L’intelligence artificielle et l’audit légal : Le Machine Learning au service de la détection de la fraude

Résumé

L'essor de l'intelligence artificielle (IA) et plus particulièrement du Machine Learning (ML) représente une transformation majeure pour l'audit légal, bouleversant ses méthodes traditionnelles et posant des questions cruciales sur l'amélioration de la détection de la fraude. Cette évolution, pleine de promesses en termes d'efficacité et de défis en matière d'intégration technologique, nécessite une réévaluation du rôle, des compétences et des démarches des commissaires aux comptes dans l'analyse des comptes financiers. Pour aborder cette problématique, cet article se base sur une revue de littérature conceptuelle et narrative, et mobilise diverses théories (agence, signaux, risque, etc.) afin de développer une compréhension théorique solide de l'impact du ML sur la détection de la fraude. L'analyse révèle que les algorithmes de Machine Learning améliorent considérablement la vitesse et la précision de l'identification des anomalies, réduisent les erreurs de faux positifs et négatifs, et renforcent l'évaluation proactive des risques de fraude. Cependant, cette intégration peut aussi nécessiter une adaptation des compétences des auditeurs et soulever des questionnements sur l'interprétation des modèles algorithmiques. Cette contribution théorique met en lumière les synergies entre l'innovation technologique et l'impératif d'intégrité dans l'audit légal, tout en proposant des pistes pour adapter durablement cette fonction stratégique à l'ère numérique, en assurant la confiance et la fiabilité des informations financières.

JEL Classification : M42, M4

Type du papier : Recherche Théorique