ERP avec intelligence artificielle : ce que cela signifie vraiment en 2026

En 2026, presque tous les ERP du marché affirmeront avoir de l›IA. Le problème est que «avoir de l›IA» peut signifier des choses très différentes, avec des impacts opérationnels radicalement distincts.

Il y a des ERP qui ont lancé un chatbot en novembre 2023, quand tout le monde le faisait, et qui appellent cela de l‹«IA». Le chatbot vous permet de poser des questions comme «combien ai-je facturé le mois dernier ?» et vous donne la réponse en extrayant la donnée de votre base de données. C›est utile. Ce n›est pas transformateur.

Et il y a des ERP où l›intelligence artificielle fait partie de l›architecture dès le premier jour : où l›IA n›est pas au-dessus du système à observer les données, mais à l›intérieur du système à traiter les opérations.

La différence entre les deux approches n›est pas marketing. Elle réside dans le nombre d›heures que vous récupérez chaque semaine.

Le problème d‹«ajouter de l›IA» à un ERP existant

Imaginez que vous avez un bâtiment construit dans les années 90 et que vous voulez y ajouter des panneaux solaires. Vous pouvez le faire. Les panneaux fonctionnent. Ils génèrent de l›énergie. Mais la structure du bâtiment n›a pas été conçue pour eux : vous devez ajouter des câbles qui passent au-dessus des murs, le système électrique original n›est pas intégré aux panneaux, et la performance ne sera jamais celle d›un bâtiment conçu avec l›énergie solaire dès les fondations.

Les ERP qui ont «ajouté de l›IA» fonctionnent ainsi. L›IA peut lire les données de la base de données. Elle peut répondre à des questions. Elle peut générer des résumés. Mais elle ne peut pas anticiper les opérations, elle ne peut pas agir sur des flux en cours, et elle n›a pas une compréhension approfondie de l›entreprise car ce contexte n›a pas été conçu pour elle.

Un ERP AI-native construit l›architecture de données en pensant dès le premier jour à ce dont l›IA a besoin pour être utile : quel contexte chaque opération requiert, comment les données sont modélisées pour que l›IA puisse raisonner dessus, comment les outils d›IA se connectent aux flux réels de l›entreprise.

Que sont les function tools et pourquoi sont-ils importants

Quand nous parlons de plus de 55 function tools chez Frihet, nous ne parlons pas de 55 questions que vous pouvez poser à un chatbot. Nous parlons de 55 opérations spécifiques que l›IA peut exécuter sur vos données réelles.

Un function tool est une capacité concrète : «extraire les données fiscales de ce document», «classer cette dépense dans la bonne catégorie comptable», «calculer la quote-part de la TVA du trimestre en cours», «détecter s›il y a des doublons dans les Factures de ce fournisseur», «projeter le cashflow des 6 prochaines semaines en vous basant sur l›historique».

La différence avec un chatbot générique est fondamentale : le function tool a accès au contexte réel de l›entreprise et peut agir dessus. Il ne génère pas de texte. Il exécute des opérations.

Dans la pratique, cela se manifeste par des fonctionnalités telles que :

get_invoices, get_expenses, get_clients — L›IA peut lire l›état réel de vos Factures, dépenses et clients pour répondre aux questions avec des données actuelles, et non avec des estimations.

create_invoice, update_expense — L›IA peut créer ou modifier des documents directement à partir d›une instruction en langage naturel. «Créer une Facture de 1.200 EUR pour Acme S.L. avec une retenue de 15%» fonctionne.

calculate_tax_summary, get_vat_report — Calculs fiscaux sur vos données réelles, et non sur des exemples génériques.

detect_anomalies, predict_cashflow — Analyse prédictive qui opère sur votre historique concret, et non sur des moyennes du secteur.

Lorsqu›un assistant IA a accès aux function tools, la conversation passe de «dis-moi combien j›ai facturé» à «dis-moi ce que je devrais faire cette semaine pour clôturer le mois sans tension de trésorerie». La deuxième question nécessite un contexte approfondi, des calculs réels et une capacité d›action. Un chatbot sans tools ne peut pas y répondre correctement.

OCR : la différence entre numériser et comprendre

L›OCR (reconnaissance optique de caractères) existe depuis les années 90. Ce qui a changé avec l›IA, ce n›est pas que le texte puisse être lu — cela se faisait déjà — mais que le système puisse comprendre la structure du document.

L›OCR traditionnel lit : «FACTURE — Entreprise XYZ — Base imposable : 1 000,00 — TVA 21 % : 210,00 — Total : 1 210,00».

L›OCR avec IA comprend : ce texte est une Facture de fournisseur, la base est de 1 000 EUR, la TVA est de 21 %, le total à payer est de 1 210 EUR, le concept est «services de conception» selon le corps du document, et selon le NIF de l›émetteur, la TVA peut être récupérée.

