Par où les directeurs financiers devraient commencer avec l’IA — et ce qu’ils devraient éviter
Mitch Petracca explique pourquoi les directeurs financiers devraient commencer par appliquer l’IA à des processus financiers répétables, automatiser les tâches de confirmation et laisser le jugement ainsi que la responsabilité aux humains.
Mitch Petracca
Fondateur de Finsider.ai
Commencer petit: Une adoption réussie de l’IA commence par un processus mesurable, en démontre la valeur, puis s’étend à l’ensemble des opérations financières.
Jugement humain: L’IA devrait gérer les confirmations et la détection de tendances, tandis que les professionnels de la finance conservent la responsabilité des conclusions, des recommandations et de la responsabilité juridique.
Qualité des données: Des données financières mal tenues limitent la fiabilité de l’IA, ce qui rend leur nettoyage essentiel avant d’investir dans des outils sophistiqués.
Finance en temps réel: La comptabilité continue remplace les instantanés obsolètes de fin de mois par des rapprochements à jour, une détection plus rapide des anomalies et des décisions de direction prises en temps opportun.
Résultats démontrés: Forward Firm a réduit de 40 % le temps consacré aux missions tout en étendant l’examen des transactions d’un échantillonnage à une couverture complète du grand livre.
Après avoir occupé divers postes de direction financière, Mitch Petracca a fondé Forward Firm, un service de CPA et de conseil à distance. Puis, lorsque l’IA a supprimé les limites de ses flux de travail, il a créé Finsider.ai pour soutenir son modèle opérationnel.
Nous avons échangé avec Mitch au sujet de la manière dont l’IA transforme le travail des professionnels de la finance. Il nous a expliqué par où commencer et dans quels domaines la prudence est de mise.
Quand la transformation par l’IA s’est déclenchée
Je m’appelle Mitch Petracca. Je suis CPA, associé directeur chez Forward Firm et, depuis peu, fondateur de Finsider.ai.
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.
Have an account? Log In
En résumé, j’ai commencé ma carrière chez PwC et j’ai rapidement constaté le temps que même les équipes d’élite consacraient à mettre les données en ordre avant de pouvoir formuler des recommandations. Nettoyer les données, les rapprocher, reconstruire les mêmes analyses à partir de zéro, pour chaque mission. La technologie ne pouvait pas résoudre ce problème à l’époque ; c’était simplement le prix à payer pour faire des affaires.
Lorsque je suis parti et que j’ai créé Forward Firm, je voulais diriger un autre type de cabinet. Prioritairement à distance, agile et entièrement fondé sur l’effet de levier. Nous fournissons des services de conseil en transactions, de fiscalité et de tenue de livres, ainsi qu’environ 50 missions d’analyse de la qualité des bénéfices par an. Nous y parvenons sans les effectifs dont un cabinet traditionnel aurait besoin, en systématisant tout de manière intensive.
Mais après environ trois ans, je me suis heurté sans cesse au même obstacle : les outils du marché n’étaient pas conçus pour des praticiens comme nous. Ils étaient destinés aux équipes FP&A internes. J’ai donc créé l’outil que j’aurais aimé avoir. C’est ainsi qu’est né Finsider, une plateforme d’intelligence financière alimentée par l’IA, conçue pour transformer les données désordonnées des clients en un dossier de données prêt pour le conseil, en une fraction du temps.
C’est à ce moment-là que la transformation par l’IA s’est déclenchée pour moi. Ce n’était pas abstrait. Elle est née de l’observation d’heures qui disparaissaient dans des tâches qu’un système bien conçu pouvait effectuer en quelques minutes.
Comment commencer avec l’IA
L’IA est un multiplicateur de force, et non une stratégie de transformation en soi. Elle rend plus rapides, plus complets et plus cohérents les éléments dont vous disposez déjà. Si vos processus sont bien conçus, l’IA amplifie les résultats. Si vos processus sont défaillants, l’IA accélère la production de résultats défaillants et en augmente le volume.
La première question qu’un CFO devrait donc se poser ne devrait pas être de savoir quel outil d’IA utiliser. Elle devrait être : « Qu’est-ce que j’essaie exactement de faire plus vite et mieux, et est-ce que cette chose mérite d’être faite plus vite et mieux ? » Un CFO qui automatise un processus de reporting que personne ne lit ne transforme pas la fonction finance. Il automatise du bruit.
