Pennylane a construit une approche IA radicalement différente des autres éditeurs comptables : chirurgicale, économiquement maîtrisée, ancrée dans la réalité métier. Décryptage de ce qui fonctionne vraiment, de ce qui est encore en chantier, et de ce que ça change concrètement pour les cabinets.
Pennylane équipe aujourd'hui plus de 900 000 entreprises clientes et leurs experts-comptables. La licorne française est devenue, en quelques années, l'un des logiciels comptables les plus déployés en France. Et depuis 2024, elle a accéléré massivement sur l'intelligence artificielle.
Mais contrairement à la plupart des éditeurs du secteur, qui ont ajouté le mot "IA" à chaque ligne de leur communication, Pennylane a adopté une autre philosophie : ne pas mettre de l'IA partout. Ce choix, contre-intuitif en apparence, explique pourquoi leurs résultats sont concrets quand beaucoup d'autres restent dans le registre des promesses.
Cet article décrypte ce que Pennylane a réellement construit, comment et pourquoi, et ce que cela signifie pour les cabinets qui utilisent la plateforme aujourd'hui.
Le principe directeur de l'équipe IA de Pennylane tient en une idée simple : partir du problème métier, identifier les étapes où l'IA apporte une valeur réelle, intervenir chirurgicalement. Pas l'inverse.
Ce positionnement pragmatique tranche avec le discours habituel des éditeurs SaaS qui tendent à "IA-washer" leurs roadmaps en instrumentalisant le mot sans changer grand-chose au fond. Chez Pennylane, le premier réflexe n'est pas de demander "qu'est-ce qu'on peut faire avec un LLM ?" mais "quel est le vrai problème de l'utilisateur ?".
L'autre principe fondateur : Pennylane refuse d'utiliser de la GenAI sur les tâches qui exigent 100% de précision, comme la réconciliation facture/transaction. Dans un cabinet comptable, la moindre erreur génère une perte de confiance immédiate et durable. Pour les tâches périphériques où une marge d'incertitude est acceptable en revanche, la GenAI intervient chirurgicalement. Le bon outil pour le bon problème.
Cette discipline est d'ailleurs ce que les analyses sur l'automatisation comptable et son vrai impact sur les cabinets documentent : l'enjeu n'est pas d'automatiser pour automatiser, mais de savoir exactement où l'automatisation crée de la valeur et où elle crée du risque.
Avant de parler des fonctionnalités, il faut comprendre pourquoi Pennylane est structurellement mieux placé que ses concurrents pour développer de l'IA dans la comptabilité.
Pennylane adresse deux types d'utilisateurs sur une même plateforme : les experts-comptables, qui tiennent la comptabilité, valident les comptes et font les déclarations fiscales, et les dirigeants de TPE/PME, qui gèrent leur facturation, leur trésorerie et leur gestion quotidienne. Cette co-présence sur une plateforme unifiée est l'avantage concurrentiel IA le plus durable de l'entreprise.
Les données de gestion et les données comptables coexistent dans le même modèle de données, sans couture, sans API intermédiaire. Un logiciel de comptabilité classique voit les écritures, pas les factures. Un logiciel de gestion voit les factures, pas les écritures. Pennylane voit les deux simultanément, sur 800 000 clients. Pour un modèle d'IA, ce contexte unifié est infiniment plus riche que ce que peut offrir un concurrent qui n'a accès qu'à une seule face de la relation.
Ce volume de données, combiné à leur richesse, constitue un carburant que les concurrents ne peuvent pas reproduire rapidement, même avec les meilleurs ingénieurs et les modèles les plus puissants.
C'est la fonctionnalité la plus impactante en production. Sur les dossiers en comptabilité de trésorerie, trois quarts des écritures sont passées en autonomie complète. Sur 10 écritures, 7 à 8 sont traitées sans qu'un collaborateur n'y touche.
