Ex-consultants Deloitte/KPMG et ex-portfolio manager UBS, nous analysons le marché français du conseil IA en finance : taux d'échec 70-85%, budgets gaspillés, POC éternels… Quelle est notre alternative ?
Quand j'ai quitté Deloitte après cinq ans passés entre audit et conseil en finance, mon associé sortait d'UBS où il avait géré des fonds actions pendant six ans. On aurait pu continuer nos carrières bien tracées. Lui, grimper les échelons de la gestion d'actifs pour arriver au comité exécutif du groupe. Moi, viser le statut d'associé puis d'associé-actionnaire chez Deloitte. Mais on a fait un autre choix : lancer notre propre boîte, Bubble Invest.
Pourquoi partir ? Pas par rejet du secteur ou des compétences acquises. Mais parce qu'on a vu trop de projets s'enliser dans des PowerPoints interminables, des POC (proof of concept) qui ne déploient jamais, et des budgets de 200 000€ pour des missions de six mois dont le livrable final tient sur trois slides.
Le problème du bullshit n'est pas nouveau, mais l'IA l'a aggravé. Dans les Big Four comme dans les grandes banques, l'IA devient un mot magique qui justifie tout — comme avant lui les mots "transformation digitale", "automatisation", "outils connectés" — : des facturations astronomiques, des timelines déraisonnables, des équipes pléthoriques. Sauf que chez les Big Four, personne ne sait vraiment comment l'IA fonctionne, ou pire tout le monde nie s'en servir en cachette et prétendent avoir une pseudo expertise. Les directeurs vendent du rêve aux clients pendant que leurs juniors/seniors cravachent comme des fourmis, entre deux-trois recherches non assumées sur ChatGPT. Et entre les deux, rien ne se concrétise, les clients attendent, les processus rament, les deadlines s'allongent, et il faut toujours plus de consultants pour encore moins de résultats.
Chez Deloitte et KPMG, j'ai vu des départements entiers ne pas appliquer les conseils qu'ils donnent (ou pourraient donner) à leurs propres clients — une technophobie et volonté immuable de se justifier à tout prix sur la nécessité de toutes les tâches accomplies, même les plus répétitives et à la portée de n'importe quel algorithme. Les banques de gestion privées ne sont pas en reste, audit et prestations de conseils à rallonge, sans jamais qu'aucun processus fiable et automatique d'aide à la décision ne soit jamais mis en place.
On a décidé de faire autrement avec Bubble Invest. Pas de "conseil" ou "conseil IA" classique. Des implémentations concrètes, mesurables, explicables. Pas de missions à rallonge. Du pragmatique en 2-4 mois maximum. Pas de tarifs prohibitifs. Un modèle freelance/remote accessible aux PME et petites sociétés de gestion. Et surtout : on agit avec vous, on ne vous fait pas de belles présentations avant de disparaître.
État des lieux du marché
Pour comprendre ce qu'on voulait changer, on a analysé le marché français du "conseil IA finance" pendant plusieurs semaines. Ce qu'on a découvert confirme notre intuition : c'est un secteur en pleine ébullition, avec beaucoup de bruit et peu de résultats tangibles.
Qui vend du "conseil IA" en France aujourd'hui ?
La cartographie est assez claire :
1. Les Big Four (Deloitte, PwC, KPMG, EY)
Ils ont tous lancé des offres IA pour la finance. Deloitte a déployé Zora AI (en partenariat avec Nvidia) pour automatiser le traitement des factures et l'analyse de tendances. EY affirme que son IA assiste désormais 80 000 professionnels fiscaux et gère 3 millions de cas de conformité par an[1]. Mais ces outils sont réservés à leurs propres équipes ou à leurs plus gros clients. Pour les PME et SGP de taille moyenne ? Inaccessible.
En interne ? Les outils IA ont longtemps été ignorés — ChatGPT a été bloqué sur leurs systèmes pour protéger les données clients, mais paradoxalement, Azure OpenAI GPT-4o était autorisé. Résultat : en octobre 2024, Deloitte Australie s'est fait prendre la main dans le sac avec un rapport gouvernemental de 440 000$ AU truffé d'hallucinations IA — citations inventées, jugements de cour fédérale fictifs, références académiques inexistantes. Découvert par un chercheur de l'Université de Sydney, le scandale a forcé Deloitte à rembourser partiellement le gouvernement australien. Un sénateur a comparé ces erreurs à "ce qu'un étudiant de première année universitaire commettrait". L'hypocrisie ultime : interdire ChatGPT en interne tout en utilisant l'IA sans le divulguer aux clients.
