Pourquoi le cœur de l'ERP résiste, domaine par domaine — et ce que l'IA remplace vraiment. Écrit pour être lu sans aucun bagage technique.
Cet article est né d'un constat. D'abord, un mot sur l'objet du débat : un ERP (Enterprise Resource Planning) est le logiciel central d'une entreprise — celui qui tient les ventes, les achats, les stocks et la comptabilité dans un seul système. Depuis 2024, une vague de startups « AI-native » s'attaque à ce marché, dominé par Oracle, SAP, Microsoft, Sage, NetSuite… et Odoo. Chaque semaine, une nouvelle annonce promet la « révolution » : la fin de l'ERP, remplacé par des agents — des IA capables d'agir seules. Leur argument est simple : l'ERP est complexe, cher, long à déployer. La critique est fondée. La conclusion qu'on en tire ne l'est pas — la réalité est plus subtile, et c'est précisément cette subtilité que cet article veut cartographier.
J'écris aussi avec un peu d'affect. Des années passées dans les systèmes de gestion des PME — à voir des équipes se débattre entre tableurs, outils déconnectés et clôtures interminables — m'ont appris deux choses : la frustration que dénoncent ces startups est réelle, je l'ai vécue de l'intérieur ; et ce qui tient une entreprise debout n'est pas l'interface qu'on regarde, mais le registre qu'on ne regarde jamais. C'est ce double attachement — à la promesse de l'IA et à la rigueur du registre — qui structure ce qui suit.
L'IA remplace des tâches, des interfaces et parfois des métiers ; elle ne remplace pas un registre.
Un ERP n'est pas d'abord un logiciel de productivité. C'est le système d'enregistrement de l'entreprise : le lieu unique où un événement de gestion (une vente, un paiement, une embauche) devient un fait juridique et comptable : daté, affecté au bon compte, validé par la bonne personne, opposable — c'est-à-dire utilisable comme preuve face à un tiers — et conservé dans la durée. Même McKinsey, qui envisage sérieusement le scénario radical, conclut que ces systèmes d'enregistrement resteront la source de preuve, même si les utilisateurs cessent d'interagir directement avec eux.
Les cinq propriétés qui font un registre
Commençons par le mot le plus important de cet article : le registre. C'est le livre officiel de l'entreprise — la version des faits qui fait foi quand l'administration fiscale, un auditeur ou un juge pose une question. Un commissaire aux comptes (l'auditeur qui certifie les comptes) doit pouvoir rejouer une opération et obtenir exactement le même résultat ; sinon, il ne vérifie rien. Cinq propriétés rendent cela possible — et aucune n'est naturelle pour une IA, qui fonctionne par probabilités.
En France, ces exigences sont écrites dans la loi : conservation des documents six ans, fichier des écritures comptables normalisé (FEC), inaltérabilité des logiciels de caisse, piste d'audit fiable pour la TVA. La complexité de l'ERP n'est pas un défaut de conception : c'est une sédimentation d'obligations réelles.
« Application IA » : quatre objets à ne plus confondre
Passons de l'autre côté du débat. « L'IA » recouvre en réalité quatre objets très différents, du moins autonome au plus autonome — et la moitié des malentendus vient de leur confusion.
Avant de juger ce que ces outils peuvent prendre en charge, trois faits établis par la recherche récente méritent d'être posés simplement :
- Une IA ne répond pas toujours la même chose. On peut la régler pour que la même question, mot pour mot, donne la même réponse. Mais deux formulations équivalentes de la même demande peuvent donner deux réponses différentes — or c'est précisément ce niveau de constance qu'exige la comptabilité.
- Il existe un plancher d'erreur incompressible. On peut apprendre au modèle à dire « je ne sais pas » quand il doute — mais il faut alors quelqu'un pour traiter tous ces « je ne sais pas », et ce quelqu'un est un comptable.
- Sur des tâches professionnelles longues, le meilleur agent testé n'en termine qu'environ 30 % (étude TheAgentCompany, université Carnegie Mellon, 2025). Pire : les catégories où les agents échouent le plus sont l'administratif et la finance.
« Les agents sont bons là où l'erreur se voit tout de suite parce que le code ne compile pas, et mauvais là où l'erreur ne se voit qu'à la clôture, six semaines plus tard. »
Que veut dire « remplacer » ? Six niveaux
Reste le verbe lui-même. « Remplacer » peut vouloir dire six choses très différentes, du simple changement d'écran (N0) à la disparition pure et simple du registre (N5). Cette échelle est le décodeur de tout le débat : « l'IA remplace l'ERP » est une affirmation de niveau N5, alors que ce qui est réellement vendu et déployé en 2026 se situe entre N1 et N3. L'essentiel de la confusion publique tient à cet écart de quatre crans.
