Le directeur financier et des opérations affirme que le véritable projet d’IA concerne les données propres, et non l’automatisation sophistiquée
Dave Leaver explique pourquoi des données propres constituent le fondement de l’IA dans la finance et comment l’automatisation peut permettre aux directeurs financiers de se concentrer sur le jugement, la stratégie et la prise de décision.
Dave Leaver
Directeur financier et des opérations de Mention Me
Key Takeaways
Clôture accélérée: L’IA a réduit la clôture mensuelle de dix jours à trois, tout en améliorant la précision et la pertinence des rapports destinés au conseil d’administration.
Rôles clairs: L’IA prend en charge les calculs, l’assemblage et la détection des tendances ; les humains restent responsables des hypothèses, des risques, de l’allocation du capital et des recommandations.
Les données d’abord: Des données fiables et connectées sont plus importantes que des modèles sophistiqués, car de mauvaises fondations produisent des résultats soignés auxquels les dirigeants ne peuvent pas faire confiance.
Recrutement dynamique: La planification des effectifs fondée sur les facteurs clés relie les déclencheurs de recrutement aux revenus, à la durée de financement disponible et à la trésorerie, ce qui permet de prendre plus rapidement des décisions de recrutement fondées sur des données probantes.
Adoption pragmatique: Les directeurs financiers devraient dès maintenant tester l’IA sur des tâches financières réelles plutôt que d’attendre les évaluations des outils ou des produits parfaits.
Dave Leaver est le directeur financier et opérationnel de Mention Me, une entreprise B2B SaaS de série B spécialisée dans la recommandation et la défense de marque.
Nous nous sommes entretenus avec Dave pour comprendre dans quels domaines l’IA offre le plus grand levier dans les processus financiers. Voici ce qu’il nous a dit.
Les directeurs financiers doivent pouvoir définir la direction — et pas seulement en rendre compte
Je m’appelle Dave. Je suis directeur financier et opérationnel chez Mention Me, une entreprise B2B SaaS basée à Londres. Je suis également cofondateur de HP-1, une marque DTC pilotée par ses créateurs que je construis de toutes pièces.
Vous voulez plus de The CFO Club ?
Créez un compte gratuit pour terminer la lecture de cet article et rejoindre une communauté de CFO et de cadres financiers modernes qui accèdent à des cadres éprouvés, des outils et des analyses pour naviguer dans la finance guidée par l’IA.
Mon parcours n’a rien eu de conventionnel. J’ai commencé en visant une carrière dans le sport professionnel. Lorsque cela ne s’est pas concrétisé, j’ai suivi une formation de comptable — puis je suis parti à Sydney pour profiter du soleil.
Plus de vingt ans plus tard, j’ai travaillé dans le conseil chez KPMG, dans les biens de grande consommation et au sein d’entreprises cotées à l’ASX, dirigé les finances de célébrités et acquis une solide expérience dans des startups technologiques financées par du capital-risque et du capital-investissement, des deux côtés du globe. J’ai créé des fonctions financières à partir de zéro, développé des entreprises sur plusieurs continents et pris en charge des comptes de résultat se chiffrant en centaines de millions.
Mais je n’ai jamais correspondu au stéréotype du comptable austère. J’aime la simplicité, et je pense que le travail doit être orienté vers l’impact. Si une tâche ne fait pas avancer les choses, je la supprime.
Cette façon de penser m’a mis en porte-à-faux avec le fonctionnement traditionnel de la finance. Rigoureuse, précise et toujours un pas derrière l’entreprise — les chiffres sont donc justes, mais au moment où l’analyse arrive, les décisions sont déjà prises.
Alors, lorsque l’IA est apparue, je l’ai adoptée — non pas comme une tendance à suivre, mais comme un moyen d’éliminer le travail manuel. Je consacre moins de temps à rendre compte des chiffres et davantage à comprendre ce qu’ils signifient et la direction que l’entreprise devrait prendre ensuite. Les mêmes systèmes que j’utilise pour diriger mes propres entreprises me fournissent des chiffres en temps réel, des dossiers pour le conseil d’administration qui racontent une histoire plutôt que de se contenter d’en faire le compte rendu, ainsi qu’une fonction financière allégée qui peut évoluer sans augmenter les effectifs.
Je pense qu’un directeur financier doit pouvoir définir la direction, et pas seulement en rendre compte après coup.
Mention Me est une entreprise B2B SaaS de série B spécialisée dans la recommandation et la défense de marque, dont le siège se trouve à Londres et qui bénéficie du soutien d’Octopus Ventures et d’Eight Roads. Nous vendons nos solutions à des marques au Royaume-Uni, en Europe et au-delà.
