorporer des niveaux de transparence variés. Selon Leloup (2017), cela se fait en utilisant des clés publiques et privées, ce qui offre la flexibilité de définir le registre (ou le grand livre) comme public ou privé, permettant ainsi une accessibilité à différents groupes et de multiples configurations d’utilisateurs (repris dans Desplebin et al., 2019). D’après Rückeshäuser (2017), la blockchain est un support pertinent pour les auditeurs.
La blockchain est devenue une norme grâce à l’innovation initiale, à l’expérimentation, à la sensibilisation croissante, aux défis identifiés, à la contribution des organismes de normalisation et à l’adoption généralisée de normes convenues par l’industrie. Elle a été introduite en 2008 avec la publication du livre blanc de Bitcoin par une personne (ou un groupe) sous le pseudonyme de Satoshi Nakamoto. Cette publication a présenté le concept d’une chaîne de blocs sécurisée par la cryptographie, utilisée pour enregistrer les transactions de la crypto-monnaie Bitcoin. Cela a été le point de départ de l’innovation.
Après la publication du livre blanc de Bitcoin, des développeurs et des entrepreneurs du monde entier ont commencé à expérimenter la technologie blockchain pour diverses applications. Des projets tels qu’Ethereum ont émergé, introduisant la possibilité de créer des contrats intelligents et des applications décentralisées. Au fur et à mesure que la technologie gagnait en visibilité, de plus en plus d’entreprises et d’organisations ont commencé à explorer ses avantages potentiels dans différents domaines, tels que la finance, la logistique, les soins de santé, etc.
À mesure que son adoption augmentait, les défis liés à l’interopérabilité, à la sécurité, à la confidentialité et à d’autres aspects de la technologie sont devenus évidents. Cela a créé une demande pour des normes et des règles qui pourraient guider le développement et l’utilisation de la technologie blockchain. Pour répondre à ces besoins, des organismes de normalisation tels que l’ISO (Organisation internationale de normalisation), l’IEEE (Institute of Electrical and Electronics Engineers) et d’autres ont commencé à travailler sur l’élaboration de normes pour elle. Ces organismes rassemblent des experts de l’industrie pour définir des spécifications techniques, des protocoles de sécurité et d’interopérabilité, ainsi que d’autres aspects clés de la technologie. Lorsque les différentes parties prenantes de l’industrie s’accordent sur les normes établies par les organismes de normalisation, la blockchain devient progressivement une norme acceptée. Cela signifie que les entreprises et les développeurs commencent à concevoir leurs systèmes en respectant ces normes, ce qui facilite l’interopérabilité et la collaboration entre différentes solutions blockchain.
En outre, la norme blockchain (Commission européenne) se réfère aux règles et aux spécifications techniques qui régissent le fonctionnement, l’interopérabilité et la sécurité des technologies blockchain. En matière d’audit financier, elle fait référence aux directives et aux pratiques établies pour l’utilisation de la blockchain dans le domaine de l’audit des états financiers d’une organisation.
L’intégration de la blockchain dans le processus d’audit financier peut apporter des avantages tels que la transparence, la traçabilité, la sécurité et l’automatisation accrues. En effet, elle permet de stocker les transactions de manière immuable et transparente. Les auditeurs peuvent avoir un accès en temps réel aux données financières enregistrées sur la blockchain, ce qui réduit le risque de manipulation frauduleuse des informations financières.
Par ailleurs, chaque transaction enregistrée sur la blockchain est liée de manière cryptographique aux transactions précédentes, créant ainsi une piste d’audit transparente et vérifiable. Cela facilite la vérification des flux de transactions et des mouvements de fonds. Les contrats intelligents peuvent être utilisés pour automatiser certaines étapes du processus d’audit. En outre, les données stockées sur la blockchain sont sécurisées par des mécanismes de cryptographie avancés. Cela réduit les risques de falsification et de modification non autorisée des données financières.
Pour conclure, ce chapitre met en évidence l’importance cruciale des réformes légales et réglementaires en favorisant l’adoption de la technologie dans le domaine de l’audit. L’impact de telles réformes sur l’intégration de la technologie dans les pratiques d’audit est indiscutable. Les normes professionnelles et les cadres réglementaires évoluent pour refléter la réalité d’un monde en constante transformation numérique.
Nous avons observé comment des réformes légales telles que la réforme européenne de l’audit et la loi PACTE ont ouvert la voie à une plus grande utilisation de la technologie dans les processus d’audit. Ces exemples illustrent comment les gouvernements et les organismes de réglementation reconnaissent l’opportunité de moderniser les méthodes d’audit pour répondre aux défis du monde contemporain. Cependant, il est essentiel de noter que ces réformes nécessitent une adaptation et une formation continue de la part des professionnels de l’audit pour tirer pleinement parti des outils technologiques.
Chapitre 2 : Le rôle émergent du jugement professionnel dans un environnement numérique
D’après l’IASSB, (2011: 6), « Il est indéniable que l’exécution efficace de la plupart des exigences des ISA dépend d’une compétence personnelle essentielle – le jugement professionnel. Atteindre l’objectif d’un audit de grande qualité dépend de la capacité des auditeurs à exercer un jugement professionnel approprié et pertinent tout au long de leur mission» (Miledi et Pigé. 2013, p. 3).
Le jugement professionnel englobe la capacité de combiner des compétences techniques avec des compétences interpersonnelles, éthiques et critiques pour naviguer efficacement dans un monde en constante évolution. Les professionnels doivent être en mesure de tirer parti des avantages de la technologie tout en restant attentifs aux défis et aux implications qu’elle peut présenter.
Exploration de la manière dont l’intelligence artificielle renforce le rôle du jugement professionnel de l’auditeur.
Selon Miledi et Pigé (2013), l’audit repose sur l’aptitude à exercer un jugement, à établir des connexions entre des faits, des normes et des idées, ainsi qu’à considérer les aspects éthiques et humains. L’IA joue un rôle essentiel dans le renforcement du jugement professionnel des auditeurs en combinant avancement technologique et expertise humaine. Selon l’Australian Auditing and Assurance Standards Board (AUASB, 2018, cité dans Ghandari et Ouenzar, 2022), le jugement professionnel de l’auditeur implique l’application de connaissances et d’expérience pour des décisions éclairées, adaptées à chaque contexte d’audit spécifique. Les recherches de Dowling et Leech (2007) soulignent que malgré les capacités avancées de l’IA, des décisions critiques comme la formulation de l’opinion d’audit exigent une compréhension approfondie des nuances spécifiques de l’entreprise, dépassant les capacités purement algorithmiques (Ghandari et Ouenzar, 2022).
En outre, l’IA améliore la qualité de l’audit en automatisant les tâches répétitives et en fournissant des outils avancés pour détecter les anomalies et les modèles dans les données (Ghandari et Ouenzar, 2022). Cette capacité augmente la précision des analyses et libère du temps pour que les auditeurs se concentrent sur des aspects stratégiques et des décisions nécessitant un jugement expert. Cependant, Ghandari et Ouenzar (2022) mettent également en garde contre le risque que l’automatisation excessive puisse réduire les opportunités pour les auditeurs d’exercer leur jugement critique, surtout en l’absence de normes éthiques rigoureuses.
En conclusion, tandis que l’IA transforme la pratique de l’audit en renforçant l’efficacité et la précision, elle doit être intégrée de manière équilibrée avec le jugement professionnel humain. Cette intégration garantit que les auditeurs maintiennent leur rôle crucial dans la prise de décisions éclairées, conformes aux normes professionnelles et éthiques les plus élevées. Ainsi, l’IA devient un outil puissant pour soutenir et enrichir le jugement professionnel des auditeurs, plutôt que de le remplacer.
2. Analyse des compétences cognitives et émotionnelles nécessaires pour interagir avec les technologies d’intelligence artificielle.
L’utilisation des technologies peut ne pas être appropriée pour toutes les tâches d’audit (Ghandari et Ouenzar. 2022), car certaines opérations requièrent une compréhension nuancée et une évaluation critique qui vont au-delà des capacités des outils technologiques actuels. Puisque le jugement professionnel du CAC est crucial pour interpréter des situations complexes, évaluer des risques spécifiques et prendre des décisions éclairées qui nécessitent une expertise humaine et une sensibilité aux contextes particuliers des entreprises auditées. Ainsi, malgré l’appui de l’IA dans le renforcement du CAC, son jugement reste essentiel pour garantir la qualité et la fiabilité des audits, en équilibrant l’efficacité des outils technologiques avec l’acuité du jugement humain. A cet effet le CAC doit disposer des compétences cognitives et émotionnelles pour pouvoir interagir avec l’IA et renforcer son jugement.
Les compétences cognitives
Les compétences cognitives sont des capacités mentales nécessaires pour mener à bien des tâches qui impliquent la réflexion, la compréhension, l’apprentissage et la prise de décision. Pour un auditeur interne à l’ère de la transformation digitale, ces compétences sont essentielles pour analyser des informations complexes et prendre des décisions éclairées (Ghandari et Ouenzar. 2022).
Kruskopf et al. (2020) mettent en lumière un besoin urgent de renforcer les compétences en technologies de l’information dans les professions de la comptabilité et de l’audit pour répondre aux exigences croissantes du marché et des technologies modernes. Meredith (2020) a constaté que le niveau de compétence des auditeurs en matière de technologie est faible et que de nombreuses études préconisent des investissements supplémentaires dans leur formation en technologies. Ainsi, la compréhension technique de l’outil est primordiale pour le CAC.
Les auditeurs doivent posséder une connaissance approfondie des systèmes d’IA et de leurs fonctionnalités. Cela inclut la capacité de comprendre les algorithmes, les modèles de machine learning et les techniques d’analyse de données. Selon Ghandari et Ouenzar (2022), cette compréhension permet aux auditeurs de mieux interpréter les résultats fournis par les outils d’IA et de les intégrer de manière pertinente dans le processus d’audit. Ils doivent être capables d’analyser de manière critique les informations et les résultats générés par l’IA. Il s’agit d’évaluer la pertinence et la fiabilité des données, ainsi que de détecter les biais potentiels dans les algorithmes. Dowling et Leech (2007) soulignent l’importance de la capacité des auditeurs à poser des questions pertinentes et à challenger les conclusions automatiques fournies par l’IA (Ghandari et Ouenzar. 2022).
Les technologies d’IA peuvent identifier des anomalies et des schémas complexes dans les données, mais c’est aux auditeurs de formuler des hypothèses et de développer des solutions appropriées. Cette compétence nécessite une réflexion stratégique et une capacité à comprendre les implications des données analysées pour l’audit et les décisions d’affaires.
