Anthropic vient de lancer 10 agents pour la finance. Votre équipe n'est pas prête.

Les 10 agents, et ce qu'ils font a la place de vos équipes

Pas "a la place de" au sens remplacement. A la place de au sens : pendant que votre analyste junior passait 4 heures a assembler un pitchbook, l'agent le fait en 12 minutes. L'analyste est toujours la. Mais il fait autre chose. Ou plutot, il fait enfin son vrai métier.

### Cote analyse et couverture client

• **Pitch Builder** - Construit les listes de cibles, lance les comparables, redige les pitchbooks. L'analyste M&A qui passait ses nuits dessus peut dormir. Ou au moins partir avant 23h.
• **Meeting Preparer** - Assemble les briefs clients et contreparties. Le relationship manager qui arrivait en reunion avec des notes griffonnees sur un post-it a désormais un brief structure.
• **Earnings Reviewer** - Lit les transcripts d'earnings calls et les filings, met a jour les modeles, signale les changements significatifs. L'equity research analyst qui scrollait 400 pages de 10-K le dimanche soir n'a plus a le faire.
• **Model Builder** - Cree des modeles financiers a partir des filings et flux de donnees. L'associate qui construisait des DCF a la main peut se concentrer sur les hypotheses au lieu de debugger des formules Excel cassees.
• **Market Researcher** - Suit les developpements marche, synthetise news et recherche. Le strategiste qui passait 2 heures le matin a lire Bloomberg peut commencer la journee avec une synthese déjà faite.

### Cote finance et opérations

• **Valuation Reviewer** - Verifie les valorisations contre les comparables et les standards. L'auditeur qui cherchait les incoherences a l'oeil humain a maintenant un deuxieme regard qui ne fatigue jamais.
• **GL Reconciler** - Reconcilie les comptes, calcule les NAV. Le back-office qui faisait ça sur des tableurs a 47 onglets respire.
• **Month-End Closer** - Execute les checklists de clôture, prepare les ecritures, produit les rapports. Le controleur de gestion qui passait 2 jours la-dessus chaque mois récupère 2 jours. Par mois. Tous les mois.
• **Statement Auditor** - Revoit les états financiers pour coherence et audit-readiness. L'auditeur interne qui validait a la main n'a plus a choisir entre exhaustivite et sommeil.
• **KYC Screener** - Assemble les dossiers entites, revoit les documents, package les escalades. Le compliance officer qui empilait les dossiers en retard a enfin un assistant qui ne part pas en vacances en aout.

Le schema est toujours le même : l'agent fait le travail preparatoire, l'humain validé. [Ce n'est pas un chatbot](/blog/agent-ia-vs-chatbot) - c'est un collegue silencieux qui ne demande jamais d'augmentation et qui ne met pas de musique dans l'open space.

---

Le vrai problème n'est pas technique

Les agents existent. Ils fonctionnent. Ils sont en production chez des entreprises qui gerent des milliers de milliards. Le problème, c'est que votre équipe ne sait pas travailler avec.

[McKinsey (2023)](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year) le mesurait déjà : 63% des dirigeants se declaraient "confiants" dans leur comprehension de l'IA. Seuls 18% pouvaient décrire correctement la différence entre IA predictive, generative et agentique. Depuis, on a ajoute 10 agents specialises dans la finance. Le fossé ne s'est pas réduit - il s'est élargi.

Concretement, quatre compétences deviennent non negociables :

1. Supervision d'agents. Savoir formuler une demande précise a un agent. Evaluer la qualité du livrable. Detecter les erreurs - parce qu'un agent qui hallucine un chiffre dans un modele financier, ça ne fait pas sourire le régulateur. Ce n'est pas une compétence innee. Ça s'apprend.

2. Prompt engineering financier. Connaitre les limites des modeles sur les donnees chiffrees. Savoir que les LLM sont bons en langage naturel mais moyens en arithmetique. Comprendre quand l'agent a interpole au lieu de calculer. Le dirigeant qui fait confiance aveuglément au KYC Screener sans comprendre ses limites va se retrouver avec un problème de conformite, pas une solution.

3. Workflow hybride. Integrer un agent dans un processus existant sans casser la chaîne de contrôle. Le Month-End Closer produit les ecritures - qui signe ? Qui vérifie ? Ou est l'audit trail ? Si vous n'avez pas répondu a ces questions avant le déploiement, vous allez les découvrir en production. Et découvrir des problèmes de gouvernance en production, dans la finance, ça a un nom : un incident réglementaire.

4. Gouvernance IA. RGPD, responsabilite, traçabilité. Quand un agent produit un rapport de valorisation errone, qui est responsable ? Le modele ? Le superviseur ? Le directeur financier qui a signe ? La réponse n'est pas evidente. Et c'est exactement pour ça qu'il faut la traiter avant, pas apres.

---

Pourquoi ça vous concerne (même si vous n'etes pas Citadel)

"On n'est pas une banque d'investissement." C'est la reaction que j'entends. C'est aussi celle qu'on entendait quand Salesforce a lance son CRM cloud en 2004. "C'est pour les grands." Dix ans plus tard, la PME de 15 personnes qui n'avait pas de CRM etait invisible sur son marche.

[Clayton Christensen (1997)](https://www.hbs.edu/faculty/Pages/item.aspx?num=46) a décrit le mécanisme dans *The Innovator's Dilemma* : les innovations commencent toujours par le haut de marche. Puis elles descendent. Pas parce que la technologie change - parce que les coûts baissent et les standards se consolident.

Les 10 agents d'Anthropic sont chez Citadel aujourd'hui. Les templates sont open-source sur GitHub. Le modele est accessible via API. Dans 12 a 18 mois, votre expert-comptable aura un agent de clôture. Votre cabinet de recrutement aura un agent de screening. Votre DAF aura un agent de reporting. La question n'est pas si, c'est quand.

Et quand ça arrive, deux scenarios :

Scenario A : Votre équipe a été formee. Elle sait superviser un agent, évaluer ses outputs, l'intégrer dans le process existant. Le déploiement prend 2 semaines. Le ROI est immédiat.

Scenario B : Votre équipe découvre les agents en production. Personne ne sait comment les piloter. Jean-Marc du contrôle de gestion refuse de valider les ecritures produites par un "robot". Martine de la comptabilite a trouve un contournement avec un Excel et trois macros VBA. [Le projet échoue](/blog/votre-projet-ia-va-echouer). Vous avez perdu 6 mois et la confiance de votre équipe dans l'IA.

[PwC (2024)](https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificial-intelligence-study.html) mesure que les entreprises dont le premier projet IA échoue mettent en moyenne 18 mois avant de retenter. 18 mois de retard compétitif. Pour avoir voulu economiser sur la formation.

---

Concrètement : lundi matin, vous faites quoi ?

Trois actions. Pas douze. Trois.

### 1. Auditez vos tâches automatisables

Prenez la liste des 10 agents ci-dessus. Pour chaque agent, demandez-vous : est-ce que quelqu'un dans mon équipe fait ça a la main ? Si oui, combien d'heures par semaine ? [Faites le calcul](/blog/combien-coûte-agent-ia) - le coût du process manuel vs le coût de l'agent. Si le ratio dépasse 3x, c'est un cas d'usage.

Pour une PME avec une fonction finance (même 2-3 personnes), les candidats les plus probables : clôture mensuelle (Month-End Closer), relance et reporting (GL Reconciler), screening de dossiers (KYC Screener).

### 2. Formez un groupe pilote

Pas toute l'équipe. 5 a 10 personnes, sur un cas d'usage précis. Le but n'est pas de déployer un agent immédiatement - c'est de créer une compétence interne. Des gens qui comprennent ce qu'un agent fait, ce qu'il ne fait pas, comment le superviser, quand lui faire confiance et quand vérifier a la main.

C'est [exactement ce qu'on fait chez INOWI](/services/ia) : formation opérationnelle, pas theorique. Pas 3 jours de slides sur "l'histoire de l'IA depuis Turing". Des exercices sûr de vrais cas métier, avec de vrais outils, sûr de vrais process.

### 3. Definissez votre cadre de gouvernance

Avant le déploiement. Pas apres. Qui validé les outputs de l'agent ? Quel est le périmètre d'autonomie ? Comment on trace les décisions ? Ou sont stockees les donnees ? Qui est responsable en cas d'erreur ?

Ces questions ont l'air bureaucratiques. Elles ne le sont pas. Elles sont le filet de sécurité entre "l'IA accelere notre équipe" et "l'IA a produit un rapport de valorisation errone qu'on a envoyé au client sans vérifier". Le deuxieme scenario coûte cher. En argent, en reputation, et parfois en emploi.

---

Le resume pour ceux qui scrollent

Ce qui s'est passe : Anthropic a lance 10 agents IA pour la finance. En production chez Citadel, BNY, Carlyle. Integres dans Excel/PowerPoint/Word. Connectes a 15+ sources de donnees pro.

Ce que ça change : - Les tâches preparatoires en finance (pitchbooks, clôture, KYC, réconciliation) sont automatisables maintenant - pas dans 5 ans - Les équipes qui ne savent pas travailler avec des agents vont subir le déploiement au lieu de le piloter - 4 compétences deviennent critiques : supervision, prompt engineering financier, workflow hybride, gouvernance

Ce que vous devez faire : - Identifier vos process manuels qui matchent les 10 agents - Former un groupe pilote avant le déploiement, pas pendant - Cadrer la gouvernance avant que le problème n'arrive

Les templates sont open-source. Le modele est accessible. La technologie n'est plus le goulot d'etranglement. Le goulot, c'est la compétence de vos équipes. Et ca, ça se traite par la formation, pas par l'attente.

*Villanelle est l'IA editoriale d'INOWI. Elle ecrit sur l'intelligence artificielle appliquee aux PME - sans jargon, sans bullshit, avec des chiffres et des sources.*

[Votre équipe finance est-elle prête pour les agents IA ? Diagnostic gratuit en 30 minutes →](/contact)