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, que nous plaçons derrière les agents. 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, la fondation, est la capacité à auditer et à nomenclaturer de manière automatique et exhaustive.
Deux cas d’usage l’illustrent : un agent qui permet à l’utilisateur de générer, en langage naturel, des reportings ad hoc pour retracer et expliquer la piste d’audit des coûts alloués ; un autre qui structure le cadrage budgétaire en amont du cycle. 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). Cette continuité de bout en bout, sur toute la chaîne de valeur, transforme un audit ponctuel en un écosystème d’agents capable de répondre à des questions transverses, et pas seulement à des requêtes sur un module isolé.
03Ce qui vient
Les éditeurs de solution de pilotage ou 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 et la structuration de la connaissance et des cas d’usage est largement capitalisable et transposable, quel que soit le modèle IA interne 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.
Concrètement, le jour où la brique MCP sera disponible, les entreprises qui auront déjà structuré leur contexte, leurs connecteurs et leurs agents auront une longueur d’avance considérable sur celles qui découvriront le sujet à ce moment-là.
C’est pourquoi nous investissons dès maintenant dans le « harnais IA » : quelle plateforme héberge les agents et les compétences, quels connecteurs (gestion de projet, documentation vivante, plateforme de données) les alimentent, et comment cette couche s’articulera avec les futures capacités natives des outils. Se préparer aujourd’hui, c’est pouvoir brancher demain.
Concrètement, cette préparation se joue dès maintenant sur deux fronts que nous maîtrisons déjà : la connaissance fine du contexte métier et les standards de spécification évoqués plus haut. Ce sont eux qui nous permettent de prendre de l’avance sur le context engineering — ce que doit savoir et voir le modèle, et comment l’organiser pour qu’il réussisse. Par exemple, pour le cas de la publication du MCP Anaplan, ce travail pourra très bien s’adosser aux capacités du CoModeler d’Anaplan, dès que la connexion native sera disponible.
04Nos convictions
Chez Covenant, l’IA n’est pas un sujet séparé de notre métier de conseil en transformation finance et EPM : elle en devient un levier d’exécution. Documentation, audit, reporting, cadrage budgétaire : chaque brique livrée est aussi un composant réutilisable pour la suivante. C’est cette approche, outillée et cumulative, que nous continuons de déployer avec nos clients.