Emplois en finance liés à l’IA : pouvez-vous superviser le travail que l’IA laisse de côté ?

La file d’attente des factures était autrefois ennuyeuse, mais utile. Un analyste débutant apprenait en repérant des incohérences, en demandant pourquoi une approbation était bloquée, et en voyant comment un processus qui semblait propre pouvait devenir compliqué. Aujourd’hui, l’IA en finance est très efficace précisément pour ce type de répétition. Le risque pour les carrières n’est pas seulement la disparition de certaines tâches peu valorisées. C’est aussi la diminution des occasions d’apprendre à reconnaître les mauvaises données, les contrôles faibles et les exceptions étranges avant d’être chargé de les superviser.

L’apprentissage est en train d’être comprimé

The Next Web, dans un article sur Basware, a présenté le travail financier débutant comme un apprentissage plutôt que comme une pile de corvées. Ses exemples incluent le traitement des factures, le rapprochement des comptes, l’enquête sur les exceptions et le suivi des approbations, autant de tâches qui aidaient les personnes à développer leur jugement par la répétition. Le même rapport indique que les systèmes d’IA prennent désormais en charge des opérations financières comme l’extraction de données, la validation, le déplacement des approbations et une partie de la résolution des problèmes sans intervention humaine. Kevin Kamau, de Basware, a résumé clairement le risque principal à The Next Web : « Vous ne pouvez pas superviser ce que vous n’avez jamais appris à faire. »

@title Nouveau travail junior
@source Korn Ferry Report

  Junior role
     │
     ├─ Research with AI
     ├─ Analyze data
     ├─ Test AI output
     ├─ Automate workflows
     └─ Apply judgment

@caption Les premiers postes évoluent vers la supervision et l’analyse.

Ce n’est pas un petit problème de projet pilote. The Next Web indique que la plateforme de Basware s’appuie sur plus de 2,5 milliards de factures et prend en charge plus d’un milliard d’actions d’IA par an dans l’ensemble de sa clientèle. Kamau a également déclaré à The Next Web que l’IA agentique prend en charge le travail manuel des comptes fournisseurs, comme la relance des factures, la vérification des données et l’acheminement des approbations. Si ces tâches quittent le bureau des débutants, l’apprentissage doit être déplacé ailleurs de façon intentionnelle.

Le recrutement ne disparaît pas, mais le premier emploi change

AMS, une entreprise de Korn Ferry, a rapporté que 81 % des employeurs prévoient d’augmenter leurs recrutements en début de carrière, d’après une étude menée auprès de plus de 5 000 candidats et 500 responsables RH et de l’acquisition de talents dans 13 pays. Le même rapport indique que 76 % des responsables de l’acquisition de talents ne voient pas les emplois de premier niveau disparaître de leurs organisations. C’est la distinction importante pour les apprenants : l’échelle peut rester en place, mais le premier barreau est en train d’être reconstruit.

Selon le rapport de Korn Ferry, dans certaines organisations de premier plan, les employés débutants s’éloignent de l’exécution répétitive pour se tourner vers la recherche avec l’IA, l’analyse de données, le test des résultats produits par les machines, l’automatisation des flux de travail et l’application du jugement humain. Pour une personne en recherche d’emploi, cela signifie que l’intitulé du poste est moins utile que les verbes décrivant le travail. Demandez si le rôle vous expose aux exceptions, aux rapprochements, aux notes de révision, aux chemins d’escalade et à la responsabilité d’un processus. Un emploi qui vous permet seulement de rédiger des prompts pour un outil peut enseigner moins qu’un emploi qui vous permet d’expliquer pourquoi l’outil s’est trompé.

L’auditabilité devient le vrai signal de compétence

Le Journal of Accountancy, citant l’enquête 2026 CFO Sentiments de Datarails menée auprès de 270 directeurs financiers et responsables financiers aux États-Unis, a rapporté que seulement 3 % réduisaient activement les effectifs financiers là où l’IA avait remplacé du travail. Beaucoup plus, 60 %, ont déclaré que l’IA les aidait à redéployer le personnel vers des tâches à plus forte valeur. Cela semble rassurant jusqu’à ce que l’on lise l’écart de préparation : 76 % ont signalé une pression élevée ou très élevée pour mettre pleinement en œuvre l’IA, tandis que seulement 7 % ont déclaré que la fonction finance était pleinement prête dans tous les flux de travail.

Le goulot d’étranglement pratique est la confiance. Le Journal of Accountancy a rapporté que 75 % citaient l’incapacité à auditer ou à expliquer les résultats de l’IA comme une raison d’hésiter à confier à l’IA des tâches essentielles, et que 40 % passent plus d’un quart de leur journée de travail à vérifier ou corriger les résultats de l’IA en finance. FIS a observé un schéma similaire dans la gestion de trésorerie et de liquidité au Royaume-Uni : 90 % des directeurs financiers seniors avaient un dossier d’affaires clair pour l’IA, mais seulement 71 % pouvaient mesurer clairement la valeur obtenue. FIS a également rapporté que 72 % mentionnaient des préoccupations liées à l’exactitude, à l’explicabilité ou à la gouvernance comme des limites à l’adoption, tandis que 76 % citaient les risques liés à la sécurité des données.

Ce que les apprenants et les managers devraient construire ensuite

Le Regulatory Notice 24 09 de la FINRA est un rappel utile pour le travail financier réglementé : les règles sur les valeurs mobilières continuent de s’appliquer lorsque les entreprises utilisent l’IA générative ou des outils similaires. La FINRA indique également que lorsque l’IA fait partie de la supervision, les politiques et procédures devraient couvrir la gouvernance technologique, la gestion des risques liés aux modèles, la confidentialité et l’intégrité des données, la fiabilité et l’exactitude des modèles. Cela devrait guider la formation, et pas seulement les documents de conformité.

Pour les professionnels de la finance en début de carrière, la bonne stratégie consiste à rechercher le travail que l’IA rend visible sans le rendre simple. Portez-vous volontaire pour examiner les files d’exceptions, documenter pourquoi un résultat a été accepté ou rejeté, cartographier la logique d’approbation et comparer les résultats de l’IA avec les documents sources. Pour les managers, n’automatisez pas une tâche avant que quelqu’un puisse expliquer ce qu’un débutant apprenait auparavant grâce à elle et où cet apprentissage se produit maintenant. Le prochain apprentissage en finance consistera moins à faire chaque étape répétitive à la main, et davantage à prouver que vous comprenez assez bien le processus pour remettre la machine en question.