Utilisation du sondage statistique dans la vérification et

jugement des comptes des comptables publics

Préparé et présenté par: Mohamed BETROJI

Conseiller maître (CRC Tanger)

Décembre 25, 2014, CC, Chambre Vérification & Jugement des Comptes, Rabat
Objectifs:
 Comprendre l’utilité du sondage dans la vérification des comptes
 Prendre connaissance des plans de sondage adaptés à l’attribution
de la CC en matière de vérification et jugement des comptes des
comptables publics: Trésorier Général, Trésoriers provinciaux,
préfectoraux, régionaux, Percepteurs, Receveurs des douances, etc.
 Avoir la capacité de sélectionner les plans de sondages en fonction
des objectifs de contrôle considérés
 Pouvoir planifier et évaluer les plans de sondage considérés,
notamment ceux offerts en standard par le CAAT IDEA (Interactive
Data Extraction and Analysis): définition des hypothèses, tirage des
échantillons, réalisation du sondage, et extrapolation des résultats
obtenus à la population des pièces justificatives des opérations
enregistrées dans les comptes des comptables susvisés
 Etre indépendant dans la vérification par sondage
Utilité du sondage dans la vérification des comptes

 La vérification par sondage est très économique lorsqu’il s’agit de populations de grandes tailles
 Elle permet de donner une assurance raisonnable lorsque d’autres méthodes ne le permettent pas
 La vérification par sondage permet de fournir des résultats beaucoup plus rapidement disponibles
 Le sondage permet d’approfondir certains domaines qui ne peuvent être examinés que
superficiellement lors de l’audit exhaustif (cas de marchés publics, ou de recalcul des salaires nets ou
des formules de révision des prix, etc.)
 Elle accroît l’efficacité et l’efficience du processus de vérification grâce à une démarche scientifique
objective
 Elle permet au conseiller rapporteur de dégager des conclusions objectives, étayées de données et
résultats scientifiquement recueillies
 Si elle est bien conduite, elle peut donner les mêmes résultats que la vérification exhaustive
 Des fois, elle peut, si elle est bien conduite, donner lieu à des résultats plus convaincants que la
vérification exhaustive du fait que cette dernière est souvent longue et fastidieuse et n’exclut pas
l’erreur d’observation, en particulier, l’erreur humaine en général
 Elle permet au magistrat de formuler des avis et constatations objectifs réduisant le subjectif au strict
minimum
 Elle est obligatoire lorsque l’observation de l’unité d’échantillonnage ou d’observation conduit à sa
destruction (cas de contrôle de matérialité: matériels et équipements)
Vérification par sondage:
Concepts

 VÉRIFICATION PAR SONDAGE: Processus de tirage des individus (unités de bases auxquelles on
s’intéresse en dernier lieu) à partir d’une population sur laquelle on se propose d’observer une variable
d’intérêt en vue d’estimer les paramètres et extrapoler les résultats à la population toute entière
 PLAN DE SONDAGE: il est constitué notamment de la méthode de tirage et des estimateurs
 MÉTHODE DE TIRAGE: Processus de sélection de l’échantillon final sur lequel portera l’inférence
statistique (choix de la taille et tirage des unités, puis des individus finaux).
 UNITÉ D’OBSERVATION: unité de base objet de l’échantillon final d’inférence, intervenant dans la
fonction que l’on cherche à connaître et sur laquelle on collecte les informations.
 UNITÉ D’ÉCHANTILLONNAGE: unité désignée au terme du processus de tirage de l’échantillon.
Lorsqu’elle est différente de l’unité d’observation elle donne à l’auditeur/sondeur l’information
recherchée concernant l’ensemble des unités d’observation auxquelles elle renvoie
 POPULATION STATISTIQUE: liste exhaustive et complète de tous les individus au niveau de laquelle
chaque individu est identifié l’un après l’autre de façon suffisamment précise pour qu’il ne subsiste
aucune ambiguïté sur sa nature, ses caractéristiques intrinsèques, sa localisation et la date à laquelle
elle se rapporte
Vérification par sondage:
Concepts

 BASE DE SONDAGE: liste de toutes les unités d’échantillonnage susceptibles d’être sondées par ce qu’elles
appartiennent à la population sur laquelle on réalise l’inférence statistique. Elle doit satisfaire les critères
suivants:
 CLARTÉ DE REPÉRAGE: elle doit repérer l’unité sas ambiguïté, sinon elle risque de biaiser les
estimateurs en déformant les probabilités a priori de tirage des individus. Exemple: supposons qu’on a
à tirer un échantillon de (n) factures des fournisseurs d’immobilisation, classées par l’agent comptable
d’un EPIC, relatives aux marchés passés durant la période du 1/7/t-2 au 30/6/t. Si la liste contient N1
factures des fournisseurs de biens et services ordinaires, ainsi la taille de l’échantillon tirée serait
tronquée de (n1) factures; en conséquence, tous les estimateurs qui s’expriment en fonction de la taille
de l’échantillon seront biaisés.
 EXHAUSTIVITÉ: la base de sondage doit englober toutes les unités d’intérêt; inversement les
estimateurs seraient biaisés. Supposons que l’auditeur, sans se soucier de l’exhaustivité de la base des
factures d’achat, a tiré un échantillon d’une liste ne contenant pas une ou plusieurs factures irrégulières,
ainsi les résultats échantillonaux seraient faux de même que les conclusions d’audit.
 ELLE DOIT ÊTRE SANS DOUBLE COMPTE: aucun individu ne doit y être présent deux fois, même
sous des identifiants différents (Risque: probabilités de tirage inégales).
 NB. La vérification de ces trois critères est facilitée par les logiciels généraux d’audit (par exemple: IDEA
permet de repérer les trous et d’exclure les doublons, Cas sur IDEA)
Vérification par sondage:
Concepts

