Académique Documents
Professionnel Documents
Culture Documents
1
PARCOURS
PROFESSIONNEL
2
DE L’OBSERVATION AU CHOIX
DU SUJET
• 14 critères de sélections
• 5 677 écritures
présélectionnées
BIG
• 1 502 473 d’écritures DATA
3
AUDIT, FRAUDE & MACHINE LEARNING
En quoi le machine learning peut-il améliorer la détection de la
fraude dans les travaux du commissaire aux comptes sur le FEC ?
!4
ÉLÉMENTS CLÉS
Rôle de l’auditeur Outils analytiques
Carassus & Cormier (2013) Lanza & Gilbert (2007)
• Pratiques
professionnelles Approche de l’auditeur Loi de Benford
Le Maux et al. (2013)
Gomez da Silva & Careira(2013)
• Rationalité
Formation Gonthier-Besacier (2012)
Ng (2013)
Perols (2011)
CNIL (2017)
Gramfort (2017)
Hajek & Henriques (2017)
Risque sociotechnique Auditabilité
LeCun (2015)
Berthet (2018)
6
CONCLUSIONS
7
ALIGNEMENT STRATÉGIQUE
CABINET TYPE MISE EN PLACE DE R&D
ACTIF PASSIF ACTIF PASSIF
Immob.
Capitaux propres Immob. Capitaux propres
Créances
Dettes long terme Créances Dettes long terme
FRNG > 0
FRNG > 0
BFR > 0 BFR > 0
TN > 0
TN > 0
!8
NE PAS SE RESTREINDRE AU
FEC
Données bancaires Contrôle interne Informations
financieres
❑ Forces et faiblesses du
❑ R.I.B ❑ Cours de bourse
contrôle interne
❑ Relevés bancaires ❑ Cours des concurrents
❑ Hommes clefs
❑ Ordres de virements ❑ Volume de transaction
❑ Zones d’incertitudes
❑ (...) ❑ (...)
❑ (...)
Input Output
Black box
!10
GUIDE PRATIQUE EN 10 POINTS SUR LE
BON USAGE DU MACHINE LEARNING PAR
LES CABINETS D’AUDIT
!11
FORMATION DES COLLABORATEURS
Comment c’est fait ?
Junior
Comment ça marche ?
Initiation
A quoi ça sert ?
Pourquoi nettoyer ?
3 niveaux de Senior
Comment retraiter ?
certification Data wrangling
Quelles données ?
Comment piloter la
Manager mission ?
Gérer sa mission Quels changements
de pratiques ?
!12
Vers un retour en arrière de la
responsabilité du CAC ?
!13
Merci de votre attention
!14