C’est important, car la plupart des initiatives d’IA dans la finance échouent non pas parce que la technologie est inadéquate, mais parce que le problème a été mal défini. La technologie a fonctionné exactement comme prévu. Elle a simplement optimisé la mauvaise chose. Avant de commencer, définissez ce que signifie « mieux » au moyen d’un indicateur : durée du cycle, couverture des transactions, nombre d’employés par mission, nombre de jours nécessaires à la clôture. Si vous ne pouvez pas nommer l’indicateur que vous cherchez à faire évoluer, vous n’avez pas encore d’initiative. Vous avez un outil à la recherche d’un problème.
Une fois cet objectif défini, commencez par un seul flux de travail, validez-le complètement, puis élargissez. Lorsque vous percevez le potentiel, la tentation est de tout construire dès le premier jour. Cela compromet votre préparation à la mise en production, car tout prend plus de temps lorsque vous construisez sur une surface trop vaste à la fois. Choisissez quelque chose qui présente une réponse clairement correcte, un coût en temps mesurable et un résultat probant évident. Mettez-le en production, utilisez-le au quotidien, puis passez au flux de travail suivant.
Je ne l’ai pas fait, et le prix à payer a été la confiance.
Pourquoi les dirigeants financiers devraient automatiser 80 % et conserver 20 % d’intervention humaine
Pour ce qui est de déterminer ce que les humains et l’IA doivent faire, je vois cela comme une pyramide. Les tâches de vérification constituent la base, l’analyse forme le milieu et le jugement occupe le sommet. L’IA prend en charge la base et soutient le milieu, mais elle n’intervient pas au sommet.
L’IA s’occupe donc de la classification des transactions, du rapprochement de trésorerie, de l’analyse des écarts, du signalement des anomalies sur l’ensemble du grand livre, du reporting des KPI, du suivi de l’ancienneté des créances et des dettes fournisseurs, ainsi que de la première version du dossier de données. Ces activités privilégient la rapidité et la couverture plutôt que l’interprétation. Une machine peut examiner 100 % des transactions par rapport à 300 indicateurs plus rapidement et plus uniformément que n’importe quel collaborateur.
Nous utilisons également beaucoup l’IA dans la couche opérationnelle du cabinet : comptes rendus de réunions et synthèses des clients pour chaque appel, classification quotidienne des écritures comptables avec un délai maximal de 48 heures pour les éléments non catégorisés, et score de santé pour chaque fichier QBO avant que nous n’entreprenions une mission d’analyse de la qualité des bénéfices. Il s’agit d’automatisations de flux de travail, et non de décisions financières, mais elles créent les conditions nécessaires à de meilleures décisions.
Les tâches explicitement humaines comprennent chaque conclusion de QoE, chaque validation fiscale, chaque jugement concernant les retraitements et chaque recommandation au client. La licence de CPA engage la responsabilité sur ces résultats. L’IA peut faire ressortir les données, signaler les anomalies et effectuer une première analyse. C’est moi qui décide de leur signification et des mesures à prendre.
La même logique s’applique à la tarification et à la structuration des transactions. L’IA peut me fournir un ensemble de comparables, une référence de marge et une analyse des écarts. Mais déterminer si le retraitement de l’EBITDA d’un client est défendable devant l’équipe QoE d’un acheteur averti exige du contexte, de l’expérience et de la responsabilité. Cela ne sera jamais confié à l’IA.
Mon principe de fonctionnement est le suivant : automatiser les 80 pour cent qui impliquent la confirmation et la reconnaissance de tendances. Protéger les 20 pour cent qui impliquent le jugement et la responsabilité. Inverser cette répartition est soit inefficace, soit dangereux.
Les avantages de l’intégration de l’IA
Grâce à l’IA, nous avons réduit de 40 pour cent le temps consacré aux missions chez Forward Firm. Notre équipe réduite réalise environ 50 missions de QoE par an, et nous avons ramené le délai de livraison de 3-4 semaines à 2-3 semaines. Notre objectif à court terme est de parvenir à 1-2 semaines. Ce n’est pas une projection ; c’est notre trajectoire avec les outils actuels.
Nous avons fait passer la couverture des transactions de la norme du secteur, qui est de 5-10 pour cent, à 100 pour cent. Nous analysons l’intégralité du grand livre à partir d’environ 300 mots-clés d’alerte pour chaque mission. Cela change la qualité du livrable, et pas seulement sa rapidité.
La mise en correspondance du COA, c’est-à-dire la standardisation du plan comptable d’un client avec notre modèle, atteint automatiquement une précision de 95 pour cent. Au début de chaque nouvelle mission, cela représentait une journée entière de travail manuel. Il s’agit désormais d’un après-midi consacré à l’examen des 5 pour cent que le système signale à l’attention d’un humain.
Les domaines dans lesquels l’IA a besoin d’un soutien humain
Mais tout n’est pas positif. Voici quelques domaines dans lesquels l’impact de l’IA a été inférieur aux attentes.
- Qualité des données : c’est la variable essentielle. L’IA n’est pas meilleure que les données qu’on lui fournit. Nous avons vu des livres comptables de clients dont les grands livres étaient codifiés de manière si incohérente que le résultat de la première analyse nécessitait d’importantes corrections humaines avant de devenir exploitable. On ne peut pas résoudre le problème des données de mauvaise qualité en entrée avec un meilleur algorithme.
- Étalonnage de la confiance : amener des professionnels expérimentés de la finance à se fier aux résultats de l’IA sans effectuer de vérifications manuelles est un problème de conduite du changement, et non un problème logiciel. Cela a pris plus de temps que le développement. Si je l’avais su, j’aurais conçu le déploiement pour instaurer la confiance par petites étapes vérifiables, plutôt que de déployer toutes les fonctionnalités et de m’attendre à ce que les comportements suivent. Les comportements suivent les preuves.
- Lacunes de couverture : l’IA signale correctement certaines catégories — les transactions intersociétés complexes, la comptabilisation des produits non standard et certains ajustements fiscaux — mais elle ne peut pas vous dire quoi en faire. Le jugement d’un professionnel expérimenté reste nécessaire. Le système fait ressortir la question ; le CPA y répond.
- Analyse prospective : l’IA a été transformatrice pour l’analyse historique. Rapprochements, analyse des écarts, détection des anomalies, dossiers de données préliminaires : tout cela fonctionne. Elle n’a pas répondu à mes attentes en matière de prévisions. Construire une prévision de trésorerie défendable sur 13 semaines, une projection des revenus qui distingue le prix du volume, ou un modèle de scénarios sur lequel un directeur financier ou un prêteur pourra s’appuyer exige encore une construction humaine importante. Les outils peuvent faire ressortir les facteurs historiques. Ils ne produisent pas encore de modèles prospectifs exploitables.
- Narratifs écrits : un rapport de QoE ne se résume pas à un dossier de données. Il comprend une section consacrée aux conclusions, un exposé des constatations et un résumé exécutif qu’un acheteur, ses conseillers juridiques et son prêteur liront attentivement. L’IA peut rédiger un plan. Elle peut structurer une section. Mais la qualité des textes narratifs produits par les outils d’IA n’atteint pas encore un niveau auquel je pourrais les remettre à une contrepartie sans révisions importantes. Je m’attendais à davantage de progrès à ce stade.
Un flux de travail QoE concret
Le fil conducteur : l’IA prend en charge l’ingestion des données, leur standardisation, leur confirmation et la détection des tendances. Le CPA est responsable de chaque conclusion.
Pendant des décennies, les contrôles financiers et les tests de transactions se sont appuyés sur l’hypothèse qu’un échantillon bien conçu était pratiquement aussi efficace qu’une couverture intégrale. La norme du secteur pour une QoE consiste à examiner 5 à 10 pour cent des transactions. Cette hypothèse n’était pas arbitraire. Une contrainte réelle la motivait : assurer une couverture intégrale n’était pas réalisable dans un délai raisonnable. La profession a donc élaboré une méthodologie autour de cette contrainte et l’a qualifiée de bonne pratique. L’IA supprime cette contrainte.
Je vais vous présenter une mission de QoE, depuis le moment où une transaction nous est confiée jusqu’à la livraison du rapport. Voici le flux de travail tel qu’il fonctionne aujourd’hui.
Avant de commencer la mission. Lorsqu’un nouveau client arrive, nous faisons d’abord passer son fichier QBO dans CheckTheLevel, un outil qui évalue la santé d’un fichier QuickBooks sur une échelle de 0 à 100. Il signale les fournisseurs en double, les comptes mal codifiés, les flux bancaires manquants et les incohérences de classification. Le score nous indique le volume de nettoyage manuel à prévoir et les points sur lesquels concentrer notre première conversation avec le client. Nous évitons ainsi les mauvaises surprises deux semaines plus tard.
Ingestion des données. Nous utilisons notre outil pour nous connecter au grand livre et à la banque. Il importe les données via Plaid et Railz, et la synchronisation s’effectue en environ cinq minutes. La plateforme fait automatiquement correspondre le plan comptable à notre modèle standardisé, avec une précision de 95 pour cent. Elle signale les 5 pour cent qu’elle ne peut pas faire correspondre avec suffisamment de certitude afin qu’ils soient examinés par un humain.
