En 2020, les directeurs financiers avaient besoin de nouveaux outils. Aujourd’hui, ce sont les outils qui redéfinissent le poste.
Le rôle gagnait en dimension stratégique, mais les logiciels restaient figés dans le passé. Les directeurs financiers étaient à la fois analystes de données et architectes : ils rafistolaient des exports issus d’une constellation de solutions ponctuelles et de fichiers Excel gravitant autour d’ERP vieux de trente ans. La donnée était le goulot d’étranglement. Elle était dispersée dans trop d’endroits et difficile à dompter, tandis que les outils construits par-dessus étaient fragiles et limités.
Aujourd’hui, l’IA fait sauter ces verrous. Rassembler les données est devenu plus simple, et les logiciels commencent à faire le travail eux-mêmes. Et quand cela change, c’est toute la façon de travailler — et ceux qui s’en chargent — qui évolue. Autrement dit, la fonction finance elle-même se transforme, tout comme l’équipe et le profil type de la personne qui la dirige.
De comptable à banquier, puis à bâtisseur
Cette évolution transparaît clairement dans les profils recrutés par les entreprises au fil du temps :
Les qualités d’un excellent directeur financier ont remarquablement bien résisté à l’épreuve du temps. Les meilleurs ne se contentent pas de produire des chiffres ou des présentations pour le conseil d’administration. Ils s’appuient aussi sur les données pour forger un point de vue sur la direction que devrait prendre l’entreprise. Ce qui change, c’est ce qu’on attend d’eux, au rythme de la compétence rare du moment.
L’archétype de chaque époque a suivi cette mutation. Quand il s’agissait d’assainir les comptes, de mettre en place des contrôles et de publier les résultats, les entreprises débauchaient leurs directeurs financiers dans les cabinets d’audit du Big 4. Quand l’enjeu est devenu la levée de fonds et la conclusion des deals, elles se sont tournées vers la banque d’investissement. Puis, lorsque la planification, les indicateurs et le partenariat avec les métiers ont pris le dessus, les compétences en planification (« FP&A ») ont gagné en importance, même si les entreprises continuaient souvent à recruter des profils issus de la banque ou du private equity.
Aujourd’hui, la compétence rare est inédite : concevoir le système d’exploitation sur lequel tourne l’entreprise. Cela englobe les données, les workflows, les agents, les compétences et les contrôles qui transforment le contexte en intelligence et en décisions. On le voit à l’émergence du « finance engineer » (ingénieur financier) au sein des équipes finance, et aux directeurs financiers qui endossent de plus en plus ce rôle eux-mêmes.
Les leaders financiers qui travaillent ainsi décrivent leur fonction très différemment de leurs prédécesseurs. Sarah Friar, directrice financière d’OpenAI, présente la finance comme une fonction temps réel. La finance tend vers une clôture à J+0 et des prévisions mises à jour en continu, un changement radical par rapport au rythme traditionnel de la clôture mensuelle. Qu’il s’agisse d’allouer de la puissance de calcul ou des capitaux, les meilleurs responsables financiers ressemblent aujourd’hui moins à des gardiens des scores qu’à des bâtisseurs.
Plus de données, de meilleurs outils, une équipe resserrée
La transformation du profil du directeur financier, et plus largement de l’organisation financière, est portée par les progrès fulgurants des outils natifs de l’IA. Un accès aux données plus simple et plus rapide a ouvert la voie à de meilleurs logiciels, modifiant la manière dont le travail est réalisé et par qui, et donc la structure et le fonctionnement des équipes financières.
1. La donnée n’est plus le goulot d’étranglement. Le constat central de notre article de 2020 était que la matière première du directeur financier — la donnée — était obsolète, fragmentée et pénible à consolider. Les équipes financières dépensaient l’essentiel de leur énergie à la base de la pyramide pour assembler les inputs : extraire des exports, rapprocher des tableurs, traquer l’explication d’un écart enfouie dans un fil d’e-mails ou, pire, dans des messages directs et des canaux Slack. L’IA accélère et simplifie l’extraction, l’ingestion et l’interprétation de données éparpillées entre différents systèmes et formats. Les équipes passent moins de temps à récupérer l’information et davantage à l’exploiter.
2. La stack financière devient membre de l’équipe finance. En 2020, nous avions cartographié la stack financière couche par couche, en affirmant qu’une vague d’outils modernes allait s’attaquer à chacune d’elles. L’IA ayant contribué à résoudre le problème des données, cette vague a déferlé. La nouvelle génération se déploie en quelques jours plutôt qu’en plusieurs trimestres, automatise la collecte des données au lieu d’attendre qu’on la nourrisse, et fournit des insights en temps réel plutôt qu’en fin de mois. Chaque segment de notre cartographie initiale compte désormais un challenger natif de l’IA, de l’ERP à la fiscalité en passant par les achats.
