- Selon l'Institut de la statistique du Québec (novembre 2025), 12,7 % des entreprises québécoises ont utilisé l'IA à des fins de production, et la progression annuelle est plus de deux fois plus lente qu'en Ontario.
- En avril 2026, SAP comptait plus de 30 agents Joule spécialisés et plus de 2 500 compétences, dont des agents dédiés aux litiges de facturation et aux avis de paiement.
- Le groupe industriel Wieland a fait passer l'automatisation de ses encaissements de 61 % à 83 % avec le jumelage par apprentissage automatique de SAP (étude de cas SAP).
- PlanAxion recommande de commencer par un processus financier à forte friction, comme l'application des encaissements, plutôt que par un déploiement large.
Le trois du mois, 8 h 30. L'équipe des comptes clients d'un distributeur B2B ouvre le relevé bancaire et retrouve le même casse-tête que le mois dernier : des paiements groupés, des montants partiels, aucune référence de facture. Pendant ce temps, les éditeurs ERP annoncent des agents IA qui accomplissent ces tâches seuls.
Les deux réalités coexistent. L'écart entre elles définit l'année 2026.
Selon l'Institut de la statistique du Québec (novembre 2025), 12,7 % des entreprises québécoises ont utilisé l'IA à des fins de production. La progression annuelle atteint 3,3 points au Québec, contre 7,8 points en Ontario.
Qu'est-ce que l'IA agentique dans un ERP ?
L'IA agentique désigne des agents logiciels qui exécutent un processus d'affaires complet dans l'ERP, de l'analyse à l'action, au lieu de se limiter à suggérer une réponse qu'un humain devra appliquer. Un copilote répond à vos questions. Un agent ferme le dossier.
Le mouvement s'est accéléré chez les grands éditeurs. En avril 2026, SAP comptait plus de 30 agents spécialisés et plus de 2 500 compétences Joule, dont un agent qui analyse la cause des litiges de facturation et un traitement automatisé des avis de paiement. Pour le détail par éditeur, notre revue des agents IA dans les ERP fait le tour de ce que SAP, Microsoft et Oracle livrent.
Cette distinction avec les outils génératifs classiques pèse sur vos choix d'architecture. Nous l'avons détaillée dans notre article sur la différence entre l'IA traditionnelle et l'IA générative.
Pourquoi la finance est-elle le premier terrain d'essai des agents IA ?
Parce que les processus financiers réunissent les trois conditions qu'un agent exige : des règles documentées, des volumes élevés et un résultat mesurable en dollars et en jours. Peu de fonctions offrent un terrain aussi net.
Prenez l'application des encaissements. Le problème n'est pas de recevoir l'argent. C'est de savoir exactement où chaque paiement doit être appliqué quand un client règle 40 factures d'un seul virement, déduit deux notes de crédit et n'envoie aucun avis de paiement.
Dans les mandats que PlanAxion mène en comptes clients, c'est ce tri manuel qui gruge les heures de l'équipe, pas la perception elle-même. Les solutions d'application des encaissements que PlanAxion met en place visent ce point précis : retirer le jumelage répétitif pour que l'équipe se concentre sur les exceptions et le recouvrement.
Les résultats documentés existent. Le groupe industriel allemand Wieland a fait passer l'automatisation de ses encaissements de 61 % à 83 % en déployant le jumelage par apprentissage automatique de SAP dans trois sociétés du groupe. SAP chiffre de son côté à 71 % la réduction de l'effort de jumelage obtenue avec ce type d'outil (2025). Des chiffres d'éditeur, à prendre comme des ordres de grandeur, mais la mécanique se répète : moins de tri manuel, plus de temps pour les exceptions. Notre article sur l'automatisation des comptes clients approfondit ce processus.
Où en sont les entreprises du Québec par rapport à l'Ontario ?
Le Québec progresse, mais plus de deux fois moins vite que l'Ontario, et les intentions pour la prochaine année maintiennent cet écart. Les données de l'Institut de la statistique du Québec, tirées de l'Enquête canadienne sur la situation des entreprises, dressent un portrait précis.