Le domaine de l’IA évolue rapidement, et les auditeurs doivent être prêts à s’adapter aux nouvelles technologies et à mettre à jour continuellement leurs compétences. L’apprentissage continu (Simon & Halford, 2015) est crucial pour rester à jour avec les dernières avancées et pour comprendre comment ces technologies peuvent être appliquées efficacement dans le cadre de l’audit.
2.2. Les compétences émotionnelles
L’intégration des technologies d’IA dans le processus d’audit ne repose pas seulement sur des compétences cognitives, mais également sur des compétences émotionnelles. Les auditeurs doivent faire preuve d’empathie et comprendre les perspectives des différentes parties prenantes. Cela inclut la capacité de communiquer efficacement les résultats des analyses d’IA et de gérer les préoccupations et les attentes des clients et des collègues (Kruskopf et al. 2020).
L’introduction de l’IA peut provoquer des résistances et des inquiétudes au sein des équipes d’audit (Kruskopf et al. 2020). Les auditeurs doivent être capables de gérer ces changements de manière proactive, en rassurant les parties prenantes sur les avantages de l’IA et en facilitant une transition harmonieuse vers les nouvelles pratiques. L’audit moderne nécessite une collaboration étroite entre les professionnels de l’audit et les experts en technologies de l’information. Les compétences en communication et en travail en équipe sont essentielles pour garantir une intégration réussie des outils d’IA et pour maximiser leur efficacité.
L’utilisation de l’IA dans l’audit soulève des questions éthiques importantes. Les auditeurs doivent s’assurer que les technologies sont utilisées de manière responsable et transparente, en respectant les normes éthiques et en évitant les biais ou les discriminations dans les analyses (Kruskopf et al. 2020).
Pour conclure, l’intégration de l’IA dans le domaine de l’audit renforce le rôle du jugement professionnel en apportant des capacités analytiques avancées et en automatisant les tâches répétitives. Cependant, pour exploiter pleinement ces avantages, les auditeurs doivent développer un ensemble de compétences cognitives et émotionnelles. Une compréhension technique approfondie, une capacité d’analyse critique, une résolution de problèmes complexes, et une adaptabilité sont essentielles sur le plan cognitif. En parallèle, des compétences en intelligence émotionnelle, en gestion du changement, en collaboration, et en éthique sont cruciales pour une interaction efficace et responsable avec les technologies d’IA. Cette combinaison de compétences garantit que l’IA enrichit le jugement professionnel des auditeurs, tout en maintenant les normes les plus élevées de qualité et d’intégrité dans le processus d’audit.
Partie 2 : L’intégration de l’intelligence artificielle et de la machine learning dans les pratiques d’audit
Cette partie explore l’intégration de l’intelligence artificielle et de l’apprentissage automatique dans les méthodes de vérification, en mettant en avant les utilisations particulières, les bénéfices et les obstacles engendrés par l’application de ces technologies au sein du processus d’audit.
Chapitre 1 : Les applications concrètes de l’intelligence artificielle dans l’audit financier
Une des applications concrètes de l’IA dans l’audit financier est l’usage de la machine learning (ML) dans l’analyse des données financières et la détection de la fraude (Ali et al. 2022). Bouchet (2017) le considère la machine comme une branche de l’IA. Il ouvre de nouvelles perspectives pour les auditeurs en renforçant leur capacité à identifier les risques, à détecter les fraudes et à fournir des informations plus approfondies et pertinentes aux parties prenantes.
Utilisation de la machine learning pour l’analyse des données financières et la détection de la fraude.
Le ML est un sous-domaine de l’intelligence artificielle qui permet aux ordinateurs d’apprendre à partir de données et de s’améliorer sans être explicitement programmés (Pang, 2023). Il repose sur l’utilisation d’algorithmes pour analyser des ensembles de données, identifier des modèles et prendre des décisions avec un minimum d’intervention humain (Kogan et al. 2016). Son utilisation dans l’analyse des données financières et la détection de la fraude offre une approche proactive et efficace pour identifier et prévenir les activités frauduleuses. L’étude des travaux d’Ali et al. (2022) sur le sujet nous apprends davantage sur les méthodes de ML utilisées.
Tableau 1 : Les méthodes d’apprentissage automatique dans l’analyse des données financières et la détection de la fraude.
| ML utilisée | Description de la méthode |
| Support Vector Machine (SVM) | Utilisé pour séparer les transactions normales des transactions frauduleuses en trouvant un hyperplan qui maximise la marge entre les deux classes. Cette méthode est efficace pour détecter des schémas non linéaires et est souvent utilisée dans la détection de la fraude par carte de crédit, où les données peuvent être hautement non linéaires et déséquilibrées. |
| Logique Floue (FL) | Employée pour gérer l’incertitude et l’ambiguïté dans les données financières. Elle permet de modéliser des comportements suspects qui ne sont pas clairement définis, en tenant compte de facteurs tels que la variation des habitudes d’achat des clients et les anomalies potentielles. |
| Modèle de Markov Caché (HMM) : | Utilisé pour modéliser les séquences de transactions et détecter les schémas comportementaux anormaux qui pourraient indiquer une fraude. Il est particulièrement efficace pour capturer les dépendances séquentielles dans les données et identifier les transitions entre différents états de comportement des utilisateurs. |
| Réseau de Neurones Artificiels (ANN) | Utilisés pour leur capacité à apprendre à partir de grandes quantités de données non structurées et à détecter des modèles complexes et abstraits. Dans la détection de la fraude, les ANN sont souvent utilisés pour classifier les transactions en fonction de multiples caractéristiques, ce qui permet une détection plus précise et adaptable. |
| Algorithme K-plus Proches Voisins (KNN) | Utilisé pour identifier les transactions similaires et regrouper les transactions frauduleuses potentielles basées sur leur proximité dans l’espace des caractéristiques. Cette méthode est simple mais efficace pour la détection initiale des fraudes en se basant sur la similarité des transactions frauduleuses connues. |
| Modèle Bayésien (BN) | Utilisés pour calculer les probabilités conditionnelles des événements basés sur les données historiques. Ils sont particulièrement utiles pour évaluer la probabilité d’une transaction donnée étant frauduleuse en fonction de caractéristiques comme le montant de la transaction, la localisation géographique et les habitudes d’achat. |
| Arbre de Décision (DT) | Utilisés pour représenter visuellement et classifier les transactions en fonction d’une série de règles conditionnelles. Ils sont efficaces pour gérer des ensembles de données complexes et peuvent être utilisés pour automatiser la prise de décision dans la détection de la fraude en suivant des chemins de décision basés sur les caractéristiques des transactions. |
| Algorithme Génétique (AG) | Utilisés pour optimiser les paramètres des modèles de détection de la fraude en explorant différentes combinaisons de variables et en identifiant les configurations les plus performantes. Ils sont souvent intégrés avec d’autres techniques d’apprentissage automatique pour améliorer la précision et l’efficacité des systèmes de détection de la fraude. |
| Méthodes d’Ensemble | Combinent plusieurs modèles de détection de la fraude pour améliorer la précision et la robustesse du système. |
| Méthodes basées sur le Clustering | Le clustering est utilisé pour regrouper les transactions similaires et identifier les clusters de transactions potentiellement frauduleuses. Cette méthode est efficace pour détecter les schémas de fraude complexes et peu évidents qui pourraient être masqués dans de grands ensembles de données. |
Source : Ali et al. (2022).
Chaque méthode a ses propres avantages et est souvent combinée avec d’autres techniques pour optimiser la détection et réduire les faux positifs et négatifs, assurant ainsi une meilleure sécurité financière et une confiance accrue des utilisateurs dans les systèmes de paiement.
2. Exemples de cas où l’intelligence artificielle a amélioré l’efficacité de l’audit.
Cette partie offre quelques exemples de cas où l’IA a amélioré l’efficacité de l’audit. Elle propose 4 axes de recherche et tendances actuelles dans le domaine de la digitalisation de l’audit qui conviennent de présenter pour savoir un peu plus sur les apports de l’IA dans les missions du CAC.
- Efficacité de l’audit grâce au Big Data Analytics (BDA)
Le Big Data Analytics (BDA) représente une avancée majeure pour la profession d’audit. En améliorant la précision, l’efficacité et la qualité des audits, il permet aux auditeurs de naviguer dans des environnements complexes et de prendre des décisions plus informées.
Le BDA, défini comme « le processus d’extraction des connaissances à partir des données » (Roiger, 2017 dans Jabraoui et Vandapuye, 2023, p.465), joue un rôle transformateur dans la profession d’audit. L’adoption du BDA en audit est motivée par des facteurs internes et externes. Parmi les facteurs externes, le niveau d’adoption des technologies par les clients influence directement les outils utilisés par les auditeurs. Un écart technologique entre auditeurs et clients peut affecter l’opinion d’audit émise, rendant crucial pour les auditeurs de maintenir une parité technologique avec leurs clients (Alles, 2015; Appelbaum et al., 2017 cité dans Jabraoui et Vandapuye, 2023).
Parmi les facteurs internes, l’amélioration de la qualité de l’audit est essentielle : les outils de BDA permettent aux auditeurs de manipuler de vastes ensembles de données, de découvrir des schémas cachés et de recueillir des éléments probants solides pour leurs opinions d’audit (Adnan Allbabidi, 2021 cité dans Jabraoui et Vandapuye, 2023). Cela conduit à des audits plus précis et fiables, ainsi qu’à une meilleure relation auditeur-audité (Earley, 2015 cité dans Jabraoui et Vandapuye, 2023). De plus, les technologies de BDA simplifient les procédures d’audit, réduisent le niveau de risque d’audit et augmentent l’efficacité et la performance organisationnelle (Mustapha & Lai, 2017 cité dans Jabraoui et Vandapuye, 2023). Le BDA améliore également la qualité de l’audit en permettant des tests de population complets plutôt que de se limiter à des échantillons, offrant ainsi des résultats plus précis (Eilifsen et al., 2020 cité dans Jabraoui et Vandapuye, 2023 ). En intégrant des données financières et non financières, le BDA offre une vue holistique de l’environnement et des activités de l’entreprise auditée (Maroufkhani et al., 2019 cité dans Jabraoui et Vandapuye, 2023).
Malgré ses avantages, l’adoption du BDA dans l’audit n’est pas encore généralisée en raison du manque de compétences nécessaires pour maîtriser ces outils complexes et de la disparité technologique entre auditeurs et clients. Néanmoins, le BDA représente une avancée majeure pour la profession d’audit, permettant des audits plus rapides, plus rentables, et de meilleure qualité, tout en aidant les auditeurs à prendre des décisions plus éclairées et à trouver des solutions créatives aux problèmes complexes (Cao et al., 2015 cité dans Jabraoui et Vandapuye, 2023).