Quelques exemples issus de notre portefeuille :
- L’ERP de Rillet réduit l’implémentation de plusieurs mois à quelques jours ou semaines, récupère automatiquement les données et transforme une clôture mensuelle en clôture quotidienne.
- Concourse déploie des agents pour la planification et les prévisions financières, en s’appuyant sur des données de pipeline en temps réel pour construire des scénarios dynamiques.
- Lio utilise un modèle multi-agents pour les achats : ses agents mènent la due diligence fournisseurs, négocient les contrats, supervisent les validations internes et suivent l’exécution.
- Stuut gère le cycle clients de bout en bout, de la relance au recouvrement en passant par le suivi et la résolution des litiges, tout en automatisant le lettrage des paiements.
- Sphere transforme la conformité complexe en matière de taxes indirectes en un processus automatisé de bout en bout.
- Petual automatise les tests SOX et les workflows d’audit interne des entreprises.
Tous ces workflows nécessitaient auparavant des équipes dédiées ou des prestataires externes.
La génération précédente de logiciels aidait les professionnels de la finance à gérer le travail. Celle-ci fait le travail elle-même. Les meilleurs logiciels financiers natifs de l’IA font désormais de la finance.
3. L’essor du finance engineer. Le problème des données s’estompant, une tendance que nous n’avions pas anticipée en 2020 a émergé. Les équipes financières les plus avancées n’utilisent pas seulement des outils IA : elles construisent leurs propres automatisations, tableaux de bord et autres outils internes. Beaucoup de ces collaborateurs n’avaient jamais écrit une ligne de code, se méfiaient de l’IA et n’avaient pas accès aux ressources techniques. Au cours des 9 à 12 derniers mois, ils sont devenus totalement convaincus par l’IA.
L’équipe finance d’Anthropic a développé et maintient une bibliothèque de plus de 70 compétences IA spécifiques à la finance, traitées comme du code de production. L’une d’elles génère une revue financière mensuelle complète à 90-95 %, compressant des heures de travail humain en une trentaine de minutes. Chez OpenAI, l’équipe de Sarah Friar crée des GPT personnalisés pour les relations investisseurs et les achats, ainsi que des tableaux de bord dynamiques remplaçant les dossiers statiques destinés au conseil.
Un directeur financier d’une entreprise en phase de croissance de notre portefeuille a demandé à son équipe de créer des agents : en deux semaines, ils en avaient 50. Tous n’étaient pas utiles, mais chacun a pu vivre ce moment magique où un agent produit un vrai travail. Un autre nous a confié que ses équipes finance et comptabilité devenaient des product managers, collaborant avec les ingénieurs pour créer leurs propres outils.
Tout comme nous avons vu émerger le GTM engineer, le growth engineer ou le talent engineer, de nombreuses entreprises commencent à avoir leur « finance engineer ». À l’instar de ces rôles hybrides mêlant expertise métier et capacité de construction, il s’agit généralement d’un profil financier, souvent issu d’une formation technique, devenu expert sur Codex ou Claude Code et qui mène la charge pour outiller l’équipe. Ces personnes connectent fréquemment les systèmes et débloquent les goulots d’étranglement des workflows. Par exemple, cela peut consister à développer un outil croisant les revenus clients avec les coûts d’inférence des modèles, la consommation cloud et les frais de support, afin de signaler les comptes dont les marges se dégradent ou qu’une hausse d’utilisation a rendus non rentables.
Historiquement, cela exigeait un soutien improbable des équipes techniques centrales ou des tentatives d’intégrer des ingénieurs directement dans l’équipe finance. Aujourd’hui, de nombreux directeurs financiers passent eux-mêmes plus de temps à construire avec l’IA ou à utiliser des outils natifs de l’IA, et moins de temps en réunion. « Ces nouveaux produits sont vraiment agréables à utiliser » est un retour que nous entendons souvent.
La discipline opérationnelle derrière le finance engineer est simple : si tu fais quelque chose deux fois, écris un workflow ; si tu écris le workflow deux fois, crée un agent.
4. Une équipe finance plus petite, à plus fort effet de levier. La plupart des équipes financières restent organisées à l’ancienne : une couche contrôle, une couche FP&A, une couche opérations et un directeur financier. Tout cela est conçu pour un rythme mensuel et une responsabilité d’une personne par tâche. Cette structure avait du sens quand chaque couche servait uniquement à déplacer et rapprocher des données.
La vieille règle empirique situant la finance à environ 5 % des effectifs change elle aussi. Les équipes les plus agiles que nous observons visent 2 % et privilégient la densité de talents plutôt que le nombre de têtes. La nouvelle recrue en finance sait interconnecter plusieurs systèmes via un appel API, écrire du SQL et prototyper une automatisation. La maîtrise de l’IA devient un prérequis de base. « Explique-moi ton modèle » se transforme en « explique-moi ta séquence de prompts ».
