Internal Audit and Artificial Intelligence: A Narrative Review of Governance Conditions for Audit Effectiveness

Artificial intelligence (AI) is reshaping organizational governance and, within it, the internal audit function. Research on AI in auditing has focused largely on external audit, on specific technologies or on ethical principles, and few contributions connect the theoretical foundations of governance and internal audit with the governance challenges that AI introduces. This paper therefore asks how AI is transforming internal audit and which governance conditions are required for this transformation to strengthen, rather than undermine, audit effectiveness, understood as analytical coverage, detection capacity, independence and quality of reporting. Based on a narrative and integrative review of 66 sources published between 1932 and 2026, and drawing on agency, contingency, neo-institutional, stakeholder and sociomaterial perspectives, the paper distinguishes data analytics, automation and AI in the strict sense, weighs the benefits of AI against its costs and limits, and develops a conceptual framework linking AI capabilities, AI governance mechanisms, the auditor's role and audit effectiveness, from which five theoretical propositions are derived. The review suggests that AI may enhance audit efficiency, broaden analytical coverage and strengthen fraud and anomaly detection, while simultaneously introducing governance risks related to algorithmic opacity, data quality, automation bias, accountability and auditor independence. The paper contributes by treating AI both as an audit tool and as an audit object, and by differentiating the managerial and regulatory implications for internal audit leaders, audit committees, senior management and regulators. It outlines precise research questions, hypotheses and designs for future empirical work, particularly in resource-constrained and public-sector contexts such as Moroccan public establishments. Résumé : L'intelligence artificielle (IA) transforme la gouvernance organisationnelle et, avec elle, la fonction d'audit interne. La recherche sur l'IA en audit s'est surtout concentrée sur l'audit externe, sur des technologies prises isolément ou sur des principes éthiques, et peu de travaux relient les fondements théoriques de la gouvernance et de l'audit interne aux défis de gouvernance que l'IA introduit. Cet article interroge donc la manière dont l'IA transforme l'audit interne et les conditions de gouvernance requises pour que cette transformation renforce, plutôt que fragilise, l'efficacité de l'audit, entendue comme la couverture analytique, la capacité de détection, l'indépendance et la qualité des rapports. Fondé sur une revue narrative et intégrative de 66 sources publiées entre 1932 et 2026, et mobilisant les perspectives de l'agence, de la contingence, néo-institutionnelle, des parties prenantes et de la sociomatérialité, l'article distingue l'analyse de données, l'automatisation et l'IA au sens strict, met en balance les bénéfices de l'IA et ses coûts et limites, et construit un cadre conceptuel reliant les capacités de l'IA, les mécanismes de gouvernance de l'IA, le rôle de l'auditeur et l'efficacité de l'audit, dont sont dérivées cinq propositions théoriques. La revue suggère que l'IA pourrait améliorer l'efficacité de l'audit, élargir la couverture analytique et renforcer la détection des fraudes et des anomalies, tout en introduisant des risques de gouvernance liés à l'opacité algorithmique, à la qualité des données, au biais d'automatisation, à la responsabilité et à l'indépendance de l'auditeur. L'article contribue en traitant l'IA à la fois comme outil et comme objet d'audit, et en différenciant les implications pour les responsables de l'audit interne, les comités d'audit, la direction générale et les régulateurs. Il formule des questions et des dispositifs de recherche précis pour de futurs travaux empiriques, en particulier dans les contextes contraints en ressources et dans le secteur public, tels que les établissements publics marocains.