Académique Documents
Professionnel Documents
Culture Documents
SOMMAIRE
INTRODUCTION ET DÉFINITIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
LA RÉVOLUTION DU BIG DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
L’ÉMERGENCE DE L’INTELLIGENCE ARTIFICIELLE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
QUELQUES DÉFINITIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
CONCLUSION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
LA TRANSFORMATION DIGITALE FINANCE EN DIX POINTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
SOURCES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5
Groupe de travail présidé par :
Annick DELHON-BUGARD - Directrice du Contrôle de Gestion -
La Poste Branche Services Courrier Colis
Composition
du groupe de travail
7
INTRODUCTION ET DÉFINITIONS
Ce document est le fruit du travail d’un groupe de doter de projets novateurs, fondés sur de nouvelles
membres de la DFCG, Association Nationale des méthodes, de nouveaux outils et de nouvelles
Directeurs Financiers et de Contrôle de Gestion. compétences. On a assisté simultanément à la
Ce groupe, piloté par Frédéric DOCHE, membre du digitalisation de la société et l’explosion des
bureau exécutif, s’est réuni durant le second volumes de données dans tous les secteurs, avec
semestre 2017. la capacité de traiter ces données en temps réel
grâce à l’évolution des technologies informatiques.
Nous avons choisi de traiter les trois thèmes :
• Intelligence Artificielle Les données, structurées ou non structurées, sont
• Big Data devenues une mine d’or pour les entreprises et les
• Robotisation directions financières, tant pour comprendre
l’activité, les attentes de leurs parties prenantes
au service de la Direction Financière, car ces que pour produire des analyses et des prévisions
3 thèmes sont connexes et intimement liés. plus fines pour une meilleure prise de décision. Il
L’Intelligence Artificielle ne peut exister sans s’agit également de révolutionner les business
données, la robotisation n’est vraiment innovante models et d’identifier de nouvelles opportunités
que dans une démarche « apprenante » et donc pour les entreprises.
basée sur l’Intelligence Artificielle.
L’organisation financière, incluant les processus,
Et ces 3 thèmes sont de toute évidence à la fois les équipes et les systèmes, doit évoluer avec de
sources d’opportunités majeures pour les nouveaux business models, et de nouvelles
Directions Financières, mais aussi de vrais exigences des clients.
challenges en termes de changement, de
formation et de transformation. Dans son dernier livre paru en mars 2017, Thomas
Friedman analyse que la révolution technologique
Évidemment, les opportunités ne sont pas toutes et l’émergence d’un monde hyper connecté a
au même niveau de maturité. Les attentes sont entrainé une nouvelle ère du Big data qu’il fait
fortes et elles ne seront pas forcément toutes remonter à l’année 2007, une année passée
satisfaites aux échéances attendues. Mais ces totalement inaperçue à cause de la crise financière
mouvements nous paraissent inéluctables et les qui a focalisé les attentions sur l’année 2008 qui
Directions Financières se doivent, non seulement suivait. En effet, durant l’année 2007, Apple,
de s’y adapter, mais surtout d’y contribuer pour le Google, les Apps sous Android, Amazon,
succès de leur entreprise. Facebook et Twitter ont vu leurs activités exploser
à la suite de la multiplication des interactions Web
qui ont produit à chaque instant une masse
LA RÉVOLUTION DU BIG DATA gigantesque de données.
Les récentes évolutions conjoncturelles, réglementaires Cette massification des données a donné
et technologiques ont profondément remodelé les naissance au Big Data. Ce mot « buzz »,
métiers de la finance. polymorphe est partout et anime notre quotidien
en tant qu’utilisateur et générateur de « données »
En effet, les entreprises ont été contraintes de à travers internet et les médias sociaux.
modifier leur stratégie et leur mode d’organisation, Phénomène aux contours flous, il permet d’intégrer
avec pour conséquence immédiate le l’ensemble des données produites, diffusées et
renforcement des responsabilités confiées aux partagées par les entreprises, les universités, les
directions financières. gouvernements, les individus avec l’utilisation
d’objets connectés via le web et les réseaux
Selon certaines études, la finance telle que sociaux, etc.
pratiquée jusqu’ici aura disparu d’ici 2022. Ce
bouleversement des Directions Financières trouve Le Big Data est un mix entre données structurées,
sa raison dans la conjugaison des forces de la relatives à l’activité des entreprises, stockées dans
digitalisation, de la robotisation, de l’hyper- leurs bases de données, et de données non
connexion et de la mondialisation des échanges. structurées, issues du web et des réseaux sociaux.
Grâce au Big Data, la collecte, le stockage,
L’explosion des données issue de la révolution l’exploitation et l’analyse de données ont connu
numérique a montré les limites des méthodes des avancées énormes permettant ainsi aux
traditionnelles de traitement de données et a mis entreprises d’avoir recours à de nouveaux
l’accent sur la nécessité pour les entreprises de se gisements d’informations.
9
la source, sans avoir besoin de les transmettre
L’ÉMERGENCE DE vers un système centralisé.
L’INTELLIGENCE ARTIFICIELLE Grâce à l’approche Smart Data ou analyse en
streaming, les données sont directement
Le phénomène du Big Data s’est accompagné analysées à la source pour permettre de prendre
d’une émergence de l’intelligence artificielle qui des décisions immédiatement. Des modèles
constitue une opportunité inégalée pour les statistiques permettent de limiter le nombre de
entreprises de transformer la donnée en valeur données pertinentes.
grâce à des systèmes complexes capables
d’apprendre et de raisonner. • Internet des objets (loT : Internet of Things) :
les données liées aux capteurs des objets
Le Big data est perçu par les entreprises comme
connectés ou Smart Things.
un levier de productivité, permettant, outre
d’automatiser des flux d'information provenant du
• Data lake : référentiel de données permettant de
client, de collecter, de consolider et de traiter une
stocker une très large quantité de données
volumétrie de données dépassant la capacité
brutes dans le format natif pour une durée
humaine de traitement et d’analyse.
indéterminée. Cette méthode de stockage
Selon un mode d’apprentissage permet de faciliter la cohabitation entre les
“
supervisé, les robots simples en différents schémas et les formes structurelles de
RPA (Robotic Process Automation) données, généralement des blocs
vont collecter, trier, consolider, Le Machine Learning va d’objets ou des fichiers. A chaque
retravailler les données au travers de permettre d’automatiser projet de digitalisation correspond
routines bien définies. des routines plus un lake shore (littéralement rivage
complexes en nous du lac), soit un sous-ensemble de
L’analyse sémantique et des épargnant d’avoir à données disponibles dans le data
sentiments, rendue possible par lake qui vont être orientées vers un
prévoir tous les cas de usage métier. Un data lake peut
l’Intelligence Artificielle permettra figures. comprendre entre 2 et 50 lake
”
d’exploiter les textes, les messages,
bref, tous les échanges écrits ou shores.
même vocaux, et de les transformer
en données exploitables pour les entreprises. • Blockchain : la blockchain est un type de base
de données qui agrège les informations dans des
Le Machine Learning va permettre d’automatiser blocs, qui sont chaînés les uns aux autres dans
des routines plus complexes en nous épargnant un ordre linéaire, chronologique et selon un
d’avoir à prévoir tous les cas de figures. Et cryptage robuste. Les chaînes de blocs sont
l’Intelligence Artificielle met l’humain face à des utilisées comme des journaux qui peuvent être
machines qui, un jour, seront capables de partagés et alimentés par des utilisateurs
raisonner par elles-mêmes, sans que l’on ait prévu multiples selon leur niveau d’accréditation, dans
toutes les hypothèses : elles auront accès à des de multiples organisations, pays et lieux
données beaucoup plus vastes que l’homme ne physiques. Tous les acteurs peuvent accéder à la
peut en concevoir, et pourront en créer pour leurs chaîne cryptée d’informations, qui est dupliquée
propres schémas d’analyses et de décisions. automatiquement dès le rajout d’informations.
10
Cahier Technique N°22
Pour comprendre les impacts pour les directions financières, les axes suivants sont proposés :
• L’illustration des applications possibles sur les processus classiques de la Finance & Gestion,
• Quelles évolutions pour les profils des équipes Finance & Gestion ?
11
LES ENJEUX AUTOUR DE LA DONNÉE
La massification des données et la multiplication Cloud s’opère sans que les contrats ne
des sources d’information ont rendu critique le précisent toujours les conditions de
sujet de la gouvernance de la donnée. Cette sécurisation des données, ni les conditions de
gouvernance doit réconcilier deux objectifs qui réversibilité. Afin d’anticiper ces
sont, en apparence, opposés : problématiques, des règlementations telles que
celle du RGPD sur la protection des données
• Comment « libérer la donnée » pour qu’elle soit seront adoptées et mises en œuvre dès le mois
exploitée de façon pertinente, avec comme de mai 2018. Indépendamment de ces
objectif de créer de la valeur ? dispositifs, les entreprises doivent anticiper les
risques associés aux données, quelle que soit
• Comment la sécuriser pour qu’elle soit « valide » leur nature, et réfléchir sur les solutions à
(avoir du sens et un sens qui soit partagé par adopter.
tous ceux qui l’utilisent), que son traitement soit
conforme à des contraintes réglementaires L’alignement des organisations et des systèmes
toujours plus fortes (ex : RGPD, Réglement d’information sur des objectifs business
européen de protection des Données nécessite de :
Personnelles ou GDPR) et que les clients à qui
appartiennent ces données se sentent • Désiloter les métiers présentant des réticences
confiants sur l’utilisation qui en est faite ? tant au niveau du partage que de l’usage
croisé des données.
13
positionnement stratégique de l’entreprise, ou au et prise en charge par un pilote ayant une
contraire, de laisser les initiatives se multiplier sans connaissance précise des enjeux et des processus
cohérence, avec un coût non négligeable pour de l’organisation.
l’entreprise.
Au sein de l’entreprise, la Direction
“
Cet alignement renvoie Financière travaille en transversal et
essentiellement à la question : utilise des données diverses tout en
Ces expériences veillant à leur qualité. Elle dispose
• Des outils de Master Data donnent à la Direction le plus souvent d’une capacité de
Management, de nettoyage Financière des gestion de projets et a l’habitude
des données (data cleansing), connaissances d’optimiser ses processus grâce à
techniques et souvent une bonne intégration des données
• Du degré de visibilité sur la une vraie légitimité lui internes et externes.
chaîne de valeur de la Ces expériences donnent à la
donnée, de sa création à sa permettant de jouer Direction Financière des
consommation (Data Supply un rôle fédérateur connaissances techniques et
Chain), dans la mise en place souvent une vraie légitimité lui
de la gouvernance permettant de jouer un rôle
• Du choix des politiques de
l’entreprise : Un data lake ?
Administré par qui, avec
quelle gouvernance ? Chacun des acteurs de
l’entreprise doit se positionner sur ses cas
d’usage afin de participer à cet apprentissage
collectif.
” fédérateur dans la mise en place de
la gouvernance de la donnée dans
une période où les initiatives Big
Data risquent, si elles ne sont pas coordonnées, de
générer beaucoup de problèmes de cohérence.
C’est en particulier vrai dès que les résultats
doivent sortir de la Direction initiatrice, et que l’on
doit les relier à des aspects économiques.
Le Directeur Financier peut renforcer cette
légitimité en développant ou en renforçant son
ORGANISER UNE GOUVERNANCE équipe en ce sens.
DE LA DONNÉE PERFORMANTE
La gouvernance de la donnée doit être transversale
14
APPLICATIONS POSSIBLES SUR
LES PROCESSUS FINANCE GESTION
Les applications du Big Data et de l’intelligence analyses de marché, des systèmes d’alerte de
artificielle sur les processus Finance Gestion sont santé financière des clients ou des fournisseurs,
nombreuses. des rapports de gestion, etc.
Attention cependant, le robot se limite à ce pour
1. L’application la plus évidente est la robotisation quoi il est programmé et au périmètre
des processus les plus « transactionnels » d’intervention qui lui a été défini. La curiosité,
comme le traitement des factures fournisseurs, l’intuition née de l’expérience, l’enrichissement
la création de fiches Clients ou Fournisseurs, le des idées par la confrontation et l’échange n’ont
rapprochement bancaire, certaines déclarations pas encore été « programmés ». Les robots
légales et fiscales, etc. Le traitement massifié opèrent en mode « apprentissage supervisé ».
qu’offrent les robots va également faire évoluer Les experts soulignent cependant le risque à
les processus de contrôle qui pourront devenir laisser opérer seuls les robots notamment dans
plus exhaustifs, tout en étant automatisés. le domaine de la finance de marché : toute
tendance risque d’être amplifiée avec des effets
Outre l’automatisation des tâches à faible valeur qui pourraient être dévastateurs. Dans ce
ajoutée, en particulier dans le domaine contexte, la décision qui apportera le plus de
comptable et dans le secteur banques- valeur sera sans doute celle de l’humain, qui se
assurances, trois autres types de processus démarquera des algorithmes programmés.
peuvent être considérés.
