- N° 22 - Mars 2018

ISSN : 1950-0033 – ISBN : 979-10-92310-17-7

IA, Big data, robotisation :

quels impacts pour
la direction financière ?
 IA, Big data, robotisation :
quels impacts pour
la direction financière ?

Cahier Technique n° 22 - Mars 2018

Éditeur : Association nationale des directeurs financiers
et de contrôle de Gestion (DFCG), Association loi 1901
27 rue Duret, 75116 Paris (France)
Directeur de la publication : Bruno DE LAIGUE
Mise en page et Impression : Planète Graphique,
Le Mesnil Grémichon 76160 Saint-Martin-Du-Vivier
 n°22

SOMMAIRE

INTRODUCTION ET DÉFINITIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
LA RÉVOLUTION DU BIG DATA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
L’ÉMERGENCE DE L’INTELLIGENCE ARTIFICIELLE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
QUELQUES DÉFINITIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

LES ENJEUX AUTOUR DE LA DONNÉE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

PRENDRE EN COMPTE LES RISQUES ET L’ORGANISATION DE L’ENTREPRISE . . . . . . . . . . . . . . . . . . . . . . . . 13
ORGANISER UNE GOUVERNANCE DE LA DONNÉE PERFORMANTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

APPLICATIONS POSSIBLES SUR LES PROCESSUS FINANCE GESTION . . . . . . . . . . . . . . . . . 15

IMPACTS SUR L’ORGANISATION ET LES RÔLES DE LA DIRECTION FINANCIÈRE . . . . . . . . . .18

L’ENJEU MÉTIER MAJEUR : LA MODIFICATION DU PÉRIMÈTRE D’INTERVENTION. . . . . . . . . . . . . . . . . . . . . .18
PREMIER AXE, GAGNER EN PRODUCTIVITÉ ET AUTOMATISER LE TRANSACTIONNEL . . . . . . . . . . . . . . . . .18
DEUXIÈME AXE, METTRE EN PLACE UN PILOTAGE AGILE ET EFFICACE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18
TROISIÈME AXE, REVOIR LES PROCESSUS DE « BOUT-EN-BOUT » . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .19
UN ÉTAT D’ESPRIT RADICALEMENT DIFFÉRENT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .19

QUELLES ÉVOLUTIONS DES PROFILS FINANCE ET GESTION ? . . . . . . . . . . . . . . . . . . . . . . . 20

LE DÉVELOPPEMENT DE L’ANALYSE ET DE LA PRÉVISION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
L’ENJEU DE LA FORMATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

QUEL ENVIRONNEMENT PERMET LE DÉPLOIEMENT DE L’IA ?

A CONTRARIO QUELS SONT LES DOMAINES QUI LUI RÉSISTERONT ? . . . . . . . . . . . . . . . . . 22

COMMENT METTRE EN PLACE LE BIG DATA, LA ROBOTISATION ET L’INTELLIGENCE

ARTIFICIELLE AU SEIN DE L’ORGANISATION FINANCIÈRE ? . . . . . . . . . . . . . . . . . . . . . . . . . . 23
UNE STRATÉGIE D’ENTREPRISE, LE PRÉREQUIS POUR GUIDER LA TRANSFORMATION . . . . . . . . . . . . . . . 23
PRIVILÉGIER UNE DÉMARCHE DE MISE EN ŒUVRE DITE « AGILE » . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23
METTRE L’HUMAIN AU CŒUR DE LA TRANSFORMATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
ÊTRE ATTENTIF AUX CHOIX DES TECHNOLOGIES ET À LA SÉCURITÉ ASSOCIÉE . . . . . . . . . . . . . . . . . . . . . 23
CONSIDÉRER LE COÛT TOTAL MAIS AUSSI LE COÛT DE NE PAS FAIRE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
TRANSFORMER LES PROCESSUS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
EXEMPLE : REVUE COMPLÈTE D’AUTOMATISATION INTELLIGENTE D’UN PROCESSUS
COMPTABILITÉ FOURNISSEURS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

CONCLUSION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
LA TRANSFORMATION DIGITALE FINANCE EN DIX POINTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

SOURCES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

L'INTELLIGENCE ARTIFICIELLE, STIMULATEUR DE LA FONCTION FINANCIÈRE,

par Magali Michel, Directrice de Yooz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30

5
 Groupe de travail présidé par :
Annick DELHON-BUGARD - Directrice du Contrôle de Gestion -
La Poste Branche Services Courrier Colis

Frédéric DOCHE - Président - Décision Performance Conseil -

Président du bureau Contrôle de Gestion de la DFCG

Composition
du groupe de travail

Membres du groupe de travail :

Stéphanie THIERRY - Associée du cabinet SpinPart
Jérôme LECOUSTAY - Responsable Financier
Vincent HERLICQ - Responsable Financier
Jan-Tijn POELHEKKE - Directeur Financier
Antoine VANHEUVERSWYN - Directeur Financier Entreprises France Europe –
Bouygues Construction
Jérôme VESTUR - Consultant Senior – Décision Performance Conseil
Frédéric KERLAN - Directeur administratif et Financier - Cogedis
avec la participation d'Armand ANGELI, président du groupe CSP de la DFCG

7
INTRODUCTION ET DÉFINITIONS
Ce document est le fruit du travail d’un groupe de
membres de la DFCG, Association Nationale des
Directeurs Financiers et de Contrôle de Gestion.
Ce groupe, piloté par Frédéric DOCHE, membre du
bureau exécutif, s’est réuni durant le second
semestre 2017.
Nous avons choisi de traiter les trois thèmes :
• Intelligence Artificielle
• Big Data
• Robotisation
au service de la Direction Financière, car ces
3 thèmes sont connexes et intimement liés.
L’Intelligence Artificielle ne peut exister sans
données, la robotisation n’est vraiment innovante
que dans une démarche « apprenante » et donc
basée sur l’Intelligence Artificielle.
Et ces 3 thèmes sont de toute évidence à la fois
sources d’opportunités majeures pour les
Directions Financières, mais aussi de vrais
challenges en termes de changement, de
formation et de transformation.
Évidemment, les opportunités ne sont pas toutes
au même niveau de maturité. Les attentes sont
fortes et elles ne seront pas forcément toutes
satisfaites aux échéances attendues. Mais ces
mouvements nous paraissent inéluctables et les
Directions Financières se doivent, non seulement
de s’y adapter, mais surtout d’y contribuer pour le
succès de leur entreprise.
LA RÉVOLUTION DU BIG DATA
Les récentes évolutions conjoncturelles, réglementaires
et technologiques ont profondément remodelé les
métiers de la finance.
En effet, les entreprises ont été contraintes de
modifier leur stratégie et leur mode d’organisation,
avec pour conséquence immédiate le
renforcement des responsabilités confiées aux
directions financières.
Selon certaines études, la finance telle que
pratiquée jusqu’ici aura disparu d’ici 2022. Ce
bouleversement des Directions Financières trouve
sa raison dans la conjugaison des forces de la
digitalisation, de la robotisation, de l’hyper-
connexion et de la mondialisation des échanges.
L’explosion des données issue de la révolution
numérique a montré les limites des méthodes
traditionnelles de traitement de données et a mis
l’accent sur la nécessité pour les entreprises de se
doter de projets novateurs, fondés sur de nouvelles
méthodes, de nouveaux outils et de nouvelles
compétences. On a assisté simultanément à la
digitalisation de la société et l’explosion des
volumes de données dans tous les secteurs, avec
la capacité de traiter ces données en temps réel
grâce à l’évolution des technologies informatiques.
Les données, structurées ou non structurées, sont
devenues une mine d’or pour les entreprises et les
directions financières, tant pour comprendre
l’activité, les attentes de leurs parties prenantes
que pour produire des analyses et des prévisions
plus fines pour une meilleure prise de décision. Il
s’agit également de révolutionner les business
models et d’identifier de nouvelles opportunités
pour les entreprises.
L’organisation financière, incluant les processus,
les équipes et les systèmes, doit évoluer avec de
nouveaux business models, et de nouvelles
exigences des clients.
Dans son dernier livre paru en mars 2017, Thomas
Friedman analyse que la révolution technologique
et l’émergence d’un monde hyper connecté a
entrainé une nouvelle ère du Big data qu’il fait
remonter à l’année 2007, une année passée
totalement inaperçue à cause de la crise financière
qui a focalisé les attentions sur l’année 2008 qui
suivait. En effet, durant l’année 2007, Apple,
Google, les Apps sous Android, Amazon,
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
gigantesque de données.
Cette massification des données a donné
naissance au Big Data. Ce mot « buzz »,
polymorphe est partout et anime notre quotidien
en tant qu’utilisateur et générateur de « données »
à travers internet et les médias sociaux.
Phénomène aux contours flous, il permet d’intégrer
l’ensemble des données produites, diffusées et
partagées par les entreprises, les universités, les
gouvernements, les individus avec l’utilisation
d’objets connectés via le web et les réseaux
sociaux, etc.
Le Big Data est un mix entre données structurées,
relatives à l’activité des entreprises, stockées dans
leurs bases de données, et de données non
structurées, issues du web et des réseaux sociaux.
Grâce au Big Data, la collecte, le stockage,
l’exploitation et l’analyse de données ont connu
des avancées énormes permettant ainsi aux
entreprises d’avoir recours à de nouveaux
gisements d’informations.
9

