Du mystère à la pratique : comment la Cour des comptes nationale de Suède aborde l’IA dans ses audits de performance

Auteure : Christina Gellerbrant Hagberg, Auditrice générale, Cour des comptes nationale de Suède (Riksrevisionen)

Introduction : démystifier l’IA

Au sein des Institutions supérieures de contrôle, les discussions sur l’intelligence artificielle (IA) sont souvent centrées sur la technologie. Elles mettent en avant les modèles, l’infrastructure des données, les cadres de gouvernance et le potentiel futur. Les débats sur l’IA sont souvent entourés d’une certaine aura de mystère ; les applications pratiques ont tendance à être confondues avec des idées plus visionnaires telles que les agents autonomes, voire l’informatique quantique. Pour de nombreux auditeurs, cela peut donner l’impression que l’IA est complexe, voire parfois intimidante.

L’année dernière, à la Cour des comptes nationale de Suède (NAO suédoise), nous avons délibérément adopté un angle d’approche différent. Plutôt que d’aborder l’IA à un niveau abstrait, notre ambition était de la démystifier, en recentrant l’attention sur la manière dont elle peut être utilisée dans le cadre de l’audit.

Après six mois d’utilisation opérationnelle de Microsoft Copilot dans l’ensemble de l’organisation – à la fois à grande échelle et de manière plus approfondie dans le cadre de l’audit de performance –, nous commençons à y voir plus clair. Notre expérience montre que la véritable transformation n’est pas avant tout technologique, mais relève plutôt de l’état d’esprit des collaborateurs.

Un choix stratégique : la pratique avant la théorie

Dès les débuts de notre adoption de Copilot, la Cour des comptes nationale de Suède a fait un choix organisationnel clair. Nous n’avons pas positionné l’IA comme un programme de transformation à grande échelle ni comme un projet de développement technique. Nous avons plutôt choisi une orientation fondée sur trois principes simples :

• Utiliser des outils existants et sécurisés – principalement Copilot.
• Privilégier l’apprentissage pratique plutôt que théorique.
• Encourager l’expérimentation dans le travail quotidien.

Cette approche incarne une idée fondamentale concernant le développement professionnel : les auditeurs n’acquièrent pas leur jugement professionnel en lisant des directives, mais en pratiquant.

Pas besoin de comprendre le code sous-jacent

Il convient de faire une distinction utile entre l’audit des modèles d’IA en tant que tels et l’examen de la manière dont les organisations utilisent l’IA pour améliorer leurs opérations.

Dans certains cas rares, le modèle d’IA lui-même peut faire l’objet d’un audit — par exemple, lorsqu’une autorité publique s’appuie sur un algorithme pour prendre ses décisions. Dans de tels cas, un certain niveau de compréhension technique peut être nécessaire pour évaluer le fonctionnement du modèle et les risques qu’il présente. Cependant, ce type d’audit est relativement peu courant dans le cadre de l’audit de performance.

Le plus souvent, l’accent est mis sur la manière dont les organisations utilisent l’IA dans le cadre d’efforts plus larges visant à améliorer leur efficacité et leur efficience. À cet égard, l’IA ne diffère pas radicalement des autres formes de numérisation. Les questions d’audit pertinentes portent sur la gouvernance, la gestion des risques, les contrôles internes, l’apprentissage et le suivi : les organisations testent-elles et valident-elles leur utilisation de l’IA, évaluent-elles les risques, gèrent-elles les conséquences imprévues et s’assurent-elles que la technologie contribue aux résultats escomptés ?

L’audit de l’IA ne nécessite pas d’outils d’audit entièrement nouveaux ; il requiert l’application d’approches d’audit établies à un nouveau type d’instrument. Comme dans d’autres domaines de la numérisation, l’accent est mis sur le fonctionnement de l’organisation plutôt que sur les rouages internes de la technologie elle-même.

Cela implique avant tout que la plupart des auditeurs n’ont pas besoin d’une compréhension technique approfondie de l’IA. Ce dont ils ont besoin, c’est de la capacité à évaluer la manière dont les organisations assurent la gouvernance et utilisent l’IA dans la pratique, en s’appuyant sur les mêmes principes fondamentaux qui sous-tendent l’audit de performance de manière plus générale.

