Gouvernance numérique et innovation technologique dans les audits de performance

Auteur : Abdulrahman Alebrahim, auditeur, Bureau d’audit de l’État du Koweït

Le domaine de l’audit de performance passe actuellement d’évaluations rétrospectives manuelles à des analyses prospectives en temps réel, sous l’effet de l’intégration de technologies telles que le Big Data, l’intelligence artificielle (IA) et la modélisation prédictive, qui redéfinissent l’efficacité et l’efficience de la fonction d’audit. Alors que les institutions publiques s’appuient de plus en plus sur des systèmes fondés sur les données pour prendre leurs décisions, la complexité des cadres de gouvernance s’accroît également, ce qui souligne la nécessité d’un contrôle plus rigoureux de ces institutions afin de renforcer la transparence, la responsabilité et la confiance du public (Agostino, Lourenco & Jorje, 2025). La transformation numérique s’est généralisée tant dans le secteur public que dans le secteur privé, entraînant la production d’énormes volumes de données structurées et non structurées qui ne peuvent être analysées efficacement à l’aide des seules approches d’audit conventionnelles (Basuki, Atarwaman & Layn, 2025). Par conséquent, le besoin d’innovation en matière d’audit de performance est devenu plus pressant que jamais, nécessitant le développement de nouveaux outils et de nouvelles techniques adaptés à la dynamique de l’écosystème informationnel moderne.

L’émergence de la gouvernance numérique et d’un système intégré a donné naissance à un environnement d’audit plus sophistiqué, qui nécessite des systèmes de surveillance continue et de vigilance instantanée capables de détecter les risques et les inefficacités en temps quasi réel. La planification, l’exécution et le suivi des audits s’appuient désormais sur les technologies émergentes pour cartographier les différentes sources de données de l’institution et les intégrer au plan d’audit, afin d’offrir un audit plus rigoureux des processus (Sofyani et al., 2026). Par exemple, les Institutions supérieures de contrôle des finances publiques (ISC), agences nationales indépendantes chargées de contrôler les charges et les produits publics, utilisent des systèmes avancés d’analyse de données pour identifier les anomalies statistiques, les schémas de transactions illicites et repérer les fonds cachés ou blanchis avec une précision bien supérieure à celle des processus d’audit traditionnels, qui s’appuyaient sur des documents et avaient un champ d’observation restreint (Kalaintzis, 2025). Grâce à l’analyse des données, l’univers de l’information s’est élargi, ce qui permet aux auditeurs d’intégrer des informations implicites qui n’étaient pas prises en compte dans les audits traditionnels. Les visualisations de données, les tableaux de bord en temps réel et les alertes automatisées permettent aux auditeurs de performance de partager plus rapidement leurs conclusions avec les parties prenantes et d’adapter leurs plans d’audit en temps réel afin de réduire les inefficacités du processus d’audit.

Selon plusieurs études de cas publiées par l’INTOSAI, l’intégration du big data et de l’IA a permis d’améliorer la détection des schémas d’approvisionnement irréguliers, l’évaluation des programmes de protection sociale et le suivi des programmes d’infrastructures de manière plus exhaustive qu’auparavant. Une enquête menée par l’ISC d’Égypte révèle que 92 % des personnes interrogées partagent l’avis selon lequel l’IA améliore les résultats d’audit, tandis que 87 % soutiennent l’utilisation de l’IA dans les évaluations des risques (Du, 2026). Ainsi, une écrasante majorité de professionnels soutient l’utilisation de l’IA et de l’analyse du big data, car l’expertise humaine est grandement complétée par le recours à des technologies sophistiquées. 

Prenons le cas du Bureau national d’audit australien (Cour des comptes, ANAO), qui illustre une mise en œuvre réussie de l’analyse de données pour la planification d’audits de performance fondés sur les risques dans le cadre des programmes de subventions publiques. Les auditeurs ont pu identifier des contrats attribués avant la clôture des appels d’offres, mettant ainsi au jour des cas de non-conformité, de corruption et de pratiques frauduleuses dans le secteur public, en comparant les bases de données des appels d’offres, les attributions de contrats et les calendriers de passation des marchés (ANAO, 2021). En élargissant leur champ d’information pour y inclure les courriels, les communications officielles et les calendriers, une approche innovante a été mise en œuvre, permettant à l’enquête de mettre au jour des fautes professionnelles qui auraient autrement échappé aux évaluations manuelles. De tels exemples illustrent comment l’audit fondé sur l’analyse des données améliore l’efficacité tout en renforçant la fiabilité des conclusions d’audit.

Les plateformes modernes d’analyse de données, telles qu’Apache Spark, sont largement utilisées par les ISC pour auditer l’ensemble des données d’une institution, plutôt que de sélectionner un échantillon (Singh et al., 2023). Cela réduit efficacement les risques liés à l’échantillonnage et à la détection auxquels les auditeurs sont le plus souvent confrontés, et accélère considérablement la détection des anomalies et des indicateurs de fraude. Tableau est un autre logiciel qui intègre des tableaux de bord interactifs aux feuilles de calcul des auditeurs et extrait des informations à partir de millions de points de données, ce qui permet de détecter des schémas d’achats suspects, des transactions financières inhabituelles ou des écarts par rapport aux références opérationnelles établies, rendant ainsi l’identification des irrégularités au sein des organismes publics plus rapide et plus économique. 

