Intelligence artificielle et contrôle interne dans les EMF au Cameroun

1
Intelligence artificielle et Contrôle Interne dans les EMF au Cameroun : opportunités, défis et
perspectives pour une profession en constante évolution
Résumé
L’objectif de cette étude est d’évaluer empiriquement la contribution de l’IA à l’évolution des
techniques du contrôle interne dans les Etablissements de microfinance de deuxième catégorie
au Cameroun, afin de dénicher les opportunités que celui-ci donne et les définis et formuler des
perspectives solides pour une profession en constante évolution. Ainsi, les données qualitatives
issues de l’enquête réalisé par l’auteur auprès des Etablissement de microfinance de première,
deuxième et troisième catégorie, soit 340 établissements, sont utilisées pour tester nos
hypothèses de base. Afin d’aboutir à des résultats plausibles et formuler des recommandations
de politiques économiques solides, l’étude utilise une méthodologie d’économétrie des
variables qualitatives en s’appuyant plus précisément sur le modèle logistique multinomial et
estimer par la technique du maximum de vraisemblance. Les résultats montrent que,
l'introduction de l'IA dans le contrôle interne des Établissements de Microfinance (EMF) au
Cameroun représente une avancée significative vers une gestion plus efficace, transparente et
sécurisée des opérations financières. L'IA offre des outils puissants pour automatiser et
améliorer les processus de contrôle, détecter les anomalies et renforcer la conformité
réglementaire. Face à ces résultats intéressements, deux recommandations majeures sont à
formuler, encourager l'Innovation Technologique et renforcer la gouvernance et la conformité
dans les EMF.
Mots clés : Intelligence artificielle, EMF, contrôle interne, opportunités, défis
Classification Jel : O33, O35, G2, G23.
1. Introduction
De nos jours, le secteur de la microfinance est considéré comme un domaine qui mobilise une
pluralité d'acteurs et d’opérations financières désignés par le terme de systèmes financiers
décentralisés ou Établissements de Microfinance (EMF). Sa principale mission vise à
accompagner les populations très souvent exclues des offres des banques classiques telles que
les services de crédit et d’épargne. Selon Messomo (2017), la microfinance offre une panoplie
de services financiers tels que les dépôts, les emprunts, les services de paiement, les crédits, et
depuis peu, les transferts d’argent, l’offre d’assurance ou de micro-assurance aux ménages à
bas revenu puis aux micro-entreprises. Plus proche des populations, la microfinance constitue
un levier de lutte contre la pauvreté dans les pays développés à travers le financement des
activités génératrices de revenus pour les ménages pauvres.

2
La microfinance se définit au travers d’un ensemble de services tant financiers que non
financiers, à l’instar des services de conseil, de santé, de transfert de fonds, de nutrition, de
formation et de renforcement de capacité offerts aux populations pauvres, vulnérables et exclues
des services bancaires traditionnels. Elle est constituée d'une pluralité d'institutions d'essence
bancaire telles que les micro-banques privées et les banques commerciales, mutualiste
(mutuelles et coopératives), et à but non lucratif comme les Organisations Non
Gouvernementales (ONG). Selon Épargne sans Frontière (2016), ces institutions étaient
estimées à 12,000 à travers le monde en 2015.
Au Cameroun, comme dans les autres pays de la zone CEMAC, les activités des établissements
de microfinance sont soumises à une règlementation afin de prévenir et éviter les
dysfonctionnements liés à leur gestion. Ainsi, la loi n° 92/006 du 14 août 1992 relative aux
sociétés coopératives et groupes d’initiative commune (Boumal et al., 1997), donne une
autonomie à l’organisation coopérative et permet de tenir ses membres responsables de la
gestion de leur organisation. L’article 26 de cette loi dispose que le comité de surveillance est
un organe obligatoire de contrôle interne dans les établissements de microfinance. Bekolo
(1998) note que cette loi a été cruciale pour réguler la crise bancaire qu’a connue le Cameroun
dans les années 1980.
L’activité de la microfinance est exposée à une panoplie de risques qui pourraient entacher sa
gestion et, par ailleurs, sa performance et sa pérennité. Ces structures doivent donc mettre en
place des systèmes de gestion de risque pour assurer leur maîtrise. Le contrôle interne s’identifie
ainsi comme un mécanisme efficace de gestion des risques dans les organisations. Zangue
(2020) souligne que le respect des principes du contrôle interne permet d’éliminer les
dysfonctionnements informationnels et décisionnels, et contribue à améliorer les performances
des entreprises. Servet (2005) place la gestion des risques au cœur des nouveaux challenges des
établissements de microfinance, affirmant qu'il n'y a pas de performance durable sans une
gestion saine des risques.
Dans la société actuelle, mue par l’urgence et l’instantanéité, une place importante est accordée
aux nouvelles technologies et à leur pervasivité (Claverie, 2010) au sein des entreprises et dans
nos vies. La puissance de calcul des machines, leur perfectionnement et leur développement
accru dans l’ensemble des situations du quotidien (reconnaissance faciale, extraction des
connaissances, etc.) illustrent l’efficacité de l’intelligence artificielle (IA). Hassani et al. (2020)
définissent l’IA comme une intelligence augmentée grâce aux nouvelles technologies. Selon
Virginia Rometty (ex-CEO d’IBM), l’intelligence artificielle est complémentaire de
l’intelligence humaine, formant un duo synergique où l'IA et ses technologies (apprentissage

3
automatique, apprentissage profond, chatbot, réseau neuronal, assistant virtuel, etc.) remodèlent
largement les processus organisationnels des entreprises pour les rendre plus performantes.
Cependant, ces évolutions soulèvent des questions liées aux situations de travail, aux
conséquences de cette nouvelle pervasivité sur les conditions de travail des salariés, et aux
solutions permettant de faciliter son acceptation. Tamari et al. (2021) soulignent que la notion
d’IA reste assez abstraite, ne reposant pas suffisamment sur des données empiriques issues du
point de vue des acteurs concernés. Néanmoins, les progrès impressionnants de l’IA au cours
des dix dernières années, dus notamment au big data, à l’augmentation de la puissance de calcul
et au développement algorithmique, sont indéniables. L’IA bouleverse l’organisation du travail,
des processus et de l’emploi au sein des entreprises, impactant notamment leur performance.
L'intégration de l'IA dans la stratégie organisationnelle des EMF au Cameroun pourrait offrir
des perspectives innovantes pour renforcer les mécanismes de contrôle interne. En exploitant
les capacités de l'IA, les EMF peuvent améliorer la gestion des risques, optimiser les processus
opérationnels et renforcer la conformité aux régulations en vigueur. Cela permettrait non
seulement de sécuriser les opérations, mais aussi d'accroître la performance et la pérennité de
ces institutions cruciales pour le développement économique du pays.
2. Revue de littérature
L’intelligence artificielle (IA) dans les institutions de microfinance (IMF) est influencée par
divers déterminants et mesures. Les déterminants de la mise en œuvre de l'IA dans les IMF
incluent les caractéristiques de l'IMF telles que la taille, l'âge et le type d'organisation, les
sources de financement, la qualité de la gouvernance organisationnelle et le contexte externe
tel que les conditions macro-économiques et politiques (Kaicer 2020 ; Hermès et Hud 2018).
De plus, la création d'une fonction d'audit interne (IA) dans les IMF est associée à une
concentration sur les objectifs sociaux, la sensibilisation et la nomination de femmes à la
direction (Redmaye et al., 2023). Pour mesurer l'impact de l'IA dans les IMF, une perspective
multidimensionnelle est cruciale, prenant en compte des facteurs tels que la portée, le genre et
les mesures rurales pour évaluer efficacement la performance sociale (Longin 2023 ; erro-Luzzi
at Weber 2006). Par conséquent, l’IA peut améliorer la gestion des IMF en fournissant des
systèmes d’information fiables et en améliorant l’efficacité dans l’équilibre entre les objectifs
commerciaux et sociaux.
Rivera (2021) et Charlin (2017) soulignent tous deux le potentiel de l’intelligence artificielle
(IA) pour améliorer les modèles commerciaux et créer un avantage concurrentiel. Cela est
particulièrement pertinent dans le contexte des institutions de microfinance, où l’IA peut être