Ce chiffre représente une transformation profonde du métier de collaborateur comptable. Il ne saisit plus, il supervise, corrige les exceptions, et se concentre sur les cas complexes. L'architecture repose sur du machine learning classique, des modèles de classification entraînés sur des millions d'écritures historiques, combiné à des règles déterministes, avec une validation humaine systématique sur les cas à faible niveau de confiance.
Quand un cabinet quitte un logiciel concurrent pour Pennylane, il doit importer des années d'historique dans des formats incompatibles. L'ancienne solution consistait à créer un adaptateur spécifique pour chaque logiciel, un travail de maintenance perpétuelle qui se cassait dès qu'un concurrent modifiait son format d'export.
La solution IA analyse le contenu des colonnes, pas seulement leur nom, les compare avec les champs attendus par Pennylane et propose automatiquement la correspondance. L'expert-comptable valide en quelques clics. C'est un cas d'usage d'activation : si l'import des premiers dossiers est laborieux, le cabinet ne migre pas. En fluidifiant cette étape critique, le taux d'abandon à l'onboarding chute.
Lors de la création d'une entreprise, le comptable doit renseigner des informations déjà présentes dans les statuts : actionnaires, parts détenues, forme juridique. Une saisie manuelle redondante et chronophage. Les modèles multimodaux lisent directement ces documents et pré-remplissent les formulaires. L'humain valide. Le temps de saisie redondante est éliminé.
Dans le drive partagé entre le cabinet et ses clients, les documents s'accumulent souvent en désordre. Quand un document est déposé sans destination précise, l'IA analyse son contenu et l'arborescence existante du drive pour suggérer automatiquement où le classer. Neuf fois sur dix, la suggestion est la bonne.
La révision comptable mobilise les cabinets de janvier à mai chaque année. En fin de cycle, le comptable doit rédiger une synthèse pour son superviseur : ce qui a été fait, ce qui reste, les informations clés. Puisque tous les commentaires ont déjà été saisis au fil de la révision, l'IA les agrège et rédige automatiquement cette synthèse. Un gain de temps direct sur une tâche à faible valeur ajoutée, pour libérer du temps sur l'analyse.
Déployée en automne 2025, cette fonctionnalité permet à chaque cabinet de créer ses propres agents IA directement depuis l'interface Pennylane, sans compétence technique. Un cabinet peut par exemple configurer un agent qui, tous les lundis matin, identifie automatiquement les clients présentant un problème de trésorerie et envoie un email personnalisé à chaque dirigeant concerné pour lui proposer un rendez-vous. L'agent lit les données, prend une décision, rédige le contenu et déclenche l'envoi, sans intervention humaine.
Moins de 1 000 agents ont été créés sur 15 000 utilisateurs actifs GenAI. Ce chiffre modeste s'explique par le profil de la cible : des experts-comptables dont la moyenne d'âge est de 45 à 50 ans, peu habitués à ce type d'outil. Mais la vraie valeur de cette fonctionnalité n'est pas dans l'adoption immédiate. C'est qu'elle force la construction d'une infrastructure solide : des outils fiables, des données bien exposées, une architecture d'orchestration robuste. Cette infrastructure est le socle sur lequel reposent tous les autres cas d'usage métier à venir.
Derrière chaque fonctionnalité, une règle simple : l'IA ne fait jamais les calculs elle-même. Elle sait quel outil appeler pour obtenir le bon résultat. Si un compte affiche un solde de 5 000€, c'est le logiciel qui le lit et le vérifie. L'IA décide seulement qu'elle doit consulter ce compte. Cette séparation élimine presque entièrement le risque d'erreur sur les données chiffrées, parce que le modèle ne génère pas les chiffres, il les récupère depuis une source de vérité fiable.
Cette architecture implique aussi une distinction entre deux types de systèmes. Un workflow est une séquence d'étapes prédéfinie : on sait à l'avance ce que chaque étape produit, le modèle intervient ponctuellement pour normaliser, suggérer ou extraire. Un agent implique une prise de décision dynamique face à des entrées non standardisées. La grande majorité des fonctionnalités de Pennylane sont des workflows. Les agents purs sont rares, réservés aux situations où il est impossible de normaliser les entrées à l'avance, comme le moteur de révision assistée qui doit interpréter des listes de diligences rédigées librement par chaque cabinet.