L’IA : une question de leadership

L’un de nos principaux enseignements a été que l’adoption de l’IA relève moins de la technologie que du leadership. Au sein de la Cour des comptes nationale de Suède, cela signifie que le leadership s’est attaché à créer les conditions propices à l’apprentissage, à réduire les obstacles à l’expérimentation, à clarifier les attentes et les responsabilités, et à atténuer les craintes et les incertitudes inutiles.

Encourager l’expérimentation ne signifie pas supprimer tout contrôle. Notre approche repose sur une combinaison de liberté et de limites claires. Les auditeurs sont encouragés à expérimenter dans leur travail quotidien, tandis que le jugement humain conserve le contrôle total sur toutes les conclusions. Les outils d’IA ne doivent pas être utilisés pour traiter des données sensibles ou classifiées.

Cette approche de « liberté responsable » s’est avérée essentielle. Elle permet l’apprentissage tout en préservant la confiance, la responsabilité et la conformité.

Ce que l’IA apporte réellement

Concrètement, l’IA s’est révélée particulièrement utile en tant qu’outil d’aide. Nos auditeurs de performance utilisent l’IA pour :

• structurer et affiner leurs idées ;
• analyser de grands volumes de texte ;
• résumer des documents et des entretiens ;
• améliorer la clarté et la formulation des rapports ;
• remettre en question les hypothèses initiales.

Cela entraîne souvent un effet secondaire : des attentes plus élevées en matière de clarté et de raisonnement. Lorsque les arguments peuvent être vérifiés plus rapidement et que des explications alternatives sont plus faciles à formuler, le niveau d’analyse s’en trouve rehaussé. Notre prochaine étape consistera à explorer comment l’IA peut soutenir l’audit financier.

Qualité, risque et responsabilité

Une question qui revient souvent est de savoir comment l’IA influe sur la question de la responsabilité. À la Cour des comptes nationale de Suède, nous avons clairement posé comme principe que l’IA n’entraîne pas de modification des principes fondamentaux de la responsabilité en matière d’audit.

L’auditeur reste pleinement responsable de toutes les conclusions. Les résultats fournis par l’IA sont simplement considérés comme des suggestions émanant d’un « stagiaire » ou d’un « copilote » très utile. Ces résultats doivent toujours faire l’objet d’un examen critique et d’une validation.

Bien que les risques, tels que l’erreur ou le biais, soient réels, ils doivent être gérés de la même manière que tout autre risque : avec un esprit de scepticisme professionnel et par le biais d’un examen.

L’un des principaux défis pratiques concerne les données. De nombreux ensembles de données utilisés en audit sont confidentiels ou classifiés, alors que de nombreux outils d’IA avancés fonctionnent dans des environnements cloud. Cela entraîne des contraintes d’utilisation. Notre approche a été pragmatique : plutôt que d’attendre des solutions parfaites, nous nous concentrons sur ce qui est faisable dans le cadre des contraintes actuelles.

Six mois d’expérience : premières observations

Après six mois d’utilisation opérationnelle, plusieurs tendances se dessinent. Les auditeurs identifient de plus en plus leurs propres cas d’utilisation pertinents. L’IA s’avère plus utile dans les tâches quotidiennes que dans des projets pilotes isolés. L’apprentissage se fait par la pratique et le dialogue plutôt que par une formation formelle. Le mystère perçu autour de l’IA se dissipe dès que les auditeurs commencent à l’utiliser.

La principale leçon tirée par la Cour des comptes nationale de Suède est simple : ne pas commencer par une approche technique, mais plutôt par une approche pratique. Pour être utile, il n’est pas nécessaire de comprendre pleinement les fondements techniques de l’IA. Ce qui importe, c’est la manière dont elle est intégrée aux tâches quotidiennes, si l’apprentissage est favorisé et si la responsabilité de l’audit est préservée.

L’IA ne remplace pas le jugement professionnel. Elle redéfinit la manière dont ce jugement est élaboré et appliqué, ce qui relève avant tout du leadership.