Ramp Stack automatise la clôture, Stanford alerte sur l’emploi

Ramp Stack automatise une partie de la clôture mensuelle pour les cabinets comptables. L’outil peut prendre en charge le codage des transactions, les rapprochements et les écritures comptables. Ses décisions restent conçues pour être révisables et auditables. Cette évolution dépasse le simple usage conversationnel de l’intelligence artificielle. Elle place les dirigeants face à une question de formation. Les tâches répétitives produisaient auparavant des milliers de petites répétitions pour les débutants. Ces exercices les familiarisaient avec les dossiers clients, les pièces justificatives et les feuilles de travail. L’automatisation réduit donc certaines tâches, mais elle ne doit pas supprimer leur fonction pédagogique.

Stanford mesure un écart d’emploi chez les jeunes travailleurs américains. Dans sa mise à jour salariale du 12 août, l’université estime que l’emploi des 22-25 ans, dans les métiers très exposés à l’intelligence artificielle, se situait 19 % sous le niveau attendu. La comparaison porte sur des travailleurs du même âge, dans des métiers moins exposés. L’écart était de 15 % dans les données de juillet 2025, puis de 19 % en juin 2026. L’ajustement semble principalement passer par une baisse des embauches. Les travailleurs expérimentés ne présentent pas d’écart comparable selon cette analyse de Stanford.

Les cabinets structurent l’apprentissage

Le registre documente chaque flux de travail compressé par l’intelligence artificielle. Il doit indiquer la préparation routinière supprimée, la tâche de jugement confiée au débutant et le responsable de sa revue. Il doit aussi préciser les preuves montrant que le salarié maîtrise cette tâche seul. Pour un rapprochement bancaire, l’outil peut apparier les transactions, signaler les anomalies et rédiger des explications. Le débutant doit alors examiner les éléments non rapprochés, déterminer quelles preuves résolvent l’écart et présenter sa conclusion à un réviseur. Le registre rend visible ce déplacement entre préparation automatisée et jugement supervisé.

La fiscalité évolue également vers des tâches plus analytiques pour les débutants. L’intelligence artificielle peut organiser les documents et rédiger des synthèses de problèmes. Le comptable junior doit vérifier que les faits justifient le traitement retenu. Il doit repérer les informations manquantes et préparer la question destinée au client. En audit, l’outil peut rassembler les justificatifs de tests. Le débutant doit ensuite suivre les exceptions, évaluer la solidité des éléments et expliquer pourquoi un point mérite une escalade. Ces activités remplacent certaines vérifications évidentes par des décisions observables. Elles donnent aussi au réviseur des occasions précises de corriger les raisonnements.

Les managers financent la supervision

Le rôle senior change lorsque l’intelligence artificielle libère du temps. Le temps de coaching doit devenir une capacité planifiée, plutôt qu’un effort invisible. Un manager qui économise six heures grâce à un outil ne devrait pas automatiquement affecter ces six heures à un objectif d’utilisation. Une partie peut financer des échanges de revue, des études de cas en direct et des retours sur les décisions des débutants. Le tableau de bord doit donc associer productivité et apprentissage. Les cabinets peuvent suivre les heures économisées, le taux de réalisation et le délai de traitement. Ils peuvent également mesurer le temps nécessaire avant l’autonomie et les corrections après revue.

La mesure complète inclut le nombre de catégories de jugement traitées par un débutant. Elle peut aussi suivre la part des travaux où celui-ci explique une recommandation, au lieu de transmettre simplement une sortie produite par l’outil. Un associé évaluant un projet d’intelligence artificielle peut ainsi poser deux questions. Le flux est-il devenu plus efficace ? A-t-il permis de former plus rapidement un comptable capable ? CPA Practice Advisor rapporte aussi que des cabinets étendent la formation à des milliers de professionnels. Le registre ajoute une mesure explicite du transfert de compétences au déploiement des outils.

L’auteur propose cette démarche pour préserver l’apprentissage lié au jugement supervisé. Gleb Tsipursky, docteur en sciences comportementales, dirige Disaster Avoidance Experts. Il a publié en 2026 l’ouvrage The Psychology of AI Adoption at Work: From Resistance to Results, chez Georgetown University Press. Son approche consiste à inscrire la progression des débutants dans le pilotage opérationnel des cabinets. Les dirigeants peuvent alors comparer les gains d’un automatisme avec la vitesse d’acquisition des compétences. Cette comparaison ne remplace pas les indicateurs financiers. Elle ajoute une lecture consacrée à la formation des professionnels appelés à vérifier, expliquer et défendre les décisions comptables. L’ouvrage de Gleb Tsipursky présente son cadre sur l’adoption de l’IA au travail.