Impacts de La Numérisation Sur L'audit - Une Étude Delphi Pour L'allemagne Translated

08/03/2020 Impacts de la numérisation sur l'audit: une étude Delphi pour l'Allemagne
Page 1
Journal pré-épreuve
Impacts de la numérisation sur l'audit: une étude Delphi pour l'Allemagne
Victor Tibère, Stefanie Hirth
PII: S1061-9518 (19) 30008-4
EST CE QUE JE: https://doi.org/10.1016/j.intaccaudtax.2019.100288
Référence: ACCAUD 100288
Apparaitre dans: Journal of International Accounting, Auditing and Taxation
Date acceptée: 3 novembre 2019
Veuillez citer cet article comme: Tiberius V, Hirth S, Impacts de la numérisation sur l'audit: un Delphi
Étude pour l'Allemagne, Journal of International Accounting, Auditing and Taxation (2019),
doi: https://doi.org/10.1016/j.intaccaudtax.2019.100288
Il s'agit d'un fichier PDF d'un article qui a subi des améliorations après acceptation, tel que
l'ajout d'une page de garde et de métadonnées, et la mise en forme pour la lisibilité, mais ce n'est pas encore le
version définitive du dossier. Cette version fera l'objet d'une révision, d'une composition et d'une
examen avant sa publication sous sa forme définitive, mais nous fournissons cette version pour donner
visibilité de l'article. Veuillez noter que, pendant le processus de production, des erreurs peuvent être
découvert ce qui pourrait affecter le contenu, et tous les avertissements juridiques qui s'appliquent à la revue
appartenir.
© 2019 Publié par Elsevier.
https://translate.googleusercontent.com/translate_f 1/30
Page 2
Impacts de la numérisation sur l'audit: une étude Delphi pour l'Allemagne
Victor Tiberius a, * , Stefanie Hirth b
a Faculté des sciences économiques et sociales, Université de Potsdam, August-Bebel-Str. 89, 14482
Potsdam, Allemagne
b KPMG AG Wirtschaftsprüfungsgesellschaft, Klingelhöferstr. 18, 10785 Berlin, Allemagne
Le financement
Cette recherche n'a reçu aucune subvention spécifique de la part d'organismes de financement du secteur public, commercial ou non.
secteurs à but lucratif.
Abstrait
La numérisation en cours de l'économie présente des défis et des opportunités pour l'audit
profession et exige que les auditeurs et leurs clients s’adaptent. Dans le contexte actuel
les développements technologiques dans l'analyse des mégadonnées, l'intelligence artificielle (IA) et la technologie blockchain,
cette étude examine les changements dans les pratiques d'audit attendus par les professionnels de l'audit allemands
cinq à dix prochaines années. Il aborde la perception de l'audit, la relation auditeur-client, la réglementation,
changements structurels et procéduraux pour les cabinets d'audit et profil de la profession d'audit. Celles-ci
va probablement changer avec les nouvelles technologies. Nous avons interrogé des experts dans le cadre d'une étude Delphi en Allemagne
menée en deux tours. Les résultats montrent qu'aucun changement de grande ampleur n'est attendu dans le
horizon temporel. L'audit annuel évoluera de plus en plus vers une approche d'audit continu. Malgré
opinions majoritairement incertaines, les experts estiment que les nouvelles technologies ne remplaceront pas l'auditeur mais
fournira plutôt secours et soutien. Même si les exigences nécessaires à l'emploi rendent plus difficile
restent dans la profession, des effets perturbateurs dans les lieux de travail des auditeurs ne sont pas attendus dans un avenir proche.
Néanmoins, les conséquences de l’utilisation des nouvelles technologies dans le processus d’audit offrent de
possibilités de recherche.
* Auteur correspondant. Adresse e-mail: tiberius@uni-potsdam.de (V. Tiberius).