4. La capacité prédictive
2. La collecte, la consolidation et la sécurisation En s’appuyant sur une sélection de données
des données pertinentes pour la prise de décision, sur les
L’objectif est d’alimenter la base de travail en compétences de data scientists – de nouveaux
analyse de gestion afin de passer moins de acteurs dans les directions financières – et sur
temps dans la collecte, le contrôle et le la connaissance opérationnelle des métiers, il
« retravail » des données. est possible de construire de nouveaux agrégats
Les processus bénéficiaires sont les processus plus complexes et calculés plus rapidement.
prévisionnels comme le budget, les prévisions Ces derniers donneront une prévision toujours
(forecasts) des ventes, des stocks, etc, et les plus fine, à plus long terme et de façon quasi
processus de pilotage comme la mesure et immédiate. Ainsi il devient possible de prévoir
l’analyse de la performance. plus finement le chiffre d’affaires à douze mois
Les approches Big data, en augmentant le avec des données collectées sur le web, de
nombre de données traitées, qu’elles soient prévoir les plannings de tournées de façon plus
structurées ou non, amplifient donc les impacts fiable et d’utiliser les moyens de manière plus
sur les processus. efficace avec l’écoute du web, les prévisions
météo ayant un impact sur la demande, etc.
3. La constitution de pré-analyses Bien anticiper permet d’optimiser les BFR, de
Les capacités d’analyses sémantiques ou de prévoir les justes ressources en fonction des
sentiments comme les capacités rédactionnelles besoins, bref de gagner en rentabilité.
permettront de proposer par exemple des
Data lake
Data et architecture de traitement Interfaces et programmation d’applications
15
Source : Analyse BCG
La grille ci-après fournit une synthèse des principaux processus et de leur appétence à l’intelligence
artificielle dans son ensemble pour les 3 thématiques de la robotisation, de la donnée et de l'analyse.
COMPTABILITÉ & TRÉSORERIE & CONTRÔLE DE GESTION, CORPORATE RISQUES
CONSOLIDATION FINANCEMENT REPORTING FINANCE
Clôture & Consolidation Risques financiers Budget, Forecast Business Planning Contrôle des risques
• Automatiser les • Prévisions intégrant un • Analyse et proposition • Collecte et analyse • Analyse Big data des
rapprochements (et les plus grand nombre de de prévisions à partir d'information de marché, clients, fournisseurs,
rendre continus au lieu données avec plus de d'historiques et de d'acteurs, etc. contrepartie pour
de ponctuels en fin de granularité, de précision données internes et anticipation du risque
période), identifier les et de rapidité externes • Intensification des
écarts notamment en % • Simulation de scenarii contrôles (approche
de variation par rapport faisant varier les exhaustive possible),
à un historique, chaîne données identification de cas non
de traitement jusqu'aux • Processus d'élaboration courants, alertes
écritures (ex. BlackLine) et de validation (comportements ou
• Proposition de rapport collaborative des données inhabituels, des
de gestion budgets accès uniques, etc).
• Proposition d'écritures • Renforcer la prédiction
spécifiques pour améliorer la
détection et la réduction
des fausses alertes
Audits
Comptabilité Fournisseur Cash management Profitabilité client, etc. Processus Capex internes et externes
• Récupérer les factures • Maintenance préventive • Audit sur la totalité des
pdf sur une boite mail • Automatiser la • Simulation de scenarii avec détection de l’état données plutôt que sur
• Réaliser la lecture et réconciliation des faisant varier les données d’usure et la prévention des échantillons
l'intrégration des comptes bancaires, et intégrant la chaîne de des risques de pannes
données de la facture • Affiner les prévisions de valeur complète de (Exemple : IoT embarqué
• Créer les fiches trésorerie court terme et l'entreprise dans les flottes de
fournisseurs long terme voitures).
• Identifier les cas • Prévisions des capex
maintenance intégrant la
spécifiques (doublons, visibilité de l’état actuel
acomptes, etc.) des actifs.
16
Cahier Technique N°22
• Manager de la performance financière • Chef (ou chef de facto) digital et data officer unit
Le rôle du CFO • Comptable et contrôleur • Fournisseur d’analyses avancées
et de l'organisation financière • Travaille en silos (comptabilité et contrôle • Finance intégrée
fonctionnant séparément par exemple) • Hubs analytiques
• Activités transactionnelles • Transactions complètement automatisées
• Travail sur papier, traitement des données • Digital, accès en temps réel
Partenariat, gestion et en batchs • Capacité de drill-drown ad hoc
performance du reporting • Niveau de profondeur fixe • Capacité d’intégrer des données provenant de
et analyse • Business intelligence et axes sources internes mais aussi externes
d’analyse fixes
17
IMPACTS SUR L’ORGANISATION
ET LES RÔLES DE LA DIRECTION
FINANCIERE
Durant la dernière décennie, les directions • Le contrôle instantané et le management des
financières ont pu mener des projets tels que risques à travers l’Analytics,
l’implantation de nouveaux ERP, la mise en place
de nouveaux systèmes de reporting, • L’automatisation des tâches plus complexes
l’automatisation des tâches et des processus avec le machine learning et l’analyse
notamment la mise en place d’outils de sémantique,
dématérialisation de factures, la création de
centres de services partagés, etc. • L’amélioration des capacités d'analyse avec les
technologies d'analyses prédictives,
18
Cahier Technique N°22
“
Le développement du numérique doit qu’induisent ces contraintes, les
également amener les directions Directions Financières peuvent et
Évoluer du doivent se transformer. Leur culture
financières à renforcer leur rôle dans
les domaines de la lutte contre la strict respect de doit évoluer du strict respect de
fraude et contre la corruption (Loi « l’orthodoxie » « l’orthodoxie » vers la prise de
Sapin II). vers la prise de risques contrôlée : elles doivent ainsi
risques contrôlée évoluer de la maîtrise des risques
(policing risks) au pilotage des
”
TROISIÈME AXE, REVOIR risques (embracing risks).