La carte de la substituabilité
L'échelle posée, appliquons-la métier par métier : vente, achats, comptabilité, production… Où l'IA peut-elle réellement prendre la main, et où ne le doit-elle pas ? Aucun domaine ne lui est fermé ; aucun ne permet de remplacer le registre. Pour un dirigeant, la lecture utile tient en trois colonnes, du feu vert au feu rouge.
- Avant-vente et suivi commercial (CRM)
- Contrôle de gestion (analyse)
- Rapprochement bancaire
- Cas particuliers en achats
- Conduite de projet
- Prévision de demande
- Comptabilité générale
- Achats — flux nominal
- Consolidation (préparation)
- Production — exploitation
- Exécution de paiement
- Valorisation des stocks
- Traçabilité réglementée
- Calcul des besoins de production (MRP)
- Fiscalité et facturation électronique
- Paie et déclaratif social
Un exemple pour la colonne du milieu : le « rapprochement à trois voies » en achats consiste à vérifier qu'une facture correspond bien à la commande passée et à la marchandise reçue. Ce n'est pas un problème d'intelligence : c'est un croisement de trois listes, un calcul exact. Le confier à une IA probabiliste, c'est répondre à côté du problème.
« Votre three-way match ne marche pas parce que vos réceptions ne sont pas saisies, pas parce que votre moteur manque d'intelligence. Mettre un LLM là-dessus, c'est mettre un airbag sur un vélo. »
« Mais le modèle a raison à 97 % »
C'est l'objection qui revient à chaque démonstration : si le modèle choisit le bon compte 97 fois sur 100, où est le problème ? Prenons le chiffre au sérieux. Une PME de 80 salariés enregistre couramment 60 000 à 120 000 lignes comptables par an.
Ces lignes ne sont pas signalées. Pour les retrouver, il faut soit un contrôle exhaustif — qui coûte plus cher que la saisie économisée —, soit un second modèle de détection, lui aussi imparfait. Et surtout : affecter une opération à un compte n'est pas une prédiction. C'est une qualification juridique, qui engage la responsabilité du dirigeant. Un système qui ne peut pas être responsable ne peut pas qualifier.
La facturation électronique française
S'il fallait un test de réalité, la France en fournit un, daté. À partir de septembre 2026, la facturation électronique devient progressivement obligatoire pour toutes les entreprises. Une facture conforme n'est alors plus un PDF : c'est un fichier de données au format imposé par l'État (Factur-X, UBL), transmis par une plateforme agréée et référencé dans un annuaire national. Dans ce monde-là, un taux de TVA ne s'estime pas — il se détermine par la règle. Il n'y a strictement aucune place pour l'à-peu-près.
Le rôle utile de l'IA ici — et il est important — est de fiabiliser les données en amont : fiches clients et fournisseurs à jour, mentions obligatoires complètes, incohérences détectées avant l'envoi. C'est utile. Ce n'est pas une substitution du moteur fiscal.
Le modèle qui fonctionne : l'agent client de l'ERP
Si l'IA ne remplace pas le registre, comment les deux cohabitent-ils bien ? Odoo offre la réponse la plus lisible. Version après version, il intègre l'IA : lecture automatique des factures (OCR), agents configurables, « Ask AI », et une feuille de route agentique pour la version 20. Mais l'architecture ne change pas, et c'est le point essentiel : l'agent n'écrit jamais directement dans les comptes. Il demande à l'ERP d'écrire, sous l'identité et avec les droits d'un utilisateur — comme n'importe quel employé. Chaque étage du schéma ci-dessous peut lui dire non.
L'agent gagne en puissance ce qu'il perd en autonomie — et c'est exactement le compromis souhaitable. Une « solution purement IA » qui voudrait remplacer Odoo n'a que deux options : stocker l'état de l'entreprise dans une base transactionnelle avec contraintes et droits — elle a alors réimplémenté un ERP —, ou le stocker dans les poids d'un modèle — et aucune entreprise ne peut faire certifier ses comptes sur cette base. Il n'existe pas de troisième option.
ERP ancré, IA orchestrée
Généralisons le cas Odoo. À quoi ressemble un système d'information raisonnable en 2026 ? À un empilement de cinq couches, à lire de bas en haut : le registre au fondement, l'IA au sommet. Les agents lisent partout, n'écrivent qu'en passant par la couche des règles, et n'ont aucun droit permanent.
