Contexte technique
Ce n'est pas une nouvelle version qui m'a interpellé, mais une expérience utilisateur très parlante : un professionnel de la finance dans Excel, construisant un modèle mathématique, se plaignant des bugs de l'IA et appliquant des correctifs de manière itérative. Cela ressemblait trait pour trait à mon propre travail avec les LLM en développement.
C'est là que j'ai marqué une pause. Il ne s'agit plus seulement de « générer une formule », mais d'une véritable implémentation d'intelligence artificielle dans un travail de domaine, là où auparavant on appelait un analyste plus expérimenté ou on passait des heures à chercher soi-même.
Si l'on regarde les outils, le tableau est clair : Microsoft Copilot dans Excel, Ajelix, GPTExcel, Formularizer, AI ExcelBot et d'autres outils similaires peuvent traduire le langage naturel en formules, VBA, résumés, prévisions et explications logiques. Pas parfaitement, bien sûr. Mais c'est le schéma qui compte : prompt, vérification, correction, nouveau prompt.
Essentiellement, Excel commence à se comporter comme un IDE léger pour les spécialistes sans formation en programmation. Un financier n'écrit pas de code au sens traditionnel, mais pense déjà comme un ingénieur : il pose une hypothèse, obtient un premier jet, détecte une erreur, précise le contexte et répare le modèle.
Oui, ces assistants ont de nombreuses limites. Ils donnent des réponses partielles pour des calculs complexes, s'embrouillent dans des logiques longues et expliquent parfois avec éloquence une formule incorrecte. Mais ce sont les mêmes défauts de jeunesse que je vois chaque jour dans les outils de codage IA ; ils ont simplement migré vers Excel et les modèles financiers.
Impact sur l'entreprise et l'automatisation
Pour les entreprises, je vois trois changements pratiques. Premièrement, la barrière à l'entrée de la modélisation complexe s'abaisse. Une personne du FP&A ou des opérations financières peut créer une ébauche fonctionnelle bien plus vite, sans longs allers-retours avec le développement.
Deuxièmement, la vitesse d'itération change. Quand un modèle peut être non seulement construit mais aussi débogué via une intégration d'IA directement dans la feuille de calcul, le cycle « idée → test → correction » se réduit considérablement.
Troisièmement, la demande ne porte plus sur « un autre analyste Excel », mais sur une véritable architecture IA autour de ces processus. Car dès qu'une feuille de calcul influence les décisions, il faut un contrôle de version, une validation, des droits d'accès et des protocoles de révision clairs.
Les équipes avec beaucoup d'analyses manuelles et de modèles répétitifs sont gagnantes. Celles qui pensent qu'il suffit de brancher l'IA sur Excel et d'oublier la qualité sont perdantes.
Chez Nahornyi AI Lab, nous nous attaquons justement à ces goulots d'étranglement : où laisser le contrôle à l'humain, où intégrer l'automatisation par l'IA, et où il vaut mieux sortir la logique des feuilles de calcul pour la placer dans un système plus robuste. Si votre Excel est déjà devenu un « moteur de l'entreprise » caché, examinons ensemble le processus et construisons une solution d'IA sans battage médiatique, axée sur une vérifiabilité concrète.