LES PROCESSUS DE Cela signifie s’apprêter à faire face à ce qui peut
« BOUT-EN-BOUT » apparaître comme un chaos organisationnel, c’est
à dire être en mesure de digérer la complexité
La Direction Financière devra modifier ses générée par les masses d’informations, la
processus séquentiels et ses méthodes de travail complexité d’intégrer des données internes et
en prenant une nouvelle approche focalisée sur les externes dans ses analyses, l’accélération des
missions et résultats escomptés. transformations des processus, des outils et des
systèmes en place.
Il est possible d’imaginer par exemple :
En se refocalisant sur la valeur ajoutée « business »
• Des expertises, fruit de la collaboration de la donnée, le CFO peut devenir l’architecte de la
d’équipes transverses virtuelles. chaîne de valeur.
• Une interaction quasi continue entre les Il devra également faire siennes les nouvelles
informaticiens, les Data Scientists, les pratiques managériales (« entreprises libérées »,
opérationnels et la direction financière permet management à distance, suppression des couches
d’identifier les données fondamentales, de hiérarchiques, etc.) et permettre ainsi à ses équipes
challenger et d’exploiter les résultats des de :
analyses robotisées, de définir les priorités
opérationnelles et d’adapter toujours mieux les • Développer leur autonomie en matière de
données liées au pilotage (exemple : la nature décision et de gestion, et leur capacité à tirer
des variables à prendre en compte dans les la sonnette d’alarme au juste moment.
agrégats, le périmètre d’analyse, le mode
d’exploitation des données, les référentiels etc.). • Travailler en réseau, sur des approches agiles
permettant de tester et d’apprendre sur des
• De repenser le chemin critique des processus cycles courts.
financiers. En effet, le RPA et le Machine
Learning peuvent rendre quasi immédiates
certaines tâches critiques qui devenaient
goulot d’étranglement pour tout le processus.
19
QUELLES ÉVOLUTIONS DES PROFILS
FINANCE ET GESTION ?
“
transactionnel, l’intelligence leur retirant en partie les tâches
artificielle va aussi prendre en charge répétitives et de traitement de
une partie de l’analyse décisionnelle. Le reporting standard données massives, leur permettant
sera pour bonne d’aller vers plus de prospectif, de
Il faut donc se poser la question de partie généré soutien à la décision et à la stratégie.
l’utilité du contrôle de gestion tel que automatiquement :
nous le pratiquons aujourd’hui. rassemblement de Le reporting standard sera pour
données, production bonne partie généré
C’est un grand enjeu de demain : la de graphiques, et automatiquement : rassemblement
valeur ajoutée de la Direction de données, production de
Financière sera fonction de sa
aussi écriture en
graphiques, et aussi écriture en
compréhension de l’environnement, langage naturel. langage naturel.
”
de sa connaissance des processus,
de sa capacité à répondre à des Resteront dans le domaine humain,
problématiques spécifiques et de sa la créativité, les relations avec les
force de proposition de solutions ciblées pour autres humains, l’éthique, la définition des règles.
éclairer la décision business. Dans ce contexte le développement des « soft
skills » devient primordial : savoir faire preuve de
Aider à la décision : être en capacité de décrypter pédagogie, sortir du jargon financier, maîtriser les
la donnée et d’en tirer la substance permettant de techniques d’animation, savoir piloter le
prendre la bonne décision en temps réel. changement etc.
Cela veut dire déployer plus de capacités La combinaison Big Data et Intelligence Artificielle
d’analyses prospectives et interprétatives. permettra de nouveaux types de prévisions. Le
En réalité, ces deux compétences ne sont pas contrôleur de gestion sera mieux armé pour fournir
nouvelles dans les directions financières. C’est leur plus de scenarios, avec des probabilités assignées
importance et l’étendue de leur champ à chacun d’eux.
d’application qui vont en faire un nouveau
challenge pour les équipes. Pour prétendre garder son rôle clé, la finance devra
acquérir des connaissances transverses
Nous assistons à l’émergence de véritables approfondies (également hors de l’entreprise), se
nouvelles missions et de nouvelles compétences : rapprocher des opérations, du commerce et du
client, des achats afin de maîtriser la relation entre
20
Cahier Technique N°22
ces processus et le résultat financier. Elle sera C’est bien sûr à travers l’utilisation de ces mêmes
capable de traduire les besoins clients/business en technologies qu’il sera possible d’adapter et de
besoins d’investissement où l’IT prendra une place personnaliser les formations et d’assister les
importante. acteurs dans leur nouveau rôle. Ces formations
devront en outre mettre l’accent sur l’acceptation
Le rôle de garant de la donnée, ou arbitre de la psychologique de la coopération entre des
donnée pourrait revenir à la finance avec comme collaborateurs et « collègues » robots dans la
constante, l’allocation la plus efficiente de nouvelle organisation des tâches et des postes.
l’ensemble des ressources.
L’automatisation massive du travail oblige le
collaborateur humain à faire face à un véritable
L’ENJEU DE LA FORMATION défi, celui de devenir agile, adaptable et flexible
« change ready ». Il doit être en mesure de se
Il va falloir « re-former » (reskilling) les réinventer en permanence afin d’explorer des
collaborateurs en développant : niches pour effectuer ce que les machines
d’intelligence artificielle ne sauront pas (encore)
• les compétences techniques liées à la faire. Il s’agira pour lui de développer son
compréhension et à l’usage des données, humanité, son instinct et son intuition afin de
pouvoir cohabiter avec les machines et les robots.
• les compétences relationnelles, comportementales,
managériales pour un positionnement en
Business Partner,
21
QUEL ENVIRONNEMENT PERMET
LE DEPLOIEMENT DE L’IA ?
A CONTRARIO QUELS SONT LES
DOMAINES QUI LUI RESISTERONT ?
S’il s’agit de tâches répétitives, dans un l’intégration de nouvelles activités, le Contrôleur de
environnement processé, avec des référentiels Gestion a un rôle indispensable pour intégrer les
propres, les robots vont pouvoir remplacer nouveaux acteurs dans le « Core Model ».
l’homme pour la production du reporting.