L’ÉMERGENCE DE
L’INTELLIGENCE ARTIFICIELLE
Le phénomène du Big Data s’est accompagné
d’une émergence de l’intelligence artificielle qui
constitue une opportunité inégalée pour les
entreprises de transformer la donnée en valeur
grâce à des systèmes complexes capables
d’apprendre et de raisonner.
Le Big data est perçu par les entreprises comme
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
volumétrie de données dépassant la capacité
humaine de traitement et d’analyse.
Selon un mode d’apprentissage
la source, sans avoir besoin de les transmettre
vers un système centralisé.
Grâce à l’approche Smart Data ou analyse en
streaming, les données sont directement
analysées à la source pour permettre de prendre
des décisions immédiatement. Des modèles
statistiques permettent de limiter le nombre de
données pertinentes.
• Internet des objets (loT : Internet of Things) :
les données liées aux capteurs des objets
connectés ou Smart Things.
stocker une très large quantité de données
brutes dans le format natif pour une durée
indéterminée. Cette méthode de stockage
permet de faciliter la cohabitation entre les

“
supervisé, les robots simples en
RPA (Robotic Process Automation)
vont collecter, trier, consolider,
retravailler les données au travers de
routines bien définies.
L’analyse sémantique et des
sentiments, rendue possible par
l’Intelligence Artificielle permettra
différents schémas et les formes structurelles de
données, généralement des blocs
Le Machine Learning va d’objets ou des fichiers. A chaque
permettre d’automatiser projet de digitalisation correspond
des routines plus un lake shore (littéralement rivage
complexes en nous du lac), soit un sous-ensemble de
épargnant d’avoir à données disponibles dans le data
lake qui vont être orientées vers un
prévoir tous les cas de usage métier. Un data lake peut
figures. comprendre entre 2 et 50 lake

d’exploiter les textes, les messages,
bref, tous les échanges écrits ou
même vocaux, et de les transformer
en données exploitables pour les entreprises.
Le Machine Learning va permettre d’automatiser
des routines plus complexes en nous épargnant
d’avoir à prévoir tous les cas de figures. Et
l’Intelligence Artificielle met l’humain face à des
machines qui, un jour, seront capables de
raisonner par elles-mêmes, sans que l’on ait prévu
toutes les hypothèses : elles auront accès à des
données beaucoup plus vastes que l’homme ne
peut en concevoir, et pourront en créer pour leurs
propres schémas d’analyses et de décisions.
”
shores.
• Blockchain : la blockchain est un type de base
de données qui agrège les informations dans des
blocs, qui sont chaînés les uns aux autres dans
un ordre linéaire, chronologique et selon un
cryptage robuste. Les chaînes de blocs sont
utilisées comme des journaux qui peuvent être
partagés et alimentés par des utilisateurs
multiples selon leur niveau d’accréditation, dans
de multiples organisations, pays et lieux
physiques. Tous les acteurs peuvent accéder à la
chaîne cryptée d’informations, qui est dupliquée
automatiquement dès le rajout d’informations.

La transparence et l’unicité de l’information de la

QUELQUES DÉFINITIONS
Les données :
• Big Data : l’avalanche des données avec le Big
Data, qu’il n’est plus possible de traiter avec les
capacités humaines d’analyse et les outils
informatiques classiques de gestion de données,
du fait de leur volume, considérable, de leur
vitesse , leur variété et dont la véracité et la valeur
doivent être qualifiées.
• Smart Data : approche de l’analyse de données
consistant à analyser directement les données à
blockchain accélèrent la mise à disposition de
l’information, entraînent une réduction des
temps de traitement des mises à jour ou des
réconciliations et assurent la véracité des
données grâce au lien direct avec la source
initiale.
Les technologies dites de l’Intelligence Artificielle :
• Intelligence Artificielle : ensemble de
technologies qui inclut l’apprentissage profond
(deep learning), les prédictions (predictive
analytics), la robotisation des process, la

10
 Cahier Technique N°22

reconnaissance de la voix, la biométrie, • L’Automatisation Cognitive ou Machine

l’utilisation automatisée du langage (Natural
language processing).
Ces applications sont principalement liées au
traitement de données (data mining), à la création
de prédictions ou d’analyses et à la robotisation.
Selon une étude de Genpact en juin 2017, ses
principaux apports sont l’amélioration des
process, l’augmentation des revenus et
l’amélioration de l’expérience client.
• Robotisation Automatique des Process ou
RPA : le RPA est un logiciel qui agit comme un
opérateur virtuel, contrôlé par les équipes
opérationnelles. Le robot assiste l’exécution des
tâches par les interfaces existantes. Il cherche,
manipule, analyse les données sur les différentes
applications, émet des réponses.
Learning : elle permet d’extraire de l’information
à partir de sources non structurées, sans règles
initiales. Les robots cognitifs savent travailler les
données non structurées, savent travailler les
exceptions et améliorent la qualité.
• Analytics : Les outils de prédictions et de
simulations ou Predictive Analytics.
• Deep learning : apprentissage profond avec des
réseaux de neurones artificiels. Plus les
« neurones artificiels » sont nombreux, en
couches successives, plus l’apprentissage est
« profond ». L’apprentissage est dit « supervisé »
lorsqu’il s’agit de la reconnaissance « de
données étiquetées », et est qualifié de « non
supervisé » (unsupervised learning) lorsque
l’apprentissage consiste à reconnaître des
« patterns » au sein d’un ensemble de données.

Pour comprendre les impacts pour les directions financières, les axes suivants sont proposés :

• Les enjeux autour de la donnée,

• L’illustration des applications possibles sur les processus classiques de la Finance & Gestion,

• Les impacts pour l’organisation et les rôles de la direction financière,

• Quelles évolutions pour les profils des équipes Finance & Gestion ?

• Comment mettre en place le Big data, la robotisation et l’intelligence artificielle au sein de

l’organisation financière ?

