La demande arrive presque toujours formulée de la même façon : « il nous faut trois semaines pour sortir le pack du conseil, il faut automatiser ». C’est une bonne intuition et un mauvais diagnostic. Dans la plupart des organisations, le pack n’est pas trop lent à produire. Il est trop long à lire.
Automatiser un processus sans le repenser produit exactement le même résultat, plus vite et moins cher. Appliqué au reporting board, cela donne 226 pages que personne ne lit, livrées le mardi au lieu du vendredi. Le gain est réel pour l’équipe finance ; il est nul pour le conseil.
Ce guide prend le problème dans l’ordre inverse de l’habitude. On regarde d’abord ce que le conseil consomme réellement, puis ce que la fabrication coûte, puis on automatise — de la donnée vers la mise en forme, jamais l’inverse. Et on trace une ligne nette sur ce qu’on peut, ou non, confier à un modèle de langage quand il s’agit de chiffres qui engagent la responsabilité des administrateurs.
1. Le goulot d’étranglement n’est pas la production
Les recherches menées sur le contenu des conseils d’administration convergent sur un point : les liasses grossissent. Le pack moyen atteint environ 226 pages, en hausse de 30 % depuis 2019. Seuls 40 % restent sous la barre des 100 pages, et plus de la moitié dépassent 200 pages — avec des cas extrêmes approchant le millier.
Face à cela, le temps de préparation d’un administrateur plafonne autour de quatre heures. À un rythme de lecture attentive d’environ trente pages par heure, cela plafonne la capacité d’absorption à cent vingt pages. L’arithmétique est brutale.
Figure 1. Ce qui est produit, ce qui est lu
Pack moyen de 226 pages, face à une capacité de lecture de 120 pages en quatre heures.
Source : recherches Board Intelligence sur le reporting de conseil (voir note méthodologique)
Le jugement porté sur ces documents suit la même pente. Moins de la moitié des administrateurs estiment que les documents du conseil apportent de la valeur ; plus de quatre sur dix les jugent sans effet ; une minorité considère qu’ils nuisent au débat. Et près des deux tiers notent leur pack « faible » ou « médiocre ».
Figure 2. Ce que les administrateurs pensent de leurs documents
Effet perçu des documents du conseil sur la qualité de la discussion.
Reste la question de savoir pourquoi ces liasses grossissent. La réponse n’est pas l’incompétence des équipes : c’est l’accumulation réglementaire. Dans l’étude portant sur l’évolution du contenu, plus de neuf répondants sur dix constatent une augmentation du reporting de conformité et de réglementation, et près de neuf sur dix du reporting de risque. Personne n’a jamais décidé d’ajouter cent pages. On a ajouté une section par exigence nouvelle, et rien n’a été retiré.
Note méthodologique
Les chiffres sur la longueur des packs et la perception de leur valeur proviennent d’enquêtes menées par Board Intelligence auprès de plus de 1 000 administrateurs et professionnels de la gouvernance issus de près de 700 organisations. Les chiffres sur le temps de lecture et l’évolution du contenu proviennent d’une étude distincte, au périmètre nettement plus étroit — une cinquantaine de participants, majoritairement des secrétaires généraux. Ce sont par ailleurs des travaux financés par un éditeur de solutions de reporting de conseil. Nous les citons parce qu’il n’existe pas d’équivalent public plus robuste sur ce sujet précis, et parce que l’ordre de grandeur est cohérent avec ce qu’on observe sur le terrain — pas parce qu’ils auraient valeur de statistique officielle.
2. Ce que la fabrication coûte vraiment
Côté production, le constat est stable depuis des années et personne ne le conteste sérieusement. Une enquête conjointe de l’Association for Financial Professionals et de l’APQC, menée auprès de plus de 430 professionnels du pilotage financier, établit la répartition suivante du temps de travail.
Figure 3. À quoi passe son temps une équipe de pilotage financier
Répartition du temps déclaré.
Source : enquête AFP / APQC auprès de plus de 430 professionnels du pilotage financier
Trois quarts du temps d’une fonction censée éclairer la décision partent en amont de la décision. Ce n’est pas seulement du gaspillage : c’est un décalage temporel. Quand l’analyse arrive, la période analysée est déjà loin.
La clôture, en amont, fixe le rythme de tout le reste. Les référentiels de l’APQC, construits sur plus de dix mille organisations, donnent des écarts considérables entre organisations comparables.
Figure 4. Délais de clôture : l’écart entre les meilleurs et les autres
En jours.
Source : APQC, Open Standards Benchmarking (plus de 10 000 organisations)
Un facteur deux sur la clôture mensuelle, un facteur trois et demi sur l’annuelle. Ces écarts ne s’expliquent ni par la taille ni par le secteur : ils s’expliquent par le nombre de retraitements manuels entre le système source et l’état final.
3. L’erreur classique : automatiser la dernière couche
La quasi-totalité des projets d’automatisation du reporting board commencent par la fin : générer les diapositives, assembler le PDF, publier sur le portail des administrateurs. C’est la couche la plus visible, la plus démontrable, et celle qui produit le moins de valeur.
Un reporting board se construit en quatre couches. La règle est simple et rarement respectée : on ne peut pas automatiser une couche tant que celle du dessous ne l’est pas.
Figure 5. Les quatre couches, et l’ordre dans lequel les traiter
L’automatisation se construit de bas en haut. La plupart des projets commencent par le haut.
Automatiser la couche 4 sans les couches 1 à 3 revient à fabriquer une belle liasse de chiffres non vérifiés. C’est pire que la situation de départ : la mise en forme professionnelle confère aux données une autorité qu’elles n’ont pas gagnée.
Ce diagnostic est confirmé par les données d’enquête. Dans une étude menée fin 2025 auprès de 431 professionnels de la finance, 58 % citent la qualité et la disponibilité des données comme premier frein à leurs processus, et 73 % la placent dans leur trio de tête. Dans le même temps, 70 % des organisations déclarent avoir un mandat de leur direction générale pour adopter l’IA en finance — mais plus de la moitié n’ont qu’une intégration modérée ou limitée entre leurs outils de pilotage et leurs systèmes sources.
Un mandat d’adoption de l’IA posé sur des données non intégrées ne produit pas de la vitesse. Il produit des erreurs plus rapides, mieux présentées, et beaucoup plus difficiles à repérer.
4. Où l’IA a sa place, et où elle n’en a aucune
C’est le point sur lequel il faut être catégorique, parce qu’il engage la responsabilité des administrateurs. Un modèle de langage ne doit jamais produire un chiffre destiné au conseil. Pas « rarement », pas « sous réserve de relecture » : jamais.
Les chiffres viennent de traitements déterministes — des requêtes, des règles de calcul versionnées, une piste d’audit rejouable. Ce qu’un modèle sait très bien faire, en revanche, c’est travailler par-dessus des chiffres déjà vérifiés : détecter les écarts qui méritent un commentaire, rédiger une première version de la narration, reformuler pour un lecteur non financier, résumer une annexe de quarante pages en un paragraphe. La frontière est nette et elle est facile à tenir.
| Tâche | À confier à l’IA | À ne jamais lui confier |
|---|---|---|
| Chiffres | Les mettre en forme, les commenter | Les calculer, les estimer, les compléter |
| Écarts budgétaires | Repérer et hiérarchiser ceux qui sortent des seuils | En inventer la cause sans donnée sous-jacente |
| Narration | Produire une première version à partir des données validées | Être publiée sans relecture d’un responsable identifié |
| Synthèse d’annexes | Résumer un document long en conservant les renvois | Remplacer l’annexe : le document source reste la référence |
| Prévisions | Expliciter les hypothèses d’un modèle existant | Produire la prévision elle-même en langage naturel |
| Questions du conseil | Retrouver la page et la source qui répondent | Répondre de mémoire, sans citer la source |
Le test à appliquer avant toute mise en production
Prenez n’importe quel chiffre du pack généré et demandez sa provenance. Si la réponse n’est pas « telle table, telle règle de calcul, telle version, exécutée à telle date », le chiffre n’est pas publiable devant un conseil. Cette exigence n’a rien de spécifique à l’IA : c’est la même que pour un tableur. La différence est qu’un tableur ne produit pas de phrase convaincante pour masquer une lacune.
Précisons ce que cette ligne ne dit pas. Elle n’interdit pas les modèles statistiques ni l’apprentissage automatique dans la chaîne de calcul : une prévision produite par un modèle documenté, testé et rejouable est parfaitement légitime. Ce qui est proscrit, c’est qu’un chiffre naisse d’une génération de texte — un objet dont, par construction, on ne peut ni rejouer ni auditer la production.
5. Le périmètre vient de changer : la CSRD après l’Omnibus
Une partie de l’inflation des packs venait de la préparation au reporting de durabilité. Le cadre a été substantiellement revu. La directive dite « Omnibus I », adoptée par le Parlement européen en décembre 2025, validée par le Conseil le 24 février 2026, publiée au Journal officiel de l’Union le 26 février et entrée en vigueur le 18 mars 2026, relève fortement les seuils d’application de la CSRD.
Le seuil passe à 1 000 salariés et 450 millions d’euros de chiffre d’affaires net. L’effet sur le périmètre est massif.
Figure 6. Entreprises concernées par la CSRD dans l’Union européenne
Avant et après la directive Omnibus I.
Source : directive Omnibus I, Journal officiel de l’Union européenne, 26 février 2026
Le calendrier glisse en conséquence : les grandes entreprises non cotées de la deuxième vague ne publieront qu’en 2028, sur l’exercice 2027, au lieu de 2026 ; les PME cotées de la troisième vague en 2029 sur l’exercice 2028.
Deux conclusions opposées et également fausses circulent. La première : « nous sommes sortis du périmètre, le sujet est clos ». Sauf que donneurs d’ordre, banques et investisseurs continuent de réclamer les mêmes données, sans le calendrier réglementaire pour les cadrer. La seconde : « rien ne change, continuons comme prévu ». Sauf qu’une organisation hors périmètre qui maintient un dispositif calibré pour la conformité intégrale dépense pour un besoin qui n’existe plus.
La bonne lecture est plus ennuyeuse et plus utile : le report est une fenêtre de dix-huit à vingt-quatre mois pour construire la collecte proprement, plutôt que de la bricoler dans l’urgence. Les indicateurs extra-financiers relèvent exactement de la même discipline que les indicateurs financiers — une définition, un propriétaire, une source, une piste d’audit.
6. La méthode, en cinq étapes
Voici la séquence que nous appliquons. Elle tient en un trimestre pour un premier cycle, et elle ne commence pas par un achat de logiciel.
Mesurer ce qui est réellement lu avant de produire quoi que ce soit
Après la prochaine séance, demandez à chaque administrateur quelles pages il a ouvertes et lesquelles ont servi à une décision. La réponse est systématiquement plus courte que ce que tout le monde imagine. C’est votre périmètre cible, et c’est le seul mandat légitime pour supprimer des sections.
Écrire le contrat de données avant d’écrire la moindre ligne de code
Pour chaque indicateur conservé : une définition écrite, un propriétaire nommé, un système source unique, une fréquence, une règle de calcul. Un tableau d’une trentaine de lignes suffit. Ce document est le livrable le plus important du projet — et le seul qui ne s’achète pas.
Automatiser de bas en haut, une couche à la fois
Collecte, puis réconciliation, puis calcul, puis mise en forme. Chaque couche doit tourner seule pendant un cycle complet avant qu’on attaque la suivante. C’est plus lent au démarrage et beaucoup plus rapide au total : une couche automatisée sur des données instables se refait deux fois.
Rendre chaque chiffre traçable jusqu’à sa source
Depuis le pack, on doit pouvoir remonter à la règle de calcul, à la version de cette règle et à l’extraction qui l’a alimentée. C’est ce qui permet de répondre en séance plutôt qu’au conseil suivant — et ce qui vous protège le jour où un chiffre est contesté.
Ajouter l’IA en dernier, et seulement sur la narration
Une fois les quatre couches stables, un modèle peut rédiger la première version des commentaires à partir des chiffres validés, et signaler les écarts qui sortent des seuils. Chaque paragraphe reste attribué à un responsable humain qui l’a relu. L’IA fait gagner des heures de rédaction, jamais un contrôle.
Sur la forme du pack lui-même, la structure qui fonctionne le mieux sépare ce qui appelle une décision de ce qui documente. Voici la cible que nous proposons — non pas un standard de place, mais une répartition qui tient dans le budget de lecture réel d’un administrateur.
Figure 7. Une structure de pack qui tient dans le temps disponible
Proposition de répartition, à calibrer selon la taille et le secteur.
Le point essentiel n’est pas le nombre de pages : c’est que les annexes sortent du pack lu. Elles restent disponibles, indexées et interrogeables — mais elles cessent de consommer le budget d’attention du conseil.
Cinq erreurs à ne pas commettre
- Commencer par choisir un outil. La structure du pack et le contrat de données déterminent l’outil, jamais l’inverse.
- Automatiser un indicateur dont la définition n’est pas écrite : vous industrialiserez un désaccord au lieu de le résoudre.
- Conserver « au cas où » les sections que personne n’a ouvertes. Une annexe consultable à la demande remplit la même fonction sans coûter d’attention.
- Laisser un modèle de langage produire, arrondir ou compléter un chiffre — même sur une page de synthèse, même relue.
- Livrer le pack automatisé sans piste d’audit : le premier chiffre contesté en séance annulera dix mois de crédibilité.
Conclusion
Le reporting board souffre d’un désalignement simple : il est évalué sur ce qu’il produit, jamais sur ce qu’il permet de décider. Tant que l’indicateur de succès reste « le pack est sorti à temps », l’automatisation ne fera qu’accélérer la production d’un document dont près de la moitié ne sera pas lue.
Changez l’indicateur et tout le projet se réorganise. Si le succès devient « chaque page du pack a servi à une décision ou à un contrôle », alors la première tâche n’est plus technique : c’est de supprimer. L’automatisation vient ensuite, de bas en haut, et devient beaucoup plus simple — il y a moins à automatiser.
Quant à l’IA, elle a une place réelle, mais étroite et clairement bornée : au-dessus des chiffres, jamais à leur place. Un conseil d’administration engage sa responsabilité sur des données. Une phrase bien tournée sur un chiffre inventé reste un chiffre inventé.
Sources
- Board Intelligence, enquêtes sur l’état du reporting de conseil — plus de 1 000 administrateurs et professionnels de la gouvernance, près de 700 organisations ; étude complémentaire sur le temps de lecture menée auprès d’une cinquantaine de participants (voir note méthodologique).
- Association for Financial Professionals & APQC, enquête auprès de plus de 430 professionnels du pilotage financier — répartition du temps de travail.
- APQC, Open Standards Benchmarking — délais de clôture mensuelle et annuelle, plus de 10 000 organisations.
- Vena & Benchmarkit, « 2026 FP&A Impact Report » — 431 professionnels de la finance interrogés en octobre 2025.
- Directive (UE) « Omnibus I », publiée au Journal officiel de l’Union européenne le 26 février 2026, entrée en vigueur le 18 mars 2026 — relèvement des seuils CSRD et report du calendrier.
Combien de pages de votre pack ont servi à une décision ?
Nous auditons votre dernier pack page par page, écrivons le contrat de données des indicateurs qui restent, et automatisons la chaîne de bas en haut. Premier cycle livré en un trimestre.
Faire auditer notre reporting