La data rend possible l’exploration de nouveaux
Cela permettra au Contrôleur de Gestion de se territoires. Ainsi le développement autour de la
focaliser sur les analyses, les faits saillants, que la fraude et du contrôle interne ouvre de nouveaux
seule donnée ne pourra expliquer. Le Contrôleur de champs particulièrement importants s'agissant
Gestion Business Partner, connaisseur des notamment de différents types de fraudes qui
processus et des activités aura alors à échanger contournent les process.
avec les opérationnels pour affiner les choses et
travailler sur les tendances de fond. Le stockage de volumes de données importants
permet de mettre en évidence, des anomalies qui
Si l’activité est dans un environnement très stable, n’auraient pas été identifiées “à l’œil nu”.
là encore la machine pourra proposer des budgets
déjà tout faits aux opérationnels en intégrant les Le Contrôleur de Gestion est souvent aujourd’hui
effets prix, les tendances du marché etc... Mais qui cantonné à l’usage de données internes. La
écoutera l’opérationnel expliquer les éléments non donnée lui offre d’autres approches pour
pris en compte, les aléas potentiels, et les projets challenger la vision stratégique ou commerciale et
qu’il peut avoir ? explorer des nouvelles pistes, que ce soit sur le
développement de parts de marché, ou sur des
On pourrait imaginer des revues de performance
optimisations de coûts.
où le manager opérationnel est challengé par un
Robot qui répond en langage naturel à ses
Les RERS (réseaux d’échange et de savoir)
observations, face à son supérieur hiérarchique.
permettront de rechercher des pistes
Prendre des décisions, c’est parfois aussi écouter d’optimisation autrement, de travailler le partage
son intuition, qui n’est souvent rien d’autre qu’un collaboratif.
faisceau d’informations cachées par nos
neurones. Enfin si la machine libère le Contrôleur de Gestion
de la production de données, on peut imaginer
On voit déjà où nous amène aujourd’hui la qu’il sera libre de mieux accompagner les
standardisation de l’information avec le partage transformations de l’entreprise, de partager les
des mêmes informations dans toutes les agences réflexions sur la stratégie, l’accompagnement du
de presse. déploiement des projets, pour jouer un rôle
d’acteur de la conduite du changement.
Alors si les machines peuvent remplacer les
hommes sur les tâches répétitives, sur certaines Le Contrôleur de Gestion de demain, grâce à l’IA,
analyses, dans un environnement plutôt stable, sur sera peut-être un pourvoyeur de business et
le traitement de données à une volumétrie qui d’opportunités, ouvert sur l’innovation, porteur de
dépasse la capacité de traitement humaine, on sens par ses relais dans les autres entreprises, la
peut penser qu’a contrario le Contrôleur de recherche des meilleures pratiques. Il pourra
Gestion a un bel avenir dans les contextes explorer de nouvelles pistes d’optimisation. Des
incertains. nouveaux modes de refinancement, des process
partagés, une vision plus réactive, car il faudra
Dans des environnements instables, avec des prendre des décisions de manière accélérée dans
processus non structurés, comme les start up ou un monde qui tournera 24 heures sur 24.
22
COMMENT METTRE EN PLACE
LE BIG DATA, LA ROBOTISATION
ET L’INTELLIGENCE ARTIFICIELLE AU SEIN
DE L’ORGANISATION FINANCIÈRE ?
UNE STRATÉGIE D’ENTREPRISE, METTRE L’HUMAIN AU CŒUR DE
LE PRÉ-REQUIS POUR GUIDER LA TRANSFORMATION
LA TRANSFORMATION
Il faut engager les équipes dès le début du projet et
Au-delà de la vision stratégique et s’appuyer sur les compétences techniques et
organisationnelle, c’est un objectif business qu’il métier pendant tout le projet.
faut définir (autre que le coût, la rapidité, la
régularité, la qualité). Ces compétences sont clefs dans la
transformation des processus pour les automatiser.
Expliquer la stratégie aux équipes, bien en amont Leur pérennité doit être assurée pour la gestion des
est une nécessité pour la réussite du projet et exceptions. Elles permettront également
positionner le projet RPA, Big data, IA comme un d’accompagner le Machine Learning.
projet business et non comme un Veiller à préserver les différents types
“
projet IT. de compétences : celles pour détecter
les opportunités d’automatisation,
Expliquer la stratégie celles pour coder. Ce ne sont pas
PRIVILÉGIER UNE aux équipes, bien en toujours les mêmes personnes qui les
amont est une possèdent.
DÉMARCHE DE MISE
nécessité pour la
EN ŒUVRE DITE « réussite du projet et La gestion du changement : il faut
AGILE » positionner le projet arriver à embarquer les utilisateurs, au
sens large, dans cette transformation
Les méthodes traditionnelles de RPA, Big data, IA (les collaborateurs, les clients, les
gestion de projet avec des cibles comme un projet entreprises de l’écosystème, les
séquentielles ne sont plus business et non fournisseurs, etc.). Et pour cela il est
adaptées. comme un projet IT. primordial que chaque acteur
comprenne son intérêt dans la
”
• Privilégier l’agilité et la rapidité démarche.
à la séquentialité : fonctionner
par itérations successives, pratiquer le Test and
Learn. ETRE ATTENTIF AUX CHOIX
• Mettre en place une plateforme de travail
DES TECHNOLOGIES ET À
collaborative. LA SÉCURITÉ ASSOCIÉE
• Faire disparaître les silos dans l’organisation, L’écosystème technologique est mouvant. Les
décloisonner les compétences techniques et solutions sont de plus en plus nombreuses et
métiers. évoluent très rapidement. Les coûts baissent et
deviennent abordables rapidement.
• Identifier un cas ou des cas d’usages.
• Privilégier le mode SaaS ou le cloud (Solutions
• Une opportunité de création de valeur (ce n'est Amazon et Microsoft par exemple) et les outils
pas un sujet technique). open source.
• Sur une ambition raisonnable « Start Small » en • Tenir compte de l'évolutivité de votre
se focalisant sur des sujets très spécifiques et automatisation.
en ciblant les principaux gisements de valeur.
• Choisir entre des solutions d’automatisation
• Conserver l’exigence : le cas d’usage doit intelligente très pointues sur le sujet
permettre de générer un ROI au final. (ex : Blackline), et des solutions plus généralistes
(ex : Workfusion) avec des applications allant
• Avoir un sponsor métier fort. de la simple robotisation RPA au Machine
Learning intégrant l’IA.
• Se faire une idée en 1 à 3 mois.
• Intégrer ces solutions dans votre SI : les robots
• Définir une gouvernance qui permet de valider se connectent sur vos systèmes existants.
les choix.