Voici comment les cas d'usage se répartissent :
Pour les cabinets qui réfléchissent à leur propre transformation numérique, ce benchmark complet des logiciels pour experts-comptables donne un panorama utile des solutions disponibles et de la façon de les évaluer.
Un LLM généraliste, même très performant, ne peut pas faire ce que fait Pennylane sur les données comptables. La raison est simple : il ne connaît ni les règles du plan comptable français, ni les spécificités sectorielles, ni le contexte historique d'un client spécifique.
Ce qui rend l'IA de Pennylane différente, c'est le contexte métier injecté dans chaque interaction. Quand un modèle traite une écriture comptable sur Pennylane, il ne reçoit pas juste la transaction brute. Il reçoit le secteur d'activité du client, l'historique des écritures similaires, les règles de catégorisation propres au cabinet, et les spécificités réglementaires applicables. C'est cette richesse contextuelle, construite par six chefs de produit anciens experts-comptables sur des années de pratique terrain, qui produit des résultats qu'aucun LLM généraliste utilisé seul ne pourrait atteindre.
C'est aussi ce qui explique pourquoi les données de Pennylane sont un actif stratégique irremplaçable. 800 000 clients sur une plateforme unifiée cabinet et dirigeant, c'est des millions d'écritures validées, des milliers de patterns sectoriels, une connaissance fine des comportements comptables par taille d'entreprise et par secteur. Aucun concurrent qui n'aurait accès qu'à une seule face de la relation ne peut reproduire ce contexte.
La vision la plus ambitieuse de Pennylane reste sur la roadmap. L'idée : un collaborateur de cabinet se connecte le matin et reçoit une recommandation précise du type "vous devriez appeler tel client aujourd'hui pour tel sujet", parce que le système a détecté des signaux faibles dans les données la nuit précédente.
Un signal faible en comptabilité, c'est une donnée qui ne fait pas tiquer seule, mais qui, combinée à d'autres, révèle un problème en train de se former. Par exemple : les délais de paiement d'un client s'allongent progressivement depuis trois mois. Pris seul, ce n'est pas alarmant. Mais si en parallèle ses charges fixes augmentent et que son CA stagne, le tableau devient préoccupant. L'objectif de Pennylane est que l'IA détecte ces combinaisons automatiquement et alerte le collaborateur : "Appelez ce client cette semaine, voici pourquoi." Plutôt que d'attendre que le dirigeant vienne lui-même sonner l'alarme.
Cette fonctionnalité n'est pas absente faute de faisabilité technologique, mais parce que le coût est aujourd'hui prohibitif. Passer un modèle IA sur chaque transaction de l'ensemble des clients en temps réel coûte trop cher pour être absorbé dans l'abonnement actuel sans répercuter une hausse de prix sur les clients. La piste explorée est celle d'un modèle léger en pré-filtre, qui analyse rapidement chaque transaction et décide si ça vaut la peine d'envoyer un modèle plus puissant pour un traitement approfondi. On ne paie le modèle coûteux que sur les cas potentiellement intéressants. Le coût des modèles d'IA ayant historiquement baissé de 80 à 90% par an, cette contrainte devrait se lever progressivement.
Ce qui distingue vraiment Pennylane du reste du marché, ce n'est pas seulement ce qu'ils ont construit. C'est la conviction qui le sous-tend.
Arthur Waller, le CEO, l'a résumé dans son bilan 2025 : "2026, c'est l'année où l'IA va devenir votre quotidien." Pas une fonctionnalité optionnelle qu'on active dans un menu. Un mode de fonctionnement permanent, intégré au cœur de chaque tâche du collaborateur comptable.
