Depuis plusieurs mois, chez Covenant Associates, nous appliquons en conditions réelles, l’intelligence artificielle au service des fonctions IT et de Business Planning. Voici où nous en sommes, et où nous allons.
01Ce qui existe déjà
Documenter, à l’échelle
Le premier chantier est la documentation fonctionnelle et technique du parc de modèles de pilotage (ex: Anaplan) : cartographie des indicateurs et des flux de données, fiches thématiques, le tout livré sous trois formats complémentaires (document partageable, source versionnée et navigateur interactif du modèle).
Cette exhaustivité documentaire ne relève plus d’une démarche de projet ponctuelle et ad hoc. Elle devient une tâche de fond, une activité récurrente et automatique, produite et actualisée en continu par des agents. Réalisé manuellement, ce travail mobiliserait des semaines d’expertise rare.
Auditer, puis agir
La documentation sert de socle à une deuxième étape : l’audit. Sur les modèles ciblés, les agents détectent les objets inutilisés, les anomalies de structure et les dérives d’architecture, puis proposent des recommandations concrètes.
Les gains sont tangibles. Selon les cas, l’exercice peut diviser par deux l’empreinte des modèles, ce qui diffère les investissements de mise à niveau. Il met aussi au jour des objets inutilisés ou non conformes aux conventions, ainsi que des flux redondants ou contradictoires, pour une meilleure lisibilité et une maintenabilité facilitée chez les équipes qui héritent des modèles.
Documentation et audit forment ainsi une base de contexte large et auto-actualisée. Ce qui demandait des heures d’analyse manuelle, et la disponibilité de multiples parties prenantes (architecte, data, métier, builder…), s’obtient de façon automatisée et instantanée.
Données mutualisées : un patrimoine qui se renforce projet après projet
Documentation et audit ne restent pas figés dans des livrables statiques. Ils sont restitués par des web apps interactives, qui offrent une vision navigable de l’héritage et de la circulation de la donnée : d’un module à l’autre, d’un modèle à l’autre, jusqu’aux flux amont et aval.
Cette lecture continue des flux permet de les rationaliser et simplifie l’ajout de nouveaux cas d’usage dans l’environnement. Chaque nouvel agent s’appuie sur une cartographie déjà vivante plutôt que de repartir de zéro.
Standardiser la spécification métier
Nous appliquons une méthodologie pour cadrer les spécifications métier, avec une nomenclature commune pour décrire un besoin, un cas de gestion ou une règle de calcul. Cette nomenclature fait ressortir des patterns de spécification : des formes récurrentes que l’on retrouve d’un projet à l’autre.
Une fois ces patterns identifiés, rédiger une spécification devient une tâche reproductible. Elle s’appuie sur des modèles éprouvés plutôt que sur une page blanche, elle est plus facile d’accès pour celles et ceux qui ne maîtrisent pas le sujet, et plus simple à employer pour un agent, qui sait lire la nomenclature et l’exploiter.
Les phases de cadrage et de rédaction vont plus vite, avec un niveau de qualité et de complétude plus homogène d’un projet à l’autre.
C’est là que notre expérience fait la différence. Savoir quoi décrire, comment le structurer et à quel niveau de détail permet d’employer l’IA intelligemment. C’est la valeur ajoutée de Covenant.
Des agents qui passent de l’audit à l’automatisation d’une partie de la fonction métier
L’audit automatique des modèles et la standardisation des spécifications métier servent de fondation à beaucoup d’autres usages. Les agents quittent le terrain de l’audit statique et a posteriori pour devenir acteurs de l’automatisation des processus métiers. Le prérequis pour le faire efficacement est la capacité à auditer et à nomenclaturer de manière automatique et exhaustive.
Dans cette partie consacrée à ce qui existe déjà, deux exemples clés montrent comment les agents viennent appuyer les métiers.
Les processus cœur de métier, comme le cadrage budgétaire ou la simulation. L’IA met entre les mains des métiers des interfaces dans lesquelles ils saisissent leurs hypothèses et obtiennent une réponse rapide, ou un résultat de trajectoire, sans avoir à refaire tourner leur modèle.