23
• Impliquer le service informatique bien en amont en plus digitalisée. Il faut pouvoir répondre aux
et aussi tôt que possible. nouvelles demandes des autorités fiscales,
fournir la masse de données et de justificatifs,
• Pour un projet RPA, les changements de parfois en temps réel maintenant, dans les
système et les opérations de maintenance délais demandés et se garder suffisamment de
pourraient avoir un impact sur les robots. temps pour pouvoir formuler des réponses aux
Ils nécessitent des actions spécifiques questions.
(ex : stratégies d’actualisation des mots de
passe). Concrètement, les entreprises doivent être en
mesure de fournir à l’administration fiscale le fichier
• Participer aux choix d’hébergement, de types des écritures comptables (FEC). Ce fichiers est
d’automatisation ou de logiciels spécialisés. ensuite soumis à des analyses de type Big data par
l’administration fiscale. Par exemple, elle peut
comparer les données d’un secteur d’activité et
CONSIDÉRER LE COÛT TOTAL d’une zone géographique avec les données du
MAIS AUSSI LE COÛT DE NE PAS client.
FAIRE Il est devenu possible et stratégique
“
pour certaines grandes entreprises de se
Le premier choix doit être fait entre
doter de ce même dispositif Big data et
développer une solution en interne (ce Comparer d’effectuer les contrôles formels du FEC
qui permet d’intégrer le plus
au coût de en amont pour anticiper les difficultés
rapidement possible les compétences)
ne pas investir. liées à sa validité et ainsi éviter le rejet
ou acquérir des solutions qui pourront
des comptes, et aussi pour pouvoir
être adaptées en interne ou en mode
”
anticiper les demandes de
Cloud / Saas.
l’administration fiscale.
Il faut en outre considérer le coût total : les coûts
• Pénalité pour non-conformité à des nouvelles
baissent et deviennent plus abordables.
règlementations. Par exemple le RGPD
(Règlement général de protection des données)
• Robot : coût d’achat, mise en place,
qui entre en vigueur en mai 2018, prévoit des
maintenance, développements futurs.
amendes pouvant aller jusqu’à 4% du chiffre
Le coût total varie en fonction du modèle de
d’affaires mondial ou 20 millions d’euros (le
tarification du fournisseur. La facturation peut
plus haut des deux s’applique) en cas de non-
se concrétiser parfois à travers une licence
notification par les responsables de traitement
annuelle par robot ou par transaction effectuée
des violations de données personnelles.
par un robot, voire même par la facturation d’un
service (qui peut inclure des outils RPA). • Opportunités manquées de générer des
revenus supplémentaires sur des sujets tels
• Humain : Centres de Compétences (Center of
que l’amélioration du recouvrement des
Excellence ou CoE) avec des personnes
créances clients et des taxes ou le respect des
spécialisées sur les projets data, robotisation
tarifs et conditions de ventes…
et intelligence artificielle. Formation des
équipes dans tous les métiers de l’entreprise.
Le comparer au coût de ne pas investir. Il faut cibler les processus et les tâches à
automatiser. Il peut être intéressant de « se faire la
• Décalage avec ce que recherche le client. main » sur quelques tâches avant d’attaquer un
processus complet.
• Perte de compétitivité face à des concurrents
qui ont su baisser leurs coûts, puis perte de Il faut commencer par les processus les plus
contrats, puis perte de compétitivité. simples et les plus évidents avec les gains les plus
rapides : activités transactionnelles, gros volumes,
• Disruption. tâches manuelles administratives.
• Pénalités fiscales : l’administration est de plus Transformer les processus de bout en bout dans
24
Cahier Technique N°22
une démarche de Lean management va permettre • Certaines entreprises ont mis en place le scan
au-delà de la réduction de la charge, de réduire la avec reconnaissance des caractères (OCR) ou
durée totale du cycle et atténuer les redondances des protocoles d’échange de données de
de processus et de données. En effet, les facturation électronique via Electronic Data
processus sous-performants peuvent être Interchange (EDI).
automatisés, mais il est préférable de les améliorer.
Pour les projets de RPA, la partie la plus complexe • Cependant, souvent les étapes de
du projet consiste à documenter les règles, rattachement de la facture à la commande, de
identifier des sources de données, confirmer des validation de l’information comptable, de
rapports, identifier les activités (où sont les gestion et d’approbations demeurent
phénomènes de compensation, etc). manuelles.
Enfin, penser à prévoir un plan pour le suivi des Au-delà de la charge de travail à faible valeur
activités des robots : « Que faites-vous si l’outil ajoutée que ces travaux demandent, le manque
s’arrête ? » d’automatisation et d’efficacité du processus a
plusieurs impacts :
Ce processus est en apparence simple : une • Retard dans les délais de paiement, sujet
facture réceptionnée est rapprochée d’une fortement mis sous pression par la DGCCRF
commande ou validée par un donneur d’ordre. Une (Direction générale de la concurrence, de la
fois validée, la facture est comptabilisée et payée. consommation et de la répression des fraudes)
Ce processus est encore largement manuel dans
de nombreuses entreprises. • Retard à la production des états financiers,
• Lorsque le volume devient important, les limites • Manque de performance dans le processus de
du système apparaissent vite. prévision de trésorerie.
EDp
Facture avec Rapprochement
Réception facture commande, rappro. Saisie facture commande Paiement
2 voies
k
Fournisseurs
L
Facture
Fournisseurs
Approvision-
nement
az
Logistique
A
Donneurs
d’ordres
z
Approbateurs
Source : Process Automation for Accounts Payable - Oracle White Paper - Nov 2015
25
Ce processus est un candidat idéal pour Ses principaux atouts pour l'automatisation
l’automatisation intelligente : intelligente :
• Son périmètre et sa matérialité : les volumes de o La stabilité des données entrantes et des
transactions sont forts comme le nombre d’ETP macro-étapes rend possible la gestion des
(Equivalent Temps Plein) mobilisés. exceptions (exemple : facture sans PO).
• Son fort potentiel d’amélioration du taux de o Dans le cadre d’un CSP, la gouvernance est
conformité et de réduction des risques. Il est réalisée à partir d’une seule localisation et
souvent impossible d’effectuer de façon d’une seule équipe.
exhaustive tous les contrôles et une parfaite
ségrégation des tâches (risques de double o Sa contrainte de temps : les délais de
paiement, erreur de prix, erreur sur les
paiement sont réglementés.
coordonnées bancaires des fournisseurs, erreur
d’imputation comptable et de gestion, etc.).
o L’exigence des Audits et du contrôle interne :
séparation des tâches, diminution des
Son impact financier : disruptions business.
