L'IA au cabinet : ce qui change vraiment le métier — et ce qui reste au professionnel

Le secteur le plus exposé est aussi le plus avancé

Droit, audit, expertise comptable, conseil : aucun secteur ne travaille plus près de la matière première de l'IA — le texte, le chiffre, le document. La conséquence se lit dans les statistiques : 17 % des entreprises françaises des activités spécialisées, scientifiques et techniques utilisent au moins une technologie d'IA en 2024, sept points au-dessus de la moyenne nationale (INSEE) ; à l'échelle européenne, le secteur atteint 40,4 % — deuxième derrière l'information-communication, quand tous les autres restent sous 25 % (Eurostat).

Chez les experts-comptables, l'adoption déclarée est devenue quasi générale — 92 % des cabinets déclarent utiliser des outils d'IA — mais 25 % seulement en font un usage généralisé (Baromètre Qonto–Ifop). Ce grand écart entre l'essai et la généralisation est le vrai sujet du secteur : la question n'est plus l'adoption, c'est l'industrialisation — et elle se joue sur la confidentialité des données clients, la fiabilité des résultats et la formation des équipes.

La sociologie des dirigeants confirme l'avance du secteur : les services aux entreprises sont surreprésentés parmi les « Innovateurs » — 19 % de l'échantillon, à la tête d'entreprises qui forment leurs équipes et intègrent l'IA dans leurs processus comme dans leurs offres (Bpifrance Le Lab). Le contexte de marché rend le sujet stratégique : le marché français du conseil en stratégie et organisation est resté étale en 2024, avec une prévision de −2 à +1 % pour 2025 (Xerfi / Syntec Conseil) — quand le volume ne tire plus la croissance, la productivité et la différenciation la remplacent.

Un principe traverse ce rapport, et il est propre aux professions réglementées et de confiance : l'IA industrialise le premier jet et la revue — le jugement, la signature et la relation client restent le métier. Les cabinets qui réussissent ne délèguent pas leur responsabilité : ils déplacent le temps de leurs équipes de la production brute vers le contrôle et le conseil.

La leçon Ashurst : la vitesse n'est pas la justesse

Le secteur partage le paradoxe général — 88 % des organisations utilisent l'IA (McKinsey), à peine 5 % l'ont passée à l'échelle (Capgemini / Microsoft), et environ 95 % des pilotes d'IA générative ne produisent aucun retour mesurable (MIT Project NANDA) — mais il dispose d'une chose rare : des essais contrôlés menés par les professions elles-mêmes, qui disent précisément où l'IA aide et où elle trompe.

Le plus instructif vient d'Ashurst : des essais sur 411 participants, 23 bureaux, 14 pays. Les premiers jets sortent nettement plus vite — jusqu'à 80 % de temps gagné sur des dépôts réglementaires, 59 % sur des rapports sectoriels, 45 % sur des notes juridiques — mais la précision moyenne des livrables IA ressort à 3 sur 5, contre 3,5 pour l'humain (Ashurst). Rapide ne veut pas dire juste : le gain net n'existe que si la relecture professionnelle est comprise dans le processus — et dans le prix.

L'expérimentation BCG × Harvard sur 758 consultants précise la géographie du gain : sur les tâches situées dans la « frontière » de compétence de l'IA, +25 % de vitesse, +40 % de qualité évaluée, +12 % de tâches achevées ; au-delà de cette frontière, la performance se dégrade (BCG × Harvard). La carte des usages — ce que l'IA fait bien, ce qu'elle fait mal — n'est pas un détail de déploiement : c'est la moitié de la valeur.

Jusqu'à 80 % de temps gagné sur le premier jet, 3/5 de précision contre 3,5 pour l'humain : tout le modèle économique du cabinet augmenté tient entre ces deux chiffres.

Cinq familles qui transforment déjà le cabinet

Comme dans les autres secteurs, la valeur se concentre dans cinq familles de cas d'usage aux trois traits communs — tâche répétée, coût mesurable, gain traduisible en heures, en marge ou en risque évité. Toutes sont documentées par des déploiements réels, du cabinet individuel au réseau mondial.

La rédaction et les premiers jets forment la famille la plus immédiate. Les essais d'Ashurst ci-dessus en fixent le rendement — et la condition. Chez Bain, l'IA générative réduit d'environ 80 % le temps de rédaction des plans d'intégration post-fusion et des accords de transition (Bain & Company). La règle d'or de la famille : le premier jet est délégué, la version signée ne l'est jamais.

