Esker lance Synergy Agentic Framework, une couche d’IA agentique intégrée à ses solutions Source-to-Pay et Order-to-Cash qui associe automatisation, agents spécialisés et règles de gouvernance. Par ailleurs, l’éditeur dévoile dans une étude menée auprès de responsables financiers que les entreprises restent prudentes face à une autonomie accrue de l’IA.
Un framework agentique gouverné
Avec Synergy Agentic Framework, Esker cherche à dépasser l’automatisation de tâches isolées pour coordonner des séquences de travail complètes dans les processus financiers. Le framework s’appuie sur les capacités existantes de Synergy AI, déjà utilisées pour la reconnaissance documentaire, l’extraction de données, le rapprochement, la détection d’anomalies ou l’imputation automatique. Il y ajoute des agents métier capables d’exécuter certaines actions dans les cycles Source-to-Pay et Order-to-Cash. Ils peuvent notamment identifier des exceptions sur des factures, orienter des demandes d’approbation, prioriser des actions de recouvrement, évaluer un risque de crédit ou faciliter le lettrage des paiements. Les décisions qui nécessitent un jugement métier ou le traitement d’une exception restent sous le contrôle des humains. Esker distingue ainsi le raisonnement de l’IA, qui peut être probabiliste, de l’exécution financière, qui doit respecter des règles déterminées à l’avance.
Le framework fournit à tous les agents un même environnement de données, d’IA et de contrôle, ainsi que des règles communes pour sécuriser, tracer et évaluer leur fonctionnement.
Une interface conversationnelle permet également aux utilisateurs d’interroger les processus en langage naturel ou de déclencher une action autorisée. Esker prévoit par ailleurs des connexions avec les systèmes externes, notamment les ERP, les CRM et d’autres environnements d’IA, via des API et des standards tels que le Model Context Protocol (MCP) et Agent-to-Agent (A2A).
Des exigences de gouvernance et de contrôle humain
Cette approche répond à des réserves que documente une étude publiée parallèlement par Esker. Réalisée en août 2026 auprès de 338 responsables financiers, dont 137 DAF, elle montre que 32 % des répondants utilisent l’IA pour recommander des actions ensuite exécutées manuellement et que 29 % l’autorisent à agir après validation humaine. Les DAF interrogés apparaissent particulièrement prudents sur certaines décisions : 78 % considèrent que l’IA ne devrait pas exécuter de décisions concernant la fixation des objectifs de chiffre d’affaires et 74 % excluent son intervention dans l’allocation des effectifs et des budgets de recrutement. L’étude révèle également un décalage entre les gains opérationnels perçus et leur traduction financière : 58 % des responsables citent la productivité parmi les principaux bénéfices de l’IA, contre 48 % pour l’amélioration des flux de trésorerie.
La maîtrise des coûts constitue un autre enjeu. Selon l’enquête, 72 % des répondants indiquent que leur entreprise a dépensé davantage que prévu dans ses initiatives d’IA au cours des douze derniers mois. Parmi les DAF, 65 % déclarent également rencontrer des difficultés pour relier les usages de l’IA à des résultats métier précis. La qualité des données constitue un obstacle au passage à l’échelle pour 48 % des répondants, tandis que 42 % citent une intégration insuffisante entre systèmes financiers et outils d’IA. Enfin, 66 % savent ou soupçonnent que des collaborateurs de la fonction finance utilisent des outils d’IA non approuvés. Dans ce contexte, le développement de l’IA agentique dans la finance dépend autant de la capacité d’exécution des agents que des mécanismes de contrôle, d’intégration et de mesure qui les entourent.