Artificial Intelligence in Accounting: A Systematic Literature Review

Dans le monde de la finance moderne, les chiffres ont toujours raconté une histoire, mais la manière dont ces histoires sont lues est en train de changer. Pendant des décennies, les comptables et les auditeurs se sont appuyés sur le jugement humain pour vérifier les registres, repérer les erreurs et garantir l'honnêteté des rapports financiers. Aujourd'hui, un nouveau type d'outil entre dans le bureau : l'intelligence artificielle. Il ne s'agit pas d'une machine unique, mais d'un ensemble de programmes informatiques intelligents capables d'apprendre à partir de données. Ces outils peuvent scanner des milliers de documents en quelques secondes, à la recherche de modèles qu'un œil humain pourrait manquer. Ils sont utilisés pour automatiser les tâches de routine, prédire les risques financiers et traquer la fraude. Pourtant, à mesure que ces outils se généralisent, une question demeure : comprenons-nous réellement leur impact sur la profession ? Sont-ils en train de remplacer les décideurs humains ou agissent-ils simplement comme de puissants assistants ? Les réponses sont éparpillées dans des centaines de nouvelles études, créant un paysage riche en informations mais difficile à naviguer.

Pour apporter de la clarté à ce domaine en pleine expansion, un chercheur nommé Jinwoo Chae, de l'Université GlobalNxt, s'est donné pour mission de cartographier l'état actuel des connaissances. L'objectif n'était pas de tester un logiciel spécifique ou de mener une nouvelle expérience, mais de rassembler et d'organiser les recherches existantes publiées entre 2023 et 2026. Le chercheur a commencé avec une liste de 49 enregistrements, comprenant des articles de revues, des chapitres de livres et des rapports de données. Après avoir soigneusement éliminé les doublons et les études qui ne correspondaient pas au champ d'application de la comptabilité, 47 publications restaient à examiner. Le processus consistait à lire les titres et les types de ces travaux pour les classer par année, par sujet et par méthode. C'était un effort systématique pour voir vers où la recherche se dirigeait, quelles questions étaient posées et où se situaient encore les lacunes dans les connaissances.

La première chose que la revue a révélée est la vitesse fulgurante de croissance dans ce domaine. Le nombre d'études publiées a explosé en seulement quelques années. En 2023, il n'y avait que quatre études sur la liste. En 2024, ce chiffre avait plus que doublé. L'élan s'est poursuivi en 2025 et 2026, avec respectivement 16 et 18 études. Au total, 34 des 47 études, soit environ 72 pour cent, ont été publiées au cours des deux dernières années seulement. Cette augmentation rapide suggère que la conversation autour de l'intelligence artificielle en comptabilité passe d'un intérêt de niche à un sujet de discussion central. Cependant, la revue a également noté que cette liste représente un instantané spécifique de la littérature disponible et ne doit pas être considérée comme un décompte complet de toutes les études jamais écrites sur le sujet.

En examinant l'objet réel de ces études, un schéma clair est apparu. La recherche est fortement concentrée sur deux domaines principaux : les aperçus généraux de la manière dont l'intelligence artificielle s'intègre dans la comptabilité et l'audit, et l'application spécifique de ces outils pour la détection de la fraude. Près des deux tiers des études entrent dans ces catégories. La détection de la fraude, en particulier, est un domaine d'intérêt concentré car les ordinateurs sont exceptionnellement doués pour passer au crible de vastes quantités de données afin de trouver des modèles inhabituels qui pourraient indiquer des irrégularités ou des erreurs. L'audit, qui consiste à vérifier l'exactitude des registres financiers, est la deuxième fonction la plus étudiée. En revanche, d'autres parties importantes du monde comptable, telles que la comptabilité de gestion — qui aide les entreprises à planifier et à contrôler leurs opérations — semblent presque totalement absentes de la recherche actuelle, avec une seule étude qui lui est dédiée. La fiscalité est également rarement le sujet principal, n'apparaissant généralement que comme une petite partie de titres plus larges.

Les méthodes utilisées dans ces études racontent une autre partie de l'histoire. Une grande partie des travaux consiste en des revues, où les chercheurs résument ce que d'autres ont déjà trouvé. Environ 13 pour cent des études sont des revues de littérature systématiques, et 15 pour cent sont des revues narratives ou conceptuelles. Seul un très petit nombre d'études, une seule qui a pu être clairement identifiée à partir de son titre, présentait de nouvelles preuves de terrain ou des données collectées lors d'expériences réelles. Cela signifie que le corpus actuel de connaissances est davantage construit sur la synthèse d'idées et la discussion de possibilités que sur leur test avec des données concrètes provenant de cabinets comptables réels. Bien que ces revues soient utiles pour obtenir une image globale d'un domaine en mouvement rapide, le chercheur suggère que dépendre trop lourdement d'elles limite la capacité à tirer des conclusions fermes et fondées sur des preuves.

La revue a également souligné la nécessité d'une plus grande précision dans la description de ces technologies. Certaines études traitent toutes les formes d'intelligence artificielle comme un outil unique et uniforme. Cependant, le chercheur soutient que cela est trompeur. Il existe des différences importantes entre l'automatisation simple basée sur des règles, qui suit des instructions strictes, et l'apprentissage automatique avancé, qui peut apprendre et s'adapter. Il existe également une distinction entre ces outils et les modèles génératifs qui peuvent créer du nouveau contenu. Traiter tout cela comme la même « intelligence artificielle » peut masquer des différences cruciales quant à ce qu'ils peuvent faire, les données dont ils ont besoin et les risques qu'ils posent. Les recherches futures doivent être plus spécifiques sur la technologie utilisée et sur la part de supervision humaine impliquée.

En regardant vers l'avenir, le chercheur propose une nouvelle direction pour le domaine. La prochaine étape de l'étude doit dépasser les discussions générales et les arguments conceptuels pour aller vers des tests plus rigoureux et réels. Cela signifie utiliser des théories établies pour expliquer pourquoi les comptables adoptent ces outils et comment ils modifient le jugement professionnel. Cela signifie également élargir le champ de la recherche pour inclure différents pays, de plus petites entreprises et des domaines moins étudiés comme le reporting de durabilité et la conformité fiscale. De manière cruciale, le chercheur appelle à davantage d'études examinant la gouvernance de ces systèmes : qui est responsable lorsqu'un ordinateur commet une erreur, et comment pouvons-nous garantir que les décisions prises par ces outils sont fiables et équitables ?

La revue conclut que bien que le domaine croisse rapidement, il est encore à un stade précoce. La littérature actuelle est dominée par des discussions larges et des revues, avec une pénurie de preuves empiriques profondes issues d'environnements comptables réels. La concentration de la recherche sur la détection de la fraude et l'audit suggère que la profession s'est naturellement tournée vers les domaines où les avantages de l'automatisation sont les plus évidents. Pour véritablement comprendre l'avenir de la comptabilité, les chercheurs doivent maintenant élargir leur perspective. Ils doivent étudier comment ces outils affectent le travail quotidien des comptables dans divers contextes, comment ils changent la façon de penser des professionnels, et quelles règles sont nécessaires pour maintenir l'intégrité du système. Le chemin à parcourir consiste à passer de la question de savoir ce que l'intelligence artificielle pourrait faire, à la mesure de ce qu'elle fait exactement, et de la manière dont elle façonne la profession de l'intérieur.