11
LES ENJEUX AUTOUR DE LA DONNÉE
La massification des données et la multiplication
des sources d’information ont rendu critique le
sujet de la gouvernance de la donnée. Cette
gouvernance doit réconcilier deux objectifs qui
sont, en apparence, opposés :
• Comment « libérer la donnée » pour qu’elle soit
exploitée de façon pertinente, avec comme
objectif de créer de la valeur ?
• Comment la sécuriser pour qu’elle soit « valide »
(avoir du sens et un sens qui soit partagé par
tous ceux qui l’utilisent), que son traitement soit
conforme à des contraintes réglementaires
toujours plus fortes (ex : RGPD, Réglement
européen de protection des Données
Personnelles ou GDPR) et que les clients à qui
appartiennent ces données se sentent
confiants sur l’utilisation qui en est faite ?
PRENDRE EN COMPTE LES
RISQUES ET L’ORGANISATION
DE L’ENTREPRISE
Pour être efficace, la gouvernance de la donnée
doit intégrer une compréhension complète de
l’écosystème de cette donnée. Elle doit permettre
de contrôler les risques tout en engageant
l’ensemble des acteurs de l’organisation.
Les risques associés aux données :
• Face au cyber hacking et aux impératifs de
protection des données internes et externes,
l’entreprise doit mettre en place des solutions
de cyber sécurité afin de réduire le risque de
réputation : en effet, l’utilisation de données qui
ne seraient pas validées, protégées ou
sécurisées, pourrait dégrader de manière
durable l’image de l’entreprise. Le risque de vol
de données clients est une réalité sur laquelle
les entreprises communiquent fort peu, à
l’heure où il n’a jamais été collecté autant de
données clients. Or à partir de mai 2018 la loi
sur la protection des données va rendre
obligatoire la divulgation par les entreprises des
vols de données clients.
• Le risque de pérennité/conservation des données :
avec le développement du Software As a
Service (mode SaaS), les données de
l’entreprise n’étant pas stockées dans les Data
Centers de l’entreprise, il est nécessaire de se
poser la question de ce que deviennent ces
données lorsque l’entreprise change de
fournisseur de SaaS. Le développement du
Cloud s’opère sans que les contrats ne
précisent toujours les conditions de
sécurisation des données, ni les conditions de
réversibilité. Afin d’anticiper ces
problématiques, des règlementations telles que
celle du RGPD sur la protection des données
seront adoptées et mises en œuvre dès le mois
de mai 2018. Indépendamment de ces
dispositifs, les entreprises doivent anticiper les
risques associés aux données, quelle que soit
leur nature, et réfléchir sur les solutions à
adopter.
L’alignement des organisations et des systèmes
d’information sur des objectifs business
nécessite de :
• Désiloter les métiers présentant des réticences
tant au niveau du partage que de l’usage
croisé des données.
• Classifier en amont les données en fonction de
leur pertinence et sélectionner les données à
plus forte valeur ajoutée.
• Adopter un langage commun entre tous les
acteurs de l’organisation, des unités
opérationnelles aux fonctions supports ou
transverses.
• Définir les meilleurs moyens pour s’assurer de
la qualité de la donnée ; ceci est un véritable
challenge du fait de la présence de silos dans
les organisations et de redondances dans les
systèmes.
• Savoir traduire les besoins et enjeux business
en solutions informatiques.
• Opter pour une transformation agile de
l’organisation y compris du Système
d’Information (prototypes, pilotes, changements
rapides).
• Cette révolution numérique questionne aussi
l’allocation des ressources, notamment à
l’informatique :
• Jusqu’où aller dans des solutions qui ne sont
pas toujours matures ?
• Doit-on investir dans ces nouveaux socles
technologiques qui permettent l’exploitation
des données en mémoire (in-memory) ?
L’usage en temps réel des données a un coût. Le
risque pour les directions financières est de ne pas
soutenir des initiatives clés indispensables au
13
 positionnement stratégique de l’entreprise, ou au
contraire, de laisser les initiatives se multiplier sans
cohérence, avec un coût non négligeable pour
l’entreprise.
et prise en charge par un pilote ayant une
connaissance précise des enjeux et des processus
de l’organisation.
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
artificielle sur les processus Finance Gestion sont
nombreuses.
1. L’application la plus évidente est la robotisation
des processus les plus « transactionnels »
comme le traitement des factures fournisseurs,
la création de fiches Clients ou Fournisseurs, le
rapprochement bancaire, certaines déclarations
légales et fiscales, etc. Le traitement massifié
qu’offrent les robots va également faire évoluer
les processus de contrôle qui pourront devenir
plus exhaustifs, tout en étant automatisés.
Outre l’automatisation des tâches à faible valeur
ajoutée, en particulier dans le domaine
comptable et dans le secteur banques-
assurances, trois autres types de processus
peuvent être considérés.
2. La collecte, la consolidation et la sécurisation
des données
L’objectif est d’alimenter la base de travail en
analyse de gestion afin de passer moins de
temps dans la collecte, le contrôle et le
« retravail » des données.
Les processus bénéficiaires sont les processus
prévisionnels comme le budget, les prévisions
(forecasts) des ventes, des stocks, etc, et les
processus de pilotage comme la mesure et
l’analyse de la performance.
Les approches Big data, en augmentant le
nombre de données traitées, qu’elles soient
structurées ou non, amplifient donc les impacts
sur les processus.
3. La constitution de pré-analyses
Les capacités d’analyses sémantiques ou de
sentiments comme les capacités rédactionnelles
permettront de proposer par exemple des
Le CFO « digital » doit investir dans son architecture de données,
dans la capacité analytique et prédictive et dans le reporting visuel.
Tableaux de bord
et reporting
Algorithmes avancés,
automatisation et analyses
Data et architecture de traitement
Source : Analyse BCG
analyses de marché, des systèmes d’alerte de
santé financière des clients ou des fournisseurs,
des rapports de gestion, etc.
Attention cependant, le robot se limite à ce pour
quoi il est programmé et au périmètre
d’intervention qui lui a été défini. La curiosité,
l’intuition née de l’expérience, l’enrichissement
des idées par la confrontation et l’échange n’ont
pas encore été « programmés ». Les robots
opèrent en mode « apprentissage supervisé ».
Les experts soulignent cependant le risque à
laisser opérer seuls les robots notamment dans
le domaine de la finance de marché : toute
tendance risque d’être amplifiée avec des effets
qui pourraient être dévastateurs. Dans ce
contexte, la décision qui apportera le plus de
valeur sera sans doute celle de l’humain, qui se
démarquera des algorithmes programmés.
4. La capacité prédictive
En s’appuyant sur une sélection de données
pertinentes pour la prise de décision, sur les
compétences de data scientists – de nouveaux
acteurs dans les directions financières – et sur
la connaissance opérationnelle des métiers, il
est possible de construire de nouveaux agrégats
plus complexes et calculés plus rapidement.
Ces derniers donneront une prévision toujours
plus fine, à plus long terme et de façon quasi
immédiate. Ainsi il devient possible de prévoir
plus finement le chiffre d’affaires à douze mois
avec des données collectées sur le web, de
prévoir les plannings de tournées de façon plus
fiable et d’utiliser les moyens de manière plus
efficace avec l’écoute du web, les prévisions
météo ayant un impact sur la demande, etc.
Bien anticiper permet d’optimiser les BFR, de
prévoir les justes ressources en fonction des
besoins, bref de gagner en rentabilité.
Moteurs de visualisation
Outils dynamiques de prévisions
Big data et analyses avancées
Automatisation des processus
Machine learning et IA
Data lake
Interfaces et programmation d’applications
15
 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 &
CONSOLIDATION
Clôture & Consolidation
• Automatiser les
rapprochements (et les
rendre continus au lieu
de ponctuels en fin de
période), identifier les
écarts notamment en %
de variation par rapport
à un historique, chaîne
de traitement jusqu'aux
écritures (ex. BlackLine)
• Proposition de rapport
de gestion
• Proposition d'écritures
spécifiques
Comptabilité Fournisseur
• Récupérer les factures
pdf sur une boite mail
• Réaliser la lecture et
l'intrégration des
données de la facture
• Créer les fiches
fournisseurs
• Identifier les cas
spécifiques (doublons,
acomptes, etc.)
Comptabilité Client
• Robot : créer les fiches
Clients
Comptabilité Analytique
Comptabilité bancaire
• Processus de
rapprochement accéléré
Processus Interco
• Contrôle et identification
des écarts
Gestion des stocks
• Prévision plus rapide sur un
plus grand nombre de
données, intégrant la
chaîne de valeur complète.
Exemple d’automatisation :
enregistrement des com-
mandes prises par email,
puis report des données du
système opérationnel vers
le système comptable,
opérer des calculs de
provision client ou stock
(économies possibles sur
les stocks et frais logistiques,
meilleure visibilité)
Gestion des immobilisations
• Créer des fiches immo
16
TRÉSORERIE & CONTRÔLE DE GESTION,
FINANCEMENT REPORTING
Risques financiers Budget, Forecast
• Prévisions intégrant un • Analyse et proposition
plus grand nombre de de prévisions à partir
données avec plus de d'historiques et de
granularité, de précision données internes et
et de rapidité externes
• Simulation de scenarii
faisant varier les
données
• Processus d'élaboration
et de validation
collaborative des
budgets
Cash management Profitabilité client, etc.
• Automatiser la • Simulation de scenarii
réconciliation des faisant varier les données
comptes bancaires, et intégrant la chaîne de
• Affiner les prévisions de valeur complète de
trésorerie court terme et l'entreprise
long terme
Credit management Reporting
• Mettre en place des • Constitution des tableaux
analyses de type Big de bord, qualité des
data des clients pour données, modularité,
anticipation des risques Tableaux de bord
d’impayés et de délais incluant des données
de paiement financières et extra-
financières, internes et
externes à l’entreprise,
structurées et non-
structurées, le tout mis à
jour en temps réel.
• Proposition de rapport de
gestion
Analyse Working Cap Gestion des coûts
• Prévision plus rapide sur • Définir le schéma de
un plus grand nombre de production et de
données, intégrant la distribution optimal, par
chaîne de valeur rapport à une prévision
complète de ventes par produit et
par zone géographique.
Cash & FCF forecast Reportings fiscaux
• Prévision plus rapide sur
un plus grand nombre de • Automatiser la production
données, intégrant la de reporting et
chaîne de valeur justificatifs fiscaux
complète
CORPORATE RISQUES
FINANCE
Business Planning Contrôle des risques
• Collecte et analyse • Analyse Big data des
d'information de marché, clients, fournisseurs,
d'acteurs, etc. contrepartie pour
anticipation du risque
• Intensification des
contrôles (approche
exhaustive possible),
identification de cas non
courants, alertes
(comportements ou
données inhabituels, des
accès uniques, etc).
• Renforcer la prédiction
pour améliorer la
détection et la réduction
des fausses alertes
Audits
Processus Capex internes et externes
• Maintenance préventive • Audit sur la totalité des
avec détection de l’état données plutôt que sur
d’usure et la prévention des échantillons
des risques de pannes
(Exemple : IoT embarqué
dans les flottes de
voitures).
• Prévisions des capex
maintenance intégrant la
visibilité de l’état actuel
des actifs.
Développement d'activités
• Identifier des cibles,
analyser des contrats
(Ex : Watson. : Le système
apporte une traçabilité de
son raisonnement à l’aide
des évidences collectées,
précise son degré de
justesse dans ses
réponses, ce qui permet
au directeur financier de
juger par lui-même de leur
pertinence)
Légende pour les couleurs de macro-processus
Très concerné par l’IA
Concerné par l’IA
Faiblement ou pas concerné par l’IA