2. Les pure players IA
En France, quelques boîtes se sont spécialisées sur des niches précises. Akur8 (fondée en 2019, 120M$ levés en série C) optimise le pricing assurantiel par machine learning[2]. Shift Technology automatise la détection de fraude pour les assureurs[3]. Zelros et Golem.ai travaillent sur le NLP pour l'assurance. Ce sont des éditeurs de logiciels, pas des cabinets de conseil. Leur modèle : vendre une licence SaaS, pas accompagner une transformation.
3. Les cabinets spécialisés finance qui ajoutent l'IA
Beaucoup de boutiques d'audit ou de conseil réglementaire proposent maintenant des "services IA" sans vraiment avoir les compétences techniques. Résultat : encore des études, des diagnostics, des roadmaps… mais rien de concret.
4. Les freelances et agences no-code
Un écosystème émerge autour d'outils comme Notion, Make, Zapier, Bubble. Selon une étude, 70% des entreprises utiliseront des technologies no-code/low-code en 2025[4]. Ces acteurs travaillent vite, facturent moins cher, mais manquent souvent d'expertise finance.
Les chiffres qui dérangent
Notre recherche a mis en lumière des statistiques alarmantes sur les projets IA en entreprise :
- Entre 70% et 85% des projets IA n'atteignent pas leurs objectifs commerciaux ou sont abandonnés avant le déploiement, selon des études convergentes de Gartner, McKinsey, BCG et RAND[5].
- Gartner précise que près de 80% des projets IA ne produisent pas les résultats escomptés en termes de valeur commerciale. Ce taux d'échec est presque le double des projets IT traditionnels[6].
- McKinsey pointe du doigt les problèmes de données : 70% des initiatives IA n'aboutissent pas principalement à cause de données de mauvaise qualité ou mal structurées[7].
- En France, la situation est encore plus paradoxale : 91% des décideurs jugent l'IA importante ou prioritaire, 44% ont lancé des projets en 2025, mais seulement 26% des entreprises françaises ont déployé concrètement l'IA[8].
- Globalement, seules 11% des entreprises mondiales (et 26% des grandes) parviennent à tirer une valeur réelle de leur IA[9].
Ce qu'on a appris en analysant 30+ acteurs
Trois constats s'imposent :
1. Le syndrome du POC éternel
Les cabinets vendent des "phases pilotes" qui s'éternisent sans jamais passer en production. Pourquoi ? Parce qu'ils facturent au temps passé, pas au résultat. Plus le projet dure, mieux c'est pour leur chiffre d'affaires.
2. L'incompétence technique masquée par le jargon
Beaucoup de consultants parlent "machine learning", "NLP", "computer vision" sans jamais avoir codé une seule ligne. Ils sous-traitent la partie tech… qui ne comprend pas les enjeux métier. Résultat : des outils qui ne répondent pas au besoin.
3. Le pricing opaque
Les Big Four facturent entre 150 000€ et 300 000€ pour une mission de transformation IA de 6 mois. Mais que contient vraiment cette enveloppe ? Des équipes de 3-5 consultants dont la moitié fait de la recherche documentaire. Un rapport de 80 pages dont 60 sont du remplissage. Et souvent, zéro ligne de code en production.
Benchmark international : ce qui marche ailleurs
On a regardé ce qui se passe au Royaume-Uni, en Suisse et aux États-Unis. Trois différences majeures :
1. UK et US : l'émergence du pricing value-based
Là-bas, les cabinets de conseil commencent à abandonner le modèle du tarif journalier moyen (TJM) au profit de forfaits basés sur la valeur créée (taux de conversion amélioré, coûts réduits, revenus générés). Selon plusieurs analystes, le modèle traditionnel du TJM pourrait devenir obsolète d'ici 2-3 ans[10].
2. Suisse : l'agilité des missions courtes
Les sociétés de gestion suisses, habituées à l'efficacité, privilégient des missions de 1 à 3 mois avec des livrables concrets. Pas de stratégie sur 18 mois. Du déploiement rapide, du test-and-learn.
3. Partout : l'essor des "AI agents" spécialisés
CGI Suisse a développé DeepContext, un accélérateur technologique pour agents IA spécialisés en finance. Aux US, les fintechs privilégient des workflows agentiques (tâches autonomes déléguées à l'IA) plutôt que des transformations "big bang"[11].
En France, on est en retard. On reste bloqués dans une logique de gros projets, de gouvernance lourde, de comités de pilotage mensuels. Pendant ce temps, d'autres déploient.
Ce qu'on fait vraiment (notre différence)
Chez Bubble Invest, on ne vend pas du PowerPoint. On ne fait pas de "diagnostic stratégique IA" facturé 50 000€. On implémente. Avec ou sans IA générative ? Concrètement, ce n'est pas la question. C'est comme dire "est-ce que vous utiliser Internet ?". En 2025, ce n'est plus une question.
Notre approche : pas de conseil classique, de l'implémentation mesurable et concrète
On part d'un problème métier précis. Pas d'un fantasme technologique. Exemples de projets typiques :
- Automatisation du reporting mensuel pour une SGP qui passe 15 heures par mois à compiler des données Excel depuis trois sources différentes. On crée un workflow via Make ou n8n qui récupère automatiquement les données, les normalise, et génère un PDF prêt à envoyer. Résultat : 15 heures économisées, zéro erreur de saisie.
- Monitoring de news pour fonds thématiques : un gérant veut suivre l'actualité ESG de 50 entreprises en portefeuille. On met en place un agent IA (via Claude API ou Gemini) qui scrappe les sources pertinentes, résume les articles, et envoie un digest hebdomadaire. Coût mensuel : 20-30€ d'API. Gain de temps : 5-7 heures par semaine.
- Backtesting de stratégies d'allocation : on développe des outils simples en Python ou JavaScript pour tester des stratégies risk-parity, momentum, ou multi-asset. Pas de plateforme complexe. Des scripts clairs, documentés, que le client peut modifier lui-même.
Notre stack technique : no-code/low-code intelligent
On assume ne pas faire du ML engineering avancé. On ne développe pas de modèles propriétaires. On compose avec les meilleurs outils disponibles :
- Notion : pour structurer les données, créer des bases relationnelles, centraliser l'information
- Claude Code et Gemini CLI/Codex : pour générer du code rapidement, automatiser des tâches répétitives, créer des workflows ; pour connecter des API et automatiser des processus. On code en JavaScript/Node.js ou Python, mais toujours avec du code que l'on comprend un minimum.
Cette approche nous permet de livrer en 2 à 4 mois maximum ce que d'autres mettent 12 mois à faire. Pourquoi ? Parce qu'on ne réinvente pas la roue. On utilise ce qui existe déjà, on l'assemble intelligemment, on l'adapte au besoin précis.
Autres exemples concrets
- Automatisation de réconciliation bancaire pour une PME fintech : auparavant, un comptable passait 2 jours par mois à rapprocher les transactions Stripe et les écritures comptables. On a créé un script qui fait ça automatiquement, avec un taux de matching de 98%. Temps d'implémentation : 3 semaines. Coût : 8 000€. ROI : récupéré en 4 mois.
- Dashboard de suivi de performance pour une SGP de 800M€ d'encours : on crée un outil de reporting client automatisé et personnalisable. On a construit une webapp simple en JavaScript + Chart.js qui se connecte à leur back-office, récupère les données, et génère des PDF sur mesure. Temps : 2 mois. Budget : 22 000€ (vs. 80 000€ demandés par un éditeur de logiciel).
Notre modèle : freelance, remote, efficace
On ne fait pas du présentiel pour faire du présentiel. On ne croit pas aux réunions de deux heures toutes les semaines pour "faire le point". Notre approche est cohérente avec notre vision de l'automatisation : on vient sur site que si c'est nécessaire, pas pour brasser du vent ou vous faire un speech.
On travaille en remote, en mode agile. Sprint de 2 semaines, livraison incrémentale, feedback rapide. Pas de gros cahier des charges figé. On itère, on teste, on ajuste.
Et on propose de la maintenance post-implémentation. Parce qu'un outil automatisé, ça évolue. Les API changent, les besoins évoluent. On ne vous laisse pas seuls après la livraison. On reste disponibles, en mode abonnement mensuel léger pour tout ce qui est bug et maintenance du code (500-1000€/mois selon les besoins).
Pour qui c'est fait (et pour qui ça ne l'est pas)
Nos cibles idéales
On ne travaille pas pour tout le monde. Nos clients types :
- PME de 20 à 250 employés avec des processus financiers manuels à automatiser (reporting, consolidation, suivi de trésorerie, facturation)
- Sociétés de gestion <2Mds€ d'encours qui veulent améliorer leur efficacité opérationnelle sans recruter trois personnes en back-office
- Structures qui veulent du pragmatique et du rapide : pas de transformation digitale sur 18 mois, mais un projet structurant livré en 2-4 mois
Ce qu'on ne fait PAS
Autant être clair sur ce qu'on ne fait pas. Ça évitera des malentendus :
- Pas de transformation digitale longue : si vous cherchez un cabinet pour vous accompagner sur 12-18 mois avec gouvernance, comités de pilotage, conduite du changement, allez voir ailleurs. Ce n'est pas notre métier.