L'IA agentique exige des données propres en dessous. La hiérarchie d'investissement d'un projet Odoo : 1. des données de base propres (clients, fournisseurs, produits), 2. des processus réellement exécutés dans l'outil, 3. des droits et validations explicitement conçus, 4. puis l'IA. Inverser cet ordre est la manière la plus fiable de rejoindre les 95 % de projets IA sans impact mesurable (MIT NANDA, 2025).
Ce que l'IA tue vraiment
Résumons le trajet parcouru en trois phrases. L'IA ne remplace pas l'ERP, parce qu'un registre ne s'estime pas : une écriture comptable n'est pas une prédiction, c'est un engagement qui doit tenir devant un tiers.
L'IA transforme profondément l'ERP, et ce mouvement est irréversible. L'écran cesse d'être le point d'entrée, la saisie disparaît, le coût des projets s'effondre — McKinsey évoque une réduction d'au moins 50 % de l'effort d'implémentation. L'ERP ne disparaît pas : il devient invisible.
Ce que l'IA tue, c'est le modèle économique de l'intégration ERP tel qu'il existe depuis vingt-cinq ans : la facturation de l'effort de configuration, de test, de migration. Le cœur de la valeur d'un intégrateur se déplace vers l'architecture, la gouvernance et la conception des règles qui ne doivent jamais céder. C'est une bonne nouvelle pour les entreprises. C'en est une exigeante pour ceux qui les accompagnent.
Avant d'ajouter de l'IA, auditez votre registre.
L'audit Satori cartographie vos référentiels, vos processus et vos droits — les trois prérequis de toute IA utile. 5 à 8 jours, livrables complétés jusqu'à conformité. Essentiel 6 500 € · Approfondi 9 500 € HT, hors licences Odoo.
Why the core of ERP holds, domain by domain — and what AI really replaces. Written to be read with no technical background.
This article was born of an observation. First, a word about the subject of the debate: an ERP (Enterprise Resource Planning) is a company's central software — the system that keeps sales, purchasing, inventory and accounting in one place. Since 2024, a wave of “AI-native” startups has been attacking this market, dominated by Oracle, SAP, Microsoft, Sage, NetSuite… and Odoo. Every week, a new announcement promises the “revolution”: the end of ERP, replaced by agents — AIs able to act on their own. Their argument is simple: ERP is complex, expensive and slow to deploy. The criticism is fair. The conclusion drawn from it is not — reality is more subtle, and that subtlety is exactly what this article sets out to map.
I also write with some personal feeling. Years spent in the management systems of small and mid-sized companies — watching teams struggle with spreadsheets, disconnected tools and never-ending closings — taught me two things: the frustration these startups denounce is real, I lived it from the inside; and what keeps a company standing is not the interface you look at, but the register you never look at. That double attachment — to the promise of AI and to the rigour of the register — shapes everything that follows.
AI replaces tasks, interfaces and sometimes jobs; it does not replace a register.
An ERP is not primarily a productivity tool. It is the company's system of record: the single place where a management event (a sale, a payment, a hire) becomes a legal and accounting fact — dated, posted to the right account, approved by the right person, enforceable (usable as evidence before a third party) and preserved over time. Even McKinsey, which takes the radical scenario seriously, concludes that these systems of record will remain the source of proof, even if users stop interacting with them directly.
The five properties that make a register
Let's start with the most important word in this article: the register. It is the company's official book — the version of the facts that prevails when the tax authority, an auditor or a judge asks a question. A statutory auditor (the professional who certifies the accounts) must be able to replay an operation and get exactly the same result; otherwise, they are verifying nothing. Five properties make that possible — and none of them comes naturally to an AI, which works on probabilities.
In France, these requirements are written into law: six-year document retention, a standardised accounting entry file (FEC), tamper-proof point-of-sale software, a reliable audit trail for VAT. ERP complexity is not a design flaw: it is the sediment of real obligations.
“AI application”: four objects to stop confusing
Now the other side of the debate. “AI” actually covers four very different objects, from least to most autonomous — and half of the misunderstandings come from mixing them up.
Before judging what these tools can take on, three facts established by recent research are worth stating plainly:
- An AI does not always give the same answer. It can be tuned so that the same question, word for word, returns the same answer. But two equivalent phrasings of the same request can return two different answers — and that is precisely the level of consistency accounting demands.
- There is an incompressible error floor. A model can be taught to say “I don't know” when unsure — but then someone has to handle all those “I don't knows”, and that someone is an accountant.
- On long professional tasks, the best agent tested completes only about 30% (TheAgentCompany study, Carnegie Mellon University, 2025). Worse: the categories where agents fail most are administration and finance.
“Agents are good where the mistake shows immediately because the code doesn't compile, and bad where the mistake only shows at closing, six weeks later.”