• Visibilité sur les dettes fournisseurs, gestion de o Ainsi, le Global Intelligent Automation Market
trésorerie, du BFR, Report de SSON (2017) mentionne le cas
d’usage chez Becton Dickinson qui a introduit
• Clôtures comptables facilitées, plus justes et des robots pour économiser 2.5 ETPs dans la
plus rapides, gestion des bons de commande et par là
même, fournir une piste d’audit améliorée et
• Economies, gains en ETP dans le traitement, une traçabilité complète qui n’était pas
diminution des erreurs et risques. disponible auparavant.
• Récupération des factures arrivant dans des formats différents : papier, email (recherche l’email,
Réception des factures l’attachement PDF, TIF, JPG, DOC, XLS et même dans le corps de l’email).
• Extraction des données non structurées sur tout type de document même dans des formats jamais vus
(OCR / ICR).
• Apprentissage continu via le traitement des exceptions par les humains (machine learning).
• Workflow avec validations automatisées pour la majorité selon des règles et de seuils pré-définis.
-
Validation
• Possibilité d’autorisations par appareils mobiles.
• Gestion des relances approbations.
• Archivage dématérialisé, accès simple et rapide aux archives, aux données associées.
Archivage
• Chatbot pour répondre aux questions de 1er niveau des fournisseurs : ma facture est-elle arrivée ?
Services aux A quelle étape de validation est-elle ?
fournisseurs/donneurs
d’ordre • Requête en langage naturel pour interroger les bases de données : quelles sont les factures de mon
entité en attente de validation ? Quelles factures ont été validées au mois de mars ?
26
Cahier Technique N°22
27
CONCLUSION
6. Un pilotage agile, ouvert sur l’extérieur, articulé Ce qu’il faut évoquer et que nous n’aurons pas
autour d’un business plan s’adaptant facilement abordé dans cet article, est l’enjeu social et
aux événements endogènes et exogènes, humain de la révolution de l’intelligence
utilisant des benchmarks, des métriques artificielle. Au-delà de sujets purement
financières et des techniques de Storytelling et organisationnels et de compétences dont les
de visualisation, permettant une compréhension entreprises s’empareront de façon naturelle,
plus partagée et plus « actionnable ». c’est l’impact au sens large sur nos sociétés qu’il
faut anticiper :
7. Un nouvel état d’esprit de la Direction Financière
qui devra modifier ses processus séquentiels en • Comment orienter le système éducatif :
prenant une nouvelle approche focalisée sur les permettre aux enfants dès le plus jeune âge
missions et sur résultats escomptés, passer de d’appréhender sans complexe et sans peur
la maîtrise des risques au pilotage des risques, un monde digital, au-delà du jeu, intégrer
faire face au chaos organisationnel lié à la dans les méthodes d’apprentissage
28
Cahier Technique N°22
SOURCES
• L'intelligence artificielle fait ses premiers pas • Harnessing revolution / creating the future workforce
(Option Finance - Juin 2017) (Accenture – 2017)
• Friedman: "Nous vivons 3 accélérations géantes" • La Finance doit elle aussi se mettre en marche ?
(Le Point - Mars 2017) (Damien Alexandre – 2017)
• CFOs becoming data doctors (Accenture 2017) • Le digital : une opportunité magistrale pour le meilleur
de l’homme (François-Daniel Migeon – 2016)
• When BOTS do the buying - Procurement at half the
cost (Accenture 2017) • 7 conseils pour transformer sa fonction finance
(Les Echos – 2017)
• Robotic process automation in the Finance function
of the future (EY 2016) • When will robots run your financial department ?
(EY – 2017)
• Running the numbers - How data analytics is
transforming tax administration (EY – 2016) • Chain reaction: how blockchain technology could
revolutionize the finance function (EY:2016)
• Les avancées de l'IA (Olivier Ezratty – 2016)
• Is your Business AI ready? (Genpact – 2017)
• Global Intelligent Automation (IA) Market Report
(SSON – 2017) • Deep Learning ou apprentissage profond : définition,
qu’est-ce que c’est, comment ça marche, à quoi ça
• Future of Finance (Deloitte – 2017) sert ? (www.lebigdata.fr – 2017)
• CFOs: the digital kingdom begs for a strategic ruler • Smart Data : définition et différences avec le Big Data
(Accenture – 2016) (www.lebigdata.fr – 2017)
• The Digital Finance Moonshot (Accenture – 2017) • Data Lake : définition, avantages et inconvénients
• CFOs are the new digital apostles (Accenture – 2017) pour l’entreprise (www.lebigdata.fr – 2017)
• From reporting the past to architecting the future. • Le nouveau rôle du Directeur Financier à l’ère de
Meet the Finance 2020 workforce l’intelligence artificielle – article (Le Echos – 2017)
(Accenture – 2016) • Robotic Process Automation: Eight Guidelines for
Effective Results (Gartner – 2016)
29
L’Intelligence Artificielle,
stimulateur de la fonction financière
Vers une automatisation intelligente des processus financiers,
par Magali Michel, Directrice de Yooz
Quel est le point commun entre cette nouvelle L’optimisation apportée par les solutions de
génération de voitures capables de conduire dématérialisation de dernière génération se
seules et le traitement des factures ? C’est situe plutôt dans la fourchette haute pour
l’Intelligence Artificielle qui lie ces deux univers plusieurs raisons :
aussi éloignés ! Ce sont effectivement des
technologies comparables qui rendent possible • Grâce à leurs technologies de
la conduite autonome de votre voiture et qui reconnaissance de documents basées sur
contribuent à l’optimisation des processus l’I.A., elles savent localiser et extraire
financiers et comptables. automatiquement les données à reconnaitre
avec un taux de fiabilité excellent sans
En France, sous le terme de « solutions de aucune indication préalable nécessaire de la
dématérialisation de factures » se cache bien part de l’utilisateur.
