IA dans la paie : jusqu’où automatiser sans perdre le contrôle ?  

Des conventions collectives multiples, des règles qui évoluent, des situations individuelles à traiter… La complexité de la paie française rend l’IA attractive. Elle invite aussi à la prudence. Un outil peut repérer une prime versée deux fois et laisser passer une prime oubliée, faute d’information signalant son existence.

L’IA fait déjà son entrée dans les logiciels : selon une enquête SD Worx de 2025, près de trois entreprises interrogées sur dix déclarent que leur système de paie dispose d’agents IA et de chatbots au service des salariés. Mais assister un gestionnaire ne signifie pas calculer un bulletin ou décider d’une rémunération. Quelles tâches peut-on confier à l’IA aujourd’hui et où le contrôle humain reste-t-il indispensable ? Et que disent le droit européen et le RGPD de ces usages ?

Une prime inhabituelle, un doublon, un écart entre deux périodes… Les outils peuvent faire ressortir les éléments à vérifier avant de valider la paie. Tous ces contrôles ne reposent toutefois pas sur l’intelligence artificielle. « Certains rapprochements entre fichiers sont déjà réalisés grâce à la robotisation des processus (RPA), qui exécute des opérations selon des règles prédéfinies », rappelle Lukasz Lewczuk, consultant en rémunération et avantages sociaux et intervenant à l’EM Normandie. L’IA, elle, peut compléter ces dispositifs.

Elle peut notamment aider le gestionnaire à préparer ses contrôles : il décrit en langage courant les données à comparer et les écarts à rechercher, puis construit avec l’assistant le traitement dans un tableau. « Quand je lui demande de chercher des anomalies, je sais quel type d’anomalie je veux qu’il mette en surbrillance », précise Sandrine Bossege, ancienne responsable RH et paie, aujourd’hui formatrice et consultante. L’outil oriente ainsi l’attention vers les points à examiner. Une alerte n’est pas nécessairement une erreur : une variation de rémunération peut s’expliquer par une prime exceptionnelle ou une régularisation.

L’IA peut aider à rassembler les nouveautés réglementaires et à préparer une première synthèse. Sandrine Bossege recommande de sélectionner soi-même les publications de référence (Code du travail, jurisprudence, BOSS, BOFiP…), puis de centraliser leur remontée dans un même outil pour obtenir un récapitulatif quotidien. « C’est une automatisation du travail de veille », explique-t-elle. À cette liste, le gestionnaire peut ensuite ajouter les textes de ses conventions collectives, puis repérer les évolutions qui concernent ses dossiers.

Cette aide documentaire se distingue de la mise à jour des paramètres du logiciel de paie : l’intégration d’un nouveau montant du SMIC ou d’un taux de cotisation peut reposer sur un moteur de règles classique, sans recourir à l’IA.

Parmi les tâches les plus chronophages qui peuvent être automatisées, Lukasz Lewczuk cite le suivi des indemnités journalières de sécurité sociale (IJSS). « Lorsque l’entreprise perçoit ces indemnités à la place du salarié (la subrogation), elle doit vérifier que les versements correspondent aux sommes attendues. Des solutions permettent de récupérer automatiquement les bordereaux de paiement de l’Assurance maladie, de les rapprocher des données de paie et de signaler les écarts ou les versements manquants », précise-t-il. Le gestionnaire évite ainsi de télécharger, reporter et comparer manuellement les montants dossier par dossier. Il concentre davantage son travail sur les situations à régulariser. Ces fonctions peuvent combiner automatisation classique et IA, selon les outils.

L’IA facilite aussi les manipulations de données. « Je peux décrire le tableau ou le traitement souhaité, puis me faire aider pour le réaliser, sans maîtriser toutes les fonctions techniques du tableur », explique Sandrine Bossege. Lukasz Lewczuk l’utilise, quant à lui, pour préparer des analyses de rémunération : « À partir de données fictives, je fais construire la structure d’un modèle et les calculs associés, puis je les reprend dans mon environnement de travail contenant les données réelles. » L’assistant accélère ainsi la préparation technique, tout en limitant l’exposition d’informations sensibles pendant cette étape.