1
Page 3
Classification JEL
M42, O33
Mots clés
Intelligence artificielle; Audit; Analyse des mégadonnées; Technologie blockchain; Étude Delphi; Numérisation,
Allemagne.
1. Introduction
La numérisation accélérée d'aujourd'hui remet considérablement en question les modèles commerciaux existants et
l'emploi de travailleurs du savoir dans toutes les industries (Loebbecke & Picot, 2015). Par conséquent,
les cabinets d'audit et les auditeurs sont potentiellement affectés par les progrès des technologies de l'information
(Elliott, 2002), en particulier dans l'analyse des mégadonnées (Alles, 2015; Cukier, & Mayer-Schoenberger, 2013;
Constantiou et Kallinikos, 2015; Richins, Stapleton, Stratopoulos et Wong, 2017; Syed, Gillela et
Venugopal, 2013), intelligence artificielle (IA) (Goertzel, 2007; Nowak, Lukowicz, Horodecki, 2018),
et la technologie blockchain (White, 2017). Ces progrès rapides de la numérisation impliquent le potentiel
l'automatisation des tâches cognitives, de la même manière que les machines ont remplacé le travail physique
révolution industrielle (Brynjolfsson & McAfee, 2014). Ces développements pouvant menacer la
l'ensemble du secteur de l'audit, ils sont très pertinents pour les auditeurs et leurs groupes de parties prenantes.
Les entreprises doivent penser à l’avenir et être au fait des tendances technologiques susceptibles de
changer les règles de l'industrie et créer une nouvelle concurrence (Hamel et Prahalad, 1994). Par conséquent, les entreprises adoptent
prospective "pour soutenir la prise de décision, améliorer la planification à long terme, permettre une alerte précoce,
processus d’innovation et d’améliorer la vitesse de réaction aux changements environnementaux »(Iden, Methlie, &
Christensen, 2017: 90), pour créer un avantage concurrentiel (Anderson, 1997) et augmenter la rentabilité
(Rohrbeck et Kum, 2018). Pour atteindre ces objectifs et éviter de simplement spéculer sur ce que l'avenir
pourrait apporter, la prospective a adopté plusieurs méthodologies et techniques systématiques, telles que le Delphi
depuis de nombreuses années.
Malgré son importance, la prospective technologique pour l'industrie de l'audit est rare. Parce que le
les impacts spécifiques de la numérisation dans l'audit ne sont pas évidents aujourd'hui, une enquête plus approfondie est nécessaire.
Page 4
Dans ce contexte, le présent document vise à fournir une vision prospective au secteur de l'audit, en particulier en
en utilisant la méthode Delphi, pour examiner les conséquences probables des changements liés à la numérisation attendus
dans les cinq à dix prochaines années. En particulier, l'étude explore les effets de la numérisation sur les auditeurs
parties prenantes (destinataires de l'audit, clients et régulateurs) et les organisations, ainsi que l'audit
profil de la profession.
L'étude Delphi se concentre sur le marché allemand de l'audit. Pour la recherche d'audit internationale,
les caractéristiques et les différences communes aux pays sont significatives. L'Allemagne est la cinquième économie du
le monde et l'un des principaux pays en science et technologie. L'Allemagne, dans le cadre de la
Union, partage de nombreuses pratiques d'audit avec d'autres pays, avec quelques différences (Quick, Schenk,
Schmidt et Towara, 2017). Les normes d'audit allemandes correspondent largement aux normes internationales
d'audit, avec seulement quelques détails concernant les audits conjoints, les audits des rapports de gestion et les
systèmes d'alerte et audits en vertu de la loi sur les énergies renouvelables. En outre, l'allemand et tous les autres UE
les auditeurs ne sont pas autorisés à fournir la comptabilité financière, l’audit interne, la gestion, les
évaluation et services actuariels. Bien que la protection des investisseurs soit considérée comme plutôt faible en raison
exposition limitée à la responsabilité civile des contrôleurs légaux des comptes, la surveillance publique de la profession est indépendante.
Étant donné que ces différences ne sont pas pertinentes pour la question de recherche de l'article, elles ne font pas partie du
mené une étude Delphi. Les cabinets d’audit internationaux «Big Four», Deloitte , EY , KPMG et PwC , ont
une part de marché de 83% parmi les 160 plus grandes entreprises d'Allemagne (Fockenbrock, 2011). Donc,
les résultats de l'étude, bien que non représentatifs de l'industrie internationale de l'audit, sont pertinents pour
de nombreux autres pays développés.
Le document est organisé comme suit: Dans la section suivante, le contexte technologique de
la numérisation, représentée de manière exemplaire par l'analyse des mégadonnées, l'IA et la technologie de la chaîne de blocs, est élucidée
brièvement, en se concentrant sur les liens généraux avec l'audit. Cela sert de base pour Delphi plus tard
projections. La section 3 explique la méthodologie Delphi et comment l'étude a été menée. Vingt
des projections, c'est-à-dire des déclarations pertinentes pour l'audit des changements au cours des cinq à dix prochaines années, sont formulées,
et leur plausibilité est brièvement justifiée. La quatrième section présente les résultats, à la fois sous forme descriptive
statistiques et sous la forme d'un scénario cohérent. Parce que plusieurs résultats sont plutôt surprenants, le papier
examine ensuite pourquoi les experts en audit ont pu exprimer leurs attentes de cette manière.
Page 5
2. Contexte: liens entre numérisation et audit
2.1 Analyse des mégadonnées
Le Big Data a été caractérisé par le paradigme dit des quatre V: volume, vitesse, variété,
et la valeur (Gantz & Reinsel, 2011). Alors que les coûts de stockage des données chutent, le volume de données a augmenté
de façon exponentielle au cours des dernières décennies (Breuer, 2016). De même, la vitesse de génération des données a
augmente rapidement. Données générées à partir de diverses sources, à des fins diverses et sans
forme cohérente, peut inclure des nombres, du texte, des images, du son, des vidéos et de nombreux autres types. Par conséquent, grand
les données sont stockées de manière non structurée. Cela est particulièrement vrai pour les données des réseaux sociaux (Syed, Gillela, &
Venugopal, 2013; Warren, Moffitt et Byrnes, 2015). Comme suggéré par Laney (2001), les trois premiers V
montrent que les logiciels conventionnels ne peuvent pas gérer les mégadonnées. Cependant, le quatrième V plus récent souligne que le grand
les données peuvent avoir une valeur potentielle élevée, en particulier lors de la compréhension des besoins des clients et de l'optimisation
produits et services (Chen, Mao et Liu, 2014; Lee, Kao et Yang, 2014; Ram, Zhang et Koronios,
2016). Par conséquent, l'analyse des mégadonnées représente un nouveau modèle de traitement pour donner un sens à
et des données non structurées, les transformant en connaissances précieuses (Constantiou & Kallinikos, 2015; De Mauro,
Greco et Grimaldi, 2016; Laney, 2001; Snijders, Matzat et Reips, 2012). Big data, ce qui est attendu
pour assurer la croissance économique, comporte également des risques pour la société, tels que les atteintes à la vie privée et la discrimination
(Cuquet et Fensel, 2018).
À des fins d'audit, l'utilisation de l'analyse des mégadonnées n'est pas évidente, car même les données comptables
avec des milliards de transactions sont encore «petites» dans le contexte des «mégadonnées». De plus, les données comptables
sont généralement bien structurés et comprennent des comptes de débit et de crédit. Cependant, même si les données comptables sont
pas considéré comme «gros», les techniques d'analyse des mégadonnées peuvent être appliquées à de plus petits volumes de
transactions. Par conséquent, ces modèles de traitement peuvent être utilisés pour effectuer des audits complets, plutôt que partiels,
audits aléatoires, économiquement significatifs (Bierstaker, Burnaby et Thibodeau, 2001; Yoon, Hoogduin,
& Zhang, 2015).
Une application plus indirecte de l'analyse des mégadonnées à des fins d'audit pourrait être d'enrichir
des informations sur les transactions commerciales avec des informations externes non comptables, dérivées des mégadonnées
(Bierstaker, Burnaby et Thibodeau, 2001; Yoon, Hoogduin et Zhang, 2015). Ces données non comptables
Page 6
pourrait être associée à des données comptables pour la plausibilité (Cao, Chychyla, & Stewart, 2015; Lombardi,
Bloch et Vasarhelyi, 2014). Par exemple, des discussions intensives sur les réseaux sociaux au sujet d'un accord important
pourrait se refléter dans les transactions ou l'évaluation des actifs, ou des images satellites pourraient montrer des travaux de construction
lorsqu'un projet est mentionné dans le rapport financier.
Cependant, l'analyse des mégadonnées comporte également un certain nombre de défis pour les auditeurs. Par exemple,
les auditeurs ont peu d'expérience avec des sources de données inconnues et peuvent donc avoir du mal à estimer leur
pertinence, fiabilité et pertinence (Appelbaum, Kogan et Vasarhelyi, 2017). En outre, il est
On ne sait toujours pas comment associer des données non structurées et non comptables à des données comptables structurées
(Yoon, Hoogduin et Zhang, 2015).
2.2 AI
Parce qu'il n'existe pas de définition uniforme de l'intelligence, une définition claire de l'IA est également problématique
(Richins, Stapleton, Stratopoulos et Wong, 2016; Smith, 2015). En général, l'IA est censée s'engager dans
activités basées sur le traitement de l'information humaine, telles que la reconnaissance des formes, l'apprentissage et la planification
(Minsky, 1961). La plupart des IA sont appliquées à la reconnaissance de la langue, à la reconnaissance visuelle des formes ou à la logique
résolution de problèmes (Gershman, Horovitz et Tenenbaum, 2015).
À des fins d'audit, l'IA peut trouver des anomalies dans les données comptables. Actuellement, l'apprentissage automatique,
le sous-concept le plus important de l'IA (Jordan & Mitchell, 2015), est utilisé par les «Big Four»
des sociétés d'audit pour la collecte et la validation des données (Brennan, Baccala et Flynn, 2017). Par exemple,
PwC logiciel » GL.ai l'information pertinente pour la comptabilité des documents (tels que les contrats)
et le met à la disposition des auditeurs. Plus l'algorithme contient de données, plus il peut en apprendre (Jordan
& Mitchell, 2015). Les applications d'apprentissage automatique au-delà de cette portée ne sont pas encore identifiables (Kokina &
Davenport, 2017). Cependant, plusieurs autres utilisations de l'IA sont envisageables pour l'avenir (Kokina &
Davenport, 2017). Par exemple, l'IA pourrait rendre les processus d'inventaire moins sujets aux erreurs humaines
(Appelbaum et Nehmer, 2017). L'IA pourrait également être utilisée pour améliorer les processus d'audit à l'échelle de l'industrie et
normes. Une IA forte pourrait même remplacer les auditeurs humains (Kokina & Davenport, 2017). Le monde
Le Forum économique (2015) s'attendait à ce que 30% des audits d'entreprise soient effectués par AI avec optimisme
d'ici 2025.
Page 7
2.3 Technologie blockchain
Une blockchain est une base de données décentralisée qui stocke chronologiquement des informations sur
transactions de toute nature (Christidis & Devetsiokiotis, 2016; Dai & Vasarhelyi, 2017; Pilkington, 2016;
Blanc, 2017). La base de données est disponible pour chaque membre du réseau, appelé nœud, qui détient un
copie identique et valide chaque nouvelle transaction, appelée bloc. Comme chaque nouveau bloc est attaché à un
avant, les blocs concaténés construisent la blockchain. Un nouveau bloc est uniquement attaché à l'existant
blockchain si la majorité des nœuds est d'accord. Par ce besoin de validation décentralisée, plus tard unilatérale
les changements dans la base de données sont impossibles, la blockchain est donc considérée comme anti-fraude (Cai & Zhu, 2016).
Comme tout le monde peut lire la base de données, elle est également transparente.
Alors que les crypto-monnaies comme Bitcoin sont l'application la plus connue de la blockchain
technologie, de nombreuses autres utilisations sont possibles (Dai & Vasarhelyi, 2017). En fait, une blockchain est une alternative
à tout système de transaction actuellement géré et authentifié par un intermédiaire central, comme une banque
(pour les transferts d'argent ou de sécurité) ou un cadastre (pour les transactions immobilières). En tant qu'autorités certifiant
l'exactitude des rapports financiers, les auditeurs pourraient également être potentiellement remplacés par un système de blockchain.
Lorsqu'une entreprise gère toutes ses transactions via un système de blockchain, car toutes les transactions sont
validés de manière décentralisée en temps réel, ils peuvent faire confiance à ceux qui acceptent la technologie blockchain. Un
un audit central supplémentaire pourrait être considéré comme dispensable. Cependant, les avantages et risques potentiels
les chaînes de blocs pour l'audit sont encore à peine explorées (Dai & Vasarhelyi, 2017).
3. Méthodologie
3.1 L'étude Delphi
Pour générer un scénario futur sur l'impact de la numérisation sur l'audit, un Delphi en deux étapes
étude a été menée en ligne. La méthode Delphi interroge les experts sur au moins deux tours, en utilisant un
un questionnaire standardisé et une rétroaction structurée sur les résultats du premier
renforcer le consensus des répondants (Bell, 1967; Dalkey & Helmer, 1963; Rowe & Wright, 1999;
Skulmoski, Hartman et Krahn, 2007; Woudenberg, 1991).
Page 8
La méthode Delphi convient à la prévision des états futurs créés par l'homme (Woudenberg, 1991). Dans
contrairement aux processus de développement naturel causal-déterministes, tels que la météo, l’avenir de la société est
basé sur les intentions humaines, les interactions sociales et les coïncidences (Tiberius, 2011). Par conséquent, la société
Les prévisions peuvent provenir d’un groupe d’experts exprimant leurs connaissances et expériences subjectives.
opinions fondées. La méthode a été appliquée dans de nombreux domaines de l'administration des entreprises et
gestion, comme la banque (Bradley & Stewart, 2003), les ressources humaines (Poba-Nzaou, Lemieux,
Beaupré et Uwizeyemungu, 2016; Wiggington, 1979), systèmes d'information (Hong, Trimi, Kim, &
Hyun, 2015; Huang, Wu et Chen, 2013; Keller et von der Gracht 2014; Koskiala et Huhtanen, 1989;
Schmidt, Lyytinen, Keil et Cule, 2001; White, 2017), la gestion des connaissances (Scholl, König, Meyer,
& Heisig, 2004), fabrication (Jiang, Kleer, Piller, 2017), marketing (Knutson, Beck, Singh,
Kasavana et Cichy, 2004; Larreche et Montgomerey, 1977; Watson, 2008), développement de nouveaux produits
(Tiberius, Borning et Seeler, 2019), gestion de projet (Bril, Bishop et Walker, 2006; Kell, Tiwana,
& Bush, 2002; Liu, Zhang, Kell et Chen, 2010) et la gestion de la chaîne d'approvisionnement (Lummus, Vokurka et
Duclos, 2005; Melnyk, Lummus, Vokurka, Burns et Sandor, 2009; Roßmann, Canzaniello, von der
Gracht et Hartmann, 2018). Pour la recherche en comptabilité et en audit, il a également été utilisé pour explorer
événements et tendances (Baldwin-Morgan, 1993; Brancheau, Janz, & Wetherbe, 1996; Worrell, Di Gangi, &
Bush, 2013).
Contrairement aux analyses de scénarios (Gausemeier, Fink et Schlake, 1998; Kahn et Wiener, 1968), qui
générer plusieurs scénarios futurs, la méthode Delphi fournit le scénario le plus probable, généré
en fusionnant plusieurs déclarations d'experts. Un prétest est effectué pour minimiser le risque d'erreur d'interprétation
déclarations aux experts. Après le premier tour d'enquête, les résultats intermédiaires sont révélés aux répondants
lors du deuxième tour. Goodman (1987) et Sackman (1975) critiquent cependant que ces divulgations
violer l'exigence scientifique d'un jugement indépendant. L'objectif de l'étude Delphi est cependant
convergence des opinions exprimées et le rétrécissement de la diffusion statistique, pour formuler une
consensus sans équivoque. Les conclusions d'un scénario résultant peuvent être tirées à la fois du consensus et
contestation.
3.2 Formulation de projections
sept
Page 9
Du point de vue des experts en audit, et dans le contexte de la numérisation actuelle, le
L'étude Delphi génère le scénario futur le plus probable sur un horizon de cinq à dix ans. Puisque
L'audit est un sujet large, un scénario complet couvrant tous les changements technologiques et tous les
l'audit détaillé ne peut pas être généré en une seule étape. En particulier, le nombre de projections notées par le
les experts doivent être limités pour atteindre un taux de réponse suffisant et un faible taux d'abandon. Par conséquent, Delphi
les concepteurs d'études doivent choisir un scénario large ou un scénario approfondi. Parce que les études antérieures de Delphi sur
la vérification n'existe pas, un scénario exploratoire (c.-à-d. large) plutôt qu'un scénario approfondi est choisi. Une large portée
L'approche Delphi couvre de nombreux aspects spécifiques de l'audit mais omet les détails. Des études Delphi ultérieures peuvent
sélectionnez des portées plus étroites ou des scénarios partiels et posez des questions plus détaillées.
Le scénario est subdivisé en six sections thématiques: la perception de l'audit à partir de l'audit
le point de vue des destinataires, la relation auditeur-client, la réglementation, les changements structurels et procéduraux
pour les cabinets d'audit et le profil de la profession d'audit.
Après avoir sélectionné les sections et les thèmes des projections, des déclarations spécifiques
à formuler. Surtout pour des domaines tels que l'audit, où la recherche prospective est rare, il est
impossible de générer des déclarations uniquement sur la base d'une revue de la littérature. Les projections doivent plutôt être
généré sur la base de conclusions plausibles qui tiennent compte des développements actuels, tels que
tendances discutées précédemment. Cependant, même des projections peu plausibles ou plutôt extrêmes peuvent être
Études Delphi, parce que la même tendance générale peut être dérivée à la fois du rejet d'un
projection invraisemblable et l'inclusion d'une projection plausible. Dans ce contexte, dans ce qui suit, 20
des projections sont formulées pour les six sections sélectionnées. Après chaque projection, une courte explication est
étant donné pourquoi il peut être (mais ne doit pas être) considéré comme plausible.
3.2.1 Changements de perception des destinataires de l'audit
Les lecteurs des comptes annuels, tels que les actionnaires, les prêteurs et autres parties prenantes, peuvent être
considérés comme des clients réels des auditeurs, même s'ils ne paient pas pour les services d'audit. Par conséquent, le premier
une section des projections traite de la manière dont la perception de l'audit, du point de vue des destinataires de l'audit,
pourrait changer à l'avenir.
Page 10
P1: Au cours des cinq à dix prochaines années, le montant des actifs incorporels (par exemple, les logiciels)
les bilans des entreprises seront beaucoup plus élevés qu'aujourd'hui. Avec une plus grande flexibilité d’évaluation, les audits
devenir moins informatif pour les destinataires de l'audit.
Même pour les entreprises qui n’offrent pas de biens numériques, la numérisation nécessite des investissements
les actifs incorporels, tels que le développement de logiciels. Par rapport aux immobilisations corporelles, la valorisation
les actifs incorporels donnent plus de latitude aux comptables. Les comptables qui utilisent librement cette marge de manœuvre peuvent changer
les éléments du bilan au point de ne pas refléter les valeurs réelles. Pour les auditeurs, c'est difficile
pour évaluer les évaluations des comptables, et lorsque leurs opinions divergent, pour justifier un écart. Par conséquent, la
L'attestation de l'auditeur peut devenir moins informative pour les adresses d'audit.
P2: Au cours des cinq à dix prochaines années, les destinataires de l'audit feront confiance aux procédures d'audit automatisées
plus que les manuels.
P3: Au cours des cinq à dix prochaines années, la technologie portera un jugement personnel sur les auditeurs
obsolète.
Les cabinets d’audit utilisent déjà un logiciel d’audit général, tel que Audit Command Language ou
Extraction et analyse de données interactives (Bierstaker, Burnaby et Thibodeau, 2001; Braun et Davis,
2003; Lin et Wang, 2011; Mahzan & Lymer, 2014), ou des logiciels internes, comme Aura par PwC ou
eAudit par KPMG . Tous ces éléments prennent en charge et automatisent en partie les procédures d'audit (Lombardi, Bloch, &
Vasarhelyi, 2015). Cependant, les auditeurs humains contrôlent actuellement le processus et prennent des décisions.
De plus, à l'heure actuelle, seules les données structurées peuvent être traitées automatiquement, alors que les données non structurées ont besoin
préparation préalable (Hunton & Rose, 2010). Procédures d'audit entièrement automatisées, déjà courantes
pour les inventaires numériques, pourrait également devenir plus important pour d'autres éléments des états financiers.
Étant donné que les procédures d'audit automatisées réduisent les erreurs humaines, l'audit à l'avenir pourrait éventuellement utiliser
procédures d'audit plus automatisées que les procédures manuelles. Par exemple, les drones devraient réduire
les erreurs humaines dans le processus d'inventaire (Appelbaum et Nehmer, 2017).
P4: Au cours des cinq à dix prochaines années, l'écart des attentes, en particulier en ce qui concerne l'avenir
les déclarations de risques dans le rapport de gestion, auront considérablement augmenté.
Comme indiqué dans la Projection 1, les déclarations qualitatives dans les rapports de gestion peuvent devenir plus
important pour les auditeurs en raison de l'insécurité de l'évaluation. Cela pourrait également affecter les déclarations des dirigeants
Page 11
sur les risques et prévisions futurs. Parce que l'orientation vers les risques est devenue une priorité pour les auditeurs après
scandales mondiaux de l'audit (Curtis & Turley, 2007), les déclarations des dirigeants sur les risques futurs sont devenues
des données d'audit de plus en plus importantes. De telles déclarations peuvent être évaluées par rapport à la plausibilité mais pas
par rapport aux probabilités. Par conséquent, l'écart d'attente pourrait augmenter.
3.2.2 Changements dans la relation auditeur-client
Outre les destinataires de l'audit, les clients payants (les entreprises dont les rapports annuels sont
audité) représentent un autre groupe important de parties prenantes. Cependant, comme leurs perceptions et
les attentes peuvent changer, la deuxième section des projections traite des changements
relation entre les auditeurs et leurs clients.
P5: Dans les cinq à dix prochaines années, les clients ne considéreront pas les modèles de prix actuels comme appropriés,
car une automatisation accrue érodera les frais.
Comme les procédures automatisées se substituent aux procédures manuelles (Projection 2), moins de main-d'œuvre sera
nécessaires, diminuant massivement les coûts des entreprises. Par conséquent, les auditeurs seront initialement confrontés à une augmentation des TI
investissements. Mais à long terme, comme l'ont noté plusieurs études, l'informatique rendra l'audit beaucoup plus
efficace (Bierstaker, Burnaby et Thibodeau, 2001; Lombardi, Bloch et Vasarhelyi, 2015; Omoteso,
Patel et Scott, 2010). Si les auditeurs peuvent capturer une grande partie de la valeur générée par l'automatisation,
leurs profits pourraient augmenter. Cependant, si les clients prennent conscience de l’étendue de ces économies de coûts, leur
la volonté de payer des frais d'audit élevés pourrait diminuer. Si les auditeurs sont obligés de répercuter entièrement ou en grande partie les coûts
des réductions pour les clients sous forme de réduction des frais, l'amortissement des investissements informatiques deviendrait plus difficile,
et les bénéfices resteraient stables voire descendraient.
P6: Dans les cinq à dix prochaines années, la relation auditeur-client deviendra plus tendue,
parce que la transparence numérique entraîne des risques de responsabilité plus élevés pour les clients.
La numérisation s'accompagne généralement d'un degré de transparence plus élevé. Cela permet
pour que les auditeurs découvrent plus facilement les violations des pratiques comptables ordonnées ou d'autres problèmes
procédures. Dans cette situation, les auditeurs qui souhaitent accéder aux données numériques des clients ou qui ont besoin d'utiliser
l'audit des logiciels dans les entreprises des clients peut rencontrer une résistance des clients.
dix
Page 12
P7: Au cours des 5 à 10 prochaines années, les clients qui utilisent la technologie blockchain pour les transactions
considèrent l'audit formel comme obsolète.
Les clients qui utilisent la technologie blockchain se demanderont si l'audit formel est toujours
nécessaire. Parce que toutes les transactions de la blockchain sont déjà approuvées de manière décentralisée par plusieurs
participants, ils sont considérés comme transparents, sûrs et dignes de confiance. Certification tierce
les autorités pourraient ne plus être nécessaires (Dai et Vasarhelyi, 2017), et des audits supplémentaires pourraient devenir
obsolète.
3.2.3 Modifications réglementaires
Les régulateurs constituent un troisième groupe important de parties prenantes pour les auditeurs. Comme progrès technologique
produit, des modifications réglementaires pourraient être nécessaires. Par conséquent, la troisième section des projections traite
changements réglementaires possibles.
P8: Dans les cinq à dix prochaines années, un écart réglementaire important entre le nouveau numérique
la réalité des affaires et les normes d'audit existeront.
Dans de nombreux cas, le progrès technologique est plus rapide que la législation et la réglementation privée. Car
la réglementation ne peut réagir (mais généralement pas anticiper) aux changements externes, un décalage temporel
situations et leur régulation est courante. Cela pourrait également avoir lieu pour l'audit des réglementations. Puisque
les changements technologiques affectent potentiellement presque tous les aspects de la comptabilité et de l'audit, les
les normes peuvent nécessiter des ajustements majeurs (Appelbaum, Kogan et Vasarhelyi, 2017). Et parce que
les négociations internationales sur les nouvelles normes prennent du temps, les autorités de régulation
plus de cinq à dix ans pour traiter pleinement leur adoption.
P9: Au cours des cinq à dix prochaines années, des normes de comptabilité et d'audit seront établies par
AI.
Si cet écart réglementaire pouvait être défini aujourd'hui, les perturbateurs pourraient chercher un moyen de l'empêcher de
événement. Une solution plutôt extrême à ce problème est que des normes d'audit pourraient être
IA plutôt que par des êtres humains.
P10: Au cours des cinq à dix prochaines années, les normes d'audit contiendront peu de marges de discrétion.
11
Page 13
L'interprétation finale et l'application de normes d'audit spécifiques reposent sur la discrétion
l'auditeur individuel. Les algorithmes d'audit utilisant l'IA pourraient potentiellement faire de telles marges de discrétion
obsolète, car l'IA identifierait immédiatement la norme pertinente et l'appliquerait à la comptabilité
correctement (Kokina & Davenport, 2017).
3.2.4 Changements structurels pour les auditeurs
Après avoir abordé les parties prenantes des auditeurs, les quatrième et cinquième séries de projections
les aspects organisationnels des auditeurs eux-mêmes, à savoir les aspects structurels et procéduraux réalisables (section 4) et les procédures
changements (section 5).
P11: Au cours des cinq à dix prochaines années, l'automatisation libérera les auditeurs des tâches routinières
faveur de tâches plus complexes, comme le jugement.
P12: Dans les cinq à dix prochaines années, le profil de la profession d'auditeur aura complètement
passé de l'audit classique au conseil.
Alors que les procédures d'audit automatisées pourraient faire gagner du temps aux auditeurs, du moins pour les audits simples
tâches, ils pourraient augmenter le chômage des auditeurs. Frey et Osborne (2017) prévoient que 94% des
les travaux des comptables et des auditeurs pourraient être automatisés dans un avenir proche. Cependant, il est également possible que
le temps supplémentaire des auditeurs sera utilisé pour des tâches nouvelles et plus complexes qui ne peuvent pas être automatisées, telles que
comme prise de décision ou conseil. En outre, les auditeurs, tels que les comptables, pourraient soutenir les données
des scientifiques effectuant des analyses exploratoires de mégadonnées, en analysant des données non structurées (Richins, Stapleton,
Stratopoulos et Wong, 2017).
P13: Au cours des cinq à dix prochaines années, un audit continu, plutôt qu'un audit annuel, sera
la nouvelle norme.
Un audit annuel de l'exercice d'un client, qui est la norme actuelle, fournit des informations non
informations comparées aux données financières ou aux communiqués de presse qui sont souvent immédiatement disponibles
(Appelbaum, Kogan et Vasarhelyi, 2017; Eilifsen, Knechel et Waliage, 2001). L'actualité commerciale est
disponible instantanément, et les parties prenantes clientes exigeront probablement plus fréquentes, plus récentes ou même
audits continus en temps réel (Elliott, 2002; Lombardi, Bloch, & Vasarhelyi, 2015; Zhang, Yang, &
Appelbaum, 2015). Cette demande pourrait être satisfaite par des échanges de données en temps réel entre les clients et
12
Page 14
des auditeurs utilisant, par exemple, le langage extensible Business Reporting Language (XBRL) (Valentinetti & Rea,
2013), ainsi que des procédures automatisées de comptabilité et d'audit basées sur des analyses de big data (Cao,
Chychyla et Stewart, 2015; Lombardi, Bloch et Vasarhelyi, 2014; Vasarhelyi, Kogan et Tuttle, 2015;
Warren, Moffitt et Byrnes, 2015). À ce jour, ces processus sont actuellement plus populaires en comptabilité
qu'en audit (Gepp, et al., 2018).
P14: Au cours des cinq à dix prochaines années, les changements technologiques déplaceront la plupart des petites et moyennes
cabinets d'audit de taille moyenne.
À court terme, les cabinets d’audit devront investir massivement dans les technologies
l'infrastructure et de construire de nouvelles compétences (Projection 5). Petites et moyennes sociétés d'audit
desservant principalement des clients de petite et moyenne taille (Chaney, Jeter et Shivakumar, 2004) pourrait avoir des difficultés
permettre ces investissements tout en restant compétitif. Parallèlement aux pressions sur les prix prévues,
cela pourrait conduire à des consolidations ou à un bouleversement substantiel du marché.
3.2.5 Modifications de procédure pour les auditeurs
Outre les changements structurels pour les auditeurs (section 4), les futurs changements technologiques pourraient
changements de procédure.
P15: Dans les cinq à dix prochaines années, l'IA sera en mesure de prendre des décisions d'audit avec un
degré de discrétion.
Même s'il n'y a pas de marge de discrétion plus faible dans les normes d'audit (Projection 10), un
degré d'automatisation serait encore possible si l'IA pouvait apprendre de la littérature d'audit actuelle comment
appliquer correctement les normes d'audit. Les techniques d'apprentissage automatique sont le plus souvent utilisées pour analyser
documents et à établir des rapports, plus la probabilité de trouver des irrégularités est élevée (Kokina &
Davenport, 2017). Par conséquent, à l'avenir, l'IA pourrait prendre des décisions d'audit impliquant un degré élevé
de discrétion.
P16: Au cours des cinq à dix prochaines années, les audits complets plutôt que aléatoires seront la nouvelle norme.
Dans les procédures d'audit manuel actuelles, les transactions commerciales partielles sont sélectionnées au hasard
garantir, avec une probabilité raisonnable, que toutes les procédures comptables, y compris les procédures non
sont conformes aux normes de comptabilité ordonnée (Projection 1). Avec le cours
13
Page 15
l'automatisation des procédures d'audit de routine, en particulier celles qui utilisent des analyses de Big Data, il peut devenir
possibilité d'effectuer des audits complets couvrant toutes les transactions de l'entreprise du client.
P17: Dans les cinq à dix prochaines années, les risques d'audit seront complètement éliminés.
Sur la base de la projection 16, la question se pose de savoir si des audits complets réduiront, voire élimineront
audit complet des risques. Cela pourrait être possible avec l'automatisation basée sur l'IA.
3.2.6 Changements dans le profil professionnel de l'auditeur
Dans la dernière section des projections, l'audit en tant que profession est abordé afin d'explorer les
futures générations d'auditeurs.
P18: Au cours des cinq à dix prochaines années, une grande expertise en informatique et en données sera requise, aux dépens
des compétences commerciales traditionnelles.
À mesure que la numérisation augmente et que les modèles commerciaux (numériques) des clients changent constamment, la complexité
la vérification et les exigences du vérificateur pourraient également se produire. Dans les cabinets d'audit, davantage de spécialistes informatiques et de données
des scientifiques pourraient être employés. Cette spécialisation croissante soulève la question de savoir si les entreprises
les diplômés en administration, en comptabilité ou en audit continueront d’employer des cabinets d’audit plutôt que des
employés orientés (Appelbaum, Kogan et Vasarhelyi, 2017).
P19: Dans les cinq à dix prochaines années, la profession d'audit deviendra moins attrayante pour
jeunes professionnels en raison de l'augmentation des exigences d'examen.
Avec un nombre croissant d'exigences, l'examen de certification d'audit déjà difficile
pourrait devenir encore plus complexe, rendant la profession moins attrayante et entraînant une baisse du nombre
d’auditeurs potentiels à l’avenir.
P20: Au cours des cinq à dix prochaines années, des pertes d'emplois massives se produiront.
Correspondant à la projection 11, l'offre et la demande sur le marché du travail des auditeurs pourraient
diminuer avec la croissance des procédures d'audit automatisées. Comme indiqué dans Projection 11, un travail colossal
des pertes pourraient en résulter (Frey & Osborne, 2017).
3.3 Panélistes
14
Page 16
La sélection des répondants appropriés pour une étude Delphi implique de se demander comment un expert peut être
caractérisé ou comment son expertise peut être mesurée (Welty, 1972). Dans cette étude, cependant, ces questions
ne sont pas un problème. Le panel était composé d'auditeurs inscrits au registre public des auditeurs de la
Chambre d'audit allemande, professeurs d'université, régulateurs et experts informatiques en audit
Logiciel. Tous peuvent sans aucun doute être considérés comme des experts de la profession d'audit.
Nous avons recruté 250 répondants de toutes les régions d'Allemagne. Huit n'ont pas pu être atteints, et
trois ont déclaré qu'ils ne souhaitaient pas participer. Sur les 239 restants, 110 ont participé au premier tour,
avec 101 réponses complétées, et 83 ont participé au deuxième tour, avec 76 réponses complétées.
Parce que l'étude a eu lieu pendant la «saison chargée» des auditeurs, le taux de réponse de 46,0 pour cent et 75,5
pourcentage de répétition peut être considéré comme élevé. Les données démographiques détaillées du panel peuvent être trouvées dans le tableau
1.
Tableau 1
Données démographiques du panel.
Données démographiques du panel 1er tour 2e tour Changement

(N = 101) (N = 76)
Le sexe n % n % N %
Masculin 83 82 63 83 −20 +1
Femme 18 18 13 17 -5 -1
Âge n % n % N %
Moins de 30 ans sept sept 4 5 −3 -2
30–40 ans 28 28 21 28 -7 -
41–50 ans 30 30 23 30 -7 -
51–60 ans 30 30 25 33 -5 +3
Plus de 60 ans 5 5 2 3 −3 -2
Pas de réponse 0 0 1 1 +1 +1
Affiliation n % n % n %
Audit Big Four 70 69 53 70 −17 +1
raffermir Pas dans les Big Four 15 15 8 11 -7 −4
Auditeur indépendant sept sept 2 2,5 -5 −4,5
Professeur d'audit universitaire 8 8 8 11 - +3
Régulateur 2 2 2 2,5 - +0,5
Expert informatique en audit logiciel 3 3 3 3 - -
3.4 Collecte de données
Le questionnaire contenait les 20 projections présentées ci-dessus. Les répondants ont été invités à
soit être d'accord soit en désaccord avec ces déclarations, en utilisant une échelle de Likert en quatre points («ne suis pas d'accord», «plutôt
15
Page 17
pas d'accord »,« plutôt d'accord »et« d'accord »). Parce qu'une échelle de Likert de nombre pair a l'avantage
en l'absence de réponses neutres, la tendance au centre pourrait être évitée.
Les deux rondes d'enquête ont été menées du 10 au 24 septembre 2018 et du 1er au 15 octobre,
2018.
L'étude a été réalisée de manière anonyme, car l'anonymat est une caractéristique centrale des études Delphi
(Woudenberg, 1991). Les critiques soutiennent que l'anonymat peut amener les participants à répondre de manière irresponsable
(Goodman, 1987; Hill & Fowles, 1975), en particulier lorsque des prophéties auto-réalisatrices sont attendues.
Cependant, dans cette étude, le progrès technologique a un impact plus important sur le développement futur que
expression des opinions des experts.
4. Résultats
4.1 Statistiques descriptives
Les résultats d'une étude Delphi ne sont pas basés sur un consensus de groupe formulé couramment. Plutôt,
ils sont dérivés des réponses agrégées des individus. Pour calculer une distribution statistique, le
les options de réponse ont reçu les valeurs numériques suivantes: «pas d'accord»: 1, «plutôt pas d'accord»: 2,
«Plutôt d'accord»: 3, et «d'accord»: 4.
Pour éviter les biais statistiques et parce qu'il est plus robuste vis-à-vis des valeurs aberrantes (Rowe & Wright, 1999),
la médiane a été établie comme la moyenne statistique préférée pour les études Delphi. Interpréter
réponses agrégées, la diffusion autour de la médiane est mesurée par l'intervalle inter-quartile (IQR),
la différence entre le quartile supérieur (x 0,75 ) et le quartile inférieur (x 0,25 ). Un petit IQR représente un
un niveau élevé de consensus, tandis qu'un IQR élevé représente un niveau élevé de dissidence. Après la première enquête
ronde, la plage de diffusion des réponses est censée diminuer à mesure qu'elles se rapprochent de la médiane (x 0,5 ).
Aucune projection n'a reçu le plein consentement (médiane 4). Les experts ont quelque peu convenu (médiane 3)
projections 1, 5, 8, 11, 13, 16 et 19. Ils étaient quelque peu en désaccord (médiane 2) avec les projections 2, 4, 6, 7,
12, 14, 15, 18 et 20. Les projections 3, 9, 10 et 17, les plus extrêmes, ont été complètement rejetées (Médiane
1).
Au cours des deux cycles, les répondants étaient d'accord ou en désaccord avec les mêmes projections. Pour
Projection 2, la médiane est légèrement passée de l'accord complet à l'accord partiel. Le désaccord avec
16
Page 18
La projection 10 a augmenté au deuxième tour. Bien qu'aucun changement ne soit intervenu pour les autres projections,
une dispersion des opinions sur sept projections a diminué, une cible de l'itératif de la méthode Delphi
conception. Pour les projections 6, 9, 12, 17 et 18, l'IQR a diminué de 1,00 et pour la projection 20, il était de
2,00. Par conséquent, les experts sont parvenus à un consensus global plus élevé. Les critiques soutiennent qu'une diminution de l'IQR
représente un impact majoritaire et une tendance vers la médiane du groupe plutôt qu’une approximation
le développement futur le plus probable (Bardecki, 1991; Hill & Fowles; 1975; Rowe & Wright, 1999).
Le tableau 2 présente les résultats détaillés de l'étude Delphi pour les deux cycles. Le tableau 3 résume
acceptations et refus des 20 projections.
Tableau 2
Statistiques descriptives.
1er tour 2ème tour Différence
(N = 101) (N = 76)
Pro-
jection x 0,25 x 0 ,. x 0,75 IQR x 0,25 x 0,5 x 0,75 IQR x 0,25 x 0,5 x 0,75 IQR
Non.
Section 1 : Modifications de la perception des destinataires de l'audit
1 2,00 3,00 3,00 1,00 2,00 3,00 3,00 1,00 0 0 0 0
2 2,00 3,00 3,00 1,00 2,00 2,00 3,00 1,00 0 -1,00 0 0
3 1,00 1,00 1,00 0 1,00 1,00 1,00 0 0 0 0 0
4 2,00 2,00 3,00 1,00 2,00 2,00 3,00 1,00 0 0 0 0
Section 2 : Changements dans la relation auditeur-client
5 2,00 3,00 3,00 1,00 2,00 3,00 3,00 1,00 0 0 0 0
6 2,00 2,00 3,00 1,00 2,00 2,00 2,00 0 0 0 -1,00 -1,00
sept 1,00 2,00 2,00 1,00 1,00 2,00 2,00 1,00 0 0 0 0
Section 3 : Modifications réglementaires
8 2,00 3,00 3,00 1,00 2,00 3,00 3,00 1,00 0 0 0 0
9 1,00 1,00 2,00 1,00 1,00 1,00 1,00 0 0 0 -1,00 -1,00
dix 1,00 2,00 2,00 1,00 1,00 1,00 2,00 1,00 0 -1,00 0 0
Section 4 : Changements structurels pour les auditeurs
11 3,00 3,00 4,00 1,00 3,00 3,00 4,00 1,00 0 0 0 0
12 2,00 2,00 3,00 1,00 2,00 2,00 2,00 0 0 0 -1,00 -1,00
13 2,00 3,00 3,00 1,00 2,00 3,00 3,00 1,00 0 0 0 0
14 2,00 2,00 3,00 1,00 2,00 2,00 3,00 1,00 0 0 0 0
Section 5 : Modifications de procédure pour les auditeurs
15 1,00 2,00 2,00 1,00 1,75 2,00 2,00 0,25 0,75 0 0 −0,75
16 2,00 3,00 3,00 1,00 2,00 3,00 3,00 1,00 0 0 0 0
17 1,00 1,00 2,00 1,00 1,00 1,00 1,00 0 0 0 -1,00 -1,00
Section 6 : Changements dans le profil professionnel de l'auditeur
18 2,00 2,00 3,00 1,00 2,00 2,00 2,00 0 0 0 -1,00 -1,00
19 2,00 3,00 3,00 1,00 2,00 3,00 3,00 1,00 0 0 0 0
17
Page 19
20 1,00 2,00 3,00 2,00 2,00 2,00 2,00 0 1,00 0 −1,00 −2,00
x 0,25 = quartile inférieur
x 0,5 = médiane
x 0,75 = quartile supérieur
IQR: plage inter quartile (x 0,75 - x 0,25 )
= Approximation du quartile vers la médiane
= Report de la médiane
= Réduction de l'IQR
Tableau 3
Accord et désaccord avec les projections.
Thèses Évaluation
1, 5, 8, 11, 13, 16, 19 Plutôt d'accord
2, 4, 6, 7, 12, 14, 15, 18. 20 Plutôt en désaccord
3, 9, 10, 17 Être en désaccord
4.2 Scénario
Selon les experts interrogés, au cours des cinq à dix prochaines années, une plus grande numérisation
l'audit ne modifiera pas sensiblement la perception des destinataires de l'audit. Les évaluations des actifs incorporels, telles que
en tant que logiciel, entravera la cohérence des informations pour les évaluations des auditeurs, mais le jugement
les auditeurs, basés sur des procédures manuelles, seront toujours perçus comme importants et fiables.
Malgré les progrès technologiques, il n'y aura pas de pertes d'emplois massives chez les auditeurs. Les auditeurs
restent des partenaires importants, même dans les entreprises qui adoptent l'automatisation. Cependant, les clients sont attendus
exiger des honoraires moins élevés, ce qui mettra l'accent sur la relation auditeur-client.
L'écart réglementaire croissant entre les normes d'audit, les réalités commerciales numériques et les marges
de discrétion entravera une utilisation complète des nouvelles technologies. Cependant, les procédures de routine
être automatisé, et les auditeurs se concentreront sur les aspects qui nécessitent un jugement. Les décisions discrétionnaires
rester avec les auditeurs, et leurs tâches resteront les mêmes.
Les progrès technologiques permettront d'établir des rapports d'entreprise en temps réel. Par conséquent, continu,
plutôt que annuelle, l'audit sera la nouvelle norme. Des audits complets remplaceront l'échantillonnage aléatoire.
Cependant, les risques d'audit ne disparaîtront pas.
En ce qui concerne le profil de travail des auditeurs, des connaissances fondamentales sur l’administration des
la comptabilité restera importante mais sera complétée par des connaissances informatiques. Auditeur plus difficile
18
Page 20
les examens réduiront l'attrait de la profession d'audit. Petites et moyennes sociétés d'audit
restera dans l'industrie de l'audit.
5. Discussion
5.1 Attentes des experts
5.1.1 Changements de perception des destinataires de l'audit
Dans la première section, quatre projections sur cinq ont été rejetées. Mais comme ces projections étaient
formulée de manière négative, cela représente une perspective d'avenir positive.
Même si seulement 12% des répondants étaient entièrement d'accord avec la Projection 1, le
la majorité du groupe d'experts s'attendait à ce que les investissements dans les logiciels soient plus immatériels que matériels
les atouts. Le groupe s’attend à ce qu’il devienne de plus en plus difficile de montrer des résultats adéquats
valeurs sur un bilan, conduisant à moins d'informations pour les destinataires de l'audit. En particulier, pas de
des normes existent pour l'évaluation des logiciels et leur dépréciation.
Fait intéressant, 36% des participants étaient en désaccord avec la Projection 1, peut-être parce qu’elle
se compose de deux déclarations, l'augmentation des actifs immatériels et l'augmentation des problèmes d'évaluation. Certains experts pourraient
sont d'accord avec la première déclaration mais pas avec la seconde et ont donc rejeté la projection
complètement. La deuxième déclaration a peut-être été rejetée car de nouvelles normes pour l'évaluation des logiciels
et l'amortissement devrait être fixé au cours des cinq à dix prochaines années.
Les résultats étaient similaires pour la projection 2. La majorité des répondants ne s'attendaient pas à un
degré de confiance dans les procédures d'audit automatisées et manuelles. Cependant, puisque 41% détiennent le contraire
position, aucune opinion claire du groupe n’en a résulté. Même si elle n'est pas statistiquement significative, la projection 2 a été rejetée
davantage par les répondants de 41 ans ou plus que par les jeunes professionnels, peut-être en raison
distinction entre projections positivistes et projections normatives: même si toutes les projections se
l’évolution de la situation au cours des dix prochaines années, certains répondants n’auraient peut-être pas répondu à
attendre mais ce qu'ils espèrent se produira. Cet effet peut être observé principalement pour des projections menaçantes.
Dans de tels cas, les répondants répriment les attentes désagréables en les remplaçant par leur idéal
version du futur (souvent, une situation actuelle ou passée).
19
Page 21
Cet effet possible était encore plus apparent pour Projection 3, une version plus extrême de
Projection 2, selon laquelle les audits automatisés remplaceront complètement les audits manuels. Alors que ce
le résultat est possible en général, 97% des répondants ont rejeté la Projection 3. Autre que le souhait
penser, une autre raison de ce taux de rejet élevé pourrait être que les quatre premières projections ont explicitement pris
le point de vue des destinataires de l'audit. Cependant, les perceptions des destinataires de l'audit peuvent être dissociées
même opposé au progrès technologique réel: même si les processus automatisés étaient objectivement supérieurs
aux manuels, les humains peuvent toujours faire confiance et préférer les jugements humains aux jugements anonymes et automatisés.
Une faible majorité de 51% des experts ne prévoyaient pas un écart croissant entre les attentes
concernant les déclarations de risques prospectives dans les rapports de gestion. Peut-être, les experts ne s'attendaient pas à
les régulateurs à fixer des normes plus étroites pour les marges d'appréciation, ce qui permettrait d'éviter l'écart d'attente
se lever. En outre, les experts qui ont constaté un écart d’attente croissant n’ont peut-être pas vu que les auditeurs
responsable de cette évolution. Pour les audits complets et partiels, car aucun jugement sûr n'est possible lorsque
les risques d'audit demeurent (Projection 17), ce qui peut également conduire à un écart d'attente entre les destinataires de l'audit.
Cependant, près de la moitié des répondants étaient quelque peu d’accord avec la Projection 4. Par conséquent, il reste
ne sait pas si les auditeurs s’attendent à ce que les destinataires de l’audit soient confrontés à un écart
déclarations de risques orientées.
5.1.2 Changements dans la relation auditeur-client
Dans cette section, trois des quatre projections formulées négativement ont été (quelque peu) rejetées par
le groupe d'experts. La majorité était d'accord avec une projection.
Soixante et un pour cent des experts s'attendaient à ce que l'automatisation exerce une pression sur les modèles de prix actuels
pour les services d'audit. Trente-neuf pour cent se sont opposés à ce point de vue, un participant rejetant complètement
la projection. Il est intéressant de noter que la plupart des répondants qui refusent de travailler travaillent dans une entreprise des «quatre grands»,
pouvoir de fixation des prix supérieur à celui des petites entreprises. Semblable à la Projection 1, et moins évidemment dans la Projection 5, le
la projection se compose de deux déclarations distinctes: l'érosion des frais et l'automatisation qui l'a provoquée. Certains
les auditeurs peuvent reconnaître les effets de réduction des coûts de l'automatisation mais ne voient pas la réduction des frais en conséquence.
20
Page 22
Quatre-vingt-deux pour cent des experts étaient d'accord sur la projection 6. Ils ne s'attendent pas à ce que la tension
la relation auditeur-client augmentera en raison de la transparence numérique, entraînant des risques de responsabilité plus élevés
pour les clients.
La projection 7 a proposé que la technologie blockchain, qui permet une vérification décentralisée
toutes les transactions, pourraient rendre les audits complètement obsolètes au cours des cinq à dix prochaines années. Cette projection
a été rejetée par une nette majorité de 82% des participants. Plusieurs explications possibles peuvent être
derrière ce haut consensus. Premièrement, les vœux pieux pourraient être un facteur. Parce que le plutôt extrême
projection représente une menace pour l’ensemble de la profession de l’audit, les répondants peuvent avoir substitué leur
attente avec une plus idéaliste. Deuxièmement, la technologie blockchain ne peut représenter qu'une seule
transactions, principalement en ce qui concerne le compte de résultat par rapport aux autres parties du bilan.
Par exemple, des éléments tels que l'achalandage, les noms commerciaux ou les provisions dépendent quelque peu de l'individu
choix, avec une marge de discrétion. Comme ce sont les principaux sujets d'audit, la blockchain
la technologie ne peut produire ni avantages ni risques pour l'industrie de l'audit.
5.1.3 Modifications réglementaires
Cette section montre les attentes ambivalentes des répondants. Une projection a été approuvée,
tandis que les deux autres ont été rejetés.
Cinquante-quatre pour cent des répondants s'attendaient à ce que l'écart réglementaire substantiel entre un nouveau
la réalité commerciale numérique et les normes d'audit ne seront pas fermées au cours des cinq à dix prochaines années
(Projection 8). Bien que des différences considérables existent au sein du groupe, aucune différence claire
des sous-groupes ont pu être trouvés. La projection 8 comprend implicitement deux déclarations: premièrement, que la numérisation
exiger de nouvelles normes, et deuxièmement, que les régulateurs ne parviendront pas à établir de nouvelles normes
délai de cinq à dix ans. Certains experts ne voient peut-être pas la nécessité de modifier les normes en raison de
numérisation, car les principaux concepts de comptabilité et d'audit ne sont pas affectés, tandis que d'autres
besoin de nouvelles normes mais sont plus confiants avec la vitesse de réaction des régulateurs.
En revanche, la Projection 9 plutôt extrême a été rejetée par 97% des répondants. le
La projection indiquait que de nouvelles normes d'audit pouvaient être fixées par l'IA plutôt que par une réglementation humaine.
autorité. Les experts n'ont clairement pas vu la technologie de l'IA progresser assez rapidement pour réaliser cette projection
21
Page 23
réaliste. Cependant, le fait qu'un participant soit d'accord et un autre quelque peu d'accord avec la Projection 9
montre que l'idée n'est pas complètement tirée par les cheveux.
Pour la projection 10, près de 90% du groupe d'experts s'attendaient à ce que les normes d'audit
contenir encore des marges de discrétion dans les cinq à dix prochaines années. Seule une minorité attend un pouvoir discrétionnaire
pouvoir de disparaître en raison de la divulgation complète et de la transparence dans toutes les transactions. Cependant, des
à la Projection 7, une distinction doit être faite entre les transactions simples et automatisables dans le
compte de pertes et profits et évaluations plus complexes du bilan qui ne peuvent pas être automatisées car
ils nécessitent des jugements (humains).
5.1.4 Changements structurels pour les auditeurs
Dans cette section, deux projections ont recueilli un consensus important, tandis que les deux autres
les projections montrent des attentes plutôt ambivalentes parmi les membres du groupe d'experts.
En particulier, Projection 11 a obtenu des notes d'approbation élevées. Quatre-vingt-treize pour cent s'attendaient à ce que
la numérisation entraînera une réduction de la charge de travail pour les routines d'audit simples, ce qui donnera aux auditeurs plus de temps pour
se concentrer sur des tâches plus complexes et exigeantes. Les experts s'attendent donc à ce que la numérisation
affecter positivement le travail quotidien des auditeurs. Une étroite minorité de participants ne le croyait pas
hypothèse.
Selon les notes du groupe d'experts sur la projection 12, la charge de travail réduite proposée dans
La projection 11 ne sera pas principalement utilisée pour des tâches non liées à l'audit, telles que la conformité informatique ou la protection des données
consultant. Les auditeurs resteront plutôt concentrés sur les procédures d'audit. Une raison de cette évaluation
pourrait être que, en particulier pour les quatre grands auditeurs qui représentaient la majorité du panel, un grand
une partie de leur activité de conseil provient de services d'audit antérieurs. Par conséquent, réduit
les services d'audit entraîneraient également une perte de services de consultation. En revanche, les petites sociétés d'audit
ou des auditeurs uniques pourraient être contraints de remplacer l'audit par des services de conseil.
Une nette majorité des répondants ont accepté la Projection 13, qui indiquait que l’audit annuel
sera probablement remplacé par un audit continu ou même en temps réel. Ceci est plausible, étant donné à la fois
la technologie de pointe et la demande du marché financier pour des services financiers plus rapides et plus fiables
rapports. Corrections de prix importantes sur les marchés boursiers après des rapports trimestriels qui s'écartent des précédents
22
Page 24
les attentes pourraient être réduites ou même complètement évitées si les investisseurs et les spéculateurs
des informations financières actuelles et fiables. Les sociétés cotées en bourse qui s'engagent dans des
un audit en temps réel serait préféré par les investisseurs. Les entreprises pionnières en forceraient probablement d'autres
à suivre, établissant une nouvelle norme pour certains échanges.
Le groupe d’experts était (quelque peu) en désaccord avec la Projection 14, qui déclarait que
les progrès déplaceraient la plupart des cabinets d'audit de petite et moyenne taille au cours des cinq à dix prochaines années. Cette
projection, comme les autres, concerne le marché allemand de l’audit qui, comme beaucoup d’autres marchés,
dominé par les «Big Four». Cette projection est plausible car plus du quart des
les participants l'ont accepté, car seuls les grands auditeurs devraient être en mesure d'effectuer les investissements nécessaires
dans la technologie. Cependant, la plupart des répondants ont considéré le délai donné comme trop court.
5.1.5 Modifications de procédure pour les auditeurs
Alors que deux des projections ont émis des avis clairs du groupe d’experts, l’une a été
caractérisée par une grande incertitude.
En particulier, la Projection 15 a été clairement rejetée. Par conséquent, la majorité des experts en audit
ne s’attendait pas à ce que l’IA soit en mesure de prendre des décisions sur des questions d’audit impliquant un
discrétion. Des tâches telles que l'évaluation des actifs sont considérées comme trop complexes pour être effectuées par un ordinateur.
Compte tenu de ce que l'IA est déjà capable de réaliser aujourd'hui, cette vue est plutôt optimiste. L'IA peut désormais fonctionner
de nombreuses tâches longtemps considérées comme accessibles uniquement aux humains. Le scepticisme a été démontré par l'approbation de
Projection 15 par seulement 22% des répondants.
La projection 16 a montré un degré élevé d'incertitude parmi les membres du panel. Bien qu'un étroit
la majorité des répondants s'attendaient à ce que les audits complets soient la nouvelle norme, 43% (quelque peu)
en désaccord. La proportion d'auditeurs des quatre grands parmi les répondants d'accord était très élevée. Peut-être,
ils espèrent être capables technologiquement de mener des audits complets dans un avenir proche, tandis que les petits auditeurs
hésitent. Une autre raison de cette disparité pourrait être que la possibilité d'audits complets n'est pas seulement
dépend de l'infrastructure technologique des auditeurs mais aussi de celle des clients. De nombreux répondants
ne pas s'attendre à ce que les clients numérisent leur comptabilité aussi rapidement que le font leurs auditeurs. De plus, le délai peut être
trop étroit pour de nombreux participants à l'étude. Une autre raison pourrait être que de nombreux auditeurs ne voient pas
23
Page 25
avantage évident des audits complets par rapport aux audits partiels et aléatoires. La question est de savoir si le
le travail et les dépenses supplémentaires des audits complets sont proportionnels à leurs valeurs supplémentaires. Une légère majorité
semble s'attendre à ce que les audits complets soient complètement automatisés et, par conséquent, n'entraînent aucun travail supplémentaire
ou des dépenses et que les audits complets garantiront une plus grande fiabilité parmi les destinataires de l'audit.
La projection 17, éliminant les risques d'audit, a été rejetée par 78% des répondants. Cette
le résultat doit être vu en rapport avec la Projection 16 antérieure concernant les audits complets. Depuis les participants à l'étude
n'étaient pas certains de l'arrivée d'audits complets, il n'est pas surprenant que la Projection 17 ait été rejetée.