Comment votre fonction finance est-elle digitalisée ?
SUJET FINANCIER
Allocation du capital
Le rôle du CFO
et de l'organisation financière
Architecture IT et outils
Système de KPI, planification
stratégique et opérationnelle
et prévisions
Partenariat, gestion et
performance du reporting
et analyse
Comptabilité, processus,
risque et gestion du capital
Source : Analyse BCG
PARADIGME HISTORIQUE
• Pas d’optimisation avancée
• Pas d’analyse poussée
• Pas d’évaluation automatique
• Manager de la performance financière
• Comptable et contrôleur
• Travaille en silos (comptabilité et contrôle
fonctionnant séparément par exemple)
• Activités transactionnelles
• Infrastructure IT complexe et redondante
• Des données réparties dans les référentiels
• Comptabilité et contrôles semi-automatisés
• Analyse basée sur l’expérience et statique
• Outils analytiques difficiles d’utilisation
• Mesure de la création de valeur
• Basé sur la data historique
• Processus Bottom-up
• Pas d’analyse
• Limité aux données financières
• Travail sur papier, traitement des données
en batchs
• Niveau de profondeur fixe
• Business intelligence et axes
d’analyse fixes
• Flux de travail complètement ou
partiellement manuel
• Nombreux rapprochements
• Dépenses fragmentées et dupliquées
Cahier Technique N°22
PARADIGME DIGITAL
• Algorithmes d’optimisation avancée
• Analytics pour gestion des priorités projet
• Machine learning pour des projets historisés
• Chef (ou chef de facto) digital et data officer unit
• Fournisseur d’analyses avancées
• Finance intégrée
• Hubs analytiques
• Transactions complètement automatisées
• Plateformes IT intégrées
• Technologies avancées de gestion de la data
• Data lake (référentiel unique)
• Analyses avancées
• Modèle de prédiction et de reconnaissance
de schémas
• Outils analytiques faciles d’utilisation
• Capacité à découvrir les modèles
avec des régressions
• Identification des causes “racine”
• Insights comme créateurs de valeur
• Pilotage Top down (avec des analyses)
• Prévision du CA, du bilan, du résultat
• Ensemble de données internes et externes
• Digital, accès en temps réel
• Capacité de drill-drown ad hoc
• Capacité d’intégrer des données provenant de
sources internes mais aussi externes
• Flux de travail digitalisés
• Analyses et matching automatisés
• Vue consolidée des dépenses
17
 IMPACTS SUR L’ORGANISATION
ET LES RÔLES DE LA DIRECTION
FINANCIERE
Durant la dernière décennie, les directions
financières ont pu mener des projets tels que
l’implantation de nouveaux ERP, la mise en place
de nouveaux systèmes de reporting,
l’automatisation des tâches et des processus
notamment la mise en place d’outils de
dématérialisation de factures, la création de
centres de services partagés, etc.
L’ENJEU MÉTIER MAJEUR : LA
MODIFICATION DU PÉRIMÈTRE
D’INTERVENTION.
Historiquement les métiers de la finance étaient
plus tournés vers la production et l’analyse de
données financières liées aux transactions passées
et au reporting. Avec l’avènement de nouvelles
solutions technologiques, de nouvelles options
permettent de se désengager des activités à faible
valeur ajoutée au profit d’autres jugées ayant « plus
d’impact ».
D’où le renforcement de leur rôle managérial dans
l’accompagnement à la prise de décisions.
De plus en plus impliqués dans les projets de
transformation digitale, les DAF deviennent des
acteurs privilégiés pour la conduite des projets de
transformation transverse tels que la refonte des
modèles économiques et la réorganisation des
activités.
Architectes de processus digitaux en devenir, ils
sont appelés à maîtriser les systèmes
d’information, à automatiser des processus, à faire
évoluer les pratiques et à permettre à l’organisation
de devenir plus agile.
PREMIER AXE, GAGNER EN
PRODUCTIVITÉ ET AUTOMATISER
LE TRANSACTIONNEL
D'après de multiples analyses, 50 à 60% de la
fonction financière telle qu’elle est pratiquée
aujourd’hui sera automatisée, avec notamment la
fin de la mission de saisie comptable et des actes
à faible valeur ajoutée.
La robotisation et l’intelligence artificielle vont
rendre possibles :
• Le traitement de données structurées et non
structurées issues de sources internes et
externes.
18
• Le contrôle instantané et le management des
risques à travers l’Analytics,
• L’automatisation des tâches plus complexes
avec le machine learning et l’analyse
sémantique,
• L’amélioration des capacités d'analyse avec les
technologies d'analyses prédictives,
• L’utilisation des chatbots pour répondre aux
nombreux appels entrants d'opérationnels et
apporter une réponse aux questions simples.
L’ensemble des processus en place et des outils
de la Direction Financière - la comptabilité
transactionnelle, la comptabilité bilantielle, le
reporting financier et le reporting externe, la
planification, l’élaboration budgétaire et les
prévisions, et les process de trésorerie – seront
affectés.
Par exemple, pour l’accélération du processus de
clôture des comptes, le pilotage en temps réel
permettra l’identification des retards entrant dans
le chemin critique, améliorera les tâches de
justification et réduira les temps de traitements par
des robots (y compris la nuit et le week-end).
Autre exemple concernant le processus de gestion
des notes de frais : des solutions de saisie
automatique (OCR) des reçus (tickets de parkings,
notes de restaurant, factures d’hôtel…) par les
utilisateurs à partir d’une application Smartphone
de type scanner, permet de fluidifier les flux de
données rentrantes, de supprimer la phase de
rapprochement entre saisie versus les originaux et
d’automatiser le reste du processus, de la
validation des dépenses au remboursement des
frais jusqu’à l’enregistrement comptable.
DEUXIÈME AXE, METTRE EN
PLACE UN PILOTAGE AGILE
ET EFFICACE
Avec les capacités offertes par le Big Data et
l’Intelligence Artificielle dans toutes ses formes, la
Direction Financière doit contribuer à mettre en
place un pilotage agile et efficace. Celui-ci doit
s’articuler autour d’un business plan s’adaptant
facilement aux événements endogènes et
exogènes.
Ce pilotage doit abandonner la posture du simple
reporting pour aller vers plus de Storytelling grâce à
la Data Visualisation, permettant une compréhension

plus partagée et plus « actionnable » pour l’ensemble
des métiers. Ces informations devront être
directement accessibles et compréhensibles par
les opérationnels sur des supports mobiles
(smartphones, tablettes, portables).
Le Contrôleur de Gestion ne sera plus là pour
produire et diffuser l’information, mais bien pour
apporter de l’analyse là où elle sera souhaitée.
Le pilotage devra bénéficier de l’apport de
benchmarks, d’échanges avec les partenaires de
son écosystème. Les directions financières se
doivent ainsi d’analyser les opérations avec des
métriques financières et de challenger la
performance selon la création de valeur
escomptée pour l’actionnaire, les vulnérabilités de
la stratégie, et les risques liés à l’activité.
“
Le développement du numérique doit
également amener les directions
Évoluer du
financières à renforcer leur rôle dans
les domaines de la lutte contre la strict respect de
fraude et contre la corruption (Loi « l’orthodoxie »
Sapin II). vers la prise de
risques contrôlée
TROISIÈME AXE, REVOIR
LES PROCESSUS DE
« BOUT-EN-BOUT »
La Direction Financière devra modifier ses
processus séquentiels et ses méthodes de travail
en prenant une nouvelle approche focalisée sur les
missions et résultats escomptés.
Il est possible d’imaginer par exemple :
• Des expertises, fruit de la collaboration
d’équipes transverses virtuelles.
• Une interaction quasi continue entre les
informaticiens, les Data Scientists, les
opérationnels et la direction financière permet
d’identifier les données fondamentales, de
challenger et d’exploiter les résultats des
analyses robotisées, de définir les priorités
opérationnelles et d’adapter toujours mieux les
données liées au pilotage (exemple : la nature
des variables à prendre en compte dans les
agrégats, le périmètre d’analyse, le mode
d’exploitation des données, les référentiels etc.).
• De repenser le chemin critique des processus
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.
Cahier Technique N°22
UN ÉTAT D’ESPRIT
RADICALEMENT DIFFÉRENT
Garantes du retour sur investissement (Return On
Investment), les directions financières ont
longtemps été critiquées pour leur conservatisme
lié en partie au cadre formel de l’exercice de leur
activité.
Régis par des processus formalisés et
réglementés, tels que les procédures budgétaires,
les contrôles, les déclarations et publications de
comptes, le champ d’action et l’énergie des
collaborateurs étaient entièrement focalisés sur le
respect des règles et des délais.
Aujourd’hui, libérées de la charge
qu’induisent ces contraintes, les
Directions Financières peuvent et
doivent se transformer. Leur culture
doit évoluer du strict respect de
« l’orthodoxie » vers la prise de
risques contrôlée : elles doivent ainsi
évoluer de la maîtrise des risques
(policing risks) au pilotage des
”
risques (embracing risks).
Cela signifie s’apprêter à faire face à ce qui peut
apparaître comme un chaos organisationnel, c’est
à dire être en mesure de digérer la complexité
générée par les masses d’informations, la
complexité d’intégrer des données internes et
externes dans ses analyses, l’accélération des
transformations des processus, des outils et des
systèmes en place.
En se refocalisant sur la valeur ajoutée « business »
de la donnée, le CFO peut devenir l’architecte de la
chaîne de valeur.
Il devra également faire siennes les nouvelles
pratiques managériales (« entreprises libérées »,
management à distance, suppression des couches
hiérarchiques, etc.) et permettre ainsi à ses équipes
de :
• Développer leur autonomie en matière de
décision et de gestion, et leur capacité à tirer
la sonnette d’alarme au juste moment.
• Travailler en réseau, sur des approches agiles
permettant de tester et d’apprendre sur des
cycles courts.
19
 QUELLES ÉVOLUTIONS DES PROFILS
FINANCE ET GESTION ?

• Le paramétrage, la « formation » et le pilotage

LE DÉVELOPPEMENT DE
L’ANALYSE ET DE LA PRÉVISION
La fin des activités orientées sur le transactionnel
(comptable bien sûr mais aussi le reporting avec la
collecte et la consolidation des données) va
réorienter les équipes vers le contrôle de gestion,
ou plus exactement vers le pilotage au sens large,
c’est-à-dire la fiabilisation de l’usage de la donnée
et l’aide à la prise de décisions.
De nouvelles missions et de nouvelles
compétences à acquérir au sein des équipes vont
apparaître :
• Garantir la fiabilité de la donnée,
• Collecter des données, identifier de nouvelles
sources,
des robots,
• La gestion focalisée du traitement des
exceptions, des alertes, des risques, toute
étape nécessitant une appréciation subjective,
• Le recours aux compétences de statisticiens, de
data scientists, de spécialistes du comportement,
d’économistes, jusqu’ici peu présents, voire
pas du tout présents, dans les directions
financières.
Le rôle du contrôleur de gestion est d’améliorer la
qualité de la prise de décisions, et de fournir pour
cela des informations et analyses :
• Au bon moment (dans les temps),
• Exactes,

• S’assurer que ces données sont qualifiées et • « Actionnables ».

exploitables rapidement pour le décisionnel.
Les premiers impacts de la Robotisation viendront
Cependant, au-delà du en soutien des équipes actuelles,

“
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
problématiques spécifiques et de sa
force de proposition de solutions ciblées pour
éclairer la décision business.
Aider à la décision : être en capacité de décrypter
la donnée et d’en tirer la substance permettant de
prendre la bonne décision en temps réel.
”
Resteront dans le domaine humain,
la créativité, les relations avec les
autres humains, l’éthique, la définition des règles.
Dans ce contexte le développement des « soft
skills » devient primordial : savoir faire preuve de
pédagogie, sortir du jargon financier, maîtriser les
techniques d’animation, savoir piloter le
changement etc.

Cela veut dire déployer plus de capacités
d’analyses prospectives et interprétatives.
En réalité, ces deux compétences ne sont pas
nouvelles dans les directions financières. C’est leur
importance et l’étendue de leur champ
d’application qui vont en faire un nouveau
challenge pour les équipes.
Nous assistons à l’émergence de véritables
nouvelles missions et de nouvelles compétences :
La combinaison Big Data et Intelligence Artificielle
permettra de nouveaux types de prévisions. Le
contrôleur de gestion sera mieux armé pour fournir
plus de scenarios, avec des probabilités assignées
à chacun d’eux.
Pour prétendre garder son rôle clé, la finance devra
acquérir des connaissances transverses
approfondies (également hors de l’entreprise), se
rapprocher des opérations, du commerce et du
client, des achats afin de maîtriser la relation entre

20

ces processus et le résultat financier. Elle sera
capable de traduire les besoins clients/business en
besoins d’investissement où l’IT prendra une place
importante.
Le rôle de garant de la donnée, ou arbitre de la
donnée pourrait revenir à la finance avec comme
constante, l’allocation la plus efficiente de
l’ensemble des ressources.
L’ENJEU DE LA FORMATION
Il va falloir « re-former » (reskilling) les
collaborateurs en développant :
• les compétences techniques liées à la
compréhension et à l’usage des données,
• les compétences relationnelles, comportementales,
managériales pour un positionnement en
Business Partner,
• la créativité et la capacité à prendre une
décision,
• une certaine appétence aux technologies et à
l’usage de la donnée.
Cahier Technique N°22
C’est bien sûr à travers l’utilisation de ces mêmes
technologies qu’il sera possible d’adapter et de
personnaliser les formations et d’assister les
acteurs dans leur nouveau rôle. Ces formations
devront en outre mettre l’accent sur l’acceptation
psychologique de la coopération entre des
collaborateurs et « collègues » robots dans la
nouvelle organisation des tâches et des postes.
L’automatisation massive du travail oblige le
collaborateur humain à faire face à un véritable
défi, celui de devenir agile, adaptable et flexible
« change ready ». Il doit être en mesure de se
réinventer en permanence afin d’explorer des
niches pour effectuer ce que les machines
d’intelligence artificielle ne sauront pas (encore)
faire. Il s’agira pour lui de développer son
humanité, son instinct et son intuition afin de
pouvoir cohabiter avec les machines et les robots.
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
environnement processé, avec des référentiels
propres, les robots vont pouvoir remplacer
l’homme pour la production du reporting.
Cela permettra au Contrôleur de Gestion de se
focaliser sur les analyses, les faits saillants, que la
seule donnée ne pourra expliquer. Le Contrôleur de
Gestion Business Partner, connaisseur des
processus et des activités aura alors à échanger
avec les opérationnels pour affiner les choses et
travailler sur les tendances de fond.
Si l’activité est dans un environnement très stable,
là encore la machine pourra proposer des budgets
déjà tout faits aux opérationnels en intégrant les
effets prix, les tendances du marché etc... Mais qui
écoutera l’opérationnel expliquer les éléments non
pris en compte, les aléas potentiels, et les projets
qu’il peut avoir ?
On pourrait imaginer des revues de performance
où le manager opérationnel est challengé par un
Robot qui répond en langage naturel à ses
observations, face à son supérieur hiérarchique.
Prendre des décisions, c’est parfois aussi écouter
son intuition, qui n’est souvent rien d’autre qu’un
faisceau d’informations cachées par nos
neurones.
On voit déjà où nous amène aujourd’hui la
standardisation de l’information avec le partage
des mêmes informations dans toutes les agences
de presse.
Alors si les machines peuvent remplacer les
hommes sur les tâches répétitives, sur certaines
analyses, dans un environnement plutôt stable, sur
le traitement de données à une volumétrie qui
dépasse la capacité de traitement humaine, on
peut penser qu’a contrario le Contrôleur de
Gestion a un bel avenir dans les contextes
incertains.
Dans des environnements instables, avec des
processus non structurés, comme les start up ou
22
l’intégration de nouvelles activités, le Contrôleur de
Gestion a un rôle indispensable pour intégrer les
nouveaux acteurs dans le « Core Model ».
La data rend possible l’exploration de nouveaux
territoires. Ainsi le développement autour de la
fraude et du contrôle interne ouvre de nouveaux
champs particulièrement importants s'agissant
notamment de différents types de fraudes qui
contournent les process.
Le stockage de volumes de données importants
permet de mettre en évidence, des anomalies qui
n’auraient pas été identifiées “à l’œil nu”.
Le Contrôleur de Gestion est souvent aujourd’hui
cantonné à l’usage de données internes. La
donnée lui offre d’autres approches pour
challenger la vision stratégique ou commerciale et
explorer des nouvelles pistes, que ce soit sur le
développement de parts de marché, ou sur des
optimisations de coûts.
Les RERS (réseaux d’échange et de savoir)
permettront de rechercher des pistes
d’optimisation autrement, de travailler le partage
collaboratif.
Enfin si la machine libère le Contrôleur de Gestion
de la production de données, on peut imaginer
qu’il sera libre de mieux accompagner les
transformations de l’entreprise, de partager les
réflexions sur la stratégie, l’accompagnement du
déploiement des projets, pour jouer un rôle
d’acteur de la conduite du changement.
Le Contrôleur de Gestion de demain, grâce à l’IA,
sera peut-être un pourvoyeur de business et
d’opportunités, ouvert sur l’innovation, porteur de
sens par ses relais dans les autres entreprises, la
recherche des meilleures pratiques. Il pourra
explorer de nouvelles pistes d’optimisation. Des
nouveaux modes de refinancement, des process
partagés, une vision plus réactive, car il faudra
prendre des décisions de manière accélérée dans
un monde qui tournera 24 heures sur 24.
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
à la séquentialité : fonctionner
par itérations successives, pratiquer le Test and
Learn.
• Mettre en place une plateforme de travail
collaborative.
• Faire disparaître les silos dans l’organisation,
décloisonner les compétences techniques et
métiers.
• Identifier un cas ou des cas d’usages.
• Une opportunité de création de valeur (ce n'est
pas un sujet technique).
”
démarche.
ETRE ATTENTIF AUX CHOIX
DES TECHNOLOGIES ET À
LA SÉCURITÉ ASSOCIÉE
L’écosystème technologique est mouvant. Les
solutions sont de plus en plus nombreuses et
évoluent très rapidement. Les coûts baissent et
deviennent abordables rapidement.
• Privilégier le mode SaaS ou le cloud (Solutions
Amazon et Microsoft par exemple) et les outils
open source.

• Sur une ambition raisonnable « Start Small » en
se focalisant sur des sujets très spécifiques et
en ciblant les principaux gisements de valeur.
• Conserver l’exigence : le cas d’usage doit
permettre de générer un ROI au final.
• Avoir un sponsor métier fort.
• Se faire une idée en 1 à 3 mois.
• Définir une gouvernance qui permet de valider
les choix.
• Tenir compte de l'évolutivité de votre
automatisation.
• Choisir entre des solutions d’automatisation
intelligente très pointues sur le sujet
(ex : Blackline), et des solutions plus généralistes
(ex : Workfusion) avec des applications allant
de la simple robotisation RPA au Machine
Learning intégrant l’IA.
• Intégrer ces solutions dans votre SI : les robots
se connectent sur vos systèmes existants.

23
 • Impliquer le service informatique bien en amont
et aussi tôt que possible.
• Pour un projet RPA, les changements de
système et les opérations de maintenance
pourraient avoir un impact sur les robots.
Ils nécessitent des actions spécifiques
(ex : stratégies d’actualisation des mots de
passe).
• Participer aux choix d’hébergement, de types
d’automatisation ou de logiciels spécialisés.
CONSIDÉRER LE COÛT TOTAL
MAIS AUSSI LE COÛT DE NE PAS
FAIRE
“
Le premier choix doit être fait entre
développer une solution en interne (ce Comparer
qui permet d’intégrer le plus
au coût de
rapidement possible les compétences)
ne pas investir.
ou acquérir des solutions qui pourront
être adaptées en interne ou en mode
Cloud / Saas.
Il faut en outre considérer le coût total : les coûts
baissent et deviennent plus abordables.
• Robot : coût d’achat, mise en place,
maintenance, développements futurs.
Le coût total varie en fonction du modèle de
tarification du fournisseur. La facturation peut
se concrétiser parfois à travers une licence
annuelle par robot ou par transaction effectuée
par un robot, voire même par la facturation d’un
service (qui peut inclure des outils RPA).
• Humain : Centres de Compétences (Center of
Excellence ou CoE) avec des personnes
spécialisées sur les projets data, robotisation
et intelligence artificielle. Formation des
équipes dans tous les métiers de l’entreprise.
• Sécurité informatique / protection des données.
Le comparer au coût de ne pas investir.
• Décalage avec ce que recherche le client.
• Perte de compétitivité face à des concurrents
qui ont su baisser leurs coûts, puis perte de
contrats, puis perte de compétitivité.
• Disruption.
• Pénalités fiscales : l’administration est de plus
24
en plus digitalisée. Il faut pouvoir répondre aux
nouvelles demandes des autorités fiscales,
fournir la masse de données et de justificatifs,
parfois en temps réel maintenant, dans les
délais demandés et se garder suffisamment de
temps pour pouvoir formuler des réponses aux
questions.
Concrètement, les entreprises doivent être en
mesure de fournir à l’administration fiscale le fichier
des écritures comptables (FEC). Ce fichiers est
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
d’une zone géographique avec les données du
client.
Il est devenu possible et stratégique
pour certaines grandes entreprises de se
doter de ce même dispositif Big data et
d’effectuer les contrôles formels du FEC
en amont pour anticiper les difficultés
liées à sa validité et ainsi éviter le rejet
des comptes, et aussi pour pouvoir
”
anticiper les demandes de
l’administration fiscale.
• Pénalité pour non-conformité à des nouvelles
règlementations. Par exemple le RGPD
(Règlement général de protection des données)
qui entre en vigueur en mai 2018, prévoit des
amendes pouvant aller jusqu’à 4% du chiffre
d’affaires mondial ou 20 millions d’euros (le
plus haut des deux s’applique) en cas de non-
notification par les responsables de traitement
des violations de données personnelles.
• Opportunités manquées de générer des
revenus supplémentaires sur des sujets tels
que l’amélioration du recouvrement des
créances clients et des taxes ou le respect des
tarifs et conditions de ventes…
TRANSFORMER LES PROCESSUS
Il faut cibler les processus et les tâches à
automatiser. Il peut être intéressant de « se faire la
main » sur quelques tâches avant d’attaquer un
processus complet.
Il faut commencer par les processus les plus
simples et les plus évidents avec les gains les plus
rapides : activités transactionnelles, gros volumes,
tâches manuelles administratives.
Transformer les processus de bout en bout dans
 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 :

EXEMPLE : REVUE COMPLÈTE • Mauvaise appréciation des provisions au

moment des clôtures comptables,
D’AUTOMATISATION
INTELLIGENTE D’UN PROCESSUS • Manque de visibilité sur les engagements et les
COMPTABILITÉ FOURNISSEURS. dépenses,

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.

Processus simplifié de factures Fournisseurs

Facture sans Codification

commande comptable Saisie facture Validation facture

EDp
Facture avec Rapprochement
Réception facture commande, rappro. Saisie facture commande Paiement
2 voies

Facture avec Rapprochement Rapprochement

commande, rappro. Saisie facture commande réception
3 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
transactions sont forts comme le nombre d’ETP
(Equivalent Temps Plein) mobilisés.
• Son fort potentiel d’amélioration du taux de
conformité et de réduction des risques. Il est
souvent impossible d’effectuer de façon
exhaustive tous les contrôles et une parfaite
ségrégation des tâches (risques de double
paiement, erreur de prix, erreur sur les
coordonnées bancaires des fournisseurs, erreur
d’imputation comptable et de gestion, etc.).
Son impact financier :
o La stabilité des données entrantes et des
macro-étapes rend possible la gestion des
exceptions (exemple : facture sans PO).
o Dans le cadre d’un CSP, la gouvernance est
réalisée à partir d’une seule localisation et
d’une seule équipe.
o Sa contrainte de temps : les délais de
paiement sont réglementés.
o L’exigence des Audits et du contrôle interne :
séparation des tâches, diminution des
disruptions business.

• Visibilité sur les dettes fournisseurs, gestion de
trésorerie, du BFR,
• Clôtures comptables facilitées, plus justes et
plus rapides,
• Economies, gains en ETP dans le traitement,
diminution des erreurs et risques.
o Ainsi, le Global Intelligent Automation Market
Report de SSON (2017) mentionne le cas
d’usage chez Becton Dickinson qui a introduit
des robots pour économiser 2.5 ETPs dans la
gestion des bons de commande et par là
même, fournir une piste d’audit améliorée et
une traçabilité complète qui n’était pas
disponible auparavant.

Automatisation intelligente Comptabilité Fournisseur

• 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).

• Vérification de la conformité de la facture (présence des informations légales, formats, etc.).

Rapprochements
• Facture vs PO - Identification des écarts (exemple - rapprochement prix).
• Assemblage des documents nécessaires pour l’autorisation des paiements.

• 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.

• Codification comptable et de gestion.

Comptabilisation
• Entrée des opérations comptables.
• Intégration de l'information dans l’ERP.

• Réalisation des paiements.

Paiement
• Affectation des prélèvements.
• Réconciliations bancaires.

