Le CFOO 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 CFO de se concentrer sur le discernement, la stratégie et la prise de décision.
Dave Leaver
Directeur financier et des opérations de Mention Me
Clôture plus rapide: 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 comptent davantage 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 opérationnels relie les déclencheurs de recrutement au chiffre d’affaires, à la trésorerie disponible et aux liquidités, permettant de prendre plus rapidement des décisions de recrutement fondées sur des données probantes.
Adoption pratique: Les CFO devraient dès maintenant tester l’IA sur des tâches financières réelles plutôt que d’attendre l’évaluation des outils ou l’arrivée de produits parfaits.
Dave Leaver est le CFOO de Mention Me, une entreprise SaaS B2B de série B spécialisée dans la recommandation et la promotion par les clients.
Nous nous sommes entretenus avec Dave pour comprendre où l'IA offre le plus grand levier 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 entreprise SaaS B2B basée à Londres. Je suis également cofondateur de HP-1, une marque DTC créée par un fondateur que je développe à partir de zéro.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Mon parcours n'a rien de conventionnel. J'ai commencé en visant 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 à la recherche du soleil.
Plus de vingt ans plus tard, j'ai travaillé dans le conseil chez KPMG, dans les biens de grande consommation et dans des entreprises cotées à l'ASX, j'ai dirigé les finances de célébrités et acquis une solide expérience dans des startups technologiques soutenues par des fonds de capital-risque et de capital-investissement, des deux côtés du monde. J'ai créé des fonctions financières à partir de zéro, développé des entreprises sur plusieurs continents et géré des comptes de résultat représentant des 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 mis en porte-à-faux avec le fonctionnement traditionnel de la finance. Rigoureuse, précise et en retrait par rapport à l'entreprise — les chiffres sont donc justes, mais au moment où l'analyse arrive, les décisions sont déjà prises.
Alors, lorsque l'IA est arrivée, je l'ai adoptée — non pas comme une tendance à suivre, mais comme un moyen d'éliminer le travail manuel. Je passe moins de temps à produire des rapports chiffrés et davantage à réfléchir à leur signification et à la direction que l'entreprise devrait prendre ensuite. 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 plutôt que de se contenter d'en rendre compte, ainsi qu'une fonction financière légère qui se développe sans augmenter les effectifs.
Je pense qu'un CFO devrait pouvoir définir la direction, et pas seulement en rendre compte a posteriori.
Une équipe légère propulsée par l'IA
Mention Me est une entreprise SaaS B2B de série B spécialisée dans la recommandation et la promotion par les clients, dont le siège se trouve à Londres et qui est soutenue par Octopus Ventures et Eight Roads. Nous vendons nos solutions à des marques au Royaume-Uni, en Europe et au-delà.
Mon périmètre est plus large que la seule finance. Il englobe la finance, les ressources humaines et les collaborateurs, la stratégie et les opérations — je suis donc aussi proche de la manière dont nous recrutons et nous organisons que des chiffres.
La structure est volontairement légère. Une petite équipe interne gère les activités essentielles, tandis qu'une fonction externalisée prend en charge le travail transactionnel. La fonction repose sur l'IA. Nous avons automatisé les rapports, les pipelines de données et les premières analyses — des tâches qui nécessitaient auparavant davantage de personnel. L'équipe peut ainsi consacrer son temps au jugement plutôt qu'à la production.
J'ai appliqué la même approche à mon propre rôle. J'ai créé un « chef de cabinet » doté d'une IA qui m'aide à gérer le quotidien : il trie ma boîte de réception, signale les messages nécessitant une réponse, capture les actions à entreprendre issues 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 prennent les décisions — 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 résultats réels 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, la préparation du dossier pour le conseil d'administration et les premiers commentaires. 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 a des conséquences ou exige un contexte dont la machine est dépourvue. L'allocation du capital — décider où investir la prochaine livre — relève d'un choix fondé sur le jugement, 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 allons réellement conclure cette affaire ou maintenir ce prix relève d'une décision humaine, 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 de mon ressort.
La raison de cette distinction est simple. L'IA est brillante pour vous dire « quoi » et « où ». Elle est beaucoup moins performante lorsqu'il s'agit de comprendre « pourquoi », et elle ne prend pas part à la décision concernant « ce que nous devons en 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 cette évolution. Ce que nous faisons ensuite — c'est cette partie qui justifie ma rémunération.
Comment réduire la clôture mensuelle de 10 jours à 3 jours
L’IA gère la production de bout en bout, jusqu’au moment 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, créer les diapositives, rédiger les commentaires et refaire les graphiques — la plupart du temps manuellement, avec une ou deux personnes qui prenaient en charge l'essentiel. Lorsque le dossier destiné au conseil d'administration était enfin prêt, 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 du 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 — dans un modèle connecté unique. Cette seule étape élimine l'essentiel 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 résultats réels lors de la même étape, garantissant ainsi que la vision prospective ne prend jamais de retard sur la situation présentée.