4
utilisée pour personnaliser et adapter les services en temps réel. Cependant, Tabary (2018)
s’inquiète des risques potentiels de l’IA sur les marchés financiers, qui pourraient également
s’appliquer aux institutions de microfinance. Ces risques incluent la possibilité pour l’IA
autonome de perturber les marchés et la nécessité de cadres juridiques pour répondre aux
incertitudes créées par l’IA (Jacquemin, 2018). Par conséquent, même si l’IA a le potentiel
d’améliorer les opérations des institutions de microfinance, il est important d’examiner
attentivement et de gérer les risques associés.
L'impact de la réglementation de la microfinance sur les performances est un sujet de débat,
certaines études suggérant un impact négatif ( Owoundi, 2010 ). Les taux d'intérêt élevés dans
les institutions de microfinance ont également suscité des inquiétudes, avec un appel à des taux
plus bas grâce à la concurrence et à la protection des consommateurs ( Reille, 2004 ).
L'évolution du contrôle interne dans les banques pour gérer le risque de crédit est une
considération clé dans le secteur de la microfinance ( Heem, 2000 ). Cependant, les efforts
visant à améliorer les performances de la microfinance, souvent impulsés par les institutions
internationales, peuvent menacer les aspects informels et sociaux du microcrédit ( Metzger,
2008 ).
Les facteurs de contrôle interne jouent un rôle crucial dans la durabilité et la croissance des
institutions de microfinance. Des études ont montré que des facteurs internes tels que la
satisfaction des employés, l'adoption de technologies et la mise en place d'une fonction d'audit
interne sont des déterminants importants du succès des IMF (Ayoub et Twesige 2022 ; Redmaye
et al., 2023). Des mécanismes de contrôle interne appropriés sont essentiels pour détecter
rapidement les fraudes et les dysfonctionnements, sauvegarder les opérations des institutions
de microfinance et garantir leur durabilité (Gassama et Sudaryati 2022). De plus, les recherches
sur les institutions de microfinance de la charia soulignent l'importance d'optimiser les contrôles
internes pour atténuer les risques internes et externes, augmentant ainsi la confiance des parties
prenantes et renforçant le rôle des institutions dans le soutien de l'économie communautaire des
classes inférieures (Kholilah et al., 2020). En se concentrant sur ces facteurs de contrôle interne,
les IMF peuvent améliorer leur efficacité, leur productivité et leur conformité réglementaire
tout en équilibrant efficacement leurs objectifs sociaux et leurs objectifs commerciaux.
L'intégration de l'intelligence artificielle (IA) et du contrôle interne au sein des organisations a
eu un impact significatif sur l'efficience et l'efficacité. Les capacités cognitives de l'IA,
associées à des mesures de contrôle interne, améliorent les processus de prise de décision
(Jones, 2023). L'adoption de l'IA dans les domaines de la comptabilité et de l'audit a démontré
son potentiel d'amélioration de l'efficacité, bien que le processus varie selon les pays et les

5
entreprises, ce qui soulève des inquiétudes quant aux coûts et aux avantages (Solaimani et al.,
2020). Les technologies de pointe telles que l'IA ont amélioré l'efficacité organisationnelle en
identifiant les redondances, en optimisant l'utilisation des ressources et en améliorant la
productivité (Olan et al., 2023). De plus, la qualité des systèmes d'information comptable (AIS)
influencés par le contrôle interne a une incidence positive sur la qualité de l'information
comptable, cruciale pour la prise de décisions et la durabilité de l'organisation (Carolina et al.,
2020). Les applications d'IA pour la gestion budgétaire se sont également révélées efficaces
dans des environnements dynamiques, améliorant ainsi de manière significative les
performances organisationnelles (Henson 2022).
3. Stratégie méthodologique
Cette partie de l’article présente la source des données et des variables en petit (3.1.) et le
modèle et la technique d’estimation en (3.2.).
3.1. Source de données et des variables
 Source de données
L'enquête sur l'intelligence artificielle et le contrôle interne dans les établissements de
microfinance (EMF) de première deuxième et troisième catégorie au Cameroun vise à explorer
les opportunités, défis et perspectives de l'IA dans ce domaine. Pour ce faire, nous avons
sélectionné un échantillon de 340 EMF, où 1 à 3 contrôleurs de gestion de chaque établissement
seront interrogés. Les participants ont été choisis en fonction de leur disponibilité et de leur
volonté de participer. Les données ont été collectées à l'aide d'un questionnaire semi-structuré,
administré en personne ou par voie électronique, selon les contraintes géographiques et de
disponibilité des répondants. La collecte des données s’est déroulée sur une période de 1 mois,
afin d'assurer une participation adéquate et des réponses détaillées.
Les réponses obtenues ont été analysées par une méthode d'analyse de contenu thématique pour
identifier les principaux thèmes, opportunités et défis liés à l'application de l'IA dans le contrôle
interne des EMF d’une part. D’autre part, une analyse descriptive et économétrique ont été
appliquées pour obtenir des résultats probants sur la relation entre l’IA et le contrôle interne.
Les résultats sont présentés de manière descriptive et analytique, mettant en lumière les
tendances générales, les perceptions des contrôleurs de gestion, et les implications pour
l'évolution de la profession. Des citations directes des répondants pourront être utilisées pour
illustrer les points clés et fournir une vision concrète des impacts de l'IA. Cette enquête
apportera des insights précieux sur l'état actuel et les perspectives futures de l'IA dans le contrôle