Lukasz Lewczuk voit également un intérêt à confier à un assistant IA les demandes courantes des salariés, à condition qu’il s’agisse « d’un périmètre défini et avec un relais humain pour les questions nécessitant une analyse individuelle ». Sandrine Bossege privilégie, elle, l’aide à la rédaction. Elle soumet ses messages à l’IA avec cette consigne : « Mets-toi à la place du client qui ne connaît pas les règles de la paie. » L’assistant l’aide ainsi à repérer les termes techniques, les raccourcis ou les étapes du raisonnement à expliciter. Elle peut ainsi préparer des réponses plus accessibles, dont elle vérifie le contenu avant l’envoi.

En paie, les cas particuliers sont nombreux : régularisation sur plusieurs mois, cumul de contrats, rupture avec des éléments de rémunération contestés… Chaque dossier combine des règles, des périodes et des exceptions qui peuvent modifier le traitement à appliquer. « C’est l’individualisation pure », résume Sandrine Bossege. Une réponse générale, même cohérente en apparence, peut passer à côté d’une particularité déterminante.

La maîtrise des règles et de leur application doit rester entre les mains du gestionnaire. Le risque de déléguer un traitement sans le comprendre ? « Le professionnel doit pouvoir vérifier le raisonnement, expliquer les règles retenues à son client ou à sa direction et corriger le résultat si nécessaire », souligne Lukasz Lewczuk.

Une variable absente, une mauvaise période de rattachement ou un historique incomplet peuvent compromettre le résultat. « Si les données source sont mauvaises, le traitement risque de l’être aussi », prévient Sandrine Bossege. L’automatisation peut alors reproduire une erreur sur plusieurs dossiers. Lukasz Lewczuk souligne l’intérêt de travailler à partir de bases structurées, dans lesquelles les informations sont organisées selon des conventions communes. Cette préparation facilite leur exploitation, sans garantir leur exactitude. 

Il faut donc vérifier, en amont, l’exhaustivité des informations et leur cohérence entre les outils RH et paie. Un changement de temps de travail non transmis peut, par exemple, laisser subsister un salaire cohérent avec l’historique du dossier, mais devenu incorrect. L’assistant ne dispose alors pas nécessairement des éléments qui lui permettraient de le signaler.

Une prime non versée peut résulter d’un oubli, mais aussi d’un désaccord sur les objectifs atteints. Une heure supplémentaire non payée peut révéler une information manquante ou une contestation du temps travaillé. L’IA peut signaler un écart. Les données disponibles ne lui permettent pas nécessairement d’en établir la cause.

Le gestionnaire doit alors confronter les informations, échanger avec le salarié et le manager et distinguer l’erreur de traitement du différend à résoudre. C’est cette connaissance du terrain qui permet de déterminer la suite à donner : corriger la paie, compléter le dossier ou solliciter un arbitrage.

Un assistant d’IA générative peut produire une réponse assurée à partir d’une règle dépassée ou d’une interprétation erronée. Sandrine Bossege en fait l’expérience lorsqu’elle teste ses outils sur des évolutions récentes : « Bien souvent, il extrapole, il invente. » Elle rapporte aussi avoir transmis un décret à un assistant, puis obtenu un exemple chiffré incorrect. Donner accès au texte ne garantit donc pas sa bonne application.

« C’est la source qui fait tout », insiste la consultante. Le contrôle porte sur l’existence de la référence, sa version, sa date d’entrée en vigueur et son champ d’application, puis sur sa traduction dans le dossier traité. « Il faut aussi vérifier que l’outil a recherché l’information aux bons endroits », invite Lukasz Lewczuk. Cette vigilance suppose de conserver une expertise métier suffisante pour évaluer la réponse. « Ne posez pas à l’IA une question dont vous ignorez la réponse », recommande Sandrine Bossege. La formation à l’outil doit donc s’appuyer sur les connaissances et les méthodes de contrôle du professionnel.