- Utilisation de l'IA en production : 12,7 % au Québec, 13,3 % en Ontario (deuxième trimestre de 2025).
- Progression sur un an : +3,3 points au Québec, +7,8 points en Ontario.
- Utilisation prévue pour les 12 prochains mois : 13,1 % au Québec, 16,5 % en Ontario.
- Entreprises de 100 employés et plus : 26,1 % d'utilisation, contre 12,2 % pour celles de 1 à 4 employés.
- Principaux freins déclarés : coût de mise en œuvre (27,2 %), rendement incertain (19,3 %), manque d'expertise (14,3 %).
Ces freins racontent autre chose qu'un refus de l'IA. Les entreprises doutent surtout de leur capacité à choisir le bon projet. Une étude SAP et Oxford Economics auprès de 1 600 dirigeants (2025) mesure un rendement moyen de 16 % sur les investissements en IA, et 78 % des dirigeants estiment que les agents peuvent transformer leurs opérations. Là encore, ce sont des chiffres d'éditeur plutôt qu'une moyenne garantie.
Un agent IA échoue rarement sur la technologie. Il échoue sur des données de comptes clients que personne n'a validées.
Comment passer de l'idée au premier cas d'usage en production ?
En choisissant un seul processus, en validant les données qui l'alimentent et en chiffrant le gain attendu avant d'écrire la moindre ligne de code. C'est un travail de cadrage, pas un chantier technologique.
L'atelier de solutions IA à gains rapides de PlanAxion structure ce cadrage en quatre semaines et cinq étapes : préparer, identifier, prioriser, valider les données, puis décider et livrer. Chaque idée passe le même filtre : problème à régler, valeur attendue, données disponibles, effort requis.
Le livrable est une feuille de route priorisée, pas un rapport de plus. L'investissement varie selon la portée et se confirme lors d'un court appel exploratoire. Pour les entreprises admissibles, le programme ESSOR d'Investissement Québec peut soutenir les études préalables à ce type de projet.
Faut-il attendre que l'IA agentique soit mature avant d'agir ?
Non. Les agents s'améliorent chaque trimestre, mais la préparation de vos données et le choix du premier cas d'usage n'attendent pas la maturité des outils. Les entreprises qui testent un périmètre restreint dès maintenant apprennent sur leurs propres données, au rythme qui leur convient. Le premier cas d'usage devrait être assez précis pour être testé, mesuré et adopté.
Foire aux questions sur l'IA agentique
Qu'est-ce que l'IA agentique en termes simples ?
L'IA agentique regroupe des agents logiciels capables de mener un processus d'affaires du début à la fin : lire les données, décider selon des règles, exécuter l'action dans l'ERP et documenter le résultat. Contrairement à un robot conversationnel, l'agent n'attend pas qu'un humain applique sa recommandation. Il agit, sous une supervision définie.
Quelle est la différence entre un copilote et un agent IA ?
Un copilote assiste une personne : il résume, rédige, suggère. Un agent exécute une tâche complète de façon autonome, comme jumeler un paiement à des factures ouvertes ou analyser un litige. Les deux se complètent, mais l'agent exige davantage : des données propres, des règles claires et une supervision définie dès le départ.
Quels processus financiers automatiser en premier avec l'IA ?
Commencez par les processus répétitifs à fort volume dont le résultat se mesure facilement : application des encaissements, traitement des avis de paiement, résolution des litiges de facturation. Ces tâches combinent des règles documentées et des gains mesurables en heures récupérées, en encaisse appliquée plus vite et en fin de mois raccourcie.
Combien de temps faut-il pour identifier un premier cas d'usage IA rentable ?
Une démarche structurée prend environ quatre semaines : préparer l'équipe, identifier les irritants, prioriser selon la valeur et l'effort, valider les données disponibles, puis décider. Le résultat est une feuille de route chiffrée. Le délai de déploiement du premier agent dépend ensuite de la qualité des données et du périmètre choisi.