Le gain de temps et la rentabilité ont été cités comme les principaux avantages de l’utilisation de la technologie dans le cadre des audits de performance, et le cas d’un audit environnemental mené en Inde en est un parfait exemple. Plusieurs sites de plantations étant inaccessibles aux auditeurs, on a eu recours à des programmes satellitaires pour exploiter des images des plantations générées par l’intelligence artificielle afin d’estimer la hauteur des arbres, de mesurer la densité du couvert végétal et d’identifier le type et la densité de la végétation, dans le but de vérifier les affirmations formulées dans le cadre d’un audit environnemental. Cela a permis aux auditeurs d’économiser le temps et les coûts liés aux déplacements vers les plantations et à leur inspection physique (Du, 2026). Cette technologie évolue vers des technologies géospatiales et des systèmes d’information géographique (SIG) qui présenteront une utilité considérable pour les audits de performance impliquant le contrôle de projets d’infrastructure et de développement (Almarzooqi, 2021). Les outils SIG peuvent être utilisés par les auditeurs pour visualiser des données spatiales, évaluer la mise en œuvre d’un projet d’un point de vue topographique et vérifier si les investissements publics correspondent aux résultats annoncés par le projet. Ils constitueront un outil utile pour évaluer la performance des projets gouvernementaux financés par l’argent des contribuables, afin de déterminer si les coûts et les dépenses du projet sont conformes aux plans approuvés et si les ressources sont utilisées efficacement (Abdulajabbae et al., 2025). Un exemple d’utilisation potentielle serait l’examen par les auditeurs de projets de construction routière : ils pourraient comparer les images satellites aux rapports d’achèvement établis sur le terrain, comparer les dotations budgétaires aux dépenses réelles et identifier, grâce aux images satellites, toute infrastructure abandonnée ou inachevée. De tels outils renforcent l’audit fondé sur des preuves et réduisent la dépendance à l’égard de rapports administratifs potentiellement inexacts.

Un autre domaine technologique important, largement abordé dans les revues d’audit, est l’utilisation de l’analyse des données en temps réel et le potentiel de la technologie blockchain. Selon une étude sur l’analyse en temps réel, les administrations publiques recourent de plus en plus à des infrastructures cloud, à des systèmes de passation de marchés électroniques, à des plateformes de trésorerie et à des systèmes numériques en réseau qui génèrent des flux constants de données transactionnelles (Koulantzis, 2025). Ces flux de données peuvent être intégrés par les auditeurs dans des moteurs analytiques permettant un suivi des activités en temps réel. Ces compétences s’avèrent particulièrement utiles dans la gestion des finances publiques, car l’identification rapide des anomalies permet d’empêcher le détournement de fonds publics avant que des dommages graves ne soient causés. En permettant à la direction de réagir rapidement aux risques identifiés, l’audit en temps réel favorise également une plus grande responsabilisation. Cela s’avère particulièrement utile pour les audits de performance, dont les objectifs sont bien plus larges que ceux des audits financiers. L’objectif est de vérifier l’intégrité de l’organisation dans la réalisation de ses objectifs déclarés et, pour les institutions publiques qui gèrent les ressources des citoyens, il est impératif de disposer de systèmes d’audit capables de détecter les anomalies à temps afin d’empêcher toute exploitation potentielle des fonds publics (Sofyani et al., 2026).

De plus, la technologie blockchain a également joué un rôle déterminant dans l’introduction d’innovations dans les pratiques d’audit. Les auditeurs peuvent utiliser la blockchain pour vérifier l’authenticité des transactions, surveiller les activités de la chaîne d’approvisionnement et évaluer le respect des obligations contractuelles (Morgan, 2024). Plus particulièrement, les contrats intelligents semblent présenter un fort potentiel dans le domaine de l’audit, car ils exécutent les contrats lorsque les conditions sous-jacentes sont remplies, réduisant ainsi les risques d’altération manuelle des montants contractuels ou de fausse représentation des résultats financiers (Larikova et al., 2023). Les contrats intelligents offrent aux auditeurs un degré plus élevé de transparence dans les preuves numériques et fournissent des pistes d’audit qui simplifient l’évaluation des performances et les tests de conformité.

L’analyse prédictive est un autre outil important auquel les auditeurs de performance ont recours pour vérifier les hypothèses utilisées dans l’élaboration des budgets des fonds publics et des dépenses de l’État. La modélisation prédictive permet d’identifier les dépassements de coûts potentiels, les défaillances opérationnelles, les écarts comptables prévisibles et les domaines les plus exposés à une sous-performance, en s’appuyant sur les résultats passés et les évolutions futures des prix (Govekar, 2025). Les auditeurs peuvent utiliser ces outils pour effectuer des analyses comparatives et identifier les indicateurs de marché relatifs aux prix et autres indices utilisés par les concurrents, puis les comparer à ceux de leur client afin d’évaluer le caractère raisonnable de ses estimations. De cette manière, il est possible de repérer les marges budgétaires excédentaires ou les surestimations, ce qui permettra d’éviter une mauvaise allocation des fonds publics.