What does “replace” mean? Six levels
That leaves the verb itself. “Replace” can mean six very different things, from a simple change of screen (N0) to the outright disappearance of the register (N5). This scale is the decoder for the whole debate: “AI replaces ERP” is an N5 claim, while what is actually sold and deployed in 2026 sits between N1 and N3. Most of the public confusion comes from that four-notch gap.
The substitutability map
With the scale in hand, let's apply it function by function: sales, purchasing, accounting, production… Where can AI genuinely take over, and where must it not? No domain is closed to it; none allows the register to be replaced. For an executive, the useful reading fits in three columns, from green light to red.
- Pre-sales and CRM
- Management reporting (analysis)
- Bank reconciliation
- Purchasing edge cases
- Project management
- Demand forecasting
- General accounting
- Purchasing — standard flow
- Consolidation (preparation)
- Production — operations
- Payment execution
- Inventory valuation
- Regulated traceability
- Production requirements planning (MRP)
- Tax and e-invoicing
- Payroll and social filings
One example for the middle column: “three-way matching” in purchasing means checking that an invoice matches the order placed and the goods received. That is not an intelligence problem: it is a cross-check of three lists, an exact computation. Handing it to a probabilistic AI is answering the wrong question.
“Your three-way match fails because your receipts aren't entered, not because your engine lacks intelligence. Putting an LLM on top of that is putting an airbag on a bicycle.”
“But the model is 97% right”
It is the objection raised at every demo: if the model picks the right account 97 times out of 100, where is the problem? Let's take the figure seriously. An 80-employee company routinely records 60,000 to 120,000 accounting lines a year.
Those lines are not flagged. Finding them requires either an exhaustive review — which costs more than the data entry it saved — or a second detection model, itself imperfect. Above all: assigning an operation to an account is not a prediction. It is a legal qualification, which engages the executive's liability. A system that cannot be held liable cannot qualify.
French e-invoicing
If a reality check were needed, France provides one, with dates. From September 2026, electronic invoicing gradually becomes mandatory for every company. A compliant invoice is then no longer a PDF: it is a data file in a state-mandated format (Factur-X, UBL), transmitted through an accredited platform and referenced in a national directory. In that world, a VAT rate is not estimated — it is determined by the rule. There is strictly no room for “close enough”.
AI's useful role here — and it matters — is to make the data reliable upstream: customer and supplier records up to date, mandatory mentions complete, inconsistencies caught before sending. That is useful. It is not a substitution of the tax engine.
The model that works: the agent as a client of the ERP
If AI does not replace the register, how do the two coexist well? Odoo offers the clearest answer. Version after version, it integrates AI: automatic invoice reading (OCR), configurable agents, “Ask AI”, and an agentic roadmap for version 20. But the architecture does not change, and that is the whole point: the agent never writes directly into the books. It asks the ERP to write, under a user's identity and rights — like any employee. Every level of the diagram below can tell it no.
The agent gains in power what it gives up in autonomy — exactly the trade-off you want. A “pure AI solution” aiming to replace Odoo has only two options: store the company's state in a transactional database with constraints and rights — at which point it has re-implemented an ERP — or store it in a model's weights — and no company can get its accounts certified on that basis. There is no third option.
ERP anchored, AI orchestrated
Let's generalise the Odoo case. What does a sensible information system look like in 2026? A stack of five layers, read bottom-up: the register at the foundation, AI at the top. Agents read everywhere, write only through the rules layer, and hold no permanent rights.
Agentic AI demands clean data underneath. The investment hierarchy of an Odoo project: 1. clean master data (customers, suppliers, products), 2. processes actually executed in the tool, 3. rights and approvals explicitly designed, 4. then AI. Reversing that order is the most reliable way to join the 95% of AI projects with no measurable impact (MIT NANDA, 2025).
What AI really kills
Let's sum up the journey in three sentences. AI does not replace ERP, because a register cannot be estimated: an accounting entry is not a prediction, it is a commitment that must hold up before a third party.
AI is transforming ERP profoundly, and the movement is irreversible. The screen stops being the entry point, data entry disappears, project costs collapse — McKinsey mentions a reduction of at least 50% in implementation effort. ERP does not disappear: it becomes invisible.
What AI kills is the economic model of ERP integration as it has existed for twenty-five years: billing for configuration, testing and migration effort. The core of an integrator's value shifts to architecture, governance and the design of the rules that must never give way. That is good news for companies. It is a demanding one for those who serve them.
Before adding AI, audit your register.
The Satori audit maps your master data, your processes and your access rights — the three prerequisites of any useful AI. 5 to 8 days, deliverables completed through to compliance. Essential €6,500 · In-depth €9,500 excl. VAT and Odoo licences.
Pourquoi le cœur de l'ERP résiste, domaine par domaine — et ce que l'IA remplace vraiment. Écrit pour être lu sans aucun bagage technique.
Cet article est né d'un constat. D'abord, un mot sur l'objet du débat : un ERP (Enterprise Resource Planning) est le logiciel central d'une entreprise — celui qui tient les ventes, les achats, les stocks et la comptabilité dans un seul système. Depuis 2024, une vague de startups « AI-native » s'attaque à ce marché, dominé par Oracle, SAP, Microsoft, Sage, NetSuite… et Odoo. Chaque semaine, une nouvelle annonce promet la « révolution » : la fin de l'ERP, remplacé par des agents — des IA capables d'agir seules. Leur argument est simple : l'ERP est complexe, cher, long à déployer. La critique est fondée. La conclusion qu'on en tire ne l'est pas — la réalité est plus subtile, et c'est précisément cette subtilité que cet article veut cartographier.
J'écris aussi avec un peu d'affect. Des années passées dans les systèmes de gestion des PME — à voir des équipes se débattre entre tableurs, outils déconnectés et clôtures interminables — m'ont appris deux choses : la frustration que dénoncent ces startups est réelle, je l'ai vécue de l'intérieur ; et ce qui tient une entreprise debout n'est pas l'interface qu'on regarde, mais le registre qu'on ne regarde jamais. C'est ce double attachement — à la promesse de l'IA et à la rigueur du registre — qui structure ce qui suit.
L'IA remplace des tâches, des interfaces et parfois des métiers ; elle ne remplace pas un registre.
Un ERP n'est pas d'abord un logiciel de productivité. C'est le système d'enregistrement de l'entreprise : le lieu unique où un événement de gestion (une vente, un paiement, une embauche) devient un fait juridique et comptable : daté, affecté au bon compte, validé par la bonne personne, opposable — c'est-à-dire utilisable comme preuve face à un tiers — et conservé dans la durée. Même McKinsey, qui envisage sérieusement le scénario radical, conclut que ces systèmes d'enregistrement resteront la source de preuve, même si les utilisateurs cessent d'interagir directement avec eux.
Les cinq propriétés qui font un registre
Commençons par le mot le plus important de cet article : le registre. C'est le livre officiel de l'entreprise — la version des faits qui fait foi quand l'administration fiscale, un auditeur ou un juge pose une question. Un commissaire aux comptes (l'auditeur qui certifie les comptes) doit pouvoir rejouer une opération et obtenir exactement le même résultat ; sinon, il ne vérifie rien. Cinq propriétés rendent cela possible — et aucune n'est naturelle pour une IA, qui fonctionne par probabilités.
En France, ces exigences sont écrites dans la loi : conservation des documents six ans, fichier des écritures comptables normalisé (FEC), inaltérabilité des logiciels de caisse, piste d'audit fiable pour la TVA. La complexité de l'ERP n'est pas un défaut de conception : c'est une sédimentation d'obligations réelles.
« Application IA » : quatre objets à ne plus confondre
Passons de l'autre côté du débat. « L'IA » recouvre en réalité quatre objets très différents, du moins autonome au plus autonome — et la moitié des malentendus vient de leur confusion.
Avant de juger ce que ces outils peuvent prendre en charge, trois faits établis par la recherche récente méritent d'être posés simplement :
- Une IA ne répond pas toujours la même chose. On peut la régler pour que la même question, mot pour mot, donne la même réponse. Mais deux formulations équivalentes de la même demande peuvent donner deux réponses différentes — or c'est précisément ce niveau de constance qu'exige la comptabilité.
- Il existe un plancher d'erreur incompressible. On peut apprendre au modèle à dire « je ne sais pas » quand il doute — mais il faut alors quelqu'un pour traiter tous ces « je ne sais pas », et ce quelqu'un est un comptable.
- Sur des tâches professionnelles longues, le meilleur agent testé n'en termine qu'environ 30 % (étude TheAgentCompany, université Carnegie Mellon, 2025). Pire : les catégories où les agents échouent le plus sont l'administratif et la finance.
« Les agents sont bons là où l'erreur se voit tout de suite parce que le code ne compile pas, et mauvais là où l'erreur ne se voit qu'à la clôture, six semaines plus tard. »
Que veut dire « remplacer » ? Six niveaux
Reste le verbe lui-même. « Remplacer » peut vouloir dire six choses très différentes, du simple changement d'écran (N0) à la disparition pure et simple du registre (N5). Cette échelle est le décodeur de tout le débat : « l'IA remplace l'ERP » est une affirmation de niveau N5, alors que ce qui est réellement vendu et déployé en 2026 se situe entre N1 et N3. L'essentiel de la confusion publique tient à cet écart de quatre crans.
La carte de la substituabilité
L'échelle posée, appliquons-la métier par métier : vente, achats, comptabilité, production… Où l'IA peut-elle réellement prendre la main, et où ne le doit-elle pas ? Aucun domaine ne lui est fermé ; aucun ne permet de remplacer le registre. Pour un dirigeant, la lecture utile tient en trois colonnes, du feu vert au feu rouge.
- Avant-vente et suivi commercial (CRM)
- Contrôle de gestion (analyse)
- Rapprochement bancaire
- Cas particuliers en achats
- Conduite de projet
- Prévision de demande
- Comptabilité générale
- Achats — flux nominal
- Consolidation (préparation)
- Production — exploitation
- Exécution de paiement
- Valorisation des stocks
- Traçabilité réglementée
- Calcul des besoins de production (MRP)
- Fiscalité et facturation électronique
- Paie et déclaratif social
Un exemple pour la colonne du milieu : le « rapprochement à trois voies » en achats consiste à vérifier qu'une facture correspond bien à la commande passée et à la marchandise reçue. Ce n'est pas un problème d'intelligence : c'est un croisement de trois listes, un calcul exact. Le confier à une IA probabiliste, c'est répondre à côté du problème.
« Votre three-way match ne marche pas parce que vos réceptions ne sont pas saisies, pas parce que votre moteur manque d'intelligence. Mettre un LLM là-dessus, c'est mettre un airbag sur un vélo. »
« Mais le modèle a raison à 97 % »
C'est l'objection qui revient à chaque démonstration : si le modèle choisit le bon compte 97 fois sur 100, où est le problème ? Prenons le chiffre au sérieux. Une PME de 80 salariés enregistre couramment 60 000 à 120 000 lignes comptables par an.
Ces lignes ne sont pas signalées. Pour les retrouver, il faut soit un contrôle exhaustif — qui coûte plus cher que la saisie économisée —, soit un second modèle de détection, lui aussi imparfait. Et surtout : affecter une opération à un compte n'est pas une prédiction. C'est une qualification juridique, qui engage la responsabilité du dirigeant. Un système qui ne peut pas être responsable ne peut pas qualifier.
La facturation électronique française
S'il fallait un test de réalité, la France en fournit un, daté. À partir de septembre 2026, la facturation électronique devient progressivement obligatoire pour toutes les entreprises. Une facture conforme n'est alors plus un PDF : c'est un fichier de données au format imposé par l'État (Factur-X, UBL), transmis par une plateforme agréée et référencé dans un annuaire national. Dans ce monde-là, un taux de TVA ne s'estime pas — il se détermine par la règle. Il n'y a strictement aucune place pour l'à-peu-près.
Le rôle utile de l'IA ici — et il est important — est de fiabiliser les données en amont : fiches clients et fournisseurs à jour, mentions obligatoires complètes, incohérences détectées avant l'envoi. C'est utile. Ce n'est pas une substitution du moteur fiscal.
Le modèle qui fonctionne : l'agent client de l'ERP
Si l'IA ne remplace pas le registre, comment les deux cohabitent-ils bien ? Odoo offre la réponse la plus lisible. Version après version, il intègre l'IA : lecture automatique des factures (OCR), agents configurables, « Ask AI », et une feuille de route agentique pour la version 20. Mais l'architecture ne change pas, et c'est le point essentiel : l'agent n'écrit jamais directement dans les comptes. Il demande à l'ERP d'écrire, sous l'identité et avec les droits d'un utilisateur — comme n'importe quel employé. Chaque étage du schéma ci-dessous peut lui dire non.
L'agent gagne en puissance ce qu'il perd en autonomie — et c'est exactement le compromis souhaitable. Une « solution purement IA » qui voudrait remplacer Odoo n'a que deux options : stocker l'état de l'entreprise dans une base transactionnelle avec contraintes et droits — elle a alors réimplémenté un ERP —, ou le stocker dans les poids d'un modèle — et aucune entreprise ne peut faire certifier ses comptes sur cette base. Il n'existe pas de troisième option.
ERP ancré, IA orchestrée
Généralisons le cas Odoo. À quoi ressemble un système d'information raisonnable en 2026 ? À un empilement de cinq couches, à lire de bas en haut : le registre au fondement, l'IA au sommet. Les agents lisent partout, n'écrivent qu'en passant par la couche des règles, et n'ont aucun droit permanent.