La différence opérationnelle : avec l›OCR traditionnel, vous devez toujours vérifier et compléter les champs manuellement. Avec l›OCR avec IA, la saisie des dépenses passe d›une tâche à une vérification.

Frihet extrait automatiquement des tickets et Factures : fournisseur, date, NIF de l›émetteur, concept, base imposable, type de TVA, montant, total, méthode de paiement et catégorie comptable suggérée. Pour des dépenses dans plus de 50 langues et avec les formats de facturation de 71 pays.

Pour un auto-entrepreneur qui gère 40 à 60 dépenses par mois, cela représente entre 1,5 et 3 heures mensuelles récupérées rien que pour la saisie de données. Ce n›est pas un chiffre théorique : c›est le temps nécessaire pour scanner, vérifier et confirmer par rapport à ce qu›il fallait pour remplir chaque champ à la main.

Catégorisation automatique : comment votre entreprise apprend

La catégorisation des dépenses a une complexité qui ne se voit pas tant que vous ne la faites pas manuellement : le même fournisseur peut vous facturer des concepts qui relèvent de catégories différentes. Amazon peut être «matériel de bureau» sur une Facture et «équipement informatique» sur la suivante. La station-service peut être «transport» ou «frais de représentation» selon le contexte.

L›IA de Frihet n›applique pas de règles fixes. Elle apprend les modèles spécifiques à votre entreprise. Après quelques semaines d›utilisation, le système comprend que vos achats chez El Corte Inglés vont généralement au matériel de bureau, que le restaurant près de votre bureau est des frais de représentation, et que l›abonnement mensuel à Adobe est des «services numériques» déductibles.

Quand une catégorisation est corrigée, cette correction alimente le modèle. Pas de manière globale — vos corrections sont les vôtres, elles ne sont pas partagées avec d›autres utilisateurs — mais au niveau de votre espace de travail.

Le taux de réussite avec un historique suffisant dépasse 95 %. Mais Frihet ne présente pas les catégorisations comme définitives : il les affiche comme des suggestions pour révision. L›IA propose, l›utilisateur approuve. Le critère final vous appartient.

Pilote automatique fiscal : l›IA qui comprend la réglementation fiscale

C›est la fonctionnalité où la différence entre l›IA ajoutée et l›IA native devient la plus visible.

Un chatbot peut vous dire «la TVA trimestrielle en Espagne est de 21% de la base imposable». C›est une information générique que vous pourriez trouver sur Google.

Le Pilote Automatique Fiscal de Frihet fait quelque chose de différent : il analyse votre activité spécifique, applique les règles fiscales de votre pays et régime fiscal, identifie les déductions auxquelles vous avez droit, détecte les incohérences entre ce que vous déclarez et ce que montrent vos données, et vous avertit des obligations à venir suffisamment à l›avance pour vous préparer.

Pour un auto-entrepreneur en régime d›estimation directe simplifiée en Espagne, cela signifie : calcul automatique des paiements fractionnés (modèle 130), identification des dépenses déductibles non enregistrées, alerte des retenues reçues qui devraient apparaître dans la déclaration, et estimation du résultat fiscal avant la fin du trimestre.

Le système couvre les positions fiscales de 71 pays. Un freelancer allemand, un consultant français et un auto-entrepreneur aux Canaries (avec l›IGIC au lieu de la TVA) reçoivent le même niveau d›automatisation fiscale adapté à leur régime spécifique.

Alertes prédictives : savoir avant

La trésorerie est le problème qui génère le plus de mauvaises surprises dans les petites entreprises. Non pas parce que les chiffres sont mauvais — parfois ils sont parfaitement gérables — mais parce que personne ne surveillait suffisamment à l›avance.

Les alertes prédictives de Frihet analysent trois niveaux d›information :

Historique des encaissements et paiements. Quels clients paient habituellement en retard ? Avec quel retard, en moyenne ? Quels fournisseurs encaissent à temps et lesquels ont de la flexibilité ?

Engagements futurs connus. Factures émises en attente de paiement, paiements aux fournisseurs programmés, cotisations d›auto-entrepreneurs ou cotisations de Sécurité Sociale, échéances fiscales.

Modèles saisonniers. Si en janvier il y a toujours une baisse de revenus parce que les clients clôturent la facturation fin décembre, le système le sait et l›intègre dans la projection.

Le résultat : une projection de cashflow à 6-8 semaines qui inclut des scénarios (si le client A paie à temps, si le client B est en retard comme d›habitude) et des alertes spécifiques en cas de risque de tension.

Ce n›est pas de la magie. C›est la reconnaissance de modèles sur des données qui existent déjà dans votre comptabilité mais que personne n›avait le temps d›analyser manuellement.