Le reporting ad hoc en langage naturel. Il va bien au-delà de la génération d’un rapport à la demande. Les équipes dédiées au suivi des entités ou des équipes peuvent produire, pour leurs clients, des reportings beaucoup plus spécifiques et mieux adaptés, y compris en tenant compte de données non structurées, comme les commentaires. Une fois éprouvé, un reporting peut être pérennisé : la structure retenue s’actualise alors automatiquement d’exercices en exercices. Un exemple d’usage : justifier, pour des groupes mutualistes, une piste d’audit des coûts alloués.
Une fois le modèle et son contexte rendus lisibles par la machine, on peut construire bien au-delà de la documentation.
Sortir du modèle isolé
Ces résultats viennent de la mise en relation de l’IA avec son contexte.
Nous exploitons les structures natives des outils et nous les connectons au contexte métier et aux processus du client : ce qui se passe en amont (données sources, arbitrages métier) et en aval (reporting, décisions, actions). La continuité de bout en bout, sur toute la chaîne de valeur, suppose un prérequis : une plateforme d’IA intégrée. Avec elle, on passe de l’exercice ponctuel à un écosystème d’agents capable de répondre à des questions transverses, et pas seulement à des requêtes sur un module isolé.
03Ce qui vient
Une fois cette plateforme d’IA intégrée en place, il faut renforcer son articulation avec les solutions des éditeurs, et mettre les métiers en capacité de l’utiliser. Or la plupart des éditeurs de solutions de pilotage ou d’ERP n’ont pas, encore, publié leur protocole de connexion aux modèles (MCP). Anaplan, par exemple, prépare la publication de son propre MCP : c’est un tournant que nous anticipons dès aujourd’hui. Mais notre conviction va au-delà de ce seul rendez-vous : l’expertise que nous construisons sur la génération de contexte, la structuration de la connaissance et des cas d’usage est largement capitalisable et transposable, quel que soit le modèle d’IA retenu par le client. L’enjeu central n’est pas la technologie sous-jacente, mais la bonne structuration des cas d’usage, et c’est précisément sur ce point que Covenant se positionne.
Le jour où cette brique sera disponible, les entreprises qui auront déjà structuré leur contexte, leurs connecteurs et leurs agents auront une longueur d’avance. C’est pourquoi nous investissons dès maintenant dans le « harnais IA » : la plateforme qui héberge les agents, les connecteurs qui les alimentent (gestion de projet, documentation vivante, plateforme de données), et leur articulation avec les futures capacités natives des outils.
Deux atouts nous y préparent déjà : notre connaissance fine du contexte métier et nos standards de spécification, présentés plus haut. Ils nous donnent de l’avance sur le context engineering : savoir ce que le modèle doit voir, et comment l’organiser pour qu’il réussisse. Avec le MCP d’Anaplan, par exemple, ce travail s’adossera au CoModeler d’Anaplan dès que la connexion native sera disponible.
Au-delà des outils, ce sont les métiers qui doivent pouvoir créer par eux-mêmes leurs propres agents, de manière décloisonnée. Lorsqu’ils seront mis en capacité, à titre d’exemple, nous pourrions imaginer qu’un contrôleur de gestion et un comptable co-construisent un agent de réconciliation ou de provisionnement.
04Nos convictions
Quatre convictions guident notre approche de l’IA pour les fonctions business planning.
Le contexte propriétaire fait la différence. Les modèles d’IA changent et se remplacent. Ce qui reste, c’est le contexte de l’entreprise : ses modèles, ses flux, ses règles métier, ses spécifications.
La fondation précède les agents. Documenter, auditer et standardiser de façon automatique et exhaustive permet ensuite d’automatiser une partie des processus métiers.
Les métiers doivent être en capacité. L’IA apporte de la valeur quand les métiers l’utilisent directement, pour tester des hypothèses, suivre leurs entités et produire leurs reportings.
Il faut se préparer avant les standards. Une plateforme d’IA intégrée, des connecteurs et des agents structurés aujourd’hui permettent de tirer parti des protocoles des éditeurs dès leur arrivée.
C’est cette approche, outillée et cumulative, que nous déployons avec nos clients.