Première analyse. Une fois les données intégrées, trois processus s’exécutent automatiquement. Premièrement, le rapprochement de la trésorerie : le grand livre rapproché avec la banque, pour chaque compte et chaque période. Deuxièmement, l’analyse complète du grand livre : 300 indicateurs fondés sur des mots-clés couvrant 100 pour cent des transactions. Troisièmement, l’analyse des variations : les écarts d’une période à l’autre, avec les mouvements en pourcentage et en valeur automatiquement mis en évidence.
Étape d’examen humain. C’est ici que commence le travail du CPA. J’examine les transactions signalées, les anomalies de variation et les exceptions du COA. J’élabore la thèse des retraitements : j’identifie les éléments de ce P&L qui sont non récurrents, personnels pour le propriétaire ou non opérationnels, et je détermine si je peux défendre chacun d’eux face à l’équipe QoE d’un acheteur averti. La plateforme ne fournit pas ce jugement. Elle me remet un ensemble structuré et hiérarchisé de questions. J’y réponds.
Rythme des appels. Fathom enregistre chaque appel client, s’y joint automatiquement, le transcrit et produit un résumé. Dans les 24 heures suivant tout appel client, un compte rendu écrit est versé au dossier. Aucune note ne passe entre les mailles du filet. Les actions à entreprendre sont explicites et attribuées.
Livraison. Nous fournissons un rapport de QoE accompagné de dossiers de travail adaptés à l’audit, d’une traçabilité de la source jusqu’à la conclusion et d’un résumé exécutif rédigé par l’équipe chargée de la mission, et non généré par l’IA.
Le fil conducteur : l’IA prend en charge l’ingestion des données, leur standardisation, leur confirmation et la détection des tendances. Le CPA est responsable de chaque conclusion. Le flux de travail garantit qu’au moment où je dois porter un jugement, je dispose d’informations de meilleure qualité, plus rapidement et avec une couverture supérieure à celle de tout processus antérieur que j’ai mis en œuvre.
Pourquoi les directeurs financiers devraient repenser la finance pour adopter une comptabilité continue
Je préconiserais avant tout de repenser le cycle de clôture lui-même. Pas seulement une partie de celui-ci, mais toute son architecture.
La plupart des organisations financières gèrent encore la comptabilité comme un traitement par lots. Les transactions s’accumulent. En fin de mois, une équipe effectue les rapprochements, examine les classifications, analyse les variations et prépare les rapports. La clôture prend plusieurs jours, parfois plusieurs semaines, et la direction consulte un instantané déjà obsolète. Les contraintes liées à la vitesse humaine ont façonné cette architecture. La contrainte a disparu, mais l’architecture demeure.
La comptabilité continue est la refonte nécessaire. Au lieu d’accumuler et de traiter les transactions en masse, vous les classez et les rapprochez en temps réel, vous signalez les anomalies au moment où elles se produisent et vous maintenez une situation financière en temps réel plutôt que périodique. La clôture de fin de mois a toujours lieu, mais elle devient une étape d’examen et de validation, et non un projet de construction.
Nous appliquons ce modèle à la tenue des livres. Nous classifions quotidiennement le grand livre de chaque client. Les éléments non catégorisés doivent être traités dans un délai maximal de 48 heures. Les anomalies apparaissent la même semaine où elles se produisent, et non six semaines plus tard, lorsque quelqu’un extrait le rapport mensuel. Avant de commencer une mission de QoE, nous évaluons la santé du fichier QBO afin d’identifier les lacunes en matière de qualité des données. Lorsque nous réalisons des travaux de conseil transactionnel, les livres sont déjà suffisamment fiables pour les soutenir.
Cela a un effet significatif en aval. Un directeur financier qui dispose en continu d'une vision financière exacte peut conseiller en temps réel. Actuellement, la plupart des directeurs financiers conseillent à partir de données vieilles de plusieurs semaines et de modèles construits sur une période clôturée, dans laquelle des erreurs ont parfois été corrigées a posteriori. Ce n'est pas un problème lié au directeur financier ; c'est un problème de conception du système.
La refonte ne nécessite pas d'outils impressionnants. Elle exige trois décisions : définir une norme de délai de classification et en tenir l'équipe responsable, déployer un contrôle de rapprochement qui s'exécute après chaque synchronisation plutôt qu'en fin de période, et faire passer l'examen des anomalies d'une activité planifiée à une activité déclenchée. Toute organisation financière peut prendre aujourd'hui ces décisions en matière de processus et d'outillage.
Pourquoi l'autorité du directeur financier évolue avec les données d'IA en temps réel
La question est la suivante : "Que devient l'autorité du directeur financier lorsque les données sont toujours à jour et toujours disponibles ?"
À l'heure actuelle, le jugement d'un directeur financier a du poids en partie parce qu'il dispose d'un contexte que les autres personnes présentes ne possèdent pas, acquis en vivant au fil du temps au cœur des chiffres. Lorsque l'IA rend ce contexte accessible à tous en temps réel, l'avantage du directeur financier repose entièrement sur l'interprétation, la communication et la responsabilité, et les dirigeants qui n'auront pas effectué cette transition verront leur rôle s'éroder sous leurs yeux sans en comprendre la raison.
Les directeurs financiers qui compteront le plus dans cinq ans ne seront pas ceux qui connaissent le mieux les chiffres ; ce seront ceux qui sauront vous dire ce que les chiffres signifient et qui les assumeront.
Cinq conseils pour les directeurs financiers
J'ai cinq conseils à donner aux dirigeants financiers :
- Commencez par les travaux de confirmation, et non par les travaux de jugement. Le meilleur endroit pour déployer l'IA, avec le meilleur retour sur investissement et le moins de risques, est celui des tâches qui mobilisent actuellement des heures de travail qualifié uniquement pour vérifier la réalité. Rapprochement de trésorerie, analyse des écarts, couverture des transactions, standardisation du plan comptable. Ces tâches ont une réponse correcte. L'IA y parvient plus rapidement et plus complètement qu'une personne. Commencez par là, démontrez la valeur et instaurez la confiance en interne. Ne commencez pas par les prévisions ou le récit stratégique pour vous demander ensuite pourquoi le résultat n'est pas à la hauteur.
- Corrigez vos données avant d'acheter l'outil. Personne n'aime entendre ce conseil parce qu'il est lent et peu séduisant, mais c'est lui qui fixe la limite supérieure. J'ai vu des entreprises déployer des plateformes coûteuses sur des comptabilités codées de manière incohérente, puis blâmer l'IA lorsque les résultats n'étaient pas fiables. L'outil n'est pas le problème. Si votre grand livre est désordonné, nettoyez-le d'abord. L'effet de levier viendra ensuite.
- Distinguez ce qui engage votre responsabilité professionnelle de ce qui ne l'engage pas, et soyez explicite à ce sujet avec votre équipe. La ligne de démarcation permanente dans la finance n'oppose pas l'IA à l'humain. Elle concerne la responsabilité. Tout résultat qui porte votre nom, votre approbation et votre recommandation à un conseil d'administration ou à un prêteur vous appartient. L'IA peut produire l'analyse. Le jugement et la responsabilité juridique vous reviennent. Cette ligne ne bouge pas et, si vous la laissez devenir floue, vous finirez par être responsable d'une erreur commise par l'outil.
- Ne vous contentez pas d'acheter des outils. Construisez un système. Un outil est un composant. La couche opérationnelle qui l'entoure crée l'effet de levier : la logique d'orientation, les procédures opératoires normalisées, les responsables désignés et les transferts. J'ai vu des équipes financières disposant d'excellents outils mais d'aucun système produire des résultats à peine meilleurs qu'auparavant. Le système est l'essentiel.
- L'IA ne met pas en péril le rôle du directeur financier. Le directeur financier qui l'ignore risque de prendre du retard sur celui qui ne l'ignore pas. Il ne s'agit pas d'une menace, mais d'une observation sur la structure du marché. Si votre homologue fournit une analyse de la qualité des bénéfices (QoE) en 10 jours et que vous la fournissez en quatre semaines, le marché vous montrera lequel des deux représente l'avenir. La fenêtre pour développer cette compétence alors qu'elle reste un facteur de différenciation est plus courte que la plupart des gens ne le pensent.
J’ai cinq conseils à donner aux dirigeants financiers : Commencez par les travaux de confirmation, et non par les travaux de jugement. Corrigez vos données avant d’acheter l’outil. Distinguez ce qui engage votre responsabilité professionnelle de ce qui ne l’engage pas, et soyez explicite à ce sujet avec votre équipe. Ne vous contentez pas d’acheter des outils. Construisez un système. L’IA ne met pas en péril le rôle du directeur financier. Le directeur financier qui l’ignore risque de prendre du retard sur celui qui ne l’ignore pas.
Suivez son actualité
Vous pouvez suivre le travail de Mitch Petracca sur LinkedIn. Consultez également Finsider.ai.
D'autres entretiens avec des experts seront bientôt publiés sur The CFO Club !