Mon périmètre dépasse largement la finance. Il englobe la finance, les ressources humaines et les collaborateurs, la stratégie et les opérations — je suis donc aussi proche de notre manière de recruter et de nous organiser que des chiffres.
La structure est volontairement réduite. Une petite équipe interne gère l’essentiel, tandis qu’une fonction externalisée prend en charge le travail transactionnel. La fonction repose sur l’IA. Nous avons automatisé le reporting, les pipelines de données et la première analyse — des tâches qui nécessitaient auparavant davantage de personnel. Cela permet à l’équipe de consacrer son temps au jugement plutôt qu’à la production.
J’ai adopté la même approche pour mon propre rôle. J’ai créé un « chef de cabinet » doté d’IA qui m’aide à gérer le quotidien : il trie ma boîte de réception, signale les messages nécessitant une réponse, relève les actions à entreprendre lors des réunions et rassemble le tout dans un briefing matinal afin que je commence chaque journée en sachant exactement où me concentrer.
Les domaines où l’IA excelle et ceux où l’humain est indispensable
L’IA s’occupe de la production, les humains du jugement — pour l’essentiel.
Du côté de l’IA se trouve tout ce qui implique des tendances, des calculs ou de l’assemblage. Cela comprend les calculs liés aux prévisions, la construction du modèle, la mise à jour des données réelles et l’ajustement des scénarios. Pour l’analyse des écarts, l’IA excelle à repérer les évolutions et à en identifier la source. Elle prend également en charge la modélisation des flux de trésorerie, les aspects techniques du dossier destiné au conseil d’administration et les premiers commentaires. Il s’agit essentiellement du travail qui occupait autrefois toute la semaine. L’IA est plus rapide que moi, elle ne se fatigue pas et ne commet pas d’erreurs arithmétiques à 21 heures.
Les humains prennent explicitement en charge tout ce qui comporte des conséquences ou nécessite un contexte dont la machine ne dispose pas. L’allocation du capital — décider où ira la prochaine livre — relève d’un choix de jugement concernant la stratégie et l’appétence au risque, pas d’un calcul.
Il en va de même pour les hypothèses qui sous-tendent toute prévision : l’IA peut exécuter le modèle, mais déterminer si nous conclurons réellement cette affaire ou si nous maintiendrons ce prix relève d’une décision humaine, et le résultat n’est jamais meilleur que le jugement qui la sous-tend. L’évaluation des risques, tout ce qui concerne les personnes et tout ce que je présente au conseil d’administration en y apposant mon nom — tout cela relève de ma responsabilité.
La raison de cette distinction est simple. L’IA est remarquable pour vous dire « quoi » et « où ». Elle est bien moins performante pour répondre au « pourquoi », et elle n’a aucun intérêt en jeu lorsqu’il s’agit de déterminer « alors, qu’allons-nous faire ? »
L’analyse des écarts en est l’exemple le plus clair : l’IA me dit en quelques secondes que le chiffre a évolué et m’indique le facteur à l’origine de ce changement. Ce que nous faisons ensuite — c’est la partie pour laquelle je suis rémunéré.
Comment réduire la clôture mensuelle de 10 jours à 3 jours
L’IA gère la production de bout en bout, jusqu’au point où les conséquences commencent. C’est là que j’interviens.
J’ai récemment réduit le temps nécessaire à la clôture mensuelle, qui est passé de dix jours à trois.
Avant, je devais extraire les chiffres, les rapprocher, préparer les diapositives, rédiger les commentaires et refaire les graphiques — la plupart de ces tâches étant effectuées manuellement, par une ou deux personnes qui en assuraient la majeure partie. Au moment où le dossier destiné au conseil d’administration était distribué, il décrivait une situation vieille de plusieurs semaines.
J’ai automatisé la production et laissé les décisions aux humains. Nous clôturons désormais en trois jours — dossier destiné au conseil d’administration et prévisions mises à jour compris.
Voici le processus, du grand livre brut au dossier prêt pour le conseil d’administration.
Le processus commence par les données. Au lieu d’exporter les chiffres et de les coller dans une feuille de calcul, la plateforme extrait les données en temps réel des systèmes sources — le grand livre, la paie, le pipeline commercial et les indicateurs d’abonnement — pour les réunir dans un modèle connecté unique. Cette seule étape élimine la majeure partie du travail manuel et des erreurs de copier-coller.
Elle structure et vérifie les données : elle standardise les chiffres, signale automatiquement les problèmes de rapprochement et met à jour les prévisions à partir des données réelles au cours de la même opération, garantissant ainsi que la vision prospective ne prend jamais de retard sur les données publiées.
Elle génère les résultats. Les graphiques et le dossier destiné au conseil d’administration sont assemblés à partir de cette source unique, et l’IA rédige un premier commentaire sur les évolutions observées, de sorte que je commence avec un brouillon plutôt qu’avec une page blanche.
L’humain prend le relais — c’est la partie qui compte. Je mets le récit à l’épreuve et décide de ce que le conseil doit entendre : ce qui n’est qu’un soubresaut, ce qui est structurel et la décision que je recommande. La machine fournit un brouillon solide en quelques heures ; le jugement sur sa signification reste le mien.
L’IA gère la production de bout en bout, jusqu’au point où les conséquences commencent. C’est là que j’interviens.
La rapidité et la qualité se sont améliorées simultanément. Le dossier reflète la situation actuelle de l’entreprise, et non celle d’il y a trois semaines. Comme je ne passe plus mon temps à mettre les chiffres en forme, je peux me consacrer à structurer le récit, à comprendre ce qui entraîne les évolutions et à déterminer quelles décisions présenter au conseil d’administration. En bref, nous avons cessé de présenter les chiffres pour commencer à les expliquer.
Les avantages et les inconvénients de l’IA dans la finance
Les bons résultats sont mesurables. Au-delà de l’amélioration de la clôture mensuelle, la planification de scénarios ne prend désormais plus que quelques minutes au lieu d’un ou deux jours. Et l’automatisation du travail de production a permis d’économiser plus de six chiffres sur les coûts de personnel financier dont la fonction aurait autrement eu besoin — une économie qui finance tout le reste.
Un avantage qualitatif moins évident est le temps que j’ai gagné. Les heures que je consacrais auparavant à rassembler les chiffres sont désormais dédiées à leur interprétation, ce qui rend les discussions avec le conseil plus précises et transforme la fonction, qui n’est plus une fonction de reporting mais une fonction de prise de décision.
Mais il existe aussi un véritable inconvénient. L’IA se trompe parfois avec aplomb. Elle fournit des réponses à l’apparence soignée, mais subtilement erronées — une hypothèse mal interprétée, un chiffre qui ne concorde pas. Sa fluidité la rend facile à croire sans vérification.
Demandez-lui des conseils de vie et vous observerez la même chose sous une forme plus divertissante : extrêmement sûre d’elle, elle est généralement d’accord avec vous et raconte souvent n’importe quoi.
Dans le domaine financier, l’erreur est simplement plus difficile à repérer. Au début, cela m’a joué des tours plus d’une fois. J’ai dû instaurer au sein de l’équipe la discipline consistant à considérer les résultats de l’IA comme un premier brouillon, et jamais comme une réponse définitive. Un humain vérifie toujours chaque chiffre présenté au conseil d’administration.
Pourquoi les directeurs financiers doivent préparer le terrain avant d’intégrer l’IA
Dave partage
La base de données est le projet, et non une étape préparatoire… La magie n’opère qu’une fois les tâches préparatoires, certes peu passionnantes, réalisées.
La base de données est le projet, et non une étape préparatoire.
Quand j’ai commencé, je pensais que le travail difficile et à forte valeur ajoutée, c’était l’IA : les modèles, l’automatisation, les résultats ingénieux. Je considérais le nettoyage et la connexion des données comme une simple préparation avant le véritable développement. C’était exactement l’inverse.
Les fondations constituaient le développement. La plupart des efforts, et une grande partie de ce qui déterminait si le projet fonctionnait réellement, se trouvaient dans la couche peu reluisante : des données propres, une structure cohérente et des connexions fiables aux systèmes sources.
Par conséquent, j’ai consacré mes premiers efforts à construire des fonctionnalités ingénieuses sur des données qui n’étaient pas prêtes, et j’ai obtenu des résultats soignés auxquels je ne pouvais pas entièrement faire confiance. Cela m’a obligé à revenir en arrière et à effectuer malgré tout le travail fondamental, après coup. Si je l’avais su, j’aurais procédé dans l’autre sens : régler d’abord la plomberie, puis ajouter l’intelligence par-dessus. Même destination, deux fois moins de mouvements inutiles.
La magie n’opère qu’une fois le travail de fond, peu enthousiasmant, terminé.
Comment les CFO peuvent améliorer la planification des effectifs grâce à l’IA
Dans la plupart des entreprises, et certainement dans les entreprises SaaS, où le personnel représente de loin le coût le plus important, la planification des effectifs reste un instrument rudimentaire. Ces entreprises utilisent un tableur répertoriant les postes, un plan de recrutement défini au moment du budget et un chiffre que tout le monde considère comme fixe jusqu’à ce qu’un événement impose de revoir la situation. C’est étrange, car il s’agit du principal levier contrôlé par un CFO, alors qu’il est souvent modélisé de la manière la moins dynamique qui soit.
J’ai repensé notre approche de la planification des effectifs, en passant d’une liste statique à un modèle fondé sur les facteurs déterminants et relié au reste du plan. Plutôt que « nous recruterons douze personnes cette année », il s’agit de dire « ce poste est déclenché par ce volume de ventes potentielles, celui-ci par ce seuil de revenus… », afin que les recrutements soient liés aux éléments qui les justifient.
Comme ce modèle s’intègre au modèle connecté, je peux le modifier en temps réel : ajouter un recrutement, changer le calendrier et voir immédiatement les effets se répercuter sur le compte de résultat, la trésorerie et la durée de vie financière.
Par conséquent, les effectifs ont cessé d’être une estimation annuelle pour devenir une décision en temps réel. Lorsqu’on me demande : « Pouvons-nous nous permettre ce recrutement ? », je peux répondre pendant la réunion, non pas au ressenti, mais en montrant son impact sur la durée de vie financière et le calendrier. Cela transforme l’une des conversations les plus lourdes de conséquences et les plus émotionnelles de l’entreprise en une discussion fondée sur les chiffres, sur-le-champ.
Pourquoi Claude est un outil indispensable pour les CFO
Claude est sans hésitation mon outil de prédilection. Ce n’est pas un outil financier à usage unique, et c’est précisément pour cela que je l’apprécie : il prend en charge tout ce que les autres outils ne peuvent pas gérer avec souplesse.
Honnêtement, j’attendais davantage des outils financiers prêts à l’emploi qui ont ajouté l’« IA » à un produit existant. La plupart ne sont que des fenêtres de discussion posées sur les mêmes logiciels, et ils ne changent pas réellement la manière dont le travail est effectué. Ils accomplissent correctement une seule tâche — quand ils y parviennent.
Mais Claude peut tout faire. Il construit les modèles, rédige les commentaires destinés au conseil d’administration, interroge les données, écrit les analyses et joue le rôle de partenaire de réflexion avec lequel je confronte mes décisions. Il prend en charge la grande diversité des tâches qui remplissent ma semaine et s’adapte à tout ce que je peux lui confier ensuite.
Voici mon conseil : la plus grande erreur que je vois est celle des CFO qui considèrent l’IA comme une décision d’achat — une évaluation, un projet pilote et un déploiement sur douze mois. N’attendez pas l’outil parfait. Surtout, faites correctement le travail peu enthousiasmant. Et gardez votre jugement au centre des décisions. L’IA change la manière dont le travail est produit, pas la personne qui en est responsable…
La plus grande erreur que je vois est que les directeurs financiers traitent l'IA comme une décision d'achat — une évaluation, un projet pilote et un déploiement sur douze mois. J'ai moi-même commis cette erreur. Lorsque ce processus est terminé, les outils ont déjà changé deux fois. Utilisez-la plutôt vous-même, dans le cadre de votre travail réel, cette semaine. Vous apprendrez davantage sur les domaines où elle est utile et ceux où elle vous induit en erreur après quinze jours d'utilisation pratique qu'à l'issue d'une démonstration par un fournisseur.
N'attendez pas l'outil parfait. Le marché des solutions prêtes à l'emploi propose encore principalement une boîte de dialogue greffée à d'anciens logiciels. Vous pouvez créer davantage que vous ne le pensez ; l'obstacle à la création de vos propres solutions a pratiquement disparu. Les directeurs financiers qui prendront de l'avance considéreront cela comme une capacité à développer plutôt que comme un service à acheter.
Plus important encore, faites bien les choses sur la partie ingrate. Des données propres et des processus solides ne sont pas seulement un préalable peu enthousiasmant à l'IA ; ils constituent l'essentiel du travail. Une IA appliquée à des données désordonnées produit simplement plus rapidement des absurdités énoncées avec assurance. Commencez par remettre les fondations en ordre.
Et gardez votre discernement au centre. L'IA change la manière dont le travail est produit, et non la personne qui en est responsable. La compétence qui compte plus que jamais n'est pas de produire l'analyse, mais de savoir si elle est juste et quoi en faire. C'est toujours le travail à accomplir. Cela l'a toujours été.
À suivre
Vous pouvez suivre le travail de Dave Leaver sur LinkedIn.
D'autres entretiens avec des experts arriveront bientôt sur The CFO Club !