• 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

Illustration d’un planning de mise en œuvre agile en 12 semaines

Phase de Phase projet Phase projet Production

planification V1 V2
1 2 3 4 5 6 7 8 9 10 11 12
Plan Agile et lancement Plan Agile
Exigences macro, définition des phases
et des sprints
Lancement et finalisation du plan
(# cycles/durée)
Design et construction de la robotisation Cycles Sprint Cycles Sprint
Exigences agiles avec l'implication
d'experts
Design et construction
Cycle de test sprint
Migration/ Déploiement de la documentation
Exécution des processus / documentation
des éléments de sécurité
Construction RPA RPA RPA
Validation des accès et connexions,
données réelles
Construction du processus avec RPA
Test pour RPA
Traitement Traitement Traitement
Données d’entraînement de processus
Extraction des mega data pour validation
Construction des tags de données et
scoring/qualification des performances
Test pour gestion des exceptions
Intégration des processus pour
la gestion des exceptions
Construction cognitive Cognitif Dernier ajustement
Analyse du modèle et validation
Intégration du modèle dans le
processus / Test
Test du modèle, analyse de la
performance, ajustements
Recette utilisateur UAT UAT
UAT (process, RPA, gestion des
Exceptions & revues)
Production Production Production
Simulation de production
Source : Workfusion

27
 CONCLUSION
LA TRANSFORMATION DIGITALE
FINANCE EN DIX POINTS
Gouvernance de la donnée, nouveau cœur de
métier du DAF
1. Concilier deux objectifs opposés : le « désilotage
» des données de l’entreprise pour créer de la
valeur et leur sécurisation pour leur exploitation
et la conformité de leur traitement aux
réglementations.
2. Intégrer une compréhension et une visibilité
complète sur la chaîne de valeur de la donnée,
de sa création à sa consommation.
3. Procéder à un alignement des organisations et
des systèmes d’information sur des objectifs
business.
Les impacts métier et humains sur les
directions financières
4. Les Directeurs Financiers sont appelés à
maîtriser les Systèmes d’Informations, à
automatiser des processus, à faire évoluer les
pratiques et à permettre à l’organisation de
devenir plus agile. Le Contrôleur de Gestion,
dont le rôle est d’améliorer la qualité de la prise
de décisions et de fournir des informations et
analyses au bon moment (dans les temps),
exactes et actionnables, devra s’appuyer sur les
nouvelles capacités prédictives.
5. Les technologies digitales apportent
principalement une robotisation des processus
« transactionnels » - à terme 50 à 60% de la
fonction financière - une accélération de la
collecte, de la consolidation et de la sécurisation
des données, la constitution de pré-analyses et
la capacité prédictive.
6. Un pilotage agile, ouvert sur l’extérieur, articulé
autour d’un business plan s’adaptant facilement
aux événements endogènes et exogènes,
utilisant des benchmarks, des métriques
financières et des techniques de Storytelling et
de visualisation, permettant une compréhension
plus partagée et plus « actionnable ».
7. Un nouvel état d’esprit de la Direction Financière
qui devra modifier ses processus séquentiels en
prenant une nouvelle approche focalisée sur les
missions et sur résultats escomptés, passer de
la maîtrise des risques au pilotage des risques,
faire face au chaos organisationnel lié à la
28
complexité de la masse d’informations internes
et externes et des bouleversements des
processus.
8. De nouvelles missions vont apparaître autour de
la donnée – fiabilité, collecte de la donnée,
identification de nouvelles sources - mais aussi
le paramétrage, la formation et le pilotage des
robots, et avec le recours aux compétences,
data scientists, spécialistes du comportement,
économistes.
9. Il va falloir « re-former » les collaborateurs en
développant les compétences techniques liées
à la compréhension et l’usage des données, les
compétences relationnelles et managériales
pour un positionnement en Business Partner, la
créativité et la capacité à prendre une décision.
Les fondamentaux d’un projet digital
10. Positionner le projet RPA, Big data, Intelligence
Artificielle comme un projet business et non
comme un projet IT.
• Expliquer la stratégie aux équipes, bien en
amont pour la réussite du projet, embarquer
les utilisateurs au sens large dans cette
transformation c'est à dire les collaborateurs,
les clients, les entreprises de l’écosystème,
les fournisseurs, etc.
• Etre attentif aux choix des technologies et à
la sécurité associée.
• Transformer les processus, en ciblant les
processus et les tâches à automatiser suivant
une Feuille de Route de l’Automatisation, de
bout en bout dans une démarche de Lean
Management, permettant de réduire la
charge, la durée totale du cycle et d’atténuer
les redondances de processus et de données.
Ce qu’il faut évoquer et que nous n’aurons pas
abordé dans cet article, est l’enjeu social et
humain de la révolution de l’intelligence
artificielle. Au-delà de sujets purement
organisationnels et de compétences dont les
entreprises s’empareront de façon naturelle,
c’est l’impact au sens large sur nos sociétés qu’il
faut anticiper :
• Comment orienter le système éducatif :
permettre aux enfants dès le plus jeune âge
d’appréhender sans complexe et sans peur
un monde digital, au-delà du jeu, intégrer
dans les méthodes d’apprentissage