 VARIABLE D’INTÉRÊT: c’est la variable formalisant l’information recherchée, notée par (X),
observée sur l’individu (i), notée (Xi); elle peut être qualitative ou quantitative. Une variable mal
définie conduit automatiquement aux erreurs d’observation et des fois amplifie les erreurs de
sondage:
 EXEMPLE:
 X qualitative: % de bons de commande engagés à tort, % de factures non-conformes à la
réglementation en vigueur
 X quantitative: valeur moyenne des factures d’achat; chiffre d’affaires régulier en DH,
productivité marginale des employés expatriés, etc.

 PARAMÈTRE: c’est une grandeur fixée a priori qui demeure inconnue même après sondage. Le
paramètre fait intervenir toutes les valeurs de (Xi); il peut correspondre à toutes les
caractéristiques numériques d’une population (proportion, moyenne, médiane, écart-type, etc.):
total des factures irrégulières; total des bons de sortie fictifs; marge moyenne sur les projets
d’équipement; % des procédures techniques non respectées par l’audité, etc.
Vérification par sondage:
Concepts

 ESTIMATEUR: c’est une statistique (fonction des variables individuelles) qui permet, lorsque les
données sont observées, de proposer une valeur pour le paramètre: moyenne, ratio, différence,
etc.

 EXTRAPOLATION STATISTIQUE: procédure qui permet de généraliser les résultats obtenus à

partir du sondage à la population toute entière.

 RISQUE DE SONDAGE: risque que la conclusion à laquelle aboutit le magistrat sur la base d’un
échantillon puisse être différente de celle à laquelle il serait parvenu s’il avait vérifié l’ensemble de
la population des pièces justificatives. Le magistrat doit construire un échantillon de taille
suffisante pour ramener le risque d’échantillonnage à un niveau suffisamment faible.
Vérification par sondage: Processus

 Les questions clefs qu’on doit poser avant d’entamer la vérification par sondage sont multiples, les
principales sont::
 Que veut-on vérifier, étudier et pourquoi? (objectifs d’audit par sondage)
 Quels sont les paramètres que l’on cherche à estimer? (variable d’étude, paramètres et estimateurs)
 Quel est le champ de l’audit par sondage?
 Quelles précisions exige t-on des estimateurs?
 Quelles sont les contraintes actuelles et probables? (contraintes budgétaires, contraintes d’exploitation
des données, contraintes organisationnelles, contraintes en terme de confidentialité, contraintes liées
aux systèmes d’informations (manuels, informatiques ou mixtes), etc.)

 La démarche de l’audit par sondage comprend généralement les étapes suivantes:

 Rechercher la base de sondage la mieux adaptée au champ d’audit et à la variable d’intérêt
 Réaliser le tirage de l’échantillon
 Déterminer les critères de vérification (RGCP, décret des marchés publics, statuts de personnel, etc.)
 Observer les Unités d’Observation
 Estimer les paramètres
 Évaluer les résultats du sondage et les extrapolater à la population toute entière
Vérification par sondage: Problèmes

 PROBLÈMES INHÉRENTS AUX BASES DE SONDAGE:

 Forte dispersion tant des individus que des valeurs par rapport à la variable d’intérêt et à son niveau moyen
 Système informationnel reflète (généralement) peu l’image fidèle des opérations effectuées et est difficilement
exploitable
 Multiplicité des sources d’informations et informations contradictoires (surtout dans le cas de systèmes
informatisés) (exiger la validation des fichiers et bases de données par le management compétent)
 Des bases existent mais sont difficilement exploitables du fait de la confidentialité des données ou du coût de
leur exploitation ou du caractère décentralisé/trop agrégé des données (cas de comptabilité non consolidée
d’audités filialisés)
 Systèmes d’information manuels volumineux

 PROBLÈMES LIÉS AU CHOIX DU PLAN DE SONDAGE:

 Quelle méthode appropriée doit-on employer pour sélectionner les individus afin de minimiser l’erreur de
sondage? (choix de la taille de l’échantillon et de la méthode de tirage)
 Comment agréger les résultats et les extrapoler à la population? (estimateurs puissants, EMQ minimale,
exhaustifs ou suffisants)
 Que vaut la procédure d’agrégation et d’extrapolation?
 Jusqu’à quel point doit-on avoir confiance dans les résultats numériques échantillonaux? (précision désirée)
Vérification par sