Dans le retail, l’intelligence artificielle prévoit déjà la demande, optimise les stocks et personnalise l’expérience client. Une autre transformation, moins visible, concerne la gestion financière et pourrait avoir un impact tout aussi concret.
Un retailer multi-magasins encaisse sur plusieurs canaux et travaille avec de nombreux fournisseurs. Pourtant, ses informations sont éparpillées : les ventes sont dans un logiciel de caisse, le compte professionnel dans un autre, les factures ailleurs encore et les justificatifs dans les emails. La vision d’ensemble se reconstruit alors à la main dans Excel.
« À force de digitaliser chaque tâche séparément, nous avons parfois déplacé la complexité plutôt que de la supprimer », écrit l’auteur. Le prochain enjeu de l’IA sera donc moins d’ajouter un outil de plus que de faire travailler ensemble ceux que les entreprises utilisent déjà.
L’enjeu est d’exploiter la donnée simplement
Pourquoi les dépenses du mois ont-elles augmenté ? Quels fournisseurs pèsent le plus dans cette variation ? Quelles factures manquent encore pour clôturer le mois ? Un dirigeant dispose presque toujours de l’information, mais il doit la chercher, la rapprocher, puis l’analyser. L’IA doit donc accéder aux bonnes données, les croiser et aider à passer plus vite de la question à l’action.
Quand l’IA sort de sa propre interface
Le Model Context Protocol (MCP) illustre cette évolution. Jusqu’ici, l’utilisateur apportait l’information à une IA générative dans une interface dédiée, qui produisait une réponse. Avec le MCP, une IA peut se connecter à des outils externes et aller chercher elle-même l’information nécessaire, dans le cadre des permissions qui lui sont accordées.
Pour un retailer, il n’est plus nécessaire d’exporter ses dépenses dans un tableur, puis de les copier dans un outil d’IA. Il peut interroger directement son assistant sur ses charges récurrentes, les dépenses à renégocier ou les justificatifs manquants. L’export, le copier-coller et la mise en forme disparaissent.
Des entreprises utilisant Qonto MCP en observent déjà les effets. L’une d’elles a connecté Claude à ses données financières et a identifié, selon elle, 15 000 euros d’économies annuelles en deux jours. Pour un autre usage, un assistant IA recherche chaque semaine les factures correspondant aux paiements par carte dans les emails, catégorise les dépenses et établit la liste des pièces manquantes. L’utilisateur estime le gain à environ une heure par semaine.
Automatiser ne signifie pas abandonner le contrôle
Plus une IA interagit avec des données et des outils financiers, plus la question du contrôle devient importante. Rechercher une facture ou catégoriser une dépense n’équivaut pas à déclencher un paiement. Les systèmes doivent donc reposer sur des permissions clairement définies et sur des mécanismes de validation adaptés à la sensibilité de chaque action.
L’objectif n’est pas de retirer l’humain de la gestion financière, mais de lui éviter les tâches qui ne nécessitent pas son jugement. L’IA peut rechercher, rapprocher, analyser ou préparer une action, tandis que l’humain garde la décision lorsqu’elle engage réellement l’entreprise.
Product offers are temporarily unavailable.

