Même à l'ère où ChatGPT maîtrise la programmation, le monde de la finance et de la comptabilité peine encore à utiliser Excel. En fin de compte, c'est bien Excel qui reste la solution.
Jung Min-gyu, PDG de ClovaNote, qui supervisait le moteur d'IA utilisé par des millions de personnes chez Naver, a observé les changements et les constantes engendrés par l'introduction de l'IA en entreprise. Le problème qu'il a identifié est simple : si la technologie progresse rapidement, les méthodes de travail restent globalement inchangées. Même avec l'introduction de l'IA, les processus existants sont simplement complétés par des outils, sans que les inefficacités structurelles ne soient corrigées.
Il a quitté un poste de direction stable au sein d'une grande entreprise pour fonder KernelSpace en 2024. Son objectif était de repenser la structure même du travail pour l'adapter à l'ère de l'IA.
Le PDG Jeong a déclaré : « Ma carrière a toujours été guidée par la volonté de me rapprocher des clients. C’est uniquement en les écoutant directement que je peux développer des produits véritablement indispensables. » Il a ajouté : « Bien que j’aie eu un impact significatif chez Naver, la nature même d’une grande entreprise impliquait des limites évidentes pour entendre directement la voix des clients et interagir rapidement avec eux. »
Sa conclusion quant à la résolution du problème est claire : plutôt que de simplement ajouter des moyens de mieux utiliser l’IA, nous devons repenser nos méthodes de travail pour les adapter à l’ère de l’IA.
« Ce genre de changement est impossible sans un travail d'innovation interne. J'expérimente de nouveaux modèles commerciaux auxquels je crois et j'essaie d'en démontrer les résultats par le biais de produits. »
« Greedy », le produit de KernelSpace, est une plateforme d'automatisation de feuilles de calcul basée sur l'IA. Bien plus qu'un simple chatbot, il appréhende les données tabulaires et assiste directement les utilisateurs dans leurs tâches liées aux feuilles de calcul. Il pallie les limitations des LLM classiques, qui peinent à comprendre le contexte entre les lignes et les colonnes des données structurées.
« LLM est fondamentalement un modèle de génération de texte. Il présente des limitations inhérentes lorsqu'il travaille avec des feuilles de calcul, qui exigent un respect strict des contraintes de lignes et de colonnes. « Greedy » utilise le langage naturel pour les explications, mais la manipulation directe des données se fait par le biais de code. Au lieu d'utiliser des mots, il utilise du code informatique. »
Lorsqu'une requête utilisateur est reçue, le besoin est d'abord traduit en code. La requête, exprimée en langage naturel, est convertie en logique exécutable, le code est exécuté et les résultats sont consignés dans une feuille de calcul.
« Tout le code est généré en tenant compte de la structure de la feuille de calcul. Il est conçu pour refléter le contexte (emplacement des cellules, relations entre les formules, signification des colonnes et des lignes), de sorte que les valeurs ne sont pas générées aléatoirement, mais calculées au sein de la structure. »
Les résultats de l'exécution sont ensuite vérifiés par rapport au format de la feuille de calcul et au contexte métier. L'IA de Greedy ne fournit pas de réponses immédiates ; elle fonctionne plutôt selon une structure cyclique qui traduit l'intention de l'utilisateur en code, l'exécute, puis revérifie les résultats avant de finaliser la solution.
Les fichiers Excel ne sont pas isolés. Derrière chaque feuille se cachent d'autres fichiers liés, des flux de travail répétitifs et le contexte essentiel de l'entreprise. Or, de nombreux outils d'IA se concentrent sur la résolution de problèmes immédiats et négligent de documenter clairement les critères et l'historique de leurs actions. Cela peut facilement conduire à refaire les mêmes tâches depuis le début ou à reproduire les mêmes erreurs.
« Nous avons besoin d'une structure qui comprenne non seulement l'état du tableau, mais aussi l'état de l'entreprise. Lorsque le contexte et les critères du processus sont enregistrés avec les résultats du travail, et lorsqu'ils sont préservés sous forme de flux de travail réutilisables et accumulés comme actifs, l'essence du travail est révélée et l'efficacité est atteinte. »
L'intégration de ces enjeux critiques et de ces normes de qualité au produit a été grandement facilitée par la cofondatrice et directrice commerciale, Park Sang-jung. Experte reconnue du secteur, forte d'une expérience acquise au sein de grands cabinets d'audit, notamment les Big Four, et chez Channel Corporation, elle a apporté une vision précoce du marché. Dès la conception du produit, elle a suivi de près les méthodes de travail des utilisateurs d'Excel, l'organisation des pratiques comptables et le contexte d'interprétation des données commerciales.
Le principal atout de Greedy réside dans l'automatisation des flux de travail. Lorsqu'un utilisateur demande de fusionner les données de vente, l'IA conçoit un flux de travail et l'enregistre sous forme de code réutilisable. Ainsi, la maîtrise des données, auparavant réservée à quelques experts en macros ou VBA, devient accessible à tous.