L›assistant en langage naturel : de la question à l›action

L›assistant conversationnel de Frihet n›est pas un chatbot qui répond à des questions. C›est un agent qui peut exécuter des opérations sur votre entreprise.

La différence pratique :

Chatbot : «Combien ai-je facturé en janvier ?» → Répond : «1 340 EUR»

Agent avec function tools : «Prépare le résumé de janvier pour l›envoyer à mon conseiller» → Exécute : calcule la facturation, les dépenses, la marge, la TVA collectée et déductible, génère le résumé dans le format utilisé par votre conseiller, et vous demande si vous souhaitez l›envoyer.

L›assistant de Frihet a accès à plus de 55 function tools, ce qui signifie qu›il peut exécuter des flux complexes à partir d›instructions simples en langage naturel. Vous n›avez pas besoin de savoir quel outil utiliser — le système choisit les bons pour répondre à votre question ou exécuter votre instruction.

Il fonctionne en 17 langues. Un utilisateur japonais, un utilisateur allemand et un utilisateur espagnol utilisent le même assistant dans leur langue maternelle, avec les mêmes capacités opérationnelles.

Le serveur MCP : quand l›IA a déjà votre ERP intégré

Pour les développeurs et les utilisateurs techniques, Frihet offre quelque chose qu›aucun autre ERP espagnol n›a : un serveur MCP (Model Context Protocol) sous licence MIT avec 52 outils disponibles.

MCP est le protocole standard qui permet aux assistants IA comme Claude de se connecter directement à des systèmes externes. Avec le MCP de Frihet installé, Claude peut lire vos Factures, créer des documents, calculer des impôts, analyser votre cashflow et exécuter des opérations dans Frihet directement depuis la conversation.

Ce n›est pas une API que vous devez programmer. C›est une connexion directe entre l›assistant IA et votre ERP, avec les outils déjà définis et le contexte déjà configuré. Un développeur peut construire un flux d›automatisation en quelques minutes.

Le serveur MCP est gratuit et open source. Il ne nécessite pas de plan payant ni de module supplémentaire. C›est un pari sur l›écosystème de l›IA : plus il est facile pour d›autres de construire sur Frihet, plus il génère de valeur pour tous les utilisateurs.

Ce que l›IA ne fait pas chez Frihet

L›honnêteté fait partie du design. Il y a des choses que l›IA de Frihet ne fait délibérément pas :

Elle ne prend pas de décisions pour vous. Elle peut projeter le cashflow, mais la décision de reporter une dépense ou d›anticiper un encaissement vous appartient. Elle peut détecter une anomalie, mais la décision de ce qu›il faut en faire vous appartient.

Elle ne remplace pas le conseiller fiscal. Elle peut automatiser la saisie des données et calculer des estimations. La planification fiscale stratégique, l›interprétation d›une réglementation complexe et les décisions ayant des implications légales requièrent un professionnel qui en est responsable.

Elle ne fonctionne pas avec des données de mauvaise qualité. Si les documents téléchargés par l›utilisateur sont illisibles, les catégorisations seront incorrectes. L›IA est aussi bonne que les données qu›elle reçoit.

Elle ne consolide pas les données sans révision humaine. Les suggestions de catégorisation et les brouillons générés par l›IA sont marqués comme tels. L›utilisateur les examine et les approuve avant qu›ils ne soient consolidés dans la comptabilité.

Ce ne sont pas des limitations honteuses. Ce sont des principes de conception. Un ERP qui automatise des décisions critiques sans supervision humaine n›est pas un bon ERP — c›est un générateur de problèmes avec une belle interface.

Comment évaluer l›IA d›un ERP avant de l›acheter

Si vous évaluez un ERP avec IA, voici les questions qui distinguent la vraie IA de l›IA marketing :

L›IA accède-t-elle à mes données réelles ou ne donne-t-elle que des réponses génériques ? Posez une question sur un cas spécifique de votre entreprise. Si la réponse est générique, l›IA n›a pas le contexte de vos données.

Combien de function tools le système possède-t-il ? Un chatbot sans tools peut répondre à des questions mais pas exécuter des opérations. La capacité d›action est la différence.

L›IA peut-elle agir ou seulement informer ? Créer une Facture à partir d›une instruction en langage naturel est différent de vous dire comment créer une Facture.

Y a-t-il une supervision humaine dans le flux ? Un système qui consolide automatiquement sans révision est un système qui peut commettre des erreurs dans votre comptabilité sans que vous ne le sachiez.

Le fournisseur explique-t-il ce que l›IA fait de vos données ? Le traitement local, la conformité au RGPD et la non-utilisation pour l›entraînement de modèles devraient figurer dans les conditions générales, et non en petits caractères.

Frihet répond à ces questions. Si vous avez des doutes concrets sur une fonctionnalité spécifique, le support peut vous la montrer lors d›une démo avant que vous ne souscriviez à quoi que ce soit.