l’acquisition de réflexes différents ou
complémentaires, orienter les étudiants vers
les sciences comportementales comme
technologiques, etc. ?
• Comment construire dans les entreprises un
équilibre et un « dialogue » entre la machine
et les individus ou les équipes, comment
relayer cet équilibre dans la société en
général ?
• Comment gérer la transition avec la
disparition annoncée de certains métiers,
qu’ils soient considérés comme purement
SOURCES
• L'intelligence artificielle fait ses premiers pas
(Option Finance - Juin 2017)
• Friedman: "Nous vivons 3 accélérations géantes"
(Le Point - Mars 2017)
• CFOs becoming data doctors (Accenture 2017)
• When BOTS do the buying - Procurement at half the
cost (Accenture 2017)
• Robotic process automation in the Finance function
of the future (EY 2016)
• Running the numbers - How data analytics is
transforming tax administration (EY – 2016)
• Les avancées de l'IA (Olivier Ezratty – 2016)
• Global Intelligent Automation (IA) Market Report
(SSON – 2017)
• Future of Finance (Deloitte – 2017)
• CFOs: the digital kingdom begs for a strategic ruler
(Accenture – 2016)
• The Digital Finance Moonshot (Accenture – 2017)
• CFOs are the new digital apostles (Accenture – 2017)
• From reporting the past to architecting the future.
Meet the Finance 2020 workforce
(Accenture – 2016)
Cahier Technique N°22
manuels ou à forte « valeur ajoutée », sans
être totalement anxiogène mais rassurant ?
Les directions financières doivent travailler
leur processus de GPEC (gestion des
compétences) pour accompagner leurs
équipes et les faire monter en compétences
ou évoluer vers d'autres métiers.
Aujourd’hui, la promesse de l’intelligence artificielle
dépasse encore largement la réalité mais la phase
d’apprentissage ira vite. Ces questions d’avenir
doivent donc être abordées dès aujourd’hui par
tous les acteurs : états, éducation, entreprises,
individus, etc...
• Harnessing revolution / creating the future workforce
(Accenture – 2017)
• La Finance doit elle aussi se mettre en marche ?
(Damien Alexandre – 2017)
• Le digital : une opportunité magistrale pour le meilleur
de l’homme (François-Daniel Migeon – 2016)
• 7 conseils pour transformer sa fonction finance
(Les Echos – 2017)
• When will robots run your financial department ?
(EY – 2017)
• Chain reaction: how blockchain technology could
revolutionize the finance function (EY:2016)
• Is your Business AI ready? (Genpact – 2017)
• Deep Learning ou apprentissage profond : définition,
qu’est-ce que c’est, comment ça marche, à quoi ça
sert ? (www.lebigdata.fr – 2017)
• Smart Data : définition et différences avec le Big Data
(www.lebigdata.fr – 2017)
• Data Lake : définition, avantages et inconvénients
pour l’entreprise (www.lebigdata.fr – 2017)
• Le nouveau rôle du Directeur Financier à l’ère de
l’intelligence artificielle – article (Le Echos – 2017)
• 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
génération de voitures capables de conduire
seules et le traitement des factures ? C’est
l’Intelligence Artificielle qui lie ces deux univers
aussi éloignés ! Ce sont effectivement des
technologies comparables qui rendent possible
la conduite autonome de votre voiture et qui
contribuent à l’optimisation des processus
financiers et comptables.
En France, sous le terme de « solutions de
dématérialisation de factures » se cache bien
souvent, en réalité, un « robot » intelligent qui
fait bien plus que « dématérialiser » des
documents ! Pour cette raison le terme «
automatisation intelligente » est plus significatif
du travail produit par ces « robots ». Les anglo-
saxons utilisent eux un terme beaucoup plus
explicite puisqu’ils parlent de « Account
Payable Automation ».
En somme, ces solutions apprennent aussi vite
et aussi bien qu’un apprenti passionné : elles
identifient les entreprises avec lesquelles vous
faites affaire, elles « saisissent automatiquement »
leurs factures, connaissent leurs échéances de
paiement, les circuits de validation à emprunter
et les donneurs d’ordre ou managers à associer
aux circuits de validation. Elles sont même
capables d’interagir avec les fournisseurs !
Comment cette automatisation intelligente
contribue-t-elle à rendre les directions
financières plus performantes ? Elle agit
principalement sur trois indicateurs de
performance :
Le temps consacré au traitement (saisie,
validation, litige, classement, recherche) :
L’automatisation des tâches génère une
réduction des temps consacrés à la collecte et
à la recherche des documents, ainsi qu’à la
saisie de données.
Cette diminution du temps de traitement se
traduit en général par des gains de productivité
de 30 à 70 %.
30
L’optimisation apportée par les solutions de
dématérialisation de dernière génération se
situe plutôt dans la fourchette haute pour
plusieurs raisons :
• Grâce à leurs technologies de
reconnaissance de documents basées sur
l’I.A., elles savent localiser et extraire
automatiquement les données à reconnaitre
avec un taux de fiabilité excellent sans
aucune indication préalable nécessaire de la
part de l’utilisateur.
• L’utilisation de l’Intelligence Artificielle crée
également un processus d’amélioration
continue des performances de
reconnaissance : les capacités d’auto-
apprentissage vertueuses du Machine
Learning et la mutualisation des
comportements propres aux architectures
Cloud, permettent aux systèmes de s’enrichir
de chaque traitement. Ils auto-apprennent en
permanence. Les experts parlent de
« réseaux de neurones incrémentaux »,
capables d’assimiler de nouvelles données
sans dégrader les performances du réseau
neuronal, ni oublier les anciennes entrées.
• Les technologies de Data Mining permettent
d’identifier les nouveaux fournisseurs via une
simple donnée présente sur la facture
(numéro de téléphone, numéro de TVA, site
web, etc.).
Le cycle de traitement (délai entre l’arrivée
de la facture et son paiement) :
Cette même automatisation des différentes
tâches constitutives du process crée également
une accélération du circuit de traitement et de
validation. En réduisant les tâches manuelles
(saisie, rapprochement entre les bons de
commande, les bons de livraison, les factures et
les paiements), et en aiguillant automatiquement
les factures dans un circuit de validation
pertinent grâce aux technologies décisionnelles,
l’I.A. accélère de façon significative le cycle de
traitement de bout en bout (en général on estime
le facteur de gain entre 3 et 20).
La fiabilisation / sécurisation des données et
du processus (qualité des données
financières, perte de documents, détection
de fraudes…) :
C’est aussi là toute la puissance de l’«
automatisation intelligente» capable d’extraire
toutes les données présentes sur les factures,
d’en contrôler la pertinence et la cohérence, de
proposer des imputations adaptées ; allant
même jusqu’à détecter d’éventuels
comportements frauduleux grâce à des
approches graphométriques (détecter la fraude
sur l’image) ou d’analyse fréquentielle
(incohérence détectée par rapport à un
historique d’usage).
On peut également distinguer plusieurs autres
domaines pour lesquels cette automatisation
intelligente est source de valeur et de
performance :
comparer automatiquement et instantanément
les informations indiquées sur un bon de
commande, un reçu ou une facture avec des
informations disponibles sur le Web ou enfouies
dans les différents systèmes d’information de
l’entreprise ! Ils seraient ainsi capables de
vérifier des coordonnées, de valider la qualité
d’une information, de comparer des prix,
d’analyser un risque financier, d’anticiper le
risque de défaillance d’un fournisseur, d’établir
un score de solvabilité, ou d’identifier
également des documents suspects ou
frauduleux pour les signaler à qui de droit…
Compte tenu de la vitesse vertigineuse à
laquelle l’I.A. progresse, ce nouveau monde
vous sera probablement familier bien avant
qu’un camion autonome de la poste ne vienne
déposer le dernier lot de factures papier dans
vos locaux !

• des processus plus efficaces, plus fluides,

plus collaboratifs et plus mobiles qui facilitent
les interactions entre les différentes parties
prenantes dans et hors de la direction
financière,

• une traçabilité totale des interventions

effectuées sur les documents pendant le
cycle de traitement des documents qui
permet une conformité avec la législation,

• un reporting intelligent « temps réel » et des

indicateurs de performance pertinents qui
contribuent à l’évaluation de la performance
et son évolution dans le temps.

Ces usages séduisants de l’Intelligence

Artificielle appliqués aux processus financiers
ne représentent, en réalité, que la partie
émergée de l’iceberg des opportunités que
nous offrent ces nouvelles approches
technologiques. Ils laissent présager, pour les
professionnels du chiffre, de la comptabilité, du
contrôle de gestion, un positionnement
beaucoup plus attrayant : ils ne produiront plus
que de la valeur ajoutée réelle, ils auront du
temps pour le contrôle, l'analyse, la stratégie et
la prise de décision.

Imaginez un monde dans lequel des systèmes

experts, analysant tous les flux de documents
financiers ou administratifs, pourraient

31
 LA DFCG, L’ASSOCIATION
DES PROFESSIONNELS FINANCE-GESTION

En 1964 a été créée l’ANCG, l’Association Nationale des Conseillers et Contrôleurs de

Gestion. Après quelques années d’existence marquées par un fort développement du
métier de “contrôleur” et le lancement de l’Association Internationale (IAFEI), elle a décidé
d’adopter le nom d’Association Nationale des Directeurs Financiers et de Contrôle de
Gestion dont le sigle est DFCG.

Aujourd’hui, la DFCG est une association de professionnels - Directeurs Financiers et/ou

Directeurs de Contrôle de Gestion - d’entreprises privées ou publiques. Des enseignants et
des conseils d’entreprises dans les domaines de la gestion, des finances et des systèmes
d’information en sont également membres. Elle accueille les jeunes professionnels se
destinant au plus haut niveau de la profession au sein du club DFCG Avenir.

LA DIFFÉRENCE COMME SOURCE D’ENRICHISSEMENT

EN 50 ANS,
L’Association compte quelques 3 100 membres répartis dans tous les secteurs
LA DFCG EST DEVENUE économiques et géographiques du pays. La DFCG regroupe toutes les tailles d’entreprises,
UN RÉFÉRENT DANS depuis la PME jusqu’aux grands groupes internationaux. À l’image du tissu économique
français, une forte proportion de PME et ETI est représentée par ses directeurs
LA SPHÈRE FINANCIÈRE administratifs et financiers ou directeurs finance-gestion. Cette diversité est une
formidable source d’échange d’expériences et d’enrichissement des débats.

n°1 EXCELLER DANS NOS MISSIONS

des associations
des professionnels  ENRICHIR professionnellement ses membres, par l’échange d’idées et d’expériences,
dans le cadre de manifestations et de formations, par la publication de sa revue
finances-gestion Finance&Gestion et du blog Vox Fi, par les travaux de son Comité Scientifique.

 OUVRIR à chaque membre la richesse du réseau DFCG, structuré en groupes

3 100 membres
régionaux et en groupes sectoriels pour plus de proximité.

 INTERNATIONALISER nos contacts avec les associations similaires à l’étranger,

notamment au sein de l’International Association of Financial Executives Institutes (IAFEI).

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.

 ÉCHANGER des expertises métiers complémentaires dans le cadre de la Maison de la

Finance. Cette « Maison de la Finance », regroupant l’AFDCC, l’APDC et la DFCG, est une
première initiative dans le monde associatif professionnel et permet, dès à présent, à
tous les collaborateurs des services financiers des entreprises de se retrouver sous un
même toit avec une panoplie complète de services et conseils pour les accompagner
au quotidien dans le développement de leurs compétences : formations, ressources
documentaires, événements, groupes de travail, commissions métier.

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

DES DOCUMENTS DE TRAVAIL INCONTOURNABLES

GUIDE DFCG DES PARTENAIRES DES DIRECTIONS FINANCIÈRES
Le guide DFCG des partenaires des Directions Financières est un guide bi-média (web et print). Il répertorie par domaine
de compétences les partenaires de votre quotidien. Son site, mis à jour régulièrement, vous permet également de
retrouver les informations en ligne, en respectant la même configuration que votre guide papier.

POUR MIEUX SE CONNAÎTRE, L’ANNUAIRE

L’annuaire de la DFCG recense, outre les structures nationales de l'Association, les bureaux des groupes régionaux, les
bureaux des clubs sectoriels, des groupes d’échanges et la liste des membres par ordre alphabétique, par entreprise et
par groupe régional. Il offre de nombreux liens et contacts potentiels aux membres de l’Association. L'annuaire est
strictement réservé aux adhérents de la DFCG.

33