- Pas de POC expérimentaux : on ne fait pas de la R&D. Si vous voulez tester une technologie de pointe sans savoir si elle sera utile, appelez un labo de recherche, pas nous.
- Pas de promesses de "révolution IA" : on n'est pas là pour vous vendre du rêve. On automatise des tâches précises. On améliore l'efficacité. Mais on ne prétend pas révolutionner votre business model du jour au lendemain.
- Pas de ML engineering avancé : si vous avez besoin de modèles de machine learning propriétaires entraînés sur vos données, on n'a pas les compétences. On travaille avec des LLM existants (GPT, Claude, Gemini) et des API standard. Point.
Budget réaliste
Nos projets se situent dans une fourchette de 15 000€ à 30 000€ pour une mission structurante sur 2-4 mois. C'est 5 à 10 fois moins cher que les Big Four pour un résultat concret et déployé.
- Concrètement :
- Diagnostic + roadmap : 3 000 - 5 000€ (1-2 semaines)
- Implémentation simple (1 workflow automatisé) : 8 000 - 12 000€ (3-4 semaines)
- Projet complet (plusieurs workflows + dashboard + maintenance) : 20 000 - 30 000€ (2-3 mois)
À comparer avec les 150 000€ à 300 000€ facturés par les Big Four pour 6 mois de mission… dont souvent 80% de PowerPoint et 20% d'implémentation partielle.
Comment on travaille (transparence totale)
Notre méthodologie : Diagnostic → Roadmap → Implémentation → (Maintenance optionnelle)
1. Phase diagnostic (1-2 semaines)
On passe du temps à comprendre vos processus actuels. Pas de questionnaire PowerPoint. On regarde vos fichiers Excel, vos emails, vos outils. On identifie les tâches répétitives, les sources d'erreur, les goulots d'étranglement. On chiffre le temps perdu.
2. Roadmap priorisée (1 semaine)
On ne fait pas un plan sur 18 mois. On identifie les "quick wins" (ou gains rapides en langage de consultant) et on les priorise par impact/effort. On vous dit ce qui est possible ou pas. On vous montre ce qu'on ferait à votre place avec les outils qui existent et vous choisissez.
3. Implémentation agile (4-12 semaines selon scope)
On réfléchit, on prompte, on code, on configure, on automatise. Livraison toutes les 2 semaines. Vous testez en conditions réelles. On ajuste. Pas de tunnel de 3 mois sans visibilité.
4. Maintenance optionnelle
Une fois déployé, on reste disponibles. Abonnement mensuel léger pour corriger les bugs, adapter les workflows quand vos outils évoluent, ajouter des petites fonctionnalités.
Insistons sur un point : le terme "conseil" est trop léger
On ne fait pas que conseiller. On ne livre pas juste une stratégie via un PowerPoint. On agit avec vous. On vous montre et on le fait puis on vous forme à l'utiliser. Nos LLMs documentent tout pour que vous soyez autonomes.
C'est une grosse différence avec les Big Four : eux vous disent quoi faire et mettent trop de temps à le faire (ou alors vous facturent plus). Nous, on le fait avec vous depuis le début. Et on vous apprend à le refaire vous-mêmes si besoin.
Approche remote : cohérente avec notre vision
Pour le moment, on est basés à Paris, mais on travaille partout en France et dans le monde. En remote. Pourquoi ?
- Parce que c'est cohérent avec notre vision du travail en 2025 : on ne peut pas prêcher l'efficacité et passer 10 heures par semaine dans les transports.
- Parce que les outils modernes le permettent : Notion, Slack, Figma, Loom, on n'a pas besoin d'être dans la même pièce pour collaborer efficacement.
- Parce que ça réduit les coûts : pas de frais de déplacement à vous facturer, pas de temps perdu en transit.
Bien sûr, on vient sur place si c'est vraiment nécessaire pour vous (kick-off, atelier collaboratif, formation). Mais pas pour faire du présentiel symbolique.
Pourquoi la maintenance est essentielle
Un projet IA/automatisation n'est jamais "terminé". Les API évoluent. Les réglementations changent. Vos besoins se précisent.
C'est pour ça qu'on propose systématiquement une maintenance post-déploiement. Pas une obligation. Une option. Mais franchement recommandée.
- Concrètement : un abonnement de 500€ à 1 500€/mois selon la complexité, qui couvre :
- Les mises à jour quand une API change
- Les correctifs en cas de bug
- Les petites évolutions (ajout d'un champ, modification d'un format)
- Un support réactif par email/Slack
Les Big Four, eux, vous laissent seuls après la livraison. Si quelque chose casse, il faut relancer une mission. Rebelote : devis, négociation, délais. Nous, on maintient ce qu'on a construit.