Ainsi, les auditeurs ont accès à des analyses pluridisciplinaires portant notamment sur le changement climatique, les impacts en matière de développement durable, les fluctuations des prix du marché et les risques liés à la cybersécurité, qui peuvent être intégrées dans les audits de performance grâce à des techniques d’analyse de données fondées sur l’intelligence artificielle. Les audits de performance évoluent vers des systèmes plus agiles qui mettent l’accent sur la flexibilité, l’adaptabilité et l’engagement continu des parties prenantes. Les cycles d’audit se raccourcissent tout en gagnant en efficacité grâce à une planification et exécution fondées sur les données, qui ont amélioré la précision et le volume des tests d’audit et apporté une expertise multidimensionnelle aux auditeurs de performance. Toutefois, des organisations telles que l’INTOSAI et l’OCDE continuent de souligner que les techniques d’audit innovantes fondées sur l’IA ou les données doivent s’accompagner de cadres de gouvernance solides, d’un contrôle éthique et d’un jugement professionnel, car les algorithmes sont également sujets à des erreurs et à la manipulation (OCDE, 2026). Malgré ces défis, les technologies émergentes continuent de transformer la manière dont les audits de performance sont menés à l’échelle mondiale et sont de plus en plus intégrées par les auditeurs afin de rationaliser la détection des erreurs et l’identification des fraudes sur la base d’une évaluation objective des preuves numériques, de renforcer les structures de gouvernance et d’améliorer la transparence.

Références

1. Abduljabbar, H., Abdullah, W.M., Bazool, S. et Muhsin, A. (2025). « Évaluations d’impact environnemental basées sur l’IA : Considérations éthiques et juridiques. » Environment and Social Psychology. Vol. 10(12). DOI : 10.59429/esp.v10i12.3994
2. Agostino, D., Lourenço, R., Jorge, S., Bracci, E. et Cruz, I. (2025). « Science des données et comptabilité du secteur public : Analyse des impacts sur les pratiques de reporting, d’audit et de reddition de comptes. » Public Money & Management, 1-10.
3. Almarzooqi, S. A. (2021). Technologies prometteuses pour l’avenir des travaux d’audit du secteur public. INTOSAI Journal of Government Auditing. http://doi.org/10.56251/XGFF4914
4. ANAO. (2021). « Utilisation de l’analyse de données pour la planification d’audits de performance fondés sur les risques. » Étude de cas. https://www.anao.gov.au/work/speeches-and-papers/using-data-analytics-risk-based-performance-audit-planning
5. Basuki, F. H., Atarwaman, R. J., & Layn, Y. Y. (2025). « L’analyse du big data dans l’audit du secteur public : Transformer l’évaluation des risques et la détection des fraudes. » INTERNATIONAL JOURNAL OF FINANCIAL ECONOMICS, 2(3), 986-1002.
6. Du, J. (2026). « L’utilisation des techniques d’intelligence artificielle en audit. » 2^ème trimestre 2026. https://intosai.nclud.com/journal-entry/the-use-of-artificial-intelligence-techniques-in-auditing/
7. Govekar, M. C. (2025). « L’impact de l’intelligence artificielle (IA) et de l’analyse de données sur l’efficacité de l’audit interne. » Multidisciplinary Research in Arts, Science & Commerce (Volume 23), 35.
8. Koulantzis, E. (2025). « Exploiter l’analyse en temps réel au service de la responsabilité publique : L’évolution numérique des Institutions supérieures de contrôle des finances publiques. » International Journal of Government Auditing. 3^ème trimestre 2025. http://doi.org/10.56251/RLYG9322
9. Larikova, T., Ivankov, V. A. et Novichenko, L. (2023). « Mise en œuvre de la technologie blockchain dans le système de comptabilité et de soutien analytique du secteur public. » Revue d’Europe de l’Est des technologies d’entreprise, 125(13).
10. Morgan, I. (2024). « Nouvelles perspectives d’audit pour un système comptable basé sur la blockchain dans le secteur public. » Dans Continuous Auditing with AI in the Public Sector (pp. 30-46). CRC Press.
11. OCDE. (2026). « L’état des lieux de l’intelligence artificielle dans l’audit public. » OCDE. https://read.oecd-ilibrary.org/en/publications/the-state-of-artificial-intelligence-in-public-audit_f4a6c658-en.html
12. Singh, T., Gupta, S., Satakshi, M. (2023). « Analyse des performances et mise en œuvre de stratégies de partitionnement dans Apache Spark. » Procedia Computer Sciences. Vol. 218(2), p. 594-603
13. Sofyani, H., Amalia, R., Abu Hasan, H., & Saleh, Z. (2026). « L’analyse des mégadonnées au service de l’amélioration de l’audit du secteur public : facteurs déterminants, avantages et rôle modérateur de la certification des auditeurs. » Journal of Accounting in Emerging Economies, 16(1), 31-50.