La revue documentaire et la due diligence constituent la famille la plus ancienne — et la plus chiffrée. JPMorgan automatise avec COIN l'équivalent de 360 000 heures d'avocats par an sur la revue de contrats de crédit (JPMorgan) ; Zurich a économisé 40 000 heures sur la revue de documents de sinistres (Zurich Insurance) ; Clifford Chance industrialise l'extraction de clauses avec Kira (Clifford Chance). Côté plateformes juridiques, A&O Shearman a déployé Harvey auprès de 3 500 avocats dans 43 bureaux — environ 40 000 requêtes dès la bêta, sur l'analyse contractuelle et la due diligence (A&O Shearman / Harvey) — et Slaughter and May, BonelliErede ou Harneys ont suivi à l'échelle cabinet (Harvey).

La production comptable et la révision sont la famille des cabinets du quotidien. KPMG Nord a basculé 650 clients sur un moteur de production à IA en deux à trois mois par vague : 20 à 30 % de temps gagné en saisie selon la typologie de dossier, et jusqu'à 98 % de reconnaissance des pièces (Cegid, cas KPMG Nord). À l'autre bout du spectre, OB Expert Conseil — un expert-comptable exerçant seul — automatise ses feuilles de travail de révision, ses contrôles d'anomalies et son questionnaire LCB-FT pré-rempli (Cegid). La profession s'organise : le CNOEC publie cas d'usage, précautions et charte type d'utilisation de l'IA générative (CNOEC).

L'audit et le fiscal sont la famille des grandes plateformes — et la preuve que le mouvement est structurel, pas expérimental. KPMG intègre des agents IA à Clara, sa plateforme d'audit mondiale au service de plus de 95 000 auditeurs (KPMG) ; Deloitte fait de même dans Omnia (Deloitte) ; EY a lancé EY.ai après 1,4 milliard de dollars d'investissement et intègre l'IA à sa plateforme d'assurance (EY) ; PwC développe sa plateforme d'audit assistée par IA (PwC). Le fiscal suit la même pente, de la conformité déclarative à la veille réglementaire (KPMG ; Deloitte). Pour un cabinet de taille intermédiaire, le message n'est pas d'imiter ces plateformes : c'est que ses clients seront audités et conseillés par elles — le standard de productivité du marché se déplace.

Le savoir du cabinet, enfin, est la famille qui capitalise tout le reste. Chez McKinsey, l'assistant Lilli — adossé à plus de 40 sources de savoir et 100 000 documents — est utilisé par 72 % du cabinet, plus de 500 000 requêtes par mois, et fait gagner jusqu'à 30 % du temps de recherche et de synthèse (McKinsey). Linklaters traite environ 60 000 requêtes par semaine avec son assistant interne Laila (Linklaters) ; Clifford Chance dépasse 60 % d'adoption quotidienne de son assistant sécurisé (Clifford Chance) ; PwC a déployé ChatGPT Enterprise auprès de plus de 100 000 collaborateurs (PwC), et Deloitte met Claude à disposition de plus de 470 000 personnes avec un programme de certification de 15 000 professionnels (Deloitte / Anthropic). En France, CMS Francis Lefebvre déploie GenIA-L, co-développée avec Lefebvre Dalloz et adossée aux fonds éditoriaux juridiques (CMS Francis Lefebvre). Le prérequis, comme partout : un capital documentaire propre et gouverné.

Cinq familles, une constante : l'IA produit, le professionnel signe. Les cabinets qui gagnent sont ceux qui ont déplacé le temps — pas la responsabilité.

La preuve à taille de cabinet

L'objection « c'est une affaire de réseaux mondiaux » ne résiste pas aux déploiements français récents. Du cabinet individuel au cabinet de 150 avocats, les règles gagnantes sont les mêmes : périmètre étroit, données gouvernées, chiffre de départ, décision datée.

Le signal est clair : la formation et la gouvernance s'institutionnalisent. Dans une profession réglementée, c'est le meilleur indicateur qu'une technologie sort de l'expérimentation pour entrer dans l'exercice normal du métier.

Le vrai chiffrage — et la question de l'heure facturable

Les règles économiques générales s'appliquent au cabinet : 10 % d'algorithmes, 20 % de technologie et de données, 70 % de processus et de conduite du changement (BCG) ; 55 à 75 % du coût total hors licence (estimation YPrtnrs Institute) ; un facteur ×2 à ×4 entre budget annoncé et coût constaté quand les 70 % restent invisibles (Gartner) ; et un retour moyen de 3,7 dollars par dollar investi (IDC).

Mais le cabinet a une question économique que l'usine n'a pas : quand la production s'accélère, que devient l'heure facturable ? Un premier jet produit cinq fois plus vite, facturé au temps passé, détruit du chiffre d'affaires — sauf à déplacer la valeur vers le forfait, le conseil et la relation. Dans un marché du conseil étale (−2 à +1 % prévu en 2025 (Xerfi / Syntec Conseil)), l'IA n'est donc pas qu'un levier de coût : c'est un choix de modèle de revenu, et les cabinets qui l'anticipent transforment un risque de déflation horaire en avantage de marge. Les délais observés encadrent la décision : des semaines pour les premiers jets et la saisie, des mois pour le savoir interne, 12 à 24 mois pour les plateformes d'audit et la due diligence à l'échelle.

Le parcours d'un projet en cabinet — et ses quatre points de rupture

Les projets qui s'enlisent au cabinet se ressemblent. Superposés, ils dessinent un parcours type et quatre points de rupture — deux généraux, deux propres aux professions de confiance.

1. Rupture n°1 — le pilote-vitrine sans chiffre. L'outil est essayé « pour voir », sans coût de départ mesuré (heures de rédaction, de saisie, de recherche) : il rejoint les ≈ 95 % sans retour mesurable (MIT NANDA). La parade : choisir dans les cinq familles documentées, là où les heures se comptent déjà.
2. Rupture n°2 — la frontière ignorée. L'IA est appliquée indistinctement à tout, alors que la performance se dégrade au-delà de sa frontière de compétence (BCG × Harvard). La parade : écrire la carte des usages — ce que l'IA fait, ce qu'elle ne fait pas — et la former aux équipes ; c'est l'objet même des chartes CNOEC et des plans de formation CNB.
3. Rupture n°3 — les 70 % oubliés. Le budget décrit la licence, puis découvre la formation, l'adaptation des processus de relecture et le contrôle qualité — d'où le facteur ×2 à ×4 (Gartner). La parade : un chiffrage en coût total où les 70 % sont visibles avant signature.
4. Rupture n°4 — la confiance sans contrôle. La leçon publique est venue du conseil lui-même : Deloitte Australie a dû rembourser partiellement un rapport gouvernemental à 290 000 dollars australiens contenant des citations fabriquées par IA (The Register). Dans une profession où la signature engage, tout livrable IA passe une relecture professionnelle tant que son taux d'erreur n'est pas caractérisé — Ashurst le chiffre : 3/5 sans relecture, contre 3,5/5 pour l'humain. La parade : la relecture signée est dans le processus, dans le prix — et dans la charte du cabinet, avec le secret professionnel et la protection des données clients.

Dans une profession où la signature engage, la relecture n'est pas un surcoût du projet IA : c'est le produit.

Ce que l'associé dirigeant doit décider — et quand

Ni programme pluriannuel, ni attentisme : la trajectoire qui fonctionne tient en cinq décisions sur quatre-vingt-dix jours, chacune avec son indicateur.

1. Choisir une famille, pas un outil. Parmi les cinq familles documentées, prendre celle où les heures se comptent déjà. Indicateur : un chiffre de départ validé (heures de rédaction, de saisie, de recherche par dossier).
2. Auditer le capital documentaire du cas choisi. Modèles, précédents, dossiers : existants, accessibles, gouvernés ? Indicateur : verdict écrit en quinze jours.
3. Chiffrer en coût total et trancher le modèle de revenu. Licence + intégration + formation + contrôle qualité (règle 10/20/70) ; et décider ce que devient l'heure gagnée : refacturée, réinvestie en conseil, ou rendue en marge. Indicateur : un budget où les 70 % sont visibles et une position prix écrite.
4. Écrire la carte des usages et la charte avant de commencer. Ce que l'IA fait, ce qu'elle ne fait pas, qui relit, qui signe. Indicateur : charte diffusée et formation planifiée (le plan national CNB valide jusqu'à 4 heures).
5. Instrumenter la mesure dès le premier jour. Heures par dossier avant/après, même périmètre, taux de reprise en relecture. Indicateur : tableau de bord actif dès la semaine 1.

Ne rien faire a un coût spécifique au secteur : dans un marché étale, les standards de productivité se déplacent avec les plateformes des grands réseaux, et l'écart se creuse en silence — dossier par dossier, honoraire par honoraire. Les cabinets cités dans ce rapport n'avaient pas plus de moyens que leurs confrères : ils avaient une méthode, et l'ont appliquée tôt.