OpenAI montre comment les équipes finance utilisent Codex pour le reporting et la planification de scénarios

Le 12 mai 2026, OpenAI a montré comment intégrer Codex au travail quotidien des équipes finance, et pas seulement aux processus d'ingénierie. Dans un nouveau document d'OpenAI Academy, l'entreprise détaille cinq scénarios pratiques, des revues mensuelles d'activité et des board packs jusqu'à la vérification de modèles et à la planification de scénarios.

Où Codex fait gagner du temps

L'idée centrale est simple : les financiers n'ont pas à partir d'une page blanche ni à assembler à la main la première version des documents avant une réunion avec le CFO ou le conseil d'administration. Codex est proposé en surcouche des documents de travail déjà familiers : classeurs de clôture, dashboards de revenus et de dépenses, mises à jour de forecast, commentaires des responsables de métriques et présentations précédentes. En sortie, l'équipe obtient non pas une réponse abstraite de chatbot, mais le brouillon d'un fichier précis, qu'elle peut vérifier, corriger et faire avancer dans le processus.

• Préparer la narration d'une revue mensuelle d'activité à partir de la clôture de la période, du forecast et des commentaires des responsables
• Nettoyer un modèle financier et en faire le QA avant de le présenter à la direction ou au board
• Mettre à jour avec des données récentes le pack de reporting récurrent destiné au CFO ou au board
• Construire un variance bridge pour le chiffre d'affaires, la marge, les dépenses, l'EBITDA et le cash flow
• Recalculer les scénarios base, downside et upside pour le forecast et l'operating plan

Dans les cinq cas, OpenAI insiste sur le même point : Codex s'appuie sur de vraies données d'entrée du cycle de travail en cours et accélère le premier assemblage. Cela supprime la routine, mais ne remplace pas l'expertise financière. L'équipe passe moins de temps à consolider mécaniquement les documents et davantage à vérifier les chiffres, formuler les conclusions et préparer des questions pour le métier. Surtout quand les délais sont serrés et les sources dispersées entre tableurs et messageries.

Comment fonctionne le processus

Dans les exemples d'OpenAI, Codex ne travaille pas à partir d'une description générale de la tâche, mais d'un ensemble précis de fichiers et de canaux. Pour un MBR, il peut s'agir du close workbook, du dashboard de revenus, de la mise à jour du forecast, de la présentation précédente et des notes des responsables. Pour la planification de scénarios : l'operating model, le headcount plan, le cash forecast, les derniers actuals et les notes de la direction. Point important : pour chaque chiffre significatif, le système doit indiquer sa source, qu'il s'agisse d'un onglet du workbook, d'un dashboard, d'un tracker ou d'une note du responsable. Le résultat devient ainsi exploitable en relecture, et pas seulement en lecture.

OpenAI insiste aussi sur le lien avec les outils de travail de l'entreprise. Elle cite Google Drive, SharePoint, Box, les tableurs, documents, présentations, Slack, Teams, Gmail et Outlook Email comme points d'entrée typiques où Codex peut puiser du contexte et restituer son résultat. Autrement dit, il ne s'agit pas d'une démonstration sur un jeu de données synthétique, mais d'un scénario où l'équipe finance demande de mettre à jour le CFO pack de mai, de vérifier le modèle FY27 ou d'expliquer l'évolution forecast-to-actual d'avril dans le cadre des processus existants.

Où le contrôle reste nécessaire

Malgré l'automatisation, OpenAI fixe des limites. Lorsque Codex nettoie un modèle, il peut corriger sans risque la structure, les références, les formules, les libellés de période ou les conventions de signe, mais il ne doit pas modifier discrètement les hypothèses métier. Si un chiffre apparaît sans confirmation dans un variance bridge ou un pack de reporting, il faut le signaler comme non confirmé. Pour les revues à fort enjeu, le système doit renvoyer non seulement le fichier mis à jour, mais aussi un mémo de QA hiérarchisant les risques : quelles corrections ont été faites, quelles hypothèses restent contestées et quelles cellules ou quels onglets le responsable finance doit vérifier.

En somme, OpenAI propose non pas de remplacer l'équipe FP&A, mais d'accélérer son cycle. Codex réussit bien la première passe sur les données, la recherche d'écarts entre sources et la préparation de la structure du document. Mais la responsabilité de l'interprétation, de la rédaction finale, de la validation des hypothèses et de l'envoi des documents à la direction reste aux humains. En finance, c'est crucial : le coût d'une erreur dans un modèle ou un board pack est trop élevé pour laisser la décision entièrement à une machine.

Ce que cela signifie

Codex est de plus en plus présenté non comme un outil réservé aux développeurs, mais comme un environnement de travail pour les fonctions à forte charge opérationnelle et riches en fichiers. Pour les équipes finance, le cas est particulièrement parlant : si l'IA sait assembler des MBR, vérifier des modèles et recalculer rapidement des scénarios à partir de données réelles, la prochaine vague d'adoption de l'IA en entreprise passera non seulement par l'informatique, mais aussi par la direction financière.