L'IA agentique exige des données propres en dessous. La hiérarchie d'investissement d'un projet Odoo : 1. des données de base propres (clients, fournisseurs, produits), 2. des processus réellement exécutés dans l'outil, 3. des droits et validations explicitement conçus, 4. puis l'IA. Inverser cet ordre est la manière la plus fiable de rejoindre les 95 % de projets IA sans impact mesurable (MIT NANDA, 2025).
Ce que l'IA tue vraiment
Résumons le trajet parcouru en trois phrases. L'IA ne remplace pas l'ERP, parce qu'un registre ne s'estime pas : une écriture comptable n'est pas une prédiction, c'est un engagement qui doit tenir devant un tiers.
L'IA transforme profondément l'ERP, et ce mouvement est irréversible. L'écran cesse d'être le point d'entrée, la saisie disparaît, le coût des projets s'effondre — McKinsey évoque une réduction d'au moins 50 % de l'effort d'implémentation. L'ERP ne disparaît pas : il devient invisible.
Ce que l'IA tue, c'est le modèle économique de l'intégration ERP tel qu'il existe depuis vingt-cinq ans : la facturation de l'effort de configuration, de test, de migration. Le cœur de la valeur d'un intégrateur se déplace vers l'architecture, la gouvernance et la conception des règles qui ne doivent jamais céder. C'est une bonne nouvelle pour les entreprises. C'en est une exigeante pour ceux qui les accompagnent.
Avant d'ajouter de l'IA, auditez votre registre.
L'audit Satori cartographie vos référentiels, vos processus et vos droits — les trois prérequis de toute IA utile. 5 à 8 jours, livrables complétés jusqu'à conformité. Essentiel 6 500 € · Approfondi 9 500 € HT, hors licences Odoo.
Why the core of ERP holds, domain by domain — and what AI really replaces. Written to be read with no technical background.
This article was born of an observation. First, a word about the subject of the debate: an ERP (Enterprise Resource Planning) is a company's central software — the system that keeps sales, purchasing, inventory and accounting in one place. Since 2024, a wave of “AI-native” startups has been attacking this market, dominated by Oracle, SAP, Microsoft, Sage, NetSuite… and Odoo. Every week, a new announcement promises the “revolution”: the end of ERP, replaced by agents — AIs able to act on their own. Their argument is simple: ERP is complex, expensive and slow to deploy. The criticism is fair. The conclusion drawn from it is not — reality is more subtle, and that subtlety is exactly what this article sets out to map.
I also write with some personal feeling. Years spent in the management systems of small and mid-sized companies — watching teams struggle with spreadsheets, disconnected tools and never-ending closings — taught me two things: the frustration these startups denounce is real, I lived it from the inside; and what keeps a company standing is not the interface you look at, but the register you never look at. That double attachment — to the promise of AI and to the rigour of the register — shapes everything that follows.
AI replaces tasks, interfaces and sometimes jobs; it does not replace a register.
An ERP is not primarily a productivity tool. It is the company's system of record: the single place where a management event (a sale, a payment, a hire) becomes a legal and accounting fact — dated, posted to the right account, approved by the right person, enforceable (usable as evidence before a third party) and preserved over time. Even McKinsey, which takes the radical scenario seriously, concludes that these systems of record will remain the source of proof, even if users stop interacting with them directly.
The five properties that make a register
Let's start with the most important word in this article: the register. It is the company's official book — the version of the facts that prevails when the tax authority, an auditor or a judge asks a question. A statutory auditor (the professional who certifies the accounts) must be able to replay an operation and get exactly the same result; otherwise, they are verifying nothing. Five properties make that possible — and none of them comes naturally to an AI, which works on probabilities.
In France, these requirements are written into law: six-year document retention, a standardised accounting entry file (FEC), tamper-proof point-of-sale software, a reliable audit trail for VAT. ERP complexity is not a design flaw: it is the sediment of real obligations.
“AI application”: four objects to stop confusing
Now the other side of the debate. “AI” actually covers four very different objects, from least to most autonomous — and half of the misunderstandings come from mixing them up.
Before judging what these tools can take on, three facts established by recent research are worth stating plainly:
- An AI does not always give the same answer. It can be tuned so that the same question, word for word, returns the same answer. But two equivalent phrasings of the same request can return two different answers — and that is precisely the level of consistency accounting demands.
- There is an incompressible error floor. A model can be taught to say “I don't know” when unsure — but then someone has to handle all those “I don't knows”, and that someone is an accountant.
- On long professional tasks, the best agent tested completes only about 30% (TheAgentCompany study, Carnegie Mellon University, 2025). Worse: the categories where agents fail most are administration and finance.
“Agents are good where the mistake shows immediately because the code doesn't compile, and bad where the mistake only shows at closing, six weeks later.”