Conclusion
La transformation est inéluctable, autant prendre la vague
L'IA n'est pas une mode. Elle est là. Elle transforme déjà la finance. Les cabinets d'audit automatisent leurs processus. Les banques déploient des agents conversationnels. Les sociétés de gestion testent le trading algorithmique.
Vous avez deux options :
- Attendre que "ça se tasse", que les outils mûrissent, que les cas d'usage se clarifient. Mais pendant ce temps, vos concurrents avancent. Ils automatisent, ils gagnent en efficacité, ils réduisent leurs coûts.
- Agir maintenant, mais intelligemment. Pas de grands projets de transformation. Des petits pas concrets. Un workflow automatisé. Un rapport généré automatiquement. Un monitoring de news. Des quick wins qui se cumulent.
Nous débutons, mais nous agissons vraiment
On ne va pas vous mentir : Bubble Invest démarre. On n'a pas 500 références clients. On n'a pas de bureau avec vue sur les Champs-Élysées. On n'a pas 50 consultants à votre disposition.
Mais on a quelque chose que beaucoup de cabinets n'ont plus : agir vraiment au lieu de recommander. On utilise nos propres outils pour gérer nos investissements personnels. On automatise nos propres processus. On teste ce qu'on préconise.
Et franchement, on veut juste construire une boîte en 2025 qui fait sens : pragmatique, transparente, accessible. Une boîte qui livre ce qu'elle promet. Qui facture ce qu'elle fait. Qui reste disponible après la livraison.
Contact pour discuter de votre projet
Si vous avez un projet d'automatisation financière, une idée à creuser, ou juste envie de discuter de ce qui est faisable (ou pas), écrivez-nous à contact@bubbleinvest.org.
On vous répondra. Vraiment. Pas un auto-répondeur. Pas un formulaire de 15 questions. Juste un échange direct.
Et si on pense qu'on n'est pas les bons pour votre besoin, on vous le dira. On préfère être honnêtes que de décrocher un projet qu'on ne saura pas livrer.
---
Références
[1] Emerj. (2024). "AI in the Accounting Big Four - Comparing Deloitte, PwC, KPMG, and EY". Récupéré de https://emerj.com/ai-in-the-accounting-big-four-comparing-deloitte-pwc-kpmg-and-ey/
[2] Finance Innovation. (2024). "Le Grand Témoignage d'Akur8". Récupéré de https://finance-innovation.org/le-grand-temoignage-dakur8/
[3] Shift Technology. (2024). "About". Récupéré de https://www.shift-technology.com/about
[4] NoCode Factory. (2025). "10 Formations Essentielles pour Freelances 2025". Récupéré de https://www.nocodefactory.fr/blog/formations-freelance-2025
[5] Forum des Compétences. (2024). "Un taux d'échec des projets IA inquiétant". Récupéré de https://www.forum-des-competences.org/un-taux-dechec-des-projets-ia-inquietant/
[6] Le Monde Informatique. (2024). "Gartner prédit l'abandon de 40 % des projets d'IA agentique d'ici 2027". Récupéré de https://www.lemondeinformatique.fr/actualites/lire-gartner-predit-l-abandon-de-40-des-projets-d-ia-agentique-d-ici-2027-97251.html
[7] Institut de l'Entreprise & McKinsey. (2024). "L'IA et l'évolution des compétences en France". Récupéré de https://www.institut-entreprise.fr/wp-content/uploads/2025/01/IDEP-McKinseyA5-8bisCalameo.pdf
[8] Squid Impact. (2025). "Échec de l'IA en entreprise : les raisons et les clés du succès en 2025". Récupéré de https://www.squid-impact.fr/ia-entreprise-echec-reussite-france-2025/ [9] BM&A. (2024). "Projets d'IA : pourquoi échouent-ils ?". Récupéré de https://bma-groupe.com/lettre-d-actualites-techniques/eviter-les-echecs-projets-ia/
[10] Xerfi. (2024). "L'IA pourrait mettre un terme au tarif journalier moyen des cabinets de conseil". Récupéré de https://www.xerfi.com/blog/L-IA-pourrait-mettre-un-terme-au-tarif-journalier-moyen-des-cabinets-de-conseil_2259
[11] CGI Suisse. (2024). "IA Agentique et finance : la révolution des agents autonomes". Récupéré de https://www.cgi.com/suisse/fr-ch/blog/banque/ia-agentique-et-finance-revolution-des-agents-autonomes