De plus, de nombreux experts s'attendent à ce que les auditeurs humains jouent un rôle crucial dans le processus d'audit
futur (par exemple, Projection 15), ce qui rend impossible l'élimination des erreurs humaines. Certains répondants ont également
croyaient probablement qu'un processus d'audit entièrement automatisé ne pouvait pas être sans faille.
5.1.6 Changements dans le profil professionnel de l'auditeur
Dans la dernière section, deux projections montrent des jugements assez clairs, alors qu'une projection est
caractérisé par une forte incertitude.
Une nette majorité du panel attend des connaissances et des compétences spécifiques en audit plutôt qu'en informatique
connaissances à dominer les exigences professionnelles des auditeurs à l'avenir (Projection 18). Les intimés
s'attendre à ce que même si les connaissances informatiques deviennent plus pertinentes dans les cabinets d'audit, elles
experts, et non par des auditeurs. Ce jugement est plausible compte tenu du travail très différent des industries
domaines et exigences de l'emploi.
Une nette majorité des répondants ont (quelque peu) accepté la Projection 19, qui déclare que
l'augmentation des exigences d'examen diminuera l'intérêt des diplômés pour le domaine. Parce que cette projection
ne fait pas explicitement référence au progrès technologique, tous les facteurs situationnels ayant conduit à ce jugement ont
pour être inclus. Au cours des deux ou trois dernières décennies, les exigences en matière d'examen ont augmenté en raison
ensemble de connaissances en croissance massive. Combiné à des taux d'échec aux examens élevés, l'attractivité
de la profession doit être très élevé. Deux facteurs importants déterminant cette attractivité sont:
réputation et revenus. Au cours des deux dernières décennies, les scandales internationaux de reportage ont en partie sapé
la confiance du grand public envers les auditeurs. De futurs scandales pourraient faire avancer cette évolution. En ce qui concerne
24
Page 26
comme le montre la Projection 5, les frais d'audit devraient subir des pressions. Cela pourrait également conduire à
rémunération réduite des auditeurs.
Enfin, une nette majorité du groupe d'experts ne voit pas de pertes d'emplois massives pour les auditeurs
futur proche. Cela concerne en particulier les rejets des projections 3, 7 et 9, qui prévoient que
le progrès technologique ne se fera pas très rapidement et ne menacera pas le rôle de l'homme dans
processus d'audit.
5.2 Limitations
Comme pour toute recherche, cette étude présente plusieurs limites. Tout d'abord, la portée des technologies examinées
a été limitée pour maintenir la durée de l'enquête courte et éviter un taux de résiliation plus élevé. Par conséquent, pas
tous les aspects technologiques pertinents possibles pourraient être abordés dans cette étude. Nous nous sommes plutôt concentrés sur
technologies clés actuelles et avancées et l'automatisation générale des processus numériques (Big Data Analytics,
IA et technologie blockchain). L'impact d'autres technologies avancées, telles que le cloud computing
ou des technologies encore inconnues, n'a pas été évaluée. Une expansion de cette approche pourrait être prometteuse
résultats.
Deuxièmement, un parti pris professionnel au sein du groupe d'experts doit être reconnu. Comme indiqué dans Projection
18, les compétences informatiques pourraient devenir plus importantes que l’administration des affaires, la comptabilité et
compétences en vérification. Cette possibilité n'est pas suffisamment représentée dans le panel, qui
composé d'auditeurs. Les experts qui travaillent dans un domaine ont tendance à être plus optimistes quant à l'avenir
l'évolution de leur domaine que les étrangers (Sackman, 1975). Un plus grand nombre d'experts aurait pu conduire
à un scénario moins conservateur. Une étude impliquant un panel plus orienté IT aurait pu être plus
négatif.
6. Conclusion
Dans cette étude, 20 projections sur l'avenir de l'audit, causées par l'automatisation numérique
ont été élaborés et évalués par un panel d'auditeurs allemands, de professeurs d'université
audit, régulateurs et experts informatiques des logiciels d'audit.
25
Page 27
Le scénario résultant a montré que les répondants ne s'attendaient pas à des changements majeurs pour l'audit
pratique au cours des cinq à dix prochaines années. Les résultats montrent que les professionnels ont une
vision optimiste de l'impact du progrès technologique sur leur domaine.
Ces résultats semblent surprenants compte tenu des changements massifs que la numérisation a provoqués dans
les industries les plus établies dans le monde, y compris l'Allemagne. Les résultats contredisent Frey et Osborne
(2017) prédiction d'une extinction de la profession comptable, affectant également les auditeurs. En revanche,
les répondants de l'étude Delphi allemande n'ont vu aucune menace majeure. Des progrès technologiques sont attendus
soutenir plutôt que menacer la profession d'audit.
Néanmoins, l'attente que tout reste, plus ou moins, tel qu'il est actuellement doit
être considéré comme potentiellement dangereux. Analyse des mégadonnées, IA, technologie de la chaîne de blocs et autres avancées
les technologies ont le potentiel d'éteindre toute interférence humaine dans le processus d'audit. Dans
en particulier, les mégadonnées pourraient compléter les données comptables originales et améliorer la qualité des rapports. L'IA pourrait
effectuer les mêmes procédures d'audit et jugements qu'un collègue humain à l'avenir. Et quand chaque
une transaction unique est vérifiée de manière décentralisée par de nombreux membres de la blockchain, un sceau de qualité globale pourrait
semblent redondants.
Divulgations
Cette recherche n'a reçu aucune subvention spécifique des organismes de financement du public,
secteurs commerciaux ou sans but lucratif.
Remerciements
Nous tenons à remercier Robert Larson et les deux examinateurs anonymes pour leur précieuse et
commentaires constructifs sur une version antérieure de ce document.
Les références
Anderson, J. (1997). Prospective technologique pour un avantage concurrentiel. Planification à long terme, 30 (5),
665–677.
26
Page 28
Appelbaum, D. et Nehmer, RA (2017). Utiliser des drones dans les audits internes et externes: une exploration
cadre. Journal of Emerging Technologies in Accounting, 14 (1), 99–113.
Appelbaum, D., Kogan, A., et Vasarhelyi, MA (2017). Big data et analyse dans l'audit moderne
engagement: Besoins de recherche. Auditing: A Journal of Practice & Theory , 36 (4), 1–27.
Alles, MG (2015). Moteurs de l'utilisation et facilitateurs et obstacles à l'évolution des mégadonnées par les
profession d'audit. Horizons comptables, 29 (2), 439–449.
Baldwin-Morgan, A. (1993). L'impact des outils d'audit de systèmes experts sur les cabinets d'audit en 2001:
Une enquête Delphi. Journal of Information Systems, 7 (1), 16–34.
Bardecki, M. (1991). Réponse des participants à la méthode Delphi. Prévision technologique et
Changement social, 25 (3), 281-292.
Bell, W. (1967). Prévisions technologiques - ce que c'est et ce qu'il fait. Revue de direction, 56 (8), 64.
Bierstaker, JL, Burnaby, P. et Thibodeau, J. (2001). L'impact des technologies de l'information sur la
processus d'audit: une évaluation de l'état de l'art et des implications pour l'avenir. Managerial
Journal d'audit, 16 (3), 159–164.
Bradley, L. et Stewart, K. (2003). Une étude Delphi des services bancaires par Internet. Intelligence marketing et
Planning, 21 (4/5), 272-281.
Brancheau, JC, Janz, BD et Wetherbe, JC (1996). Problèmes clés de la gestion des systèmes d'information:
1994-1995 Résultats SIM Delphi. MIS Quarterly, 2 (2), 225–242.
Braun, RL et Davis, HE (2003). Outils et techniques d'audit assisté par ordinateur: analyse et
points de vue. Journal d'audit de gestion, 18 (9), 725–731.
Brennan, B., Baccala, M. et Flynn, M. (2017). L'intelligence artificielle arrive aux états financiers
audits. Disponible chez CFO: http : //ww2.cfo.com/auditing/2017/02/artificial-intelligence-audits ,
consulté le 23 avril 2019.
Breur, T. (2016). Analyse de la puissance statistique et «crise» contemporaine des sciences sociales. Journal of
Marketing Analytics, 4 (1), 61-65.
Bril, JM, Bishop, MJ et Walker, AE (2006). Les compétences et les caractéristiques d'un
chef de projet: étude Delphi basée sur le Web. Technologie éducative, recherche et
Development, 54 (2), 115-140.
27
Page 29
Brynjolfsson, E. et McAfee, A. (2014). Le deuxième âge de la machine. New York et Londres: WW Norton
& Entreprise.
Cai, Y. et Zhu, D. (2016). Détections de fraude pour les entreprises en ligne: une perspective de la blockchain
La technologie. Innovation financière, 2 (20), 1–10.
Cao, M., Chychyla, R. et Stewart, T. (2015). Analyse des mégadonnées dans les audits d'états financiers. Comptabilité
Horizons, 29 (2), 423–429.
Chaney, PK, Jeter, DC et Shivakumar, L. (2004). Auto-sélection des auditeurs et tarification des audits dans
entreprises privées. The Accounting Review, 79 (1), 51–72.
Chen, M., Mao, S., et Liu, Y. (2014). Big Data: une enquête. Réseaux et applications mobiles, 19 (2),
171-209.
Christidis, K. et Devetsikiotis, M. (2016). Blockchains et contrats intelligents pour l'internet des objets.
Accès IEEE, 4 , 2292–2303.
Constantiou, ID et Kallinikos, J. (2015). Nouveaux jeux, nouvelles règles: le Big Data et le contexte changeant
de stratégie. Journal of Information Technology, 30 (1), 44-57.
Cukier, K. et Mayer-Schoenberger, V. (2013). La montée du big data. Affaires étrangères, 92 (3), 28–40.
Cuquet, M. et Fensel, A. (2018). L'impact sociétal des mégadonnées: une feuille de route pour la recherche en Europe.
La technologie dans la société, 54 , 74–86.
Curtis, E. et Turley, S. (2007). L'audit des risques de l'entreprise - Une étude de cas longitudinale d'un audit
engagement. Comptabilité, organisations et société , 32 (4), 439–461.
Dai, J. et Vasarhelyi, MA (2017). Vers une comptabilité et une assurance basées sur la blockchain. Journal of
Systèmes d'information, 31 (3), 5–21.
Dalkey, N. et Helmer, O. (1963). Une application expérimentale de la méthode Delphi à l'utilisation de
experts. Management Science, 9 (3), 458–467.
De Mauro, A., Greco, M. et Grimaldi, M. (2016). Une définition formelle du Big Data basée sur son essentiel
Caractéristiques. Revue de la bibliothèque, 65 (3), 122-135.
Eilifsen, A., Knechel, WR et Waliage, P. (2001). Application du modèle d'audit des risques de l'entreprise: A
domaine d'étude. Horizons comptables, 15 (3), 193-207.
28
Page 30
Elliott, RK (2002). L'assurance du XXIe siècle. Auditing: A Journal of Practice & Theory, 21 (1),
139–146.
Fockenbrock, D. (2011). Die unheimliche Macht der großen Bilanzprüfer. Disponible à
Handelsblatt: http://www.handelsblatt.com/unternehmen/handel-
dienstleister / wirtschaftspruefungsgesellschaften-die-unheimliche-macht-der-grossen-
bilanzpruefer-seite-all / 3767584-all.html /, consulté le 18 mars 2019.
Frey, CB et Osborne, MA (2017). L'avenir de l'emploi: dans quelle mesure les emplois sont-ils
informatisation? Prévision technologique et changement social, 114 , 254–280.
Gantz, J. et Reinsel, D. (2011). Extraire de la valeur du chaos. IDC iView , 1–12.
Gausemeier, J., Fink, A., et Schlake, O. (1998). Gestion de scénarios: une approche pour développer l'avenir
potentiels. Prévisions technologiques et changement social, 59 (2), 111–130.