- Elle crée les livrables. Les graphiques et le dossier du conseil d'administration sont assemblés à partir de cette source unique, et l'IA rédige une première version des commentaires sur les évolutions, si bien que je commence avec un brouillon plutôt qu'avec une page blanche.
- L'humain reprend la main — 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 incident passager, 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 la construction du récit, à la compréhension des facteurs qui expliquent les évolutions et à la détermination des décisions à 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 mensuelle, la planification de scénarios ne prend désormais que quelques minutes au lieu d'une journée ou deux. Et l'automatisation du travail de production a permis d'économiser plus de six chiffres sur les coûts de personnel de la finance dont la fonction aurait autrement eu besoin — une économie qui finance tout le reste.
Un gain qualitatif moins évident est le temps que j'ai économisé. Les heures que je consacrais auparavant à assembler les chiffres servent désormais à les interpréter, ce qui rend les échanges avec le conseil plus précis et transforme la fonction, qui n'est plus une fonction de reporting mais une fonction de prise de décision.
Mais il existe un véritable inconvénient. L'IA se trompe parfois avec assurance. Elle fournit des réponses à l'apparence soignée, mais subtilement erronées — une hypothèse mal interprétée, un chiffre qui ne concorde pas. Son aisance rend facile le fait 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 la finance, il est simplement plus difficile de le 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 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
La base de données est le projet, et non la 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 début de la mise en œuvre. C'était exactement l'inverse.
Les fondations constituaient la mise en œuvre. La majeure partie des efforts, et l'essentiel de ce qui déterminait si le système fonctionnait réellement, résidait dans la couche peu prestigieuse : des données propres, une structure cohérente et des connexions fiables aux systèmes sources.
Résultat : j'ai consacré mes premiers efforts à développer des fonctionnalités ingénieuses sur des données qui n'étaient pas prêtes, et j'ai obtenu des résultats soignés auxquels je ne pouvais pas faire entièrement confiance. Il a donc fallu revenir en arrière et effectuer malgré tout le travail fondamental, après coup. Si je l'avais su, j'aurais procédé dans l'autre sens : commencer par mettre la plomberie en place, puis ajouter l'intelligence par-dessus. Même destination, deux fois moins de mouvements inutiles.
La magie n'opère qu'une fois le travail préparatoire peu passionnant terminé.
Comment les directeurs financiers peuvent améliorer la planification des effectifs grâce à l'IA
Dans la plupart des entreprises, et certainement dans les entreprises SaaS, où les salariés représentent 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 établi au moment du budget et un chiffre que tout le monde considère comme fixe jusqu'à ce qu'un événement impose de le revoir. C'est étrange, car il s'agit du principal levier dont dispose un directeur financier, 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 des facteurs déterminants et relié au reste du plan. Plutôt que de dire « nous recruterons douze personnes cette année », on se demande « ce poste est déclenché par tel volume de ventes potentielles, celui-ci par tel seuil de chiffre d'affaires... », de sorte que les recrutements sont liés aux éléments qui les justifient.
Comme ce modèle est intégré au modèle connecté, je peux le modifier en temps réel : ajouter un recrutement, changer le calendrier et observer immédiatement les répercussions dans le compte de résultat, la trésorerie et la durée de vie financière.
Résultat : les effectifs ont cessé d'être une estimation annuelle pour devenir une décision prise 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 exposant 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 des chiffres, sur le moment.
Pourquoi Claude est un outil indispensable pour les directeurs financiers
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 adapter.
Honnêtement, je m'attendais à davantage de la part 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 superposées aux mêmes logiciels, et ils ne changent pas véritablement la manière dont le travail est réalisé. Ils accomplissent correctement une seule tâche — quand ils y parviennent.
Mais Claude sait 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 j'échange sur mes décisions. Il prend en charge la grande variété de tâches qui remplissent mes semaines et s'adapte à tout ce que je peux lui confier ensuite.
Voici mon conseil : La plus grande erreur que je constate est que les directeurs financiers traitent 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, mettez au point les éléments peu passionnants. Et gardez votre jugement au centre. L’IA modifie la manière dont le travail est produit, pas la personne qui en est responsable…
La plus grande erreur commise par les directeurs financiers avec l'IA
Voici mon conseil :
- La plus grande erreur que je vois est que les directeurs financiers traitent l'IA comme une décision d'approvisionnement — une évaluation, un projet pilote et un déploiement sur douze mois. J'ai 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 en 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.
- 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 construire plus de choses 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 capacité à développer plutôt que comme un service à acheter.
- Plus important encore, faites correctement les choses ennuyeuses. Des données propres et des processus solides ne sont pas seulement un préalable peu glamour à l'IA ; ils constituent l'essentiel du sujet. Une IA appliquée à des données désordonnées ne fait que produire plus rapidement des absurdités énoncées avec assurance. Corrigez d'abord les fondations.
- Et gardez votre jugement au centre. L'IA change la façon dont le travail est produit, pas 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 le travail à accomplir. Cela l'a toujours été.
Suivez son travail
Vous pouvez suivre le travail de Dave Leaver sur LinkedIn.
D'autres entretiens avec des experts seront bientôt publiés sur The CFO Club !
