Impact de l'intelligence artificielle sur le contrôle de gestion au Cameroun : amélioration de la qualité de l'information décisionnelle à travers la prévision et la gestion des risques

La digitalisation croissante des organisations entraine de plus en plus une transformation importante du contrôle de gestion, discipline essentielle du pilotage stratégique et opérationnel des entreprises. Cet article étudie l'impact de l'intégration de l'intelligence artificielle (IA) sur la qualité de l'information décisionnelle en contrôle de gestion. Sur la base d’un échantillon de 92 réponses provenant de contrôleurs de gestion et directeurs financiers camerounais, et en mobilisant des modèles d'équations structurelles (PLS-SEM), nous avons analysé comment l'IA améliore la prévision budgétaire et la gestion des risques organisationnels, contribuant ainsi à la précision et à la pertinence des informations décisionnelles. Les résultats montrent que la prévision assistée par l'IA permet une anticipation plus fine des tendances de performance, des écarts budgétaires et des besoins en ressources, tout en optimisant la planification stratégique. De plus, la gestion des risques optimisée par l'IA favorise la détection proactive des anomalies de gestion et l'évaluation continue des risques opérationnels, renforçant la fiabilité des systèmes de contrôle.

Citer cet article

MAYEGLE N. NGUIDJOL, Solange. 2026. Impact de l'intelligence artificielle sur le contrôle de gestion au Cameroun : amélioration de la qualité de l'information décisionnelle à travers la prévision et la gestion des risques. Revue Internationale du Chercheur. https://africanscientificindex.com/articles/revue-internationale-du-chercheur-impact-de-l-intelligence-artificielle-sur-le-controle-de-gestion-au-cameroun-amelioration-de-la-qualite-de-l-information-decisionnelle-a-travers-la-prevision-et-la

MAYEGLE N. NGUIDJOL, Solange

Revue Internationale du Chercheur (2026)

PDF sur le site de l’éditeur

Source

Notice indexée sur African Scientific Index · 2026-09-23 · Source d’origine.

Déposant et vérification bibliographique : non renseignés.

Import OAI-PMH · Identifiant source : oai:ojs2.revuechercheur.com:article/1792