Intelligence Artificielle et Audit Continu : Analyse Bibliométrique des Innovations (2010-2024) via la base de données Scopus

Abstract

Cette étude propose une revue bibliométrique des recherches portant sur l’intelligence artificielle (IA) appliquée à l’audit continu et au traitement des données en temps réel. À partir d’un corpus de publications indexées dans Scopus sur la période 2010–2024, l’analyse cartographie l’évolution du champ scientifique, identifie les clusters thématiques dominants et examine les dynamiques de collaboration internationale. Les résultats révèlent une croissance exponentielle des travaux depuis 2018, une structuration autour de l’automatisation intelligente, de la détection de fraude et de l’analytique de données massives, ainsi qu’un fort ancrage interdisciplinaire entre comptabilité, systèmes d’information et IA. L'étude identifie les méthodologies computationnelles clés, les réseaux de collaboration internationale couvrant l'Amérique du Nord, l'Europe et l'Asie, ainsi que les tendances émergentes dans les applications d'apprentissage profond. Les conclusions indiquent une maturation du domaine, passant de la conception d'algorithmes à l'implémentation de systèmes, avec des lacunes significatives dans l'adoption par les PME et la gouvernance éthique de l'IA. Cette cartographie bibliométrique fournit des perspectives fondamentales pour les chercheurs développant des systèmes d'audit intelligents. Ce travail comble un vide théorique majeur en offrant la première synthèse bibliométrique intégrée reliant l’automatisation intelligente, l’audit continu et la détection de fraude en temps réel sur la période 2010-2024. Mots- clés : Intelligence Artificielle, Audit Continu, Analyse De Données En Temps Réel, Revue Bibliométrique, Big Data analytics.