Le CFOO affirme que le véritable projet d’IA consiste à disposer de données propres, et non d’une automatisation ingénieuse

Dave Leaver est le CFOO de Mention Me, une société SaaS B2B de série B spécialisée dans la recommandation et la défense de marque.

Nous nous sommes entretenus avec Dave pour savoir où l'IA offre le plus grand potentiel d'amélioration dans les flux de travail financiers. Voici ce qu'il nous a dit.

Les CFO doivent pouvoir définir la direction — et pas seulement en rendre compte

Je m'appelle Dave. Je suis CFOO chez Mention Me, une société SaaS B2B basée à Londres. Je suis également cofondateur de HP-1, une marque DTC créée par un créateur que je développe depuis ses débuts.

Mon parcours n'a rien de conventionnel. J'ai commencé en poursuivant une carrière dans le sport professionnel. Lorsque cela ne s'est pas concrétisé, je me suis formé à la comptabilité — 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 de sociétés cotées à l'ASX, dirigé les finances de célébrités et acquis une solide expérience dans des start-up technologiques soutenues par des fonds de capital-risque et de capital-investissement, des deux côtés du globe. J'ai créé des fonctions financières à partir de zéro, développé des entreprises sur plusieurs continents et géré des comptes de résultat atteignant plusieurs 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 axé sur l'impact. Si une tâche ne permet pas de faire avancer les choses, je la supprime.

Cette intuition m'a souvent opposé au fonctionnement traditionnel des services financiers. Ils sont rigoureux, précis et en décalage avec l'entreprise — les chiffres sont donc justes, mais lorsque l'analyse arrive, les décisions sont déjà prises.

Ainsi, 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. Les mêmes systèmes que j'utilise pour gérer mes propres entreprises me fournissent des chiffres en temps réel, des dossiers pour le conseil d'administration qui racontent une histoire au lieu de se contenter de présenter un rapport, ainsi qu'une fonction financière allégée qui peut évoluer sans augmenter les effectifs.

Je pense qu'un CFO doit pouvoir définir la direction, et pas seulement en rendre compte a posteriori.

Une équipe allégée propulsée par l'IA

Mention Me est une société SaaS B2B 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 services à des marques au Royaume-Uni, en Europe et au-delà.

Mon périmètre dépasse largement la finance. Il couvre la finance, les ressources humaines et les collaborateurs, la stratégie et les opérations — je suis donc aussi proche de nos pratiques de recrutement et d'organisation que des chiffres.

La structure est volontairement allégée. Une petite équipe interne gère l'essentiel, tandis qu'une fonction externalisée prend en charge les opérations transactionnelles. La fonction repose sur l'IA. Nous avons automatisé les rapports, les flux de données et la première analyse — des tâches qui nécessitaient auparavant davantage de personnel. L'équipe peut ainsi 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 » basé sur l'IA qui m'aide à gérer le quotidien : il trie ma boîte de réception, signale les messages qui nécessitent une réponse, relève les actions à entreprendre à l'issue des réunions et rassemble le tout dans un briefing matinal, afin que je commence chaque journée en sachant exactement où porter mon attention.

Quand l'IA excelle et quand l'intervention humaine est nécessaire

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 gère également la modélisation des flux de trésorerie, la structure du dossier du conseil d'administration et les commentaires de première passe. En substance, il s'agit 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 entraîne des conséquences ou nécessite un contexte qui échappe à la machine. L'allocation du capital — décider où ira la prochaine livre — relève d'un choix de jugement concernant la stratégie et l'appétence au risque, et non d'un calcul.

Il en va de même pour les hypothèses qui sous-tendent toute prévision : l'IA peut exécuter le modèle, mais décider si nous conclurons réellement cette affaire ou si nous maintiendrons ce prix relève de l'humain, et le résultat n'est jamais meilleur que le jugement qui le 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 — c'est ma responsabilité.