Gepp, A., Linnenluecke, MK, O'Neill, TJ, & Smith, T. (2018). Techniques de Big Data en audit
recherche et pratique: tendances actuelles et opportunités futures. Journal of Accounting Literature,
40 (1), 102-115.
Gershman, SJ, Horvitz, EJ et Tenenbaum, JB (2015). La rationalité informatique: une convergence
paradigme de l'intelligence dans les cerveaux, les esprits et les machines. Science, 349 (6245), 273-278.
Goertzel, B. (2007). L'intelligence générale artificielle au niveau humain et la possibilité d'une
singularité - une réaction à la singularité est proche de Ray Kurzweil, et la critique de McDermott de
Kurzweil. Intelligence artificielle, 171 (18), 1161–1173.
Goodman, C. (1987). La technique Delphi: une critique. Journal of Advanced Nursing, 12 (6), 729–734.
Hamel, G. et Prahalad, CK (1994). En compétition pour l'avenir. Harvard Business Review, 72 (***) ,
122-128.
Hill, KQ et Fowles, J. (1975). La valeur méthodologique de la technique de prévision Delphi.
Prévisions technologiques et changement social, 7 (2), 179–192.
Hong, SG, Trimi, S., Kim, DW et Hyun, JH (2015). Une étude Delphi des facteurs entravant le web
accessibilité pour les personnes handicapées. Journal of Computer Information Systems, 55 (4), 28–
34.
29
Page 31
Huang, S., Wu, M. et Chen, L. (2013). Facteurs de réussite essentiels pour aligner les objectifs informatiques et commerciaux:
Une étude Delphi. Total Quality Management, 24 (10), 1219–1240.
Hunton, JE et Rose, JM (2010). Audit du XXIe siècle: faire progresser les systèmes d'aide à la décision
réaliser un audit continu. Horizons comptables, 24 (2), 297–312.
Iden, J., Methlie, LB et Christensen, GE (2017). La nature de la recherche prospective stratégique: A
revue systématique de la littérature. Prévisions technologiques et changement social, 116 , 87–97.
Jiang, R., Kleer, R. et Piller, FT (2017). Prédire l'avenir de la fabrication additive: un Delphi
étude sur les implications économiques et sociétales de l'impression 3D à l'horizon 2030. Prévision technologique
and Social Change, 117 , 84–97.
Jordan, MI et Mitchell, TM (2015). Apprentissage automatique: tendances, perspectives et perspectives. Science,
349 (6245), 255-260.
Kahn, H. et Wiener, AJ (1968). L'an 2000 - Un cadre de spéculation sur les trente-trois prochains
ans. New York: Macmillan.
Kell, M., Tiwana, A., et Bush, A. (2002). Concilier les perceptions des utilisateurs et des chefs de projet sur le projet informatique
risque: une étude Delphi. Journal des systèmes d'information, 12 (2), 103–119.
Keller, J. et von der Gracht, HA (2014). L'influence des technologies de l'information et de la communication
(TIC) sur les futurs processus de prospective - Résultats d'une enquête Delphi. Prévision technologique
and Social Change, 85 , 81–92.
Knutson, BJ, Beck, JA, Singh, AJ, Kasavana, ML et Cichy, RF (2004). Marketing à l'hébergement,
les consommateurs de services alimentaires et de clubs à l'avenir: une étude Delphi pour prédire la gestion du marketing
en 2007. Advances in Hospitality and Leisure, 1 (1), 25–41.
Kokina, J. et Davenport, TH (2017). L'émergence de l'intelligence artificielle: comment l'automatisation est
impact de l'intelligence artificielle sur la comptabilité et l'audit. Journal of Emerging Technologies in
Comptabilité, 14 (1), 115-122.
Koskiala, S. et Huhtanen, A. (1989). L'étude Delphi finlandaise: prévoir l'étendue des informations
utilisation de la technologie dans les bibliothèques en 1996 et 2010. The Electronic Library, 7 (3), 170–175.
Larreche, J., et Montgomery, DB (1977). Un cadre pour la comparaison des modèles marketing: A
Étude Delphi. Journal of Marketing Research, 14 (6), 487–498.
30
Page 32
Laney, D. (2001). Gestion des données 3D: contrôle du volume, de la vitesse et de la variété des données. META
Group Application Delivery Strategies, 949 , extrait de: http://blogs.gartner.com/doug-
laney / files / 2012/01 / ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-
Variety.pdf, consulté le 16 avril 2019.
Lee, J., Kao, HA et Yang, S. (2014). Innovation de service et analyse intelligente pour l'industrie 4.0 et les grandes entreprises
environnement de données. Procedia CIRP, 16 (1), 3–8.
Lin, W. et Wang, C. (2011). Un modèle de sélection pour l'audit des logiciels. Gestion industrielle et données
Systems, 111 (5), 776–790.
Liu, S., Zhang, J., Kell, M. et Chen, T. (2010). Comparaison entre cadre supérieur et chef de projet
perceptions du risque lié aux projets informatiques: une étude Delphi chinoise. Journal des systèmes d'information, 20 (4), 319–
355.
Loebbecke, C. et Picot, A. (2015). Reflets de la transformation de la société et du modèle économique
de la numérisation et de l'analyse des mégadonnées: un programme de recherche. The Journal of Strategic
Systèmes d'information, 24 (3), 149–157.
Lombardi, D., Bloch, R., et Vasarhelyi, M. (2014). L'avenir de l'audit. Journal of Information Systems
et gestion de la technologie, 11 (1), 21–32.
Lombardi, D., Bloch, R., et Vasarhelyi, M. (2015). L'état actuel et futur de la profession d'audit.
Problèmes actuels en matière d'audit , 9 (1), P10 – P16.
Lummus, RR, Vokurka, RJ et Duclos, LK (2005). Étude Delphi sur la flexibilité de la chaîne d'approvisionnement.
Journal international de recherche sur la production, 43 (13), 2687-2708.
Mahzan, N. et Lymer, A. (2014). Examiner l’adoption d’outils d’audit assisté par ordinateur et
techniques - cas d'utilisation généralisée de logiciels d'audit par les auditeurs internes. Audit de gestion
Journal, 29 (4), 327–349.
Melnyk, SA, Lummus, RR, Vokurka, RJ, Burns, LJ et Sandor, J. (2009). Cartographier l'avenir de
gestion de la chaîne d'approvisionnement: une étude Delphi. Journal international de recherche sur la production,
47 (16), 4629-4653.
Minsky, M. (1961). Étapes vers l'intelligence artificielle. Actes de l'IRE, 49 (1), 8-30.
31
Page 33
Nowak, A., Lukowicz, P., Horodecki, P. (2018). Évaluer l'intelligence artificielle pour l'humanité sera l'IA
être notre plus grande avancée jamais - ou la plus grande menace? IEEE Technology and Society Magazine, 37 (4),
26–34.
Omoteso, K., Patel, A., et Scott, P. (2010). Technologies de l'information et des communications et audit:
Implications actuelles et orientations futures. International Journal of Auditing, 14 (2), 147–162.
Pilkington, M. (2016). Technologie blockchain: principes et applications. Dans: Olleros, FX, & Zhegu,
M. (éd.). Manuel de recherche sur les transformations numériques. Cheltenham, Royaume-Uni et Northhampton,
Massachusetts, États-Unis: Edward Elgar, 225–253.
Poba-Nzaou, P., Lemieux, N., Beaupré, D., et Uwizeyemungu, S. (2016). Défis critiques associés
avec l'adoption des médias sociaux: Un Delphi d'un panel de gestionnaires des ressources humaines canadiennes.
Journal of Business Research, 69 (10), 4011–4019.
Quick, R., Schenk, N., Schmidt, F., et Towara, T. (2017). L'impact de la gouvernance d'entreprise sur l'auditeur
choix: preuve de l'Allemagne. Journal of Management and Governance, 22 (2), 251–283.
Ram, J., Zhang, C. et Koronios, A. (2016). Les implications de l'analyse des mégadonnées sur les entreprises
intelligence: une étude qualitative en Chine. Procedia Computer Science, 87 , 221-226.
Richins, G., Stapleton, A., Stratopoulos, TC et Wong, C. (2017). Analyse du Big Data: Opportunité ou
menace pour la profession comptable? Journal of Information Systems, 31 (3), 63–79.
Rohrbeck, R. et Kum, ME (2018). Prospective d'entreprise et son impact sur la performance des entreprises: A
analyse longitudinale. Prévision technologique et changement social , 129, 105-116.
Roßmann, B., Canzaniello, A., von der Gracht, H., et Hartmann, E. (2018). L'avenir et l'impact social
de l'analyse des mégadonnées dans la gestion de la chaîne d'approvisionnement: résultats d'un Delphi. Technologique
Prévision et changement social, 130 , 135–149.
Rowe, G. et Wright, G. (1999). La technique Delphi comme outil de prévision: enjeux et analyse.
International Journal of Forecasting, 15 (4), 353–375.
Sackman, H. (1975). Évaluation sommaire de Delphi. Analyse des politiques, 1 (4), 693–718.
Schmidt, R., Lyytinen, K., Keil, M., & Cule, P. (2001). Identification des risques liés aux projets logiciels: un
étude internationale Delphi. Journal of Management Information Systems, 17 (4), 5–36.
32
Page 34
Scholl, W., König, C., Meyer, B. et Heisig, P. (2004). L'avenir de la gestion des connaissances: un
étude internationale Delphi. Journal of Knowledge Management, 8 (2), 19–35.
Skulmoski, GJ, Hartman, FT et Krahn, J. (2007). La méthode Delphi pour la recherche universitaire. Journal
of Information Technology Education, 6 (1), 1–21.
Smith, SS (2015). Stratégie, analytique et rôle de la comptabilité. Revue de gestion stratégique ,
9 (1), 87–93.
Snijders, C., Matzat, U., & Reips, U.-D. (2012). «Big Data»: de grandes lacunes de connaissances dans le
science de l'internet. International Journal of Internet Science, 7 (1), 1–5.
Syed, A., Gillela, K. et Venugopal, C. (2013). La future révolution du big data. Journal international
of Advanced Research in Computer and Communication Engineering, 2 (6), 2446–2451.
Tibère, V. (2011). Vers une «émergence de chemin planifié» sur la future genèse. Journal of Futures
Studies, 15 (4), 9–24.
Tiberius, V., Borning, J., et Seeler, S. (2019). Mettre la table pour les consommateurs de viande: un international
étude delphi sur la viande in vitro. npj Science of Food, 6 , 1–5.
Valentinetti, D. et Rea, MA (2013). XBRL pour l'information financière: données probantes sur les PCGR italiens contre
IFRS. Perspectives comptables, 12 (3), 237–259.
Vasarhelyi, MA, Kogan, A., et Tuttle, BM (2015). Big data en comptabilité: un aperçu. Comptabilité
Horizons, 29 (2), 381–396.
Warren, JD, Moffitt, KC et Byrnes, P. (2015). Comment les mégadonnées changeront la comptabilité. Comptabilité
Horizons, 29 (2), 397–407.
Watson, T. (2008). Priorités de recherche en relations publiques: une étude Delphi. Journal of Communication
Management, 12 (2), 104–123.
Welty, G. (1972). Problèmes de sélection d'experts pour les exercices Delphi. Journal de l'Academy of Management,
15 (1), 121-124.
Blanc, GRT (2017). Applications futures de la blockchain dans les affaires et la gestion: une étude Delphi.
Changement stratégique, 26 (5), 439–451.
Wiggington, GSS (1979). Application des techniques Delphi pour prédire l'avenir des relations avec les employés.
Revue du personnel, 8 (4), 45–51.
33
Page 35
Forum économique mondial (2015). Points de basculement de la technologie de changement profond et impact sociétal. Disponible à
WEF: http://www3.weforum.org/docs/
WEF_GAC15_Technological_Tipping_Points_report_2015.pdf, consulté le 23 avril 2019.
Worrell, JL, Di Gangi, PM et Bush, AA (2013). Explorer l'utilisation de la méthode Delphi dans
recherche en systèmes d'information comptable. Journal international d'information comptable
Systems , 14 (3), 193-208.
Woudenberg, F. (1991). Une évaluation de Delphi. Prévisions technologiques et changement social, 40 (2),
131-150.
Yoon, K., Hoogduin, L. et Zhang, L. (2015). Les mégadonnées comme preuves d'audit complémentaires. Comptabilité
Horizons, 29 (2), 431–438.
Zhang, J., Yang, X., & Appelbaum, D. (2015). Vers une analyse efficace du Big Data dans l'audit continu.
Horizons comptables, 29 (2), 469–467.
34

