Nouvelle série de CPA Canada sur l’IA en comptabilité

CPA Canada

La nouvelle série en trois parties de CPA Canada vise à trouver un équilibre entre innovation et responsabilité éthique en intelligence artificielle. Première partie : maîtriser certains fondamentaux.

Les CPA se trouvent au cœur des perturbations technologiques et des questions d’ordre éthique quand il s’agit d’appliquer l’intelligence artificielle (IA) à leur profession. En collaboration avec l’American Institute of CPAs (AICPA), CPA Canada a fait paraître sa première publication d’une série en trois parties consacrée aux grandes répercussions de l’IA. Elle y présente des orientations fiables permettant d’analyser les questions complexes en jeu, qu’il s’agisse de comprendre les nuances des algorithmes d’apprentissage automatique ou d’assurer la transparence des décisions fondées sur l’IA.  

« J’espère que cette publication viendra étayer une ouverture à l’expérimentation prudente », explique Melissa Robertson, directrice de projets, Recherche et leadership intellectuel (Technologies), à CPA Canada. « Moins les gens auront peur de l’IA, plus ils seront enclins à utiliser de nouveaux outils et à trouver des possibilités porteuses de les mettre en œuvre. »  

Les CPA doivent absolument comprendre les subtilités de l’IA pour en tirer le meilleur parti en comptabilité, dans le respect des principes éthiques, en évitant les erreurs et les biais, et en maximisant son potentiel transformateur. Afin de bien situer le lecteur, le document présente les avancées les plus prometteuses de cette technologie et ses points de défaillance actuels.  

IA générative

Au cours des dernières années, une série d’innovations ont profondément transformé le paysage de l’IA. L’IA générative, une technologie récente qui transcende les capacités de l’IA traditionnelle en passant de l’analyse de données à la création de contenus entièrement nouveaux, en fait partie. Parmi les cas d’utilisation de l’IA générative pour les comptables, mentionnons la création de rapports financiers, l’établissement de prévisions, l’analyse prédictive et les questions de conformité. Certaines difficultés demeurent, toutefois : il faut notamment s’assurer de l’exactitude et de la fiabilité des résultats et surmonter les biais des systèmes.  

« Que l’on utilise l’IA ou une autre technologie d’automatisation, la même exigence fondamentale s’applique : on doit être en mesure de prouver l’exhaustivité et l’exactitude des données obtenues, rappelle Melissa Robertson. Dans le cas des technologies traditionnelles, qui font intervenir des calculs et des algorithmes simples, il est relativement facile de vérifier l’exactitude et l’exhaustivité en examinant les codes sources ou en effectuant certains calculs. Les algorithmes de l’IA, eux, s’avèrent nettement plus difficiles à vérifier en raison de leur complexité, et il n’y a pas, à l’heure actuelle, de méthode normalisée pour le faire. » La capacité de confirmer l’exactitude et l’exhaustivité des résultats générés par l’IA peut ainsi s’en trouver limitée, d’où l’importance de nouvelles approches de vérification. « À bien des égards, la nécessité de réaliser de tels audits des systèmes d’IA peut ouvrir de nouvelles voies aux CPA et aux spécialistes des technologies avec qui ils seront appelés à travailler », ajoute Melissa Robertson.

Modèles de fondation et systèmes d’IA à usage général (GPAIS) 

Les modèles de fondation comme les systèmes d’IA à usage général (« general-purpose AI system » ou GPAIS) peuvent accomplir un large éventail de tâches dans différents domaines. Ils s’apparentent aux fondations d’une maison; ils constituent une assise solide sur laquelle les développeurs peuvent bâtir diverses applications d’IA. Mais si les GPAIS offrent une certaine polyvalence, leur approche n’est pas toujours adaptée à la complexité d’une tâche, d’où un éventuel manque de nuance et de précision.  

IA générative multimodale 

C’est lorsqu’elle traite différents formats de données que l’IA générative montre réellement les prouesses dont elle est capable. Par exemple, si un comptable a recours à l’IA générative pour examiner divers types d’informations et d’éléments probants au cours d’un audit, l’outil pourrait analyser documents financiers, données numériques, graphiques et même témoignages vidéo. 

Bien que les systèmes d’IA multimodale en soient encore à leurs balbutiements, on s’attend à ce qu’au cours de la prochaine année, ils continuent à se multiplier et à élargir les capacités des GPAIS. Des difficultés demeurent, cependant, notamment le degré élevé de complexité en jeu et le risque d’erreurs. Les comptables doivent les prendre en compte dans le cadre des programmes de gouvernance et de contrôle.  

Réglementation : pour surmonter les difficultés 

Les autorités de réglementation et les normalisateurs peinent à suivre le rythme des progrès de l’IA, ce qui peut rendre difficile l’encadrement de son développement et de ses applications. « La réglementation est plutôt limitée à l’heure actuelle. Je dirais que nous sommes en début de parcours au Canada », constate Melissa Robertson, en soulignant un besoin croissant de représentation et de sensibilisation. 

Prochaines étapes 

Dans le prochain document de cette série, CPA Canada et l’AICPA examineront les risques et conséquences potentielles de l’IA, ainsi que les principaux mécanismes de gouvernance et de contrôle qui s’y appliquent. Elles se pencheront également sur les orientations, normes et règles et sur le rôle qu’elles jouent dans la mise en place et la gestion d’un programme rigoureux d’IA responsable. 

Lire la publication et en savoir plus sur la série de CPA Canada sur l’intelligence artificielle.