[DOSSIER IA] L’IA au service des experts comptables : de quoi parle-t-on ?

Comment définissez-vous l’IA ?

Commençons déjà par lever un doute sur l’acronyme : IA signifie généralement Intelligence Artificielle, mais peut aussi vouloir dire Intelligence Augmentée. Si les deux notions sont liées, elles n’interviennent pas au même niveau. L’intelligence artificielle est un ensemble de technique de programmation (des algorithmes dans notre jargon) qui permettent de reproduire des comportements humains trop complexes pour l’informatique classique : reconnaître des formes, gérer des contraintes, comparer de très grandes quantités de données, comprendre le sens d’un texte… Ces technologies sont exploitées concrètement depuis les années 80 (le concept est né à la fin des années 50 !) et ont connu un très fort développement depuis une dizaine d’années, grâce à l’augmentation des puissances de calculs des ordinateurs. Elles sont désormais très pertinentes et efficaces pour des applications relativement circonscrites (reconnaître un objet précis dans une image, comprendre une discussion sur un sujet connu…) mais encore loin de pouvoir gérer des systèmes complexes comme une entreprise et sa gestion, qui font intervenir des paramètres très divers et exogènes ! Nous préférons donc parler de l’intelligence augmentée, qui s’appuie sur ces techniques et se place donc en aval, au niveau fonctionnel, pour assister les utilisateurs, leur proposer des solutions, en leur laissant prendre les décisions finales. L’intelligence augmentée peut même être vue comme un état d’esprit à l’échelle applicative, que l’on doit retrouver dans les outils informatiques du cabinet comptable : son rôle est alors d’assister, d’automatiser, d’alerter, de présenter… mais jamais de décider.

 Comment fonctionne cette forme d’ « intelligence » ?

De très nombreuses méthodes ont été développées au fil du temps, dont beaucoup ont rejoint la boîte à outil classique du développeur informatique, comme par exemple les systèmes experts. Mais le « machine learning » est aujourd’hui la technologie phare en intelligence artificielle. Ces algorithmes d’apprentissage automatique reposent sur une approche statistique : le système est formé initialement à reconnaître des « objets » à partir de données de références, puis est ensuite capable d’apprendre au fil de l’eau lors de son fonctionnement, en fonction des corrections apportées par l’utilisateur. On comprend tout de suite l’importance des données pour ces programmes : la quantité et la qualité du jeu de données initiales conditionnent les performances, en particulier la fiabilité ; et la spécificité des données (issues d’un secteur d’activité par exemple, ou même d’un cabinet en particulier) permet la reproduction fidèle des habitudes humaines.

Lire aussi : Intelligence artificielle en cabinet, quels avantages ?

 Concrètement, à quel moment les comptables peuvent-ils utiliser cette Intelligence Augmentée ?

En réalité, il n’y a pas une Intelligence Augmentée mais un ensemble de modules, qui communiquent entre eux pour produire un résultat. Prenons quelques exemples. Un client envoie un ensemble de documents comptables ni classés, ni nommés : un algorithme de machine learning va reconnaître les bulletins de paie, les factures, les Kbis, les courriers du fisc… et les classer au bon endroit, en fonction des bonnes pratiques et des habitudes du cabinet. Pour réaliser cette opération, l’algorithme va devoir reconnaître chaque caractère (via un module OCR pour Optical Character Recognition) puis comprendre le sens des mots (avec un module sémantique) pour identifier l’expéditeur (nom, adresse…). A l’étape suivante, l’IA peut extraire les informations utiles des documents, et les classer dans le plan comptable : un autre algorithme de machine learning va chercher pour chaque type de document à récupérer les montants, dates, objets… puis adresser les résultats à un autre module, en charge de leur classification en fonction des usages du cabinet et du client. Au passage, un outil sémantique de NLP (pour Natural Language Processing) aura peut-être été interrogé pour comprendre le sens de l’objet d’une facture par exemple. Cette technologie NLP permet aussi de réaliser les fameux « chatbots », ces robots de discussion capables d’interagir avec l’usager « avec ses mots » afin de récolter et/ou donner facilement des informations. Vous voyez, l’intelligence augmentée est déjà partout… tout en restant discrète.

Pour aller plus loin : 4 étapes pour préparer son cabinet à l’intelligence artificielle

Le Glossaire de l’Expert en IA

Intelligence artificielle
Ensemble de techniques de programmation qui permettent de reproduire des comportements humains trop complexes pour l’informatique classique.

Intelligence augmentée
Ensemble de modules applicatifs fonctionnels, interconnectés et communicants, d’aide à la décision pour l’utilisateur final.

Machine learning
L’apprentissage automatique (en anglais « machine learning », littéralement « apprentissage machine ») ou apprentissage statistique est un champ d’étude de l’intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d’ « apprendre » à partir de données, c’est-à-dire d’améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l’analyse, l’optimisation, le développement et l’implémentation de telles méthodes.

NPL
Le traitement automatique du langage naturel (en anglais « NLP » pour « Natural Language Processing ») ou traitement automatique des langues est un domaine multidisciplinaire impliquant la linguistique, l’informatique et l’intelligence artificielle, qui vise à créer des outils de traitement de la langue naturelle pour diverses applications.

OCR
La reconnaissance optique de caractères (en anglais « OCR » pour « Optical Character Recognition ») ou océrisation, désigne les procédés informatiques pour la traduction d’images de textes imprimés ou dactylographiés en fichiers de texte. Un ordinateur réclame pour l’exécution de cette tâche un logiciel d’OCR.

Système expert
Outil capable de reproduire les mécanismes cognitifs d’un expert, dans un domaine particulier. Il se compose de 3 parties : une base de faits ; une base de règles issues d’interviews d’experts humains ; et un moteur d’inférence. Le moteur d’inférence est capable d’utiliser faits et règles pour produire de nouveaux faits, jusqu’à parvenir à la réponse à la question posée.

*Sources : Wikipedia