Un assistant qui recherche une règle de cotisation et un système qui propose d’attribuer une prime ne jouent pas le même rôle. C’est cette différence qui détermine les obligations applicables. Le règlement IA européen, ou AI Act, classe à haut risque certains systèmes utilisés dans le domaine de l’emploi, listés à l’annexe III : recrutement et sélection, décisions affectant les conditions de la relation de travail, la promotion ou la rupture de contrat…

Un outil utilisé en paie n’entre donc pas automatiquement dans cette catégorie. « Il faut affiner », souligne Mick Levy, auteur d’iA MANiA (Vuibert, 2026). « Sa finalité et son influence sur les décisions doivent être examinées, en tenant compte des exceptions prévues par l’article 6, sachant qu’un système relevant de l’annexe III qui procède à un profilage des salariés reste toujours à haut risque », poursuit-il. Pour le service paie, la question est concrète : l’IA fournit-elle une information, suggère-t-elle une correction ou intervient-elle dans une décision de rémunération ?

Pour un service paie utilisant un système à haut risque, la conformité ne se résume pas à choisir une IA ou un logiciel qui en intègre une. Le règlement distingue le fournisseur, qui conçoit le système et le met sur le marché, du déployeur, c’est-à-dire l’entreprise qui l’utilise.

À l’entrée en application des obligations relatives aux systèmes à haut risque concernés, les responsabilités seront les suivantes :

• Le fournisseur : fournit la documentation technique, des fonctionnalités de journalisation et des instructions d’utilisation.
• L’entreprise utilisatrice : respecte les instructions, surveille le fonctionnement, confie la supervision humaine à des personnes compétentes, conserve les journaux générés automatiquement dans la mesure où ils sont sous son contrôle, informe les représentants du personnel et les salariés concernés.
• Le gestionnaire de paie : apporte sa connaissance des règles et des dossiers, examine les propositions de l’outil et signale les erreurs. Il ne peut pas prendre seul en charge les questions techniques, juridiques et de sécurité.

Concrètement, l’entreprise doit savoir comment retrouver les traces d’une opération, à qui signaler une erreur et qui peut interrompre le traitement. « Mieux vaut désigner un pilote pour coordonner ces compétences », recommande Mick Levy.

Le RGPD encadre déjà le traitement des données personnelles des salariés. Son article 22 pose un principe d’interdiction des décisions exclusivement automatisées produisant des effets juridiques ou affectant significativement une personne, avec des exceptions encadrées.

En paie, l’exécution d’un calcul selon des règles établies et un arbitrage sur les droits du salarié ne remplissent pas la même fonction. Cette distinction aide à examiner l’usage, mais ne suffit pas à déterminer si l’article 22 s’applique. Il faut apprécier le caractère exclusivement automatisé de la décision et ses effets sur le salarié. Un système qui décide de l’attribution d’une prime à partir d’une évaluation individuelle appelle ainsi un examen spécifique, indépendamment de son classement au titre de l’AI Act.

Lorsqu’un gestionnaire intervient dans la décision, son contrôle doit être réel : il doit disposer des informations, des compétences et de l’autorité nécessaires pour contester la proposition et modifier le résultat. Cliquer systématiquement sur « valider » ne suffit pas à démontrer qu’il garde la main.

Les données de paie sont des données personnelles confidentielles : rémunération, arrêts de travail, situation familiale… Certaines, notamment celles concernant la santé, sont également des données sensibles au sens du RGPD. Avant de confier un traitement à un assistant, trois questions s’imposent : où les données sont-elles hébergées ? L’éditeur les réutilise-t-il pour entraîner ses modèles ? Un contrat de sous-traitance encadre-t-il le traitement ? Un assistant grand public, utilisé hors d’un cadre validé par l’entreprise, répond rarement à ces exigences.

Selon l’usage, une analyse d’impact (AIPD) peut être nécessaire, et le délégué à la protection des données doit être associé. Dans les entreprises d’au moins 50 salariés, l’introduction de nouvelles technologies ou un aménagement important modifiant les conditions de travail peut nécessiter une information-consultation préalable du CSE, selon les caractéristiques du projet.