Impacts de La Numérisation Sur L'audit - Une Étude Delphi Pour L'allemagne Translated

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Impacts de La Numérisation Sur L'audit - Une Étude Delphi Pour L'allemagne Translated

Transféré par

Droits d'auteur :

Formats disponibles

08/03/2020 Impacts de la numérisation sur l'audit: une étude Delphi pour l'Allemagne

Impacts de la numérisation sur l'audit: une étude Delphi pour l'Allemagne

Victor Tibère, Stefanie Hirth

PII: S1061-9518 (19) 30008-4

EST CE QUE JE: https://doi.org/10.1016/j.intaccaudtax.2019.100288

Référence: ACCAUD 100288

Apparaitre dans: Journal of International Accounting, Auditing and Taxation

Date acceptée: 3 novembre 2019

© 2019 Publié par Elsevier.

Impacts de la numérisation sur l'audit: une étude Delphi pour l'Allemagne

Victor Tiberius a, * , Stefanie Hirth b

secteurs à but lucratif.

* Auteur correspondant. Adresse e-mail: tiberius@uni-potsdam.de (V. Tiberius).

depuis de nombreuses années.

de nombreux autres pays développés.

2. Contexte: liens entre numérisation et audit

2.1 Analyse des mégadonnées

(Cuquet et Fensel, 2018).

& Zhang, 2015).

lorsqu'un projet est mentionné dans le rapport financier.

pertinence, fiabilité et pertinence (Appelbaum, Kogan et Vasarhelyi, 2017). En outre, il est

(Yoon, Hoogduin et Zhang, 2015).

résolution de problèmes (Gershman, Horovitz et Tenenbaum, 2015).

2.3 Technologie blockchain

3.1 L'étude Delphi

un questionnaire standardisé et une rétroaction structurée sur les résultats du premier

Skulmoski, Hartman et Krahn, 2007; Woudenberg, 1991).

3.2 Formulation de projections

Du point de vue des experts en audit, et dans le contexte de la numérisation actuelle, le

pour les cabinets d'audit et le profil de la profession d'audit.

pourrait changer à l'avenir.

devenir moins informatif pour les destinataires de l'audit.

plus que les manuels.

les erreurs humaines dans le processus d'inventaire (Appelbaum et Nehmer, 2017).

les déclarations de risques dans le rapport de gestion, auront considérablement augmenté.

3.2.2 Changements dans la relation auditeur-client

relation entre les auditeurs et leurs clients.

car une automatisation accrue érodera les frais.

et les bénéfices resteraient stables voire descendraient.

considèrent l'audit formel comme obsolète.

3.2.3 Modifications réglementaires

changements réglementaires possibles.

la réalité des affaires et les normes d'audit existeront.

plus de cinq à dix ans pour traiter pleinement leur adoption.

IA plutôt que par des êtres humains.

L'interprétation finale et l'application de normes d'audit spécifiques reposent sur la discrétion

obsolète, car l'IA identifierait immédiatement la norme pertinente et l'appliquerait à la comptabilité

correctement (Kokina & Davenport, 2017).

3.2.4 Changements structurels pour les auditeurs

changements (section 5).

faveur de tâches plus complexes, comme le jugement.

passé de l'audit classique au conseil.

Stratopoulos et Wong, 2017).

qu'en audit (Gepp, et al., 2018).

cabinets d'audit de taille moyenne.

cela pourrait conduire à des consolidations ou à un bouleversement substantiel du marché.

3.2.5 Modifications de procédure pour les auditeurs

3.2.6 Changements dans le profil professionnel de l'auditeur

futures générations d'auditeurs.

des compétences commerciales traditionnelles.

employés orientés (Appelbaum, Kogan et Vasarhelyi, 2017).

jeunes professionnels en raison de l'augmentation des exigences d'examen.

Avec un nombre croissant d'exigences, l'examen de certification d'audit déjà difficile