souvent, en réalité, un « robot » intelligent qui
fait bien plus que « dématérialiser » des • L’utilisation de l’Intelligence Artificielle crée
documents ! Pour cette raison le terme « également un processus d’amélioration
automatisation intelligente » est plus significatif continue des performances de
du travail produit par ces « robots ». Les anglo- reconnaissance : les capacités d’auto-
saxons utilisent eux un terme beaucoup plus apprentissage vertueuses du Machine
explicite puisqu’ils parlent de « Account Learning et la mutualisation des
Payable Automation ». comportements propres aux architectures
Cloud, permettent aux systèmes de s’enrichir
En somme, ces solutions apprennent aussi vite de chaque traitement. Ils auto-apprennent en
et aussi bien qu’un apprenti passionné : elles permanence. Les experts parlent de
identifient les entreprises avec lesquelles vous « réseaux de neurones incrémentaux »,
faites affaire, elles « saisissent automatiquement » capables d’assimiler de nouvelles données
leurs factures, connaissent leurs échéances de sans dégrader les performances du réseau
paiement, les circuits de validation à emprunter neuronal, ni oublier les anciennes entrées.
et les donneurs d’ordre ou managers à associer
aux circuits de validation. Elles sont même • Les technologies de Data Mining permettent
capables d’interagir avec les fournisseurs ! d’identifier les nouveaux fournisseurs via une
simple donnée présente sur la facture
Comment cette automatisation intelligente (numéro de téléphone, numéro de TVA, site
contribue-t-elle à rendre les directions web, etc.).
financières plus performantes ? Elle agit
principalement sur trois indicateurs de
performance : Le cycle de traitement (délai entre l’arrivée
de la facture et son paiement) :
30
La fiabilisation / sécurisation des données et comparer automatiquement et instantanément
du processus (qualité des données les informations indiquées sur un bon de
financières, perte de documents, détection commande, un reçu ou une facture avec des
de fraudes…) : informations disponibles sur le Web ou enfouies
dans les différents systèmes d’information de
C’est aussi là toute la puissance de l’« l’entreprise ! Ils seraient ainsi capables de
automatisation intelligente» capable d’extraire vérifier des coordonnées, de valider la qualité
toutes les données présentes sur les factures, d’une information, de comparer des prix,
d’en contrôler la pertinence et la cohérence, de d’analyser un risque financier, d’anticiper le
proposer des imputations adaptées ; allant risque de défaillance d’un fournisseur, d’établir
même jusqu’à détecter d’éventuels un score de solvabilité, ou d’identifier
comportements frauduleux grâce à des également des documents suspects ou
approches graphométriques (détecter la fraude frauduleux pour les signaler à qui de droit…
sur l’image) ou d’analyse fréquentielle
(incohérence détectée par rapport à un Compte tenu de la vitesse vertigineuse à
historique d’usage). laquelle l’I.A. progresse, ce nouveau monde
vous sera probablement familier bien avant
On peut également distinguer plusieurs autres qu’un camion autonome de la poste ne vienne
domaines pour lesquels cette automatisation déposer le dernier lot de factures papier dans
intelligente est source de valeur et de vos locaux !
performance :
31
LA DFCG, L’ASSOCIATION
DES PROFESSIONNELS FINANCE-GESTION
3 100 membres
régionaux et en groupes sectoriels pour plus de proximité.
1 700 sociétés
INTERVENIR sur les problématiques comptables et financières en concertation étroite
avec les associations professionnelles de la finance telles que l’APDC (Association des
Professionnels et Directeurs Comptabilité et Gestion), l’AFIGESE (Association Finance -
Gestion - Évaluation des Collectivités Territoriales), l’AFDCC (Association des
représentant Crédit Managers), l’AFTE (Association Française des Trésoriers d’Entreprise), l’IFACI
1/3 du PIB (Institut Français de l’Audit et du Contrôle Internes), l’AMRAE (Association pour le
de la France Management des Risques et des Assurances de l’Entreprise), l’IFA (Institut Français des
Administrateurs), EOA (European Outsourcing Association).
Plus de 50 ans
SUSCITER la réflexion et le travail en commun pour faire émerger des pôles d’expertise,
permettant à la DFCG d’être un acteur de référence dans le débat économique et
financier.
d’existence ACCUEILLIR ses membres dans un espace de convivialité, dans un réseau profession-
nel et solidaire. C’est également la possibilité d’intégrer plus rapidement la communauté
financière et de progresser dans son quotidien avec une attention particulière portée sur la
gestion de carrière.
32
CAHIERS TECHNIQUES ET LIVRES BLANCS
Ces cahiers restituent la synthèse et les recommandations de groupes de travail de l’Association sur les
problématiques rencontrées par les dirigeants finance-gestion dans l’exercice de leur métier. Ils se présentent sous
forme électronique et/ou papier, distribués gratuitement aux adhérents de la DFCG.
Les plus récentes publications sont :
• L’ouverture du capital des PME (Cahier technique – novembre 2014),
• L’Observatoire International du Contrôle de Gestion – Résultats 2014 (Cahier technique – décembre 2014),
• Le contrôle interne dans les Services Publics (Cahier technique – mai 2015),
• L’évaluation dans l’entreprise – (Cahier technique – novembre 2015),
• L’Observatoire International du Contrôle de Gestion – Résultats 2015 (Cahier technique – décembre 2015),
• La dématérialisation des processus et des documents, levier de transformation numérique (Cahier technique -
septembre 2016),
• L’Observatoire international du contrôle de gestion - Résultats 2016 (Cahier technique - décembre 2016).
• PME : Réussir votre projet de transformation numérique (Cahier technique - septembre 2017).
• L’Observatoire international du contrôle de gestion - Résultats 2017 (Cahier technique - décembre 2017).
• Le pilotage de la performance dans les services publics : les bonnes pratiques, les pistes de progrès (Livre Blanc,
février 2017)
• La coopération DAF - DRH au service de la performance de l’entreprise et de l’optimisation du lieu social : nos partis
pris sur quatre axes (Livre Blanc, septembre 2017)
COLLECTION DFCG
Publiée par les Éditions d’Organisation, elle comprend actuellement une série d’ouvrages qui présentent une vision
moderne et très opérationnelle des métiers, techniques et méthodes pratiquées par les dirigeants finance-gestion. Voici
les derniers publiés à ce jour :
• L'actualité du dirigeant finance-gestion - Tomes 1, 2 et 3
• L'essentiel du contrôle de gestion, par Annick Delhon-Bugard, Frédéric Doche, Guillaume Lebeau et Olivier Stephan
• Générer du cash, par Florence Farriaux
• Améliorer la performance de votre entreprise Tomes 1 et 2, par Lionel Mailly
• 50 ans d'Histoire des directions financières, par Anne Béchet et Thierry Luthi
• L'essentiel de l'actualité pour décider en 2017 : décryptages à l'attention des dirigeants finance-gestion
33