« Les flux de travail, tels que nous les concevons, représentent la démocratisation de la technologie et un moyen essentiel de tirer profit du travail pratique. Les flux de travail définis par l'utilisateur, formulés en langage naturel, sont organisés en une logique d'exécution basée sur le code, et, ce faisant, le contexte de travail et les critères de jugement deviennent des ressources reproductibles. »
Les workflows sont bien plus faciles à créer que le VBA, et ils sont également plus performants. Ils peuvent être créés et modifiés en langage naturel et, contrairement au VBA traditionnel où une simple erreur de cellule peut paralyser tout le système, ils offrent une bien plus grande flexibilité. Il a souligné : « Les utilisateurs peuvent tout faire, de l’organisation simple de données financières aux tâches d’audit complexes, d’un simple clic. »
L'intérêt d'une exécution reproductible réside non seulement dans la rapidité, mais aussi dans la cohérence. Pour les tâches comptables, des résultats précis et cohérents sont essentiels. Les flux de travail manuels ou basés sur des modèles logiques ne peuvent garantir cette cohérence. En revanche, les flux de travail automatisés exécutent toujours le même code et, s'ils sont correctement configurés, garantissent donc des résultats cohérents.
Même des logiciels majeurs comme MS Copilot et Claude améliorent leur compatibilité avec Excel. Cependant, le PDG Jeong souligne que l'accent n'est pas mis sur le nombre de fonctionnalités, mais sur la manière dont les résultats sont préservés et structurés.
L'intégration suit le même principe. Au lieu de s'appuyer sur les méthodes traditionnelles, où les utilisateurs comprennent l'API et configurent des paramètres détaillés via une interface utilisateur, les agents doivent comprendre les requêtes en langage naturel et effectuer l'intégration nécessaire. Les utilisateurs n'ont pas besoin de connaître les détails techniques de l'intégration ; il leur suffit d'énoncer leur demande : « Récupérez les données nécessaires et clôturez le compte. »
Plus de la moitié des premiers testeurs sont passés directement de l'expérimentation à l'automatisation en conditions réelles. Le principal atout de Greedy pour les professionnels est qu'ils peuvent reprendre leur travail comme ils l'utilisent déjà. Alors que de nombreux outils nécessitent une installation, une configuration et une migration lors de la mise en œuvre initiale, Greedy permet aux utilisateurs de simplement importer leurs fichiers existants et de poursuivre leur travail.
Les plans d'équipe, en particulier, devraient générer des synergies car ils partagent les résultats et les flux de travail. Les tâches effectuées une fois par une personne étant conservées comme logique d'exécution et réutilisables, leur répétition accroît leur valeur pour l'ensemble de l'équipe. Les expériences individuelles se transforment naturellement en standards d'équipe, permettant aux organisations d'exploiter l'IA selon des principes communs sans dépendre des compétences individuelles.
L’avenir envisagé par le PDG Jeong Min-gyu est clair.
« Les tâches simples de traitement de données vont quasiment disparaître. La principale différence entre les humains et l'IA réside fondamentalement dans la volonté. L'IA peut calculer et organiser, mais elle ne peut pas décider de ce qu'elle choisit ni dans quelle direction elle va. Les travailleurs humains dépourvus de volonté risquent de plus en plus d'être exclus de leur emploi. »
Bientôt, nous passerons sans doute de moins en moins de temps devant l'interface d'Excel. L'écran principal pourrait se limiter à un tableau unique regroupant toutes les informations, ou à un résumé concis en langage naturel. Les humains devront alors prendre des décisions à partir de données organisées par l'IA.
À court terme, il est crucial de mettre en place un produit fiable et utilisable sur le terrain. Actuellement, il est intégré à Gmail, Google Drive, Analytics, aux systèmes de paiement comme Stripe et à la plateforme de gestion des dépenses d'entreprise Spendit. À l'avenir, nous prévoyons d'étendre les intégrations à diverses plateformes SaaS (Software as a Service), notamment le commerce, la comptabilité et les bases de données internes, afin de garantir le bon fonctionnement des données métier dans un environnement unique.
À long terme, KernelSpace ambitionne de dépasser le stade des tableurs et de connecter bases de données et tableaux de bord, créant ainsi un environnement où les données sont collectées, les analyses partagées et la logique d'exécution préservée. À terme, l'objectif de KernelSpace est de faire évoluer ses outils fonctionnels vers une infrastructure d'exécution métier permettant à l'IA de réaliser des tâches d'entreprise de manière fiable.
« En fin de compte, la compétitivité future ne dépend pas de la capacité à gérer une charge de travail plus importante, mais du pouvoir de définir une orientation claire avec détermination, puis de la mettre en œuvre. « Greedy » se veut un outil qui aide les utilisateurs dotés d’une telle détermination à anticiper l’environnement de travail de demain. »
Après le succès de Naver Clova Note, la ténacité du développeur qui s'est replongé dans le monde difficile des startups attire l'attention sur la façon dont cela va changer la manière dont tous les praticiens qui « luttent » avec Excel travaillent.
You must be logged in to post a comment.