Cette conviction repose sur un pari structurant : l'IA ne remplace pas l'expert-comptable, elle le repositionne. Les tâches d'exécution, la saisie, le classement, la rédaction administrative, sont progressivement absorbées par la machine. Ce qui reste à l'humain, c'est le jugement, la relation client, l'analyse des situations complexes. Un cabinet qui aura intégré cette transformation sera capable de traiter davantage de clients avec les mêmes équipes, ou de consacrer ce temps libéré à des missions à plus forte valeur ajoutée.
Ce positionnement tranche avec la plupart des discours du secteur, qui présentent l'IA comme un simple outil d'efficacité opérationnelle. Chez Pennylane, c'est un outil de repositionnement stratégique de la profession. Pour les experts-comptables qui s'interrogent sur l'impact de cette transformation sur leur rôle, cet article sur l'expert-comptable du futur offre un cadre utile pour anticiper ce repositionnement.
L'Autopilote doit progresser de 75% à 85-90% d'écritures automatisées, avec une extension aux dossiers en comptabilité d'engagement. Chaque point de pourcentage gagné représente des dizaines de milliers d'heures libérées pour les cabinets à l'échelle de la plateforme.
Les agents paramétrables, aujourd'hui réservés à une minorité d'utilisateurs avancés, devraient évoluer vers une bibliothèque partagée entre cabinets. Les agents créés par les power users pourraient être mis à disposition de l'ensemble de la communauté, affinés collectivement, dans une logique de place de marché d'agents. Sur les services financiers, une analyse automatique de la situation financière pour matcher les entreprises avec les meilleures offres de financement disponibles est annoncée, sans que le dirigeant ait à remplir le moindre dossier. Et si les coûts des modèles continuent leur trajectoire baissière, les premières fonctionnalités proactives de détection de signaux faibles pourraient voir le jour.
Ce qui distingue Pennylane sur l'IA ne tient pas aux modèles utilisés. L'équipe est agnostique et change de fournisseur sans que l'utilisateur s'en aperçoive. Ce n'est pas non plus l'architecture, délibérément pragmatique plutôt qu'élégante. C'est trois choses qui se construisent sur des années.
La donnée. 800 000 clients sur une plateforme unifiée cabinet et dirigeant, avec un flux de données bidirectionnel sans couture. C'est le carburant irremplaçable. Les concurrents ne peuvent pas le reproduire rapidement, même avec les meilleurs ingénieurs.
La connaissance métier. Six chefs de produit anciens experts-comptables ont encodé les règles du métier dans les prompts et les contextes sur des années de travail terrain. La différence entre une IA correcte et une IA qui marche vraiment, c'est précisément ce contexte métier injecté. Ça ne s'achète pas, ça s'acquiert lentement.
La discipline produit. Refuser de tout automatiser, ne pas succomber aux sirènes de l'agent universel, garder le déterminisme là où la précision est non-négociable, mesurer le coût de chaque fonctionnalité avant de la déployer. Dans un secteur où la pression à "mettre de l'IA partout" est permanente, cette maturité est rare.
L'IA de Pennylane n'est pas une couche de vernis ajoutée à un logiciel existant. C'est une transformation progressive du quotidien des collaborateurs comptables, construite fonctionnalité par fonctionnalité, sur des fondations solides.
75% d'écritures automatisées, 90% de réussite sur le rangement de fichiers, 50% d'adoption mensuelle sur le chatbot. Ce ne sont pas des chiffres de démo, c'est de la production réelle à l'échelle, tous les jours. Pour les cabinets qui utilisent Pennylane, la question n'est plus de savoir si l'IA va transformer leur métier. C'est déjà en train de se produire.
Pour les cabinets qui souhaitent comprendre comment adapter leur stratégie de développement à ce contexte de transformation technologique accélérée, la méthode PNAC développée par Liberall Conseil offre un cadre concret pour aligner positionnement, acquisition et pilotage dans un environnement qui change vite.
.png)
.png)