What does “replace” mean? Six levels
That leaves the verb itself. “Replace” can mean six very different things, from a simple change of screen (N0) to the outright disappearance of the register (N5). This scale is the decoder for the whole debate: “AI replaces ERP” is an N5 claim, while what is actually sold and deployed in 2026 sits between N1 and N3. Most of the public confusion comes from that four-notch gap.
The substitutability map
With the scale in hand, let's apply it function by function: sales, purchasing, accounting, production… Where can AI genuinely take over, and where must it not? No domain is closed to it; none allows the register to be replaced. For an executive, the useful reading fits in three columns, from green light to red.
- Pre-sales and CRM
- Management reporting (analysis)
- Bank reconciliation
- Purchasing edge cases
- Project management
- Demand forecasting
- General accounting
- Purchasing — standard flow
- Consolidation (preparation)
- Production — operations
- Payment execution
- Inventory valuation
- Regulated traceability
- Production requirements planning (MRP)
- Tax and e-invoicing
- Payroll and social filings
One example for the middle column: “three-way matching” in purchasing means checking that an invoice matches the order placed and the goods received. That is not an intelligence problem: it is a cross-check of three lists, an exact computation. Handing it to a probabilistic AI is answering the wrong question.
“Your three-way match fails because your receipts aren't entered, not because your engine lacks intelligence. Putting an LLM on top of that is putting an airbag on a bicycle.”
“But the model is 97% right”
It is the objection raised at every demo: if the model picks the right account 97 times out of 100, where is the problem? Let's take the figure seriously. An 80-employee company routinely records 60,000 to 120,000 accounting lines a year.
Those lines are not flagged. Finding them requires either an exhaustive review — which costs more than the data entry it saved — or a second detection model, itself imperfect. Above all: assigning an operation to an account is not a prediction. It is a legal qualification, which engages the executive's liability. A system that cannot be held liable cannot qualify.
French e-invoicing
If a reality check were needed, France provides one, with dates. From September 2026, electronic invoicing gradually becomes mandatory for every company. A compliant invoice is then no longer a PDF: it is a data file in a state-mandated format (Factur-X, UBL), transmitted through an accredited platform and referenced in a national directory. In that world, a VAT rate is not estimated — it is determined by the rule. There is strictly no room for “close enough”.
AI's useful role here — and it matters — is to make the data reliable upstream: customer and supplier records up to date, mandatory mentions complete, inconsistencies caught before sending. That is useful. It is not a substitution of the tax engine.
The model that works: the agent as a client of the ERP
If AI does not replace the register, how do the two coexist well? Odoo offers the clearest answer. Version after version, it integrates AI: automatic invoice reading (OCR), configurable agents, “Ask AI”, and an agentic roadmap for version 20. But the architecture does not change, and that is the whole point: the agent never writes directly into the books. It asks the ERP to write, under a user's identity and rights — like any employee. Every level of the diagram below can tell it no.
The agent gains in power what it gives up in autonomy — exactly the trade-off you want. A “pure AI solution” aiming to replace Odoo has only two options: store the company's state in a transactional database with constraints and rights — at which point it has re-implemented an ERP — or store it in a model's weights — and no company can get its accounts certified on that basis. There is no third option.
ERP anchored, AI orchestrated
Let's generalise the Odoo case. What does a sensible information system look like in 2026? A stack of five layers, read bottom-up: the register at the foundation, AI at the top. Agents read everywhere, write only through the rules layer, and hold no permanent rights.
Agentic AI demands clean data underneath. The investment hierarchy of an Odoo project: 1. clean master data (customers, suppliers, products), 2. processes actually executed in the tool, 3. rights and approvals explicitly designed, 4. then AI. Reversing that order is the most reliable way to join the 95% of AI projects with no measurable impact (MIT NANDA, 2025).
What AI really kills
Let's sum up the journey in three sentences. AI does not replace ERP, because a register cannot be estimated: an accounting entry is not a prediction, it is a commitment that must hold up before a third party.
AI is transforming ERP profoundly, and the movement is irreversible. The screen stops being the entry point, data entry disappears, project costs collapse — McKinsey mentions a reduction of at least 50% in implementation effort. ERP does not disappear: it becomes invisible.
What AI kills is the economic model of ERP integration as it has existed for twenty-five years: billing for configuration, testing and migration effort. The core of an integrator's value shifts to architecture, governance and the design of the rules that must never give way. That is good news for companies. It is a demanding one for those who serve them.
Before adding AI, audit your register.
The Satori audit maps your master data, your processes and your access rights — the three prerequisites of any useful AI. 5 to 8 days, deliverables completed through to compliance. Essential €6,500 · In-depth €9,500 excl. VAT and Odoo licences.