La raison de cette distinction est simple. L'IA est brillante pour vous dire « quoi » et « où ». Elle est beaucoup moins efficace pour expliquer « pourquoi » et ne prend aucun risque lorsqu'il s'agit de répondre à la question « alors, qu'allons-nous faire ? »

L'analyse des écarts en est l'exemple le plus évident : 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 pour cette partie que je suis rémunéré.

Comment réduire la clôture mensuelle de 10 jours à 3 jours

J’ai récemment réduit le temps nécessaire à la clôture de fin de mois, qui est passé de dix jours à trois.

Avant, je devais extraire les chiffres, les rapprocher, préparer les diapositives, rédiger les commentaires et reconstruire les graphiques — la plupart du temps manuellement, avec une ou deux personnes qui prenaient en charge la majorité du travail. Lorsque le dossier du conseil arrivait enfin, il décrivait une situation vieille de plusieurs semaines.

J’ai automatisé la production et laissé aux humains le soin d’exercer leur jugement. Nous clôturons désormais en trois jours — dossier du conseil et prévisions mises à jour compris.

Voici le processus, du grand livre brut au dossier prêt pour le conseil.

1. 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 intégrer dans un modèle connecté unique. Cette seule étape élimine la majeure partie du travail manuel et des erreurs de copier-coller.
2. 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 soit jamais en retard sur les résultats publiés.
3. Elle produit les livrables. Les graphiques et le dossier du conseil sont assemblés à partir de cette source unique, et l’IA rédige une première version des commentaires sur les évolutions, de sorte que je commence avec un brouillon plutôt qu’avec une page blanche.
4. 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 en quelques heures un brouillon solide ; le jugement sur sa signification reste le mien.

L’IA gère la production de bout en bout, jusqu’au moment 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 explique les évolutions et à déterminer quelles décisions présenter au conseil. 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 de fin de mois, la planification de scénarios ne prend désormais 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 consacrées à leur interprétation, ce qui rend les échanges avec le conseil plus pertinents et transforme la fonction, qui ne se limite plus au reporting, en une fonction d’aide à la décision.

Mais il existe aussi un véritable inconvénient. L’IA se trompe parfois avec aplomb. Elle fournit des réponses qui semblent parfaitement abouties, mais qui sont subtilement erronées — une hypothèse mal comprise, un chiffre qui ne concorde pas. Son aisance d’expression donne facilement envie de lui faire confiance sans vérifier.

Demandez-lui des conseils sur la vie, et vous verrez la même chose sous une forme plus divertissante : extrêmement sûre d’elle, elle est généralement d’accord avec vous, et ses réponses sont souvent totalement absurdes.

Dans le domaine financier, c’est simplement plus difficile à repérer. Au début, je me suis fait piéger à plusieurs reprises. J’ai dû instaurer et faire adopter par l’équipe la discipline consistant à considérer les résultats de l’IA comme une première version, jamais comme une réponse définitive. Un humain vérifie toujours chaque chiffre présenté au conseil.

Pourquoi les CFO doivent préparer le terrain avant d’intégrer l’IA

Dave partage

La base de données constitue le projet, et non sa phase préparatoire… La magie n’opère qu’une fois le travail préparatoire, peu enthousiasmant, terminé.

La base de données constitue le projet, et non sa phase 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 rapide avant le véritable développement. C'était exactement l'inverse.

Les fondations constituaient le développement. La majeure partie des efforts, et l'essentiel de ce qui déterminait si le système fonctionnerait réellement, résidait dans la couche peu prestigieuse : des données propres, une structure cohérente et des connexions fiables aux systèmes sources.

En conséquence, j'ai consacré mes premiers efforts à construire de l'ingéniosité sur des données qui n'étaient pas prêtes, et j'ai obtenu des résultats soignés auxquels je ne pouvais pas entièrement faire confiance. Cela signifiait qu'il fallait revenir en arrière et 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 superposer l'intelligence. Même destination, deux fois moins de mouvements inutiles.

La magie n'opère qu'une fois le travail de fond, peu passionnant, 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 recensant les postes, un plan de recrutement défini au moment du budget et un chiffre que tout le monde considère comme fixe jusqu'à ce que quelque chose impose de le revoir. C'est étrange, car il s'agit du levier le plus important dont dispose un CFO, alors qu'il est souvent modélisé de la manière la moins dynamique.

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 connecté au reste du plan. Plutôt que de dire « nous recruterons douze personnes cette année », nous disons « ce poste est déclenché par un tel niveau de ventes potentielles, celui-ci par ce seuil de chiffre d'affaires... » : le recrutement est ainsi relié aux éléments qui le justifient.

Comme il se trouve dans le modèle connecté, je peux le modifier en temps réel : ajouter un recrutement, changer le calendrier et voir immédiatement l'effet se répercuter dans le compte de résultat, la trésorerie et la marge de manœuvre financière.

En conséquence, les effectifs ont cessé d'être une estimation annuelle pour devenir une décision en temps réel. Quand quelqu'un demande : « Pouvons-nous nous permettre ce recrutement ? », je peux répondre pendant la réunion, non pas au feeling, mais en montrant son impact sur la marge de manœuvre financière et le calendrier. Cela transforme l'une des conversations les plus lourdes de conséquences et les plus chargées d'émotion de l'entreprise en une discussion fondée sur les chiffres, sur-le-champ.

Pourquoi Claude est un outil indispensable pour les CFO

Claude est mon outil de prédilection, sans la moindre hésitation. Ce n'est pas un outil financier spécialisé, et c'est précisément pour cela que je l'apprécie : il prend en charge tout ce que les autres outils ne peuvent pas adapter.

Honnêtement, j'attendais davantage des outils financiers prêts à l'emploi qui ont ajouté de « l'IA » à un produit existant. La plupart ne sont que des fenêtres de discussion superposées au même logiciel, et ils ne modifient pas vraiment la manière dont le travail est effectué. Ils accomplissent correctement une seule tâche — quand c'est le cas.

Mais Claude sait tout faire. Il construit les modèles, rédige les commentaires destinés au conseil d'administration, interroge les données, écrit les analyses et agit comme le 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 lui confie ensuite.

La plus grande erreur que commettent les CFO avec l'IA

Voici mon conseil :

1. 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 s'achève, les outils ont déjà changé deux fois. Utilisez plutôt l'IA vous-même, sur du travail réel, dès cette semaine. Vous apprendrez davantage sur les domaines où elle est utile et ceux où elle vous induit en erreur en deux semaines d'utilisation pratique qu'avec n'importe quelle démonstration d'un fournisseur.
2. N'attendez pas l'outil parfait. Le marché des solutions prêtes à l'emploi propose encore principalement une boîte de dialogue greffée sur d'anciens logiciels. Vous pouvez créer davantage que vous ne le pensez ; l'obstacle à la création de vos propres solutions s'est effondré. Les directeurs financiers qui prendront de l'avance considéreront cela comme une compétence à développer plutôt que comme un service à acheter.
3. Mais surtout, occupez-vous correctement de l'aspect rébarbatif. Des données propres et des processus solides ne sont pas seulement un préalable peu séduisant à l'IA ; ils sont l'essentiel. L'IA appliquée à des données désordonnées ne fait que produire plus rapidement des absurdités formulées avec assurance. Corrigez d'abord les fondations.
4. Et gardez votre jugement au centre. L'IA modifie 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 — c'est de savoir si elle est correcte et quoi en faire. C'est toujours votre travail. Cela l'a toujours été.

Suivez-nous

Vous pouvez suivre le travail de Dave Leaver sur LinkedIn.

D'autres entretiens avec des experts seront bientôt publiés sur The CFO Club !