Ce sont les experts métiers seniors qui tirent le meilleur parti de l’IA. Chez Anthropic, l’utilisateur le plus intensif de l’équipe finance est le responsable fiscal. Comme le résume l’un de nos directeurs financiers en phase de croissance, on serait tenté de croire que les profils les plus juniors seront les plus prompts à adopter ces outils, mais ils manquent de l’expérience et du recul nécessaires pour savoir à quoi ressemble l’excellence, ou ce qu’il faut construire.
5. La planification devient continue. Prévoir les revenus basés sur l’usage (tokens, minutes, appels API) a toujours été complexe. De plus, les processus et outils standards calés sur un rythme mensuel ne sont plus assez rapides, surtout depuis que les agents sont devenus des acteurs à part entière du compte de résultat. De nombreux responsables financiers misent désormais sur des prévisions en continu, offrant une vision dynamique grâce à des modèles statistiques, des données au niveau des comptes et le jugement financier. Le FP&A passe d’un exercice budgétaire annuel à des décisions opérationnelles permanentes. Il est désormais possible d’exécuter des scénarios complexes en direct pendant une réunion.
6. Les contrôles deviennent une fonctionnalité clé du produit. Alors que les logiciels prennent en charge une part croissante du travail financier, une chaîne fiable et auditable reliant chaque chiffre à sa source est indispensable. La finance doit savoir d’où vient chaque donnée, comment elle a été calculée, et quels agents sont intervenus et à quel moment. Si un agent rédige une écriture comptable, par exemple, il doit conserver les pièces justificatives et respecter les circuits de validation avant de la comptabiliser. L’IA peut toujours servir à rapprocher les enregistrements, à détecter et expliquer les écarts et exceptions, mais c’est la finance qui fixe les règles et donne le feu vert. Les contrôles permettent d’accélérer. L’équipe peut se concentrer sur les tâches stratégiques sans avoir à reconstituer et vérifier chaque étape à la main.
7. Le périmètre de la finance s’élargit. Grâce aux données en temps réel et à la capacité d’exécuter rapidement des scénarios, la finance est impliquée dans beaucoup plus de décisions stratégiques. Pour de nombreuses entreprises d’IA, la puissance de calcul représente l’un des postes de dépenses opérationnelles les plus lourds et l’une des décisions d’allocation de capital les plus déterminantes. Désormais, les équipes financières peuvent consolider instantanément les données d’utilisation, les coûts d’infrastructure et les revenus clients, tandis que les outils IA aident à mesurer l’impact d’une nouvelle fonctionnalité ou d’une hausse de l’utilisation sur les marges. Cela donne à la finance une assise bien plus solide pour peser sur les prix, les lancements de produits et les engagements de dépenses.
Les entreprises prennent également beaucoup plus de décisions dont le directeur financier est l’arbitre clé. Par exemple, la répartition du travail entre humains et logiciels est une question centrale dans toutes les organisations, et c’est une décision financière. Avec des données plus granulaires sur les arbitrages entre temps passé, consommation de tokens, taux d’utilisation des logiciels, etc., la finance peut évaluer ces compromis. L’arbitrage « build vs buy » (développer ou acheter) en fait partie. Développer peut aujourd’hui signifier un grand projet technique ou simplement une équipe non technique qui vibecode un petit outil. Acheter peut impliquer de payer à l’usage ou au livrable, de sorte que les coûts fluctuent selon l’adoption. Grâce à l’IA, la finance peut modéliser ces scénarios plus complexes plus vite et plus précisément.
Un rôle réécrit
Le métier de directeur financier a déjà changé par le passé. Ce qui semble différent aujourd’hui, c’est l’ampleur de la refonte de la fonction finance et de l’organisation elle-même. Historiquement, le directeur financier structurait ses équipes en couches humaines successives, nécessaires pour collecter, rapprocher et analyser des données dispersées dans de multiples outils, le tout pensé pour suivre et gérer le travail. Aujourd’hui, avec une équipe réduite et un effet de levier décuplé, le directeur financier peut construire et utiliser les outils qui font le travail. Les décisions qui se prenaient à un rythme hebdomadaire ou mensuel peuvent désormais être prises en continu.
Le directeur financier devient le bâtisseur et l’architecte du système d’exploitation de l’entreprise. Cela implique de déterminer ce qui relève de l’équipe et ce qui revient au logiciel. Le directeur financier natif de l’IA doit penser automatisation d’abord, et savoir comment constituer, former et doter en ressources une équipe finance moderne. Il lui faut aussi de nouveaux cadres de réflexion pour décider quoi développer, quoi acheter et comment calculer le ROI de ces choix. À la clé : plus de temps consacré à l’entreprise elle-même et à son rôle de partenaire stratégique du PDG. Le cœur du métier reste la finance, mais une part grandissante consiste désormais à concevoir la manière dont elle s’exerce.
cc : @IvanoMakSF David Borecky
Merci à @astrange et @BKRoberts pour leur aide sur cet article !