- L’audit continu pour renforcé la qualité d’audit
L’audit continu est un mode de surveillance incessant qui repose sur une interaction continue entre la technologie et le contrôle de gestion (Vasarhelyi & Alles, 2018).. Grâce à l’utilisation des technologies d’audit assistées par ordinateur (CAATs), les organisations peuvent instaurer des contrôles permanents et détecter les fraudes et les risques de manière continue, tout en disposant de justificatifs numériques. Cette approche permet de générer et de livrer des rapports en temps réel dans un environnement sans papier (Vasarhely & Kogan, 2017). L’auditeur doit alors valider l’exactitude des informations financières et la fiabilité des systèmes qui stockent, transportent, et traitent ces transactions, en vérifiant les fraudes et les erreurs dans les opérations.
Les technologies d’audit bien établies peuvent aider à la recherche d’anomalies significatives dans les documents financiers. Lorsqu’elles sont utilisées dans un système d’audit continu, ces technologies peuvent augmenter leur efficacité puisque toutes les transactions sont analysées en temps réel. Braun et Davis (2003) notent que des alternatives à faible coût pour une expérience d’audit digitalisé incluent l’introduction des CAATs, facilitant l’extraction, le tri et l’analyse des données (Jabraoui et Vandapuye, 2023). Utilisées depuis de nombreuses années, ces technologies intègrent une variété d’outils applicables à l’audit continu. L’objectif de l’audit comptable et financier évolue ainsi de la détection manuelle à la prévention basée sur la technologie.
Au cours des trois dernières décennies, l’utilisation de la technologie dans les rapports financiers a considérablement augmenté, résultant en des rapports et des résultats financiers presque en temps réel. Cette rapidité de mise à disposition de l’information rend les méthodes d’audit traditionnelles obsolètes et nécessite l’adoption de l’audit continu (Rezaee et al., 2001; Rikhardsson & Dull, 2016 cité dans Jabraoui et Vandapuye, 2023). Plusieurs scandales financiers et les réglementations subséquentes, notamment aux États-Unis avec la loi Sarbanes-Oxley, ont également favorisé cette adoption (Cullinan, 2004 cité dans Jabraoui et Vandapuye, 2023).
Une fois mis en œuvre, les systèmes d’audit continu peuvent fournir des informations fiables aux auditeurs tout en utilisant un minimum de ressources. Ces systèmes peuvent théoriquement conduire à des audits plus efficaces en offrant des informations financières pertinentes et fiables en temps réel. Les auditeurs externes tendent à se fier davantage au travail des auditeurs internes utilisant des systèmes d’audit continu, par rapport à ceux utilisant des systèmes traditionnels, ce qui contribue à la réalisation d’audits plus efficaces (Kim et al., 2009 cité dans Jabraoui et Vandapuye, 2023 ).
Cependant, les coûts de mise en place des systèmes d’audit continu sont élevés. Ils sont généralement associés à des honoraires de conseil importants, et les coûts d’infrastructure et de logiciels sont aussi assez conséquents. De plus, ces systèmes nécessitent un entretien coûteux (Braun & Davis, 2003 cité dans Jabraoui et Vandapuye, 2023).
- Le blockchain et l’audit
La blockchain est une technologie qui agit comme un grand registre distribué, où les transactions sont enregistrées de manière immuable sur les ordinateurs d’un réseau de nœuds (Jabraoui et Vandapuye, 2023). On distingue les blockchains privées, nécessitant une autorisation pour rejoindre le réseau, et les blockchains publiques, ouvertes à tous sans restriction.
Depuis son entrée dans le courant dominant en 2017, la blockchain a été considérée comme une technologie émergente capable de transformer les professions comptable et d’audit (Dai & Vasarhelyi, 2017 dans Jabraoui et Vandapuye, 2023). Cette technologie permet aux cabinets d’audit et à leurs clients d’économiser du temps et de l’argent en éliminant des processus de validation redondants et inefficaces. En simplifiant les transactions inter-entreprises et en facilitant la collaboration, elle accroît la confiance entre les partenaires commerciaux et réduit les coûts de transaction. Parmi ses avantages pour la comptabilité et l’audit, on note la double vérification et la visualisation précise des transactions, l’horodatage immuable, la fiabilité, l’efficacité et les confirmations automatisées. Les cabinets d’audit utilisant la blockchain peuvent obtenir un avantage concurrentiel grâce à l’automatisation accrue des tâches, réduisant ainsi les interventions humaines et augmentant la précision.
- Audits cloud et des systèmes d’aide à la décision
Le cloud computing permet aux auditeurs d’accéder aux ressources informatiques sans nécessiter d’infrastructures physiques coûteuses (Jabraoui et Vandapuye, 2023). Cependant, les préoccupations principales incluent la confidentialité et la sécurité des données, surtout dans les environnements de cloud public où les restrictions d’accès peuvent poser problème pour les audits. Les systèmes d’aide à la décision en audit ne prennent pas de décisions à la place des auditeurs, mais les aident à formuler des jugements professionnels justes (Jabraoui et Vandapuye, 2023). L’acceptation de ces systèmes dépend largement de la perception des auditeurs : s’ils les voient comme bénéfiques et améliorant leur processus décisionnel, ils seront plus enclins à les adopter.
Bien que le cloud computing offre des avantages en termes d’efficacité et de coûts pour les audits, les préoccupations de sécurité persistent. Quant aux systèmes d’aide à la décision, ils sont généralement perçus comme des outils utiles pour améliorer la qualité des décisions d’audit, surtout dans des situations complexes.
L’intégration des IA dans l’audit enrichit significativement la qualité en permettant une analyse plus approfondie, une automatisation des processus fastidieux, une meilleure conformité aux normes, et une prise de décision plus éclairée. Ces technologies promettent non seulement d’améliorer l’efficacité opérationnelle des audits, mais aussi de renforcer la confiance des parties prenantes dans les résultats d’audit. Toutefois, les compétences humaines des auditeurs demeurent cruciales. Ils doivent continuer à se réinventer en acquérant de nouvelles compétences technologiques, en recherchant de nouvelles opportunités de conseil et en se concentrant sur des tâches à valeur ajoutée que les machines ne peuvent pas effectuer, telles que l’analyse critique et le jugement professionnel (Jabraoui et Vandapuye, 2023).
Chapitre 2 : Les défis de la mise en œuvre de l’intelligence artificielle dans l’audit
L’intégration de l’IA dans le domaine de l’audit offre de nombreuses opportunités pour améliorer l’efficacité, la précision et l’efficience des processus d’audit. Cependant, elle présente également certains défis spécifiques qui doivent être surmontés pour garantir le succès de cette transformation.
Nous avons soulevé dans le chapitre 1 de cette deuxième partie l’application concrètes de l’IA dans l’audit financier à travers l’utilisation du ML et des exemples qui démontrent comment l’IA peut améliorer la qualité d’audit. Suite à cette étude on peut déterminer que la mise en œuvre de l’IA dans l’audit présente de nombreux défis. Mais nous porterons notre attention particulière dans cette étude la complexité et besoins en compétences que requiert l’utilisation du ML et la gestion des risques liées à la confidentialité et à la sécurité des données.
1. Complexité technique et besoins en compétences pour déployer des solutions d’intelligence artificielle.
La complexité technique et les besoins en compétences constituent des défis majeurs lors du déploiement de solutions d’IA dans le domaine de l’audit. L’analyse de cette complexité met en lumière la nécessité de maîtriser un large éventail d’algorithmes et de modèles. Les professionnels de l’audit doivent être familiarisés avec des techniques comme l’apprentissage automatique.
1.1. La complexité technique du ML dans l’audit
La complexité technique du déploiement de solutions d’intelligence artificielle dans le domaine de l’audit repose en grande partie sur le choix des algorithmes et des modèles à utiliser (Ly, A., 2019). Il est essentiel d’identifier les algorithmes appropriés pour traiter les données d’audit, tels que les réseaux de neurones, les arbres de décision et les machines à vecteurs de support. De plus, il convient de sélectionner les modèles les plus adaptés à la détection de fraudes et à l’analyse des risques, tels que les modèles supervisés et non supervisés. Cette sélection judicieuse des algorithmes et des modèles aura un impact significatif sur l’efficacité et la pertinence de l’outil déployée dans le domaine de l’audit.
En outre, les modèles d’IA (modèles du ML), sont souvent perçus comme des « boîtes noires » en raison de leur complexité (Chikhi & Ramdani, 2023). Cette opacité soulève des inquiétudes quant à la capacité des auditeurs à expliquer les décisions prises par l’IA aux clients et aux régulateurs. La transparence et l’explicabilité des modèles sont essentielles pour maintenir la confiance et la responsabilité dans le processus d’audit.
- Les besoin en compétences à déployer
Le besoin de compétences soulevées ici sera la compétence technique puisque nous avons déjà soulevé dans le chapitre 2 de la partie première de cette étude les compétences cognitives et émotionnelles nécessaire pour interagir avec l’IA. « L’augmentation du besoin d’auditeurs qualifiés dans le domaine informatique, ainsi que le manque de soutien des cadres d’audit dégageant des solides connaissances des outils informatiques existants, constituent également un enjeu majeur dans l’impact la transformation sur la profession d’audit » (Ramdi, 2021, p. 142). Cela souligne l’importance cruciale de développer des compétences techniques pour faire face aux défis posés par le recours à l’IA dans l’audit.
Daugherty et Wilson (2018) notent que de nombreuses tâches deviendront hybrides, mêlant les interventions humaines et robotiques, ce qui nécessitera des personnes capables de collaborer efficacement avec les machines (Kruskopf et al. 2020). L’idée n’est pas de maîtriser l’IA bien sûr mais de disposer de connaissance de base que requiert son utilisation.
2. Gestion des risques liés à la confidentialité et à la sécurité des données.
L’intégration de l’IA dans l’audit financier présente des défis majeurs en matière de sécurité et de confidentialité des données. Les systèmes d’IA traitent souvent des données financières sensibles et confidentielles (Chikhi & Ramdani, 2023), ce qui les rend vulnérables aux cybermenaces telles que les violations de données. Pour protéger ces informations, il est crucial de mettre en place des mesures robustes, notamment le chiffrement des données, des contrôles d’accès stricts et des systèmes de surveillance pour détecter et répondre rapidement à toute activité suspecte. Par ailleurs, les auditeurs doivent se conformer à des réglementations strictes, telles que le Règlement Général sur la Protection des Données (RGPD), qui imposent des exigences sur la collecte, le traitement et le stockage des données. Cela inclut l’obtention du consentement explicite des clients, la minimisation des données collectées et la transparence sur l’utilisation des informations. La gestion des données sensibles doit également être soigneusement planifiée, en utilisant des techniques d’anonymisation et en établissant des politiques de conservation des données pour leur suppression sécurisée une fois qu’elles ne sont plus nécessaires. Une évaluation régulière des risques et des plans de gestion des risques appropriés, tels que les évaluations de l’impact sur la vie privée et les plans de réponse aux incidents, sont essentielles pour prévenir et gérer efficacement les violations de données. Enfin, la formation et la sensibilisation des CAC aux meilleures pratiques de sécurité et de confidentialité des données sont cruciales pour garantir la protection des informations financières et maintenir la confiance des parties prenantes.
Partie 3 : Etude empirique : Perception et impact de la transformation numérique sur les professionnels de l’audit
Cette partie se focalise sur une analyse basée sur des données empiriques, ayant pour objectif d’approfondir la compréhension des avis et des effets liés à la révolution numérique au sein de la communauté des auditeurs professionnels. Cette exploration s’appuie sur des approches qualitatives, visant ainsi à recueillir des informations sur la manière dont ces professionnels perçoivent la transformation technologique et son influence sur la nature de leur rôle ainsi que sur leurs responsabilités.
Chapitre 1 : Méthodologie de l’étude empirique
Ce chapitre détaille la méthodologie utilisée pour mener à bien l’étude empirique visant à explorer les perceptions et les impacts de la transformation numérique sur les professionnels de l’audit. A cet effet, il paraît pertinent d’utilisé la méthode qualitative pour obtenir une compréhension approfondie et nuancée de la manière dont les professionnels perçoivent l’évolution technologique et de ses effets sur leurs rôles et responsabilités.
1. Description des méthodes de collecte de données
Dans le cadre de cette étude, nous avons utilisé une méthode qualitative à travers un entretien semi-directif. La méthode qualitative est la plus appropriée compte tenu de notre sujet puisqu’il s’agit ici d’une « recherche en audit et contrôle fondée sur l’expérience professionnelle » (Cappelletti, 2005, p. 2). A cet effet, on s’est appuié sur des entretiens semi-directifs et un guide d’entretien pour collecter les maximums d’information sur l’expérience des CAC.
Rappelons notre problématique : Comment la transition vers l’utilisation de technologies telles que l’intelligence artificielle dans l’audit financier impacte-t-elle le rôle traditionnel de l’auditeur, tout en offrant des perspectives nouvelles sur l’amélioration de la détection de la fraude, et quels sont les défis et les opportunités découlant de cette évolution ?
A la recherche des réponses à cette problématique, l’adoption de la méthodologie qualitative permet de capturer la complexité et la profondeur des expériences des CAC face à l’IA et au ML. Elle offre une flexibilité et une richesse de données indispensables pour comprendre les impacts de la transformation numérique sur les pratiques d’audit, les défis rencontrés et les opportunités offertes. Grâce à cette approche, l’étude peut fournir des insights détaillés et contextuels, soutenant une analyse et des recommandations fondées sur une compréhension complète et nuancée des phénomènes étudiés.
A travers les entretiens semi-directifs, on va explorer en profondeur les expériences, les perceptions et les attitudes des CAC face à la transition vers l’utilisation d’IA et du ML dans l’audit financier. Cette approche offre une compréhension riche et nuancée des opinions et des sentiments des professionnels, qui ne peuvent être capturés de manière aussi détaillée par des méthodes quantitatives. L’entretien semi-directif offre une flexibilité qui permet d’adapter les questions en fonction des réponses des participants (Wallon, 2023). Aléas et atouts de l’entretien semi-directif. Cette adaptabilité est essentielle pour approfondir certains aspects imprévus ou particulièrement pertinents soulevés par les participants, ce qui peut conduire à des insights précieux et inattendus. Et dans la conduite de ces entretiens un guide (voir annexe) est établi pour orienter les discussions tout en laissant la place à l’exploration libre des sujets pertinents (Wallon, 2023).
Les entretiens semi-directifs ont été conduits en face-à-face (2 participants) ou via des plateformes de visioconférence (8 participants), selon la disponibilité et la préférence des participants. Chaque entretien durait en moyenne 30 minutes et était enregistré avec le consentement des participants pour une analyse ultérieure.
2. Choix de l’échantillon et justification de sa pertinence.
Le choix de l’échantillon s’est porté sur les professionnels d’audit ayant une expérience significative dans l’utilisation ou la gestion de l’IA et du ML dans leurs pratiques professionnelles. L’échantillon a été sélectionné en suivant l’accès des participants dans le cercle professionnel de l’étudiant et ceux ayant répondu positivement à faire partie de l’enquête. Ainsi on a pu sélectionner les CAC selon les critères suivants :
- Expérience professionnelle : Les participants doivent avoir plusieurs années d’expérience dans le domaine de l’audit financier, avec une exposition directe à l’utilisation de technologies avancées telles que l’IA et le ML.
- Diversité des organisations : L’échantillon comprend des professionnels provenant de différentes tailles et types d’organisations (grandes firmes internationales, cabinets de taille moyenne, et petites entreprises) pour capturer une diversité de perspectives et d’expériences.
- Rôles et responsabilités variés : Les participants occupent divers rôles au sein de leurs organisations, allant des auditeurs juniors aux responsables de département et partenaires, afin de comprendre comment l’intégration de l’IA et du ML impacte différents niveaux hiérarchiques.
Tableau 2 : Présentation des échantillons selon les critères établis
| Participant | Organisation | Rôle | Expérience |
| Participant 1 | Grande firme internationale de conseil et d’audit | Directrice de l’audit | 15 ans |
| Participant 2 | Cabinet d’audit de taille moyenne | Auditeur Senior | 12 ans |
| Participant 3 | Grande entreprise européenne spécialisée dans les services d’audit | Responsable des technologies d’audit | 10 ans |
| Participant 4 | Cabinet de renommée internationale en audit et conseil | Partenaire | 20 ans |
| Participant 5 | Société d’audit | Expert-Comptable | 8 ans |
| Participant 6 | Cabinet d’audit | Directeur adjoint | 14 ans |
| Participant 7 | Entreprise en audit et conseil | Commissaire au Compte | 11 ans |
| Participant 8 | Groupe spécialisé dans les audits technologiques | Chef de projet audit technologique | 9 ans |
| Participant 9 | Cabinet de conseil et d’audit actif | Partenaire associée | 6 ans |
| Participant 10 | Société d’audit de grande envergure | Auditeur Principal | 13 ans |
Source : l’étudiant
En incluant des professionnels de différentes tailles et types d’organisations, l’échantillon permet de capturer une image représentative des pratiques actuelles et des défis rencontrés par les CAC dans divers contextes organisationnels et géographiques. La diversité des rôles et responsabilités des participants garantit une variété de perspectives sur l’intégration de l’IA et du ML, offrant ainsi une compréhension globale des impacts à tous les niveaux de l’organisation. Cela permet également d’examiner comment les technologies influencent les pratiques de travail des auditeurs juniors jusqu’aux partenaires.
Chapitre 2 : Résultats et analyses
Le deuxième chapitre de cette étude se penche sur les résultats obtenus à travers une analyse approfondie des perceptions et des attitudes des professionnels de l’audit à l’égard de la transformation numérique. Il vise à offrir un aperçu détaillé des conclusions tirées de l’enquête réalisée auprès de ces acteurs clés de l’industrie.
Il s’agit ici d’exposer les données recueillies au cours de l’enquête. Les réponses des participants sont examinées pour dégager une compréhension globale de leur vision vis-à-vis de la numérisation croissante dans le domaine de l’audit financier. Cette présentation des résultats constitue une base solide pour l’analyse approfondie qui suit. À travers cette analyse, nous examinons les avantages que les professionnels de l’audit associent à la transformation numérique. Parallèlement, nous explorons également les préoccupations et les réserves qu’ils expriment face à cette transition vers la numérisation. Après ces examens, on analysera en profondeur les changements perçus dans les pratiques de travail des professionnels de l’audit en raison de l’essor de la transformation numérique.
1. Présentation des résultats : les perceptions et les attitudes des professionnels de l’audit envers la transformation numérique.
On va présenter les résultats des 10 entretiens par participant suivant le guide d’entretien.
Participant 1 :
| Questionnaires | Verbatim |
| Perception de la transformation numérique | Nous avons constaté une automatisation accrue des tâches répétitives et une amélioration significative de l’efficacité et de la précision des audits. |
| Réflexion sur l’IA | Mon niveau de compétence en matière d’utilisation des IA a considérablement évolué. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | L’introduction de l’IA a modifié les tâches des auditeurs en automatisant de nombreuses tâches routinières, permettant ainsi aux auditeurs de se concentrer sur des tâches plus analytiques et stratégiques. |
| Utilisation de l’IA dans la détection de la fraude | L’IA permet de détecter des schémas de fraude complexes et subtils qui pourraient échapper à l’analyse humaine. Elle peut analyser des volumes de données beaucoup plus importants et en temps réel, ce qui accélère la détection des fraudes. De plus, l’IA peut apprendre et s’adapter aux nouvelles tactiques de fraude, ce qui améliore continuellement son efficacité. |
| Défis et contraintes | La résistance au changement de la part du personnel, les coûts initiaux de mise en œuvre des technologies d’IA, et la nécessité de former les auditeurs aux nouvelles compétences requises. Il y a également des préoccupations concernant la fiabilité et la transparence des systèmes d’IA, ainsi que la gestion des données sensibles et la conformité aux régulations. |
| Réflexion personnelle et perspective | Leur rôle évoluera vers une fonction plus stratégique, impliquant des conseils basés sur des analyses avancées et une compréhension approfondie des risques technologiques. Ils joueront également un rôle crucial dans la gouvernance des technologies et la gestion des risques liés à l’IA. |
| Elargissement | l’importance de rester à jour avec les avancées technologiques et de continuer à expérimenter avec de nouvelles solutions. je pense qu’il serait intéressant de discuter de l’impact de la transformation numérique sur la collaboration internationale entre les cabinets d’audit et sur la standardisation des pratiques d’audit numérique à l’échelle mondiale |
Participant 2
| Questionnaires | Verbatim |
| Perception de la transformation numérique | Les avantages incluent une plus grande précision et une meilleure efficacité. De plus, les outils de visualisation de données nous aident à présenter les résultats de manière plus claire et plus convaincante aux clients. |
| Réflexion sur l’IA | Mon niveau de compétence en IA a considérablement progressé grâce à des formations continues et à l’expérience pratique. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | L’introduction de l’IA a automatisé de nombreuses tâches répétitives, permettant aux auditeurs de se concentrer sur des aspects plus analytiques et stratégiques de leur travail. |
| Utilisation de l’IA dans la détection de la fraude | Elle peut identifier des schémas et des anomalies que les méthodes traditionnelles pourraient manquer. De plus, l’IA peut surveiller les transactions en temps réel, permettant une détection et une réaction plus rapides. |
| Défis et contraintes | Les principaux défis incluent la résistance au changement, le coût de mise en œuvre des technologies d’IA, et la nécessité de former les auditeurs aux nouvelles compétences requises. Les résultats produits par l’IA sont généralement fiables, mais il est crucial de comprendre leurs limites et leurs biais potentiels. |
| Réflexion personnelle et perspective | Les principales raisons incluent la peur de l’inconnu, le manque de compétences technologiques, les coûts associés à l’adoption des nouvelles technologies, et la crainte de perdre des emplois à cause de l’automatisation. Je recommanderais de commencer par investir dans la formation et le développement des compétences technologiques de leur personnel. |
| Elargissement | Je voudrais souligner l’importance de rester à jour avec les avancées technologiques et de continuer à expérimenter avec de nouvelles solutions. |
Participant 3
| Questionnaires | Verbatim |
| Perception de la transformation numérique | Les technologies telles que la machine learning et l’automatisation ont radicalement changé notre manière de travailler. Nous avons observé une amélioration de l’efficacité opérationnelle et une réduction des erreurs humaines. |
| Réflexion sur l’IA | Mon niveau de compétence en IA a évolué grâce à des formations spécifiques et à l’expérience pratique. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | Les compétences requises ont évolué pour inclure une connaissance approfondie des technologies de l’IA et de la machine learning, ainsi que des compétences en analyse de données. |
| Utilisation de l’IA dans la détection de la fraude | L’IA offre une analyse plus rapide et plus précise des données, ce qui améliore la détection des fraudes. |
| Défis et contraintes | Les principaux défis incluent la résistance au changement, le coût de mise en œuvre des technologies d’IA, et la nécessité de former les auditeurs aux nouvelles compétences requises. |
| Réflexion personnelle et perspective | À mesure que la transformation numérique progresse, les auditeurs devront devenir des experts en technologie et en analyse de données. |
Participant 4
| Questionnaires | Verbatim |
| Perception de la transformation numérique | L’impact global de la transformation numérique sur les méthodes d’audit est considérable. |
| Réflexion sur l’IA | L’intégration de l’IA a modifié les tâches quotidiennes des auditeurs. Ils se concentrent davantage sur l’analyse des données et l’interprétation des résultats. L’audit continu en temps réel devient également possible grâce à l’IA. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | L’intégration de l’IA a modifié les tâches quotidiennes des auditeurs. Ils se concentrent davantage sur l’analyse des données et l’interprétation des résultats. L’audit continu en temps réel devient également possible grâce à l’IA |
| Utilisation de l’IA dans la détection de la fraude | L’IA améliore la détection de la fraude en utilisant des modèles prédictifs et une surveillance en temps réel. Elle peut identifier des anomalies et des schémas suspects plus efficacement que les méthodes traditionnelles. |
| Défis et contraintes | Les obstacles incluent la formation des auditeurs aux nouvelles technologies et la confiance dans les résultats produits par les systèmes d’IA. L’IA dépend de données de haute qualité pour fournir des résultats précis. |
| Réflexion personnelle et perspective | À long terme, les auditeurs devront acquérir des compétences en IA et collaborer avec des experts techniques. |
| Elargissement | Restez informé des dernières avancées technologiques, abonnez-vous à des newsletters pertinentes, échangez avec vos pairs, soyez prêt à vous adapter et testez de nouvelles technologies dans des projets pilotes. |
Participant 5
| Questionnaires | Verbatim |
| Perception de la transformation numérique | L’intégration de l’IA transforme radicalement le métier, mais les comptables resteront indispensables. |
| Réflexion sur l’IA | L’IA améliore la productivité, la qualité et l’efficacité du travail tout en réduisant les erreurs. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | Les comptables devront maîtriser l’IA, devenir experts dans leur domaine, et jouer un rôle important dans les décisions d’affaires. |
| Utilisation de l’IA dans la détection de la fraude | L’IA permet de traiter les tâches répétitives de manière plus qualitative, avec des irrégularités quasi inexistantes. |
| Défis et contraintes | L’intégration de l’IA représente un investissement financier considérable et nécessite une formation rapide des employés. |
| Réflexion personnelle et perspective | Les professionnels doivent rester vigilants quant aux usages de l’IA car elle peut être utilisée pour le meilleur comme pour le pire. |
| Elargissement | L’IA peut optimiser la consommation d’énergie et le recyclage, réduisant les émissions de gaz à effet de serre, et représente un enjeu crucial de développement durable. |
Participant 6
| Questionnaires | Verbatim |
| Perception de la transformation numérique | La transformation numérique est inévitable pour rester compétitif. Nous devons intégrer les nouvelles technologies comme l’IA pour améliorer nos services et répondre aux attentes des clients |
| Réflexion sur l’IA | L’IA représente une opportunité majeure pour automatiser nos processus d’audit et améliorer la qualité des informations financières que nous examinons. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | L’IA transforme notre rôle en nous permettant de nous concentrer sur des analyses stratégiques plutôt que sur des tâches répétitives. |
| Utilisation de l’IA dans la détection de la fraude | Nous utilisons l’IA pour détecter des modèles suspects dans les transactions, ce qui nous permet d’identifier la fraude plus rapidement qu’auparavant |
| Défis et contraintes | Les principaux défis incluent la gestion des données massives et la formation du personnel pour utiliser efficacement les outils d’IA. |
| Réflexion personnelle et perspective | Je crois que l’IA va continuer à transformer notre secteur, mais nous devons nous assurer d’intégrer ces technologies de manière éthique et transparente. |
| Elargissement | En élargissant notre utilisation de l’IA, nous envisageons d’explorer des applications dans d’autres domaines comme l’analyse prédictive pour améliorer nos services de conseil. |
Participant 7
| Questionnaires | Verbatim |
| Perception de la transformation numérique | L’IA modifie le paradigme du contrôle en permettant une analyse exhaustive des données. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | L’IA encourage également le développement de l’audit en continu, renforçant ainsi la collaboration entre les lignes de défense internes des entreprises. |
| Utilisation de l’IA dans la détection de la fraude | Elle optimise également la détection des risques et réduit la dépendance aux contrôles sur place, ce qui améliore l’efficacité globale des audits. |
| Défis et contraintes | L’utilisation de l’IA exige une expertise accrue dans la gestion des scripts de contrôle et une vigilance renforcée contre les biais potentiels dans l’interprétation des données |
| Réflexion personnelle et perspective | À mesure que l’IA continue de progresser, elle devrait jouer un rôle croissant dans l’amélioration de la qualité et de l’efficacité des audits financiers. |
Participant 8
| Questionnaires | Verbatim |
| Perception de la transformation numérique | L’une des compétences les plus cruciales pour un auditeur est sans aucun doute l’esprit critique. C’est cet esprit qui permet d’examiner minutieusement les informations, de poser les bonnes questions et de détecter d’éventuelles anomalies ou fraudes. |
| Réflexion sur l’IA | Le champ des possibles pour les IA est immense et limité uniquement par notre propre imagination. En 2030 ou 2040, il est difficile de dire jusqu’où ces technologies pourront aller. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | Une IA pourrait optimiser plusieurs aspects de notre mission d’audit légal. |
| Utilisation de l’IA dans la détection de la fraude | Bien que la recherche active de la fraude ne soit pas la mission première d’un commissaire aux comptes, l’IA pourrait jouer un rôle crucial. |
| Défis et contraintes | L’IA pourrait optimiser la gestion des plannings en fonction des qualifications et de l’expérience des intervenants, du temps requis pour chaque dossier, et même des temps de déplacement. Elle pourrait aussi automatiser l’archivage et certaines formalités administratives, ce qui nous libérerait de tâches répétitives. |
| Réflexion personnelle et perspective | L’IA et les commissaires aux comptes devront cohabiter et collaborer pour maximiser les avantages des technologies. |
| Elargissement | Nous sommes à l’aube de changements majeurs qui ne manqueront pas d’impacter, non seulement le monde, mais également notre environnement et à fortiori nos métiers. |
Participant 9
| Questionnaires | Verbatim |
| Perception de la transformation numérique | La transformation numérique a amélioré la précision et l’efficacité de nos audits, nous permettant de traiter plus de données en moins de temps. |
| Réflexion sur l’IA | Lors d’un audit récent, l’IA a identifié des anomalies dans les transactions financières, ce qui a conduit à la découverte de fraudes. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | L’IA a automatisé de nombreuses tâches de vérification, nous permettant de nous concentrer sur l’analyse et l’interprétation des données. |
| Utilisation de l’IA dans la détection de la fraude | L’IA permet une analyse plus approfondie et rapide des données, identifiant des schémas de fraude complexes. Les fraudes comptables complexes et les détournements de fonds peuvent être détectés plus efficacement grâce à l’IA. |
| Défis et contraintes | L’intégration de l’IA nécessite des investissements significatifs en termes de formation et de mise en place de l’infrastructure. |
| Réflexion personnelle et perspective | Les auditeurs deviendront des consultants en technologies et des experts en analyse de données, ajoutant plus de valeur à leurs clients. |
| Elargissement | La transformation numérique nécessite également un changement de culture au sein des entreprises pour être pleinement efficace. |
Participant 10
| Questionnaires | Verbatim |
| Perception de la transformation numérique | Avec l’innovation numérique, de nouveaux modes de travail se développent tandis que des services s’automatisent. Le secteur de l’audit est en plein bouleversement. |
| Réflexion sur l’IA | Les commissaires aux comptes s’emparent de l’intelligence artificielle pour transformer l’audit. |
| Impact de l’IA sur le rôle traditionnel de l’auditeur | Ces outils créent de la valeur : gain de temps, meilleure capacité analytique, meilleure compréhension du business model des clients et meilleur ciblage en fonction des risques identifiés. |
| Utilisation de l’IA dans la détection de la fraude | Des outils comme ‘Intelligent Audit’ en cours de développement devraient automatiser les tâches d’audit et identifier en temps réel les anomalies comptables de l’entreprise. |
| Défis et contraintes | Il sera nécessaire de développer de nouvelles compétences, comme la capacité d’interagir avec l’intelligence artificielle, maintenir la sécurité et la confidentialité des données clients ou comprendre et analyser les procédés qui engendrent des erreurs. Il n’existe pas de normes conformes à l’utilisation des données et de l’intelligence artificielle dans l’audit, il est donc indispensable de faire évoluer le cadre normatif. |
| Réflexion personnelle et perspective | Ces nouveaux outils permettent de dépasser les limites de l’analyse traditionnelle qui est chronophage, répétitive et segmentée. Cependant, il faut bien voir les limites de ces outils pour savoir quand ne plus s’y fier. |
| Elargissement | L’arrivée du cloud permet un travail davantage collaboratif, avec l’échange de données facilité entre les clients et les partenaires. La blockchain favorise la mise en œuvre d’audit en continu avec l’envoi d’informations en temps réel aux clients. Les outils comme Smart CAC et Power BI offrent des capacités de modélisation et de visualisation des données pour optimiser l’analyse. |
Les résultats de cet entretien mettent en lumière l’importance croissante de l’intégration technologique, en particulier de l’IA, dans le domaine de l’audit interne. Ils soulignent les bénéfices substantiels pour l’efficacité opérationnelle et la gestion des risques, tout en identifiant les défis à surmonter pour une adoption réussie. Ces insights offrent des pistes de réflexion cruciales pour l’avenir de l’audit dans un contexte de transformation numérique rapide.
2. Analyse des avantages perçus, des préoccupations et des changements dans les pratiques de travail.
L’intégration de l’IA dans la pratique d’audit financier par le commissaire aux comptes offre des avantages significatifs en termes d’efficacité, d’analyse de données et de prise de décision, mais elle soulève également des préoccupations liées à la compréhension, à l’éthique et à la sécurité des données. Cette transformation nécessite une évolution des compétences, des méthodes d’audit et de la collaboration entre les humains et les systèmes d’IA.
2.1. Synthèse des entretiens
- Perception de la transformation numérique
Les participants ont unanimement observé une amélioration significative de l’efficacité opérationnelle grâce à l’automatisation des tâches répétitives et à une meilleure précision dans les audits. Les outils d’intelligence artificielle (IA) permettent de traiter de grandes quantités de données avec une rapidité accrue, facilitant ainsi une analyse plus approfondie et des conseils plus pertinents pour les clients.
- Réflexion sur l’IA
Les compétences en IA sont devenues essentielles, avec un besoin croissant de formation continue pour maîtriser l’utilisation des outils d’IA spécifiques à l’audit. Les auditeurs ont noté une évolution significative dans leur capacité à analyser et interpréter les résultats générés par ces technologies, notamment grâce à l’analyse prédictive et aux algorithmes de machine learning.
- Impact sur le rôle traditionnel de l’auditeur
L’introduction de l’IA a transformé le rôle des auditeurs en automatisant les tâches routinières, libérant ainsi du temps pour se concentrer sur des analyses stratégiques et des conseils personnalisés aux clients. Cela nécessite une adaptation des compétences vers une compréhension approfondie des technologies numériques et une expertise accrue en analyse de données.
- Utilisation de l’IA dans la détection de la fraude
L’IA améliore considérablement la détection des fraudes en identifiant des schémas complexes et en surveillant les transactions en temps réel. Cette capacité à traiter et analyser de grandes quantités de données permet une réactivité accrue face aux menaces de fraudes émergentes.
- Défis et contraintes
Les principaux défis incluent la résistance au changement parmi le personnel, les coûts initiaux élevés d’implémentation des technologies d’IA, ainsi que la nécessité de former continuellement les auditeurs aux nouvelles compétences requises. Il existe également des préoccupations concernant la fiabilité, la transparence des systèmes d’IA, ainsi que la conformité aux régulations en matière de protection des données.
- Réflexion personnelle et perspective
Les auditeurs reconnaissent que la transformation numérique représente à la fois une opportunité et un défi. Ils soulignent l’importance d’intégrer ces technologies de manière éthique et transparente, tout en développant une culture d’innovation et de collaboration au sein des organisations.
- Perspectives futures et élargissement
Il est envisagé que l’avenir de l’audit sera marqué par une collaboration internationale renforcée et une standardisation des pratiques numériques. Les avancées technologiques telles que le cloud computing et la blockchain offrent de nouvelles opportunités pour un audit en continu et une analyse proactive des données.
2.2. Analyse des résultats
L’IA permet d’automatiser des tâches répétitives et chronophages, réduisant ainsi le temps nécessaire à la collecte et à l’analyse des données. Un auditeur a mentionné que « l’IA nous aide à réaliser des audits plus rapides et plus précis en traitant de grandes quantités de données rapidement. » Les capacités d’analyse avancée de l’IA permettent de repérer des modèles et des anomalies dans les données financières, améliorant ainsi la détection des fraudes. L’automatisation et l’analyse prédictive facilitent la planification et l’exécution des audits, permettant aux équipes d’audit de se concentrer davantage sur des aspects stratégiques et analytiques.
Mais l’utilisation du nouvel outil n’est pas sans préoccupation. La sécurité des données est une préoccupation majeure, particulièrement en ce qui concerne le traitement et la protection des informations financières sensibles. Un participant a déclaré : « Nous devons nous assurer que les données client sont sécurisées et que les systèmes d’IA respectent les normes de confidentialité ». Il existe des inquiétudes quant à la fiabilité des résultats produits par les systèmes d’IA, notamment en raison de la complexité des algorithmes et des risques associés à la prise de décisions basées uniquement sur des analyses automatisées. Un participant a exprimé : « Nous devons être prudents dans l’interprétation des résultats d’IA et nous assurer de leur exactitude avant de prendre des décisions critiques ». Il y a aussi une préoccupation quant à l’impact potentiel de l’IA sur l’emploi des auditeurs, avec des questions sur la nécessité de compétences nouvelles et émergentes versus la réduction du besoin de main-d’œuvre humaine. Un auditeur a discuté : « Nous devons nous préparer à une transition vers des rôles d’audit augmentés par l’IA, tout en garantissant que les compétences humaines restent essentielles ».
Et des changements s’observent également. Il y a une demande croissante pour la formation et le développement des compétences liées à l’IA parmi les auditeurs, afin de maximiser les bénéfices de cette technologie tout en atténuant les risques. Un participant a expliqué : « Nous investissons dans la formation continue pour que nos équipes maîtrisent les outils d’IA et comprennent comment les intégrer dans nos processus d’audit ». Les cabinets d’audit ajustent leurs méthodologies pour inclure des approches d’audit assistées par l’IA, en intégrant des analyses prédictives et des techniques d’apprentissage automatique. Un auditeur a noté : « Nous avons revu nos méthodologies pour tirer parti des capacités d’IA dans l’identification des risques et la planification des tests». Il y a également une évolution vers une collaboration plus étroite entre les auditeurs et les systèmes d’IA, où les auditeurs interprètent et utilisent les résultats générés par l’IA pour prendre des décisions informées. Un participant a partagé : « Nous travaillons main dans la main avec nos outils d’IA pour garantir une audit de haute qualité tout en maintenant l’engagement client ».
Chapitre 3 : Implications et recommandations
Ce chapitre constitue une étape cruciale de cette étude, mettant en lumière les implications significatives découlant des résultats de l’étude empirique précédente. Il examine en profondeur les enseignements tirés de l’analyse des perceptions et des attitudes des professionnels de l’audit à l’égard de la transformation numérique.
- Discussion des principales conclusions tirées de l’étude empirique.
L’enquête menée auprès des professionnels du secteur de l’audit confirme plusieurs points soulevés par la littérature existante.
- Réformes légales et réglementaires : catalyseurs de la modernisation de l’audit
Tout d’abord, elle souligne l’impact significatif des réformes légales et réglementaires sur l’intégration de la technologie dans les pratiques d’audit. Les nouvelles normes professionnelles, telles que celles établies par l’IAASB et d’autres organismes de normalisation, sont perçues comme des catalyseurs essentiels pour moderniser les méthodes traditionnelles d’audit. Ces normes encouragent implicitement l’utilisation de technologies avancées pour renforcer l’efficacité et la qualité des audits, alignant ainsi les pratiques d’audit avec les exigences d’un environnement numérique en évolution constante.
L’analyse de la littérature confirme que les réformes légales, telles que la réforme européenne de l’audit et la loi PACTE en France, ont joué un rôle crucial en imposant des exigences spécifiques pour l’utilisation de la technologie dans les audits financiers. Par exemple, la rotation obligatoire des cabinets d’audit et l’interdiction des services non liés à l’audit pour les entreprises d’intérêt public sont des mesures qui incitent les cabinets d’audit à adopter des pratiques plus transparentes et indépendantes, souvent en utilisant des technologies avancées pour soutenir ces processus.
- Sécurité des données et confidentialité : défis persistants
L’enquête met également en lumière certaines préoccupations persistantes. Parmi celles-ci figurent les défis liés à la sécurité des données et à la protection de la confidentialité des informations des clients. L’augmentation de la dépendance aux systèmes informatiques expose les cabinets d’audit à des risques accrus de cyberattaques et de violations de données, nécessitant une vigilance constante et des investissements significatifs dans la sécurité informatique. On peut ainsi tirer la conclusion que les réformes légales et réglementaires jouent un rôle central dans la transformation des pratiques d’audit à l’ère numérique. Elles fournissent un cadre essentiel pour l’intégration de la technologie, tout en introduisant des exigences spécifiques qui visent à renforcer la qualité, la transparence et l’indépendance des audits.
- Intégration de l’IA dans les pratiques d’audit : redéfinition du rôle des CAC
Les résultats de l’enquête confirment l’importance de l’équilibre entre l’automatisation et le jugement humain, et mettent en évidence la nécessité de formations continues et de normes éthiques rigoureuses. Cette approche intégrée garantit que l’IA enrichit le jugement professionnel des auditeurs tout en maintenant les normes les plus élevées de qualité et d’intégrité. L’intégration de l’intelligence artificielle et du ML dans les pratiques d’audit représente une évolution majeure pour la profession. Les applications concrètes de ces technologies, telles que l’analyse des données financières et la détection de la fraude, offrent des avantages significatifs en termes de précision, d’efficacité et de réduction des fraudes. Cependant, des obstacles subsistent, notamment les coûts élevés, les préoccupations de sécurité et la nécessité de développer de nouvelles compétences techniques.
Les résultats de l’enquête confirment que les auditeurs reconnaissent les nombreux avantages des technologies d’IA, tout en soulignant les défis à surmonter. Pour tirer pleinement parti des technologies d’IA, les auditeurs doivent adopter une attitude d’apprentissage continu et acquérir de nouvelles compétences techniques. En équilibrant les avantages et les obstacles, l’intégration réussie de l’IA dans les pratiques d’audit peut améliorer la qualité des audits et renforcer la confiance des parties prenantes.
2. Recommandations pour les cabinets d’audit et les professionnels de l’audit en matière d’adoption de l’intelligence artificielle et de la transformation numérique.
Pour garantir une adoption efficace et bénéfique de l’IA et du ML dans les pratiques d’audit, les cabinets d’audit et les professionnels doivent suivre des recommandations opérationnelles spécifiques. Ces recommandations visent à maximiser les avantages des technologies tout en minimisant les risques et les défis associés.
- Recommandation 1 : Développement de compétences techniques et analytiques
Il est crucial pour les auditeurs de participer à des programmes de formation continue et spécialisés en IA et ML. Ces programmes doivent inclure des modules spécifiques sur les algorithmes, les techniques de traitement des données, et les outils d’analyse avancée. En outre, obtenir des certifications techniques reconnues en analyse de données, IA, et ML est fortement recommandé. Ces certifications fournissent une reconnaissance formelle des compétences acquises et augmentent la crédibilité professionnelle des auditeurs.
Avec l’évolution technologique des 25 dernières années, les méthodes d’acquisition des connaissances se sont diversifiées. Il n’est plus nécessaire d’assister à des cours en présentiel, car presque tout est disponible en ligne. Voici quelques-unes des meilleures façons d’élargir notre éventail de compétences pour l’avenir, en intégrant les recommandations de Kruskopf et al. (2020) :
Des plateformes telles que edX.com et Coursera.com offrent des cours couvrant une variété de domaines, des arts et des sciences humaines aux sciences sociales, en passant par les affaires et les langues. Ces plateformes proposent également des maîtrises entièrement en ligne de la part d’universités accréditées, ainsi que des certifications dans des domaines professionnels comme la science des données, la cybersécurité et l’apprentissage profond. De nombreux cours sont gratuits, mais pour obtenir une certification reconnue, il faut souvent payer des frais. Par exemple, un master en ligne peut coûter entre 10 000 et 25 000 euros selon le programme, ce qui reste relativement abordable comparé à un master sur campus. En complément des formations en ligne, nous encourageons la participation à des cours en présentiel dans des institutions comme Open University, où le paiement s’effectue par crédit. Cela offre une interaction directe avec des enseignants et des camarades de classe, favorisant ainsi l’apprentissage collaboratif et le développement de compétences interpersonnelles essentielles.
Pour combler les lacunes en compétences techniques, il est nécessaire de recruter des experts en data science et en technologies de l’information. En parallèle, des programmes de mentorat et de coaching doivent être mis en place, où des experts internes partagent leurs connaissances et expériences avec d’autres auditeurs. Cette approche facilite l’apprentissage pratique et l’application des nouvelles technologies dans les audits. Nous suggérons également de solliciter les cabinets pour fournir des formations internes ciblées. Cela non seulement démontre notre engagement à faire progresser notre carrière, mais aide également l’entreprise à se préparer à l’avenir numérique. Selon Kruskopf et al. (2020), les programmes de développement des compétences internes peuvent renforcer notre capacité à utiliser les technologies de l’information et l’analyse de données, contribuant ainsi à une culture d’innovation au sein de notre entreprise.
Pour des solutions plus rapides, nous pouvons explorer des plateformes comme YouTube, où des experts partagent leurs connaissances dans divers domaines. Cependant, il est crucial de rester vigilant face aux informations potentiellement erronées. LinkedIn propose également des formations spécifiquement axées sur la comptabilité et l’audit. Enfin, bien que moins conventionnel, participer à des activités de bénévolat pour des rôles de leadership ou de travail d’équipe peut enrichir à la fois nos compétences techniques et interpersonnelles.
- Recommandation 2 : Intégration des technologies d’IA et de ML dans les processus d’audit
L’adoption d’outils d’automatisation pour les tâches répétitives et à faible valeur ajoutée, telles que l’extraction de données et les vérifications de conformité de base, est essentielle. Cela permet aux auditeurs de se concentrer sur des analyses à plus haute valeur ajoutée. De plus, intégrer l’IA et le ML dans les workflows d’audit améliore l’efficacité et la précision des processus, par exemple en utilisant des algorithmes de ML pour l’analyse des transactions et la détection des anomalies.
Le développement et la mise en œuvre d’algorithmes spécifiques de détection des fraudes capables d’analyser des volumes massifs de données en temps réel sont nécessaires. Ces outils peuvent identifier des schémas de fraude complexes et fournir des alertes précoces. En outre, l’utilisation de techniques d’analyse prédictive permet d’anticiper les risques financiers et opérationnels, offrant ainsi des recommandations proactives et améliorant la qualité des audits.
- Recommandation 3 : Gestion des données et sécurité informatique
Il est crucial d’établir une politique de gouvernance des données claire, définissant les rôles et responsabilités, les procédures de gestion des données, et les mesures de protection des données sensibles. Assurer la qualité, l’exactitude et la complétude des données utilisées dans les analyses d’IA et de ML est également essentiel pour des résultats d’audit fiables.
La mise en place de mesures de sécurité robustes pour protéger les données contre les cyberattaques et les violations est indispensable. Cela inclut le chiffrement des données, l’authentification multi-facteurs, et l’utilisation de pare-feu avancés. De plus, des audits de sécurité réguliers doivent être réalisés pour identifier et corriger les vulnérabilités potentielles, assurant ainsi une protection optimale.
Maintenir une veille juridique et technologique constante est crucial pour rester à jour avec les évolutions rapides dans le domaine de la technologie et de la finance, qui impactent directement les pratiques d’audit.
Pour une veille juridique efficace, il est recommandé de s’abonner à des revues spécialisées telles que la Revue Française de Comptabilité et l’International Journal of Auditing. Inscrivez-vous aux alertes et newsletters d’institutions comme l’Autorité des Marchés Financiers (AMF) ou l’International Federation of Accountants (IFAC) pour recevoir des mises à jour régulières sur les évolutions législatives. Participer à des webinaires et conférences organisés par des organismes professionnels et intégrer des réseaux et associations professionnelles permet également de rester informé et d’échanger avec d’autres experts du secteur. L’utilisation d’outils de veille juridique tels que LexisNexis ou Legifrance, ainsi que la participation à des programmes de formation continue, sont aussi des moyens efficaces pour approfondir ses connaissances juridiques.
Pour la veille technologique, il est essentiel de lire régulièrement des publications spécialisées comme le MIT Technology Review et Wired. S’abonner à des blogs et podcasts comme TechCrunch permet de suivre les dernières innovations. Participer à des forums et communautés en ligne sur des plateformes comme GitHub et Stack Overflow favorise l’échange d’idées avec d’autres professionnels de la technologie. Les rencontres lors de meetups, hackathons et groupes de discussion sont également bénéfiques pour se tenir informé des tendances actuelles. Utiliser des outils de veille technologique comme Feedly et Google Alerts est un bon moyen de recevoir des mises à jour régulières. Enfin, suivre des cours et des certifications en ligne sur des plateformes comme Coursera et edX aide à acquérir de nouvelles compétences et à rester à jour sur les avancées technologiques. En adoptant ces pratiques, vous pouvez garantir une conformité optimale et anticiper les ajustements nécessaires dans vos méthodes d’audit.
- Recommandation 4 : Adoption d’une culture de l’innovation et de l’amélioration continue
La création de laboratoires d’innovation dédiés, où les équipes peuvent expérimenter avec de nouvelles technologies et développer des prototypes avant leur déploiement à grande échelle, est fortement recommandée. Par ailleurs, mettre en place des programmes de reconnaissance et de récompense pour encourager les auditeurs à proposer des idées innovantes favorise une culture de l’innovation au sein des cabinets d’audit.
Former des équipes multidisciplinaires composées d’auditeurs, de data scientists, de spécialistes en technologies de l’information, et d’experts en cybersécurité permet de combiner les compétences et de développer des solutions plus robustes et efficaces. Établir des partenariats avec des entreprises technologiques, des universités, et des centres de recherche aide également à rester à la pointe des avancées technologiques et à bénéficier des dernières innovations en IA et ML.
- Recommandation 5 : Communication et transparence
Communication des Résultats : Produire des rapports clairs et détaillés sur les analyses réalisées avec l’IA et le ML est essentiel pour renforcer la confiance des clients et des parties prenantes. Il est important d’expliquer les méthodes utilisées, les résultats obtenus, et les conclusions tirées de manière transparente. Organiser des séminaires et des ateliers pour sensibiliser les clients et les parties prenantes aux avantages et aux implications des technologies d’IA et de ML dans les audits financiers facilite également l’acceptation et l’adoption de ces technologies.
Développer une stratégie de gestion du changement pour accompagner la transition vers les nouvelles pratiques d’audit est crucial. Cette stratégie doit inclure des plans de communication, des formations, et des supports pour aider les auditeurs à s’adapter aux changements. De plus, mettre en place des mécanismes de feedback continu pour recueillir les impressions et les suggestions des auditeurs et des clients permet d’améliorer en permanence les processus et les technologies utilisées.
En suivant ces recommandations, les cabinets d’audit et les professionnels de l’audit peuvent adopter efficacement l’IA et le ML, améliorant ainsi la qualité, l’efficacité et la transparence des audits financiers. Ces mesures garantissent une intégration harmonieuse des technologies avancées tout en maintenant les normes éthiques et professionnelles les plus élevées.
CONCLUSION
La comptabilité et l’audit ont été profondément remodelés par la transformation numérique, notamment par l’intégration croissante de l’IA et du machine learning. Cette évolution redéfinit les pratiques traditionnelles et les rôles des auditeurs, ainsi que les processus de détection de la fraude, offrant à la fois des défis et des opportunités qui façonnent l’avenir de l’audit financier.
Notre enquête a permis de constater que l’introduction de l’IA a permis aux auditeurs de déléguer les tâches répétitives et chronophages à la technologie, libérant ainsi du temps pour se concentrer sur des activités nécessitant un jugement professionnel et une expertise humaine, comme l’analyse critique et la prise de décision. Les auditeurs deviennent de plus en plus des évaluateurs des résultats fournis par les technologies, mettant en avant leur expertise dans l’interprétation des données et l’identification de tendances non évidentes. Les compétences non techniques telles que la communication, la collaboration et la compréhension des enjeux spécifiques de l’entreprise deviennent cruciales pour contextualiser les résultats de l’IA et communiquer efficacement avec les parties prenantes.
Dans le domaine de la détection de la fraude, l’IA permet d’analyser en temps réel des volumes massifs de données, facilitant ainsi la détection de schémas de fraude complexes et auparavant dissimulés. Les algorithmes de machine learning peuvent identifier des anomalies et des comportements incohérents, fournissant ainsi des indications préventives de potentielles fraudes. De plus, les systèmes basés sur l’IA peuvent réduire les biais humains, améliorant ainsi l’objectivité et la précision des résultats de détection de la fraude.
Les perceptions des participants montrent une réception positive de l’IA, soulignant ses avantages en termes d’efficacité opérationnelle et de qualité de l’audit. Cependant, cette adoption doit être accompagnée d’une réflexion approfondie sur la transparence des algorithmes, la gestion des erreurs et la prévention des biais algorithmiques. Les auditeurs ont exprimé la nécessité d’une formation continue pour comprendre et utiliser efficacement les outils d’IA, ainsi que d’une collaboration étroite avec des experts en technologie pour développer des solutions adaptées aux besoins spécifiques du secteur de l’audit financier.
En réponse à notre problématique, nous concluons que la transition vers l’utilisation de technologies telles que l’intelligence artificielle dans l’audit financier impacte profondément le rôle traditionnel de l’auditeur. Cette transition permet de se concentrer davantage sur des tâches à forte valeur ajoutée, telles que l’analyse et l’interprétation des données, tout en offrant de nouvelles perspectives sur l’amélioration de la détection de la fraude. Cependant, elle pose également des défis importants, notamment en termes de formation, de gestion des biais algorithmiques et de protection des données, qui doivent être abordés pour tirer pleinement parti des opportunités offertes par cette évolution.
L’IA dans l’audit financier soulève également des questions éthiques importantes, notamment autour de l’utilisation de données sensibles et personnelles pour former des modèles d’IA, nécessitant ainsi une protection renforcée de la confidentialité et de la sécurité des données. En outre, l’audit implique souvent des jugements subjectifs et des interprétations complexes, ce qui suscite des préoccupations quant à la déshumanisation du processus. Une approche équilibrée est indispensable pour intégrer l’IA tout en préservant l’intégrité et la responsabilité humaines.
Les aspects éthiques de l’utilisation de l’IA dans l’audit, en particulier en ce qui concerne la confidentialité des données et les biais algorithmiques, doivent être soigneusement analysés. Les régulations existantes doivent être étudiées et renforcées pour proposer des recommandations en faveur d’une meilleure gouvernance de l’IA dans le domaine de l’audit. Une régulation adéquate est essentielle pour garantir une utilisation responsable et équitable de l’IA, tout en assurant la protection des données et la réduction des biais algorithmiques.
BIBLIOGRAPHIE
Ali et al. (2022). Financial fraud detection based on machine learning: a systematic literature review. Applied Sciences, 12(19), 9637.
Alles, M. G., Brennan, G., & Kallapur, S. (2006). Delivery of assurance services in the digital age. Journal of Information Systems, 20(2), 1-16.
Alles, M. G., Brennan, G., & Kallapur, S. (2006). Delivery of assurance services in the digital age. Journal of Information Systems, 20(2), 1-16.
Ahyee, S. J., Domingo, H., & Eggrickx, A. (2018). Chapitre 4. Les professions comptables menacées à l’horizon 2050?. In Comptabilités et Société (pp. 113-130). EMS Editions.
Bassin, C. (2023). La loi PACTE une menace pour la qualité de l’audit ? La perception des auditeurs légaux français. ACCRA, 17, 45-68. https://doi.org/10.3917/accra.017.0045
Bergès T. 2002. Les nouvelles technologies de l’information et de la communication : un nouveau paradigme technologique pour les auditeurs financiers ?. Technologie et management de l’information : enjeux et impacts dans la comptabilité, le contrôle et l’audit, France. pp.CD-Rom. ffhalshs-00584435.
Bouchet V. 2017. Machine learning en finance : vers de nouvelles stratégies ?. Gestion et management. ffdumas-01706572ff
Cappelletti, L. (2005). La création de connaissances dans une recherche en audit et contrôle fondée sur l’expérience professionnelle. In Comptabilité et connaissances (pp. CD-Rom).
Chikhi, D. E. B., & Ramdani, B. (2023). L’influence de l’intelligence artificielle sur l’efficacité de l’audit financier: Tendances, défis et opportunités. Revue Française d’Economie et de Gestion, 4(12).
CNIL. (s.d.). Définition de la blockchain. [En ligne] Consulté le 2 juillet 2024. URL : https://www.cnil.fr/fr/definition/blockchain#:~:text=La%20blockchain%20est%20une%20technologie,sans%20organe%20central%20de%20contr%C3%B4le
Commission européenne. [En ligne] . Blockchain standards. Consulté le 2 juillet 2024. URL : https://digital-strategy.ec.europa.eu/fr/policies/blockchain-standards#:~:text=Les%20normes%20sont%20une%20cl%C3%A9,l’utilisation%20de%20la%20technologie
Conseil National de la CNCC. (2016). Slides de la réforme européenne de l’audit. https://cdn.cncc.fr/download/slides-de-la-reforme-europeenne-de-laudit-conseil-national-de-la-cncc-du-200116.pdf
Desplebin, O., Lux, G. & Petit, N. (2019). Comprendre la blockchain : quels impacts pour la comptabilité et ses métiers ?. ACCRA, 5, 5-23. https://doi.org/10.3917/accra.005.0005
Ghandari.Y et Ouenzar.S (2022) «l’audit interne à l’ère de la transformation digitale : vers un nouveau rôle-facteurs de succès et challenges», Revue Française d’Economie et de Gestion «Volume 1 : Numéro 4» pp :114-137.
Hutzli, V. (2021). Comment l’intelligence artificielle va-t-elle impacter le métier de comptable?.
IAASB. (s.d.). Audit evidence. [En ligne] Consulté le 2 juillet 2024. URL : https://www.iaasb.org/consultations-projects/audit-evidence
IAASB. (s.d.). Exposure draft: ISA 500, audit evidence.[En ligne]. Consulté le 2 juillet 2024. URL : https://www.ifac.org/_flysystem/azure-private/publications/files/IAASB-Exposure-Draft-ISA-500-Audit-Evidence.pdf
IASSB, 2022, International Standard on Auditing : Proposed International Standard on Auditing 500 (Revised), Audit Evidence and Proposed Conforming and Consequential Amendments to Other ISAs
Jabraoui, S., & Vandapuye, S. (2023). La digitalisation du métier d’audit: analyse bibliométrique. Revue Française d’Economie et de Gestion, 4(3).
Kogan, A., Duchon, D., Hales, J., & Rajgopal, S. (2016). Machine Learning and Natural Language Processing in Accounting. Now Publishers Inc.
Kruskopf, S., Lobbas, C., Meinander, H., Söderling, K., Martikainen, M., & Lehner, O. (2020). Digital accounting and the human factor: theory and practice. ACRN Journal of Finance and Risk Perspectives.
Levilly, N. & Dermarkar, S. (2021). Comptabilité : comment réussir la transformation numérique ?. Gestion, 46, 50-55. https://doi.org/10.3917/riges.461.0050
Meredith, K., Blake, J., Baxter, P., & Kerr, D. (2020). Drivers of and barriers to decision support technology use by financial report auditors. Decision Support Systems, 139, 113402
Miledi, A., & Pigé, B. (2013, May). Le Jugement professionnel en audit: Enquête auprès des associés signataires. In Comptabilité sans Frontières… The French Connection (pp. cd-rom). ⟨hal-01002359⟩
Ministère de l’Économie, des Finances et de la Relance. (2019). [En ligne] Loi Pacte : Plan d’action pour la croissance et la transformation des entreprises. Consulté le 2 juillet 2024. URL : https://www.economie.gouv.fr/loi-pacte-croissance-transformation-entreprises
Pang, S. H. (2023). Analyse de données financières et architectures d’apprentissage profond (Doctoral dissertation, Université de Reims Champagne-Adenne).
Prislan, K., & Bernik, I. (2010). Risk management with ISO 27000 standards in information security. Inf. Secur, 58-63.
Ramdi, I. (2021). La technologie digitale et la profession d’audit : quel impact ?. Revue internationale de comptabilité, finance, audit, gestion et économie , 2 (6-1), 126-144.
Steve Jacob, Seima Souissi & Jean-Simon Trudel, 2020, Intelligence artificielle et transformation des métiers de la comptabilité et de l’audit financier. Chaire de recherche sur l’administration publique à l’ère numérique. Université Laval Québec.
Tyson, L. D., & Zysman, J. (2022). Automation, AI & work. Daedalus, 151(2), 256-271.
Vasarhelyi, M. A., & Alles, M. (2018). Continuous Auditing: Theory and Application. Cambridge University Press.
Vasarhelyi, M. A., & Kogan, A. (2017). Continuous monitoring and the real-time enterprise: A digital feedback control perspective. International Journal of Accounting Information Systems, 26, 1-17.
Vasarhelyi, M. A., & Kogan, A. (2017). Continuous monitoring and the real-time enterprise: A digital feedback control perspective. International Journal of Accounting Information Systems, 26, 1-17.
Wallon, E. (2022). Aléas et atouts de l’entretien semi-directif. Annexes. L’Observatoire, H-, 110-111. https://doi.org/10.3917/lobs.hs6.0110
Table des matières
INTRODUCTION : 1
Sommaire 5
Partie 1 : L’évolution du rôle de l’auditeur dans le contexte de la transformation numérique 6
Chapitre 1 : Réformes légales et réglementaires favorisant l’adoption de la technologie dans l’audit 6
- Impact des réformes légales et des normes professionnelles sur l’intégration de la technologie dans les pratiques d’audit. 6
- Exemples de réformes similaires à la réforme européenne de l’audit et à la loi PACTE. 9
Chapitre 2 : Le rôle émergent du jugement professionnel dans un environnement numérique 12
- Exploration de la manière dont l’intelligence artificielle renforce le rôle du jugement professionnel de l’auditeur. 13
- Analyse des compétences cognitives et émotionnelles nécessaires pour interagir avec les technologies d’intelligence artificielle. 13
Partie 2 : L’intégration de l’intelligence artificielle et de la machine learning dans les pratiques d’audit 17
Chapitre 1 : Les applications concrètes de l’intelligence artificielle dans l’audit financier 17
- Utilisation de la machine learning pour l’analyse des données financières et la détection de la fraude. 17
- Exemples de cas où l’intelligence artificielle a amélioré l’efficacité de l’audit. 19
Chapitre 2 : Les défis de la mise en œuvre de l’intelligence artificielle dans l’audit 23
- Complexité technique et besoins en compétences pour déployer des solutions d’intelligence artificielle. 23
- Gestion des risques liés à la confidentialité et à la sécurité des données. 24
Partie 3 : Etude empirique : Perception et impact de la transformation numérique sur les professionnels de l’audit 26
Chapitre 1 : Méthodologie de l’étude empirique 26
- Description des méthodes de collecte de données 26
- Choix de l’échantillon et justification de sa pertinence. 27
Chapitre 2 : Résultats et analyses 29
- Présentation des résultats : les perceptions et les attitudes des professionnels de l’audit envers la transformation numérique. 29
- Analyse des avantages perçus, des préoccupations et des changements dans les pratiques de travail. 37
Chapitre 3 : Implications et recommandations 40
- Discussion des principales conclusions tirées de l’étude empirique. 40
- Recommandations pour les cabinets d’audit et les professionnels de l’audit en matière d’adoption de l’intelligence artificielle et de la transformation numérique. 42
CONCLUSION 47
BIBLIOGRAPHIE 49
Table des matières 52