Avant de décider où placer une validation humaine, il faut savoir où l’IA intervient. « Il faut cartographier les usages et applications d’IA dans l’entreprise », recommande Mick Levy. L’inventaire concerne aussi les petits assistants partagés entre quelques gestionnaires. Par exemple, un outil de recherche sur les règles applicables à la paie. Il devrait faire figurer les personnes autorisées à y accéder, les données utilisées et les opérations permises.

À partir de cet inventaire, trois niveaux de contrôle peuvent être définis selon les usages et les obligations applicables :

• Des traitements sans validation individuelle préalable : des opérations circonscrites, sur des données fiabilisées, comme la mise en forme d’un tableau ou le classement de documents. Leur exécution reste surveillée, avec la possibilité de reprendre les résultats.
• Des propositions vérifiées avant leur application : l’IA signale une anomalie, prépare une analyse de régularisation ou suggère une correction. Le gestionnaire examine les éléments avant toute modification du bulletin ou du paiement.
• Des arbitrages confiés aux personnes compétentes : une interprétation juridique incertaine, un désaccord de rémunération ou une situation contentieuse nécessitent une analyse humaine et, selon le dossier, une décision RH, managériale ou juridique. Le gestionnaire qualifie la difficulté et sollicite le bon interlocuteur. L’assistant peut réunir les pièces et préparer une synthèse, sans trancher.

Avant de généraliser un usage, l’équipe peut tester l’outil sur des dossiers représentatifs comportant des anomalies connues. L’objectif est de vérifier ce qu’il détecte, les alertes injustifiées et les erreurs qu’il laisse passer. Ces résultats permettent d’ajuster le périmètre confié à l’IA et les contrôles à maintenir.

Prévoir une validation ne garantit pas qu’elle sera effective. Mick Levy pose un exemple hypothétique : « Prenons un gestionnaire qui doit examiner mille bulletins, dont un seul comporte une erreur. Après des centaines de résultats corrects, comment maintenir son attention et conserver l’assurance nécessaire pour contredire l’outil ? » Cette confiance excessive dans les résultats automatisés constitue un risque explicitement identifié par l’AI Act. Le contrôle doit permettre à la personne chargée de la supervision de comprendre les limites du système, d’interpréter ses résultats et de les écarter si nécessaire.

Mick Levy distingue ainsi l’intervention à une étape précise du traitement (le human in the loop) et la surveillance du processus dans son ensemble (le human on the loop). Dans ce second cas, « l’humain pilote l’IA, les agents d’IA, grâce à des outils de supervision. Il dispose d’une vision globale et intervient sur les situations qui nécessitent son attention ».

L’organisation doit donc définir les alertes à examiner, les informations accessibles au gestionnaire et la conduite à tenir en cas de doute. Celui-ci doit avoir le temps, les compétences et l’autorité nécessaires pour corriger un résultat ou suspendre le traitement. Une supervision globale ne remplace cependant pas un examen individuel lorsque celui-ci est requis : au regard du RGPD, une intervention purement symbolique ne suffit pas à rendre une décision effectivement humaine.

« Pour comprendre et corriger une erreur, mieux vaut consigner, dans un log ou un journal, l’ensemble des actions qui sont prises par les agents d’IA », recommande Mick Levy. En paie, il faut pouvoir retrouver les données utilisées, la proposition de l’IA et les contrôles ou corrections du gestionnaire. Pour les systèmes à haut risque concernés, l’AI Act prévoit de conserver les journaux sous le contrôle de l’organisation pendant une durée adaptée, en principe d’au moins six mois, sauf disposition contraire applicable. « Ces traces n’expliquent pas tout le fonctionnement du modèle », rappelle l’expert. Elles doivent néanmoins permettre de justifier le traitement retenu et de montrer qu’un contrôle réel a été exercé.

Le bénéfice de l’IA se mesure aussi au travail qu’elle permet de mieux faire : approfondir un dossier complexe, traiter une régularisation ou expliquer une variation de salaire. Pour les directions RH comme pour les cabinets, cela suppose de prévoir le temps et les compétences nécessaires au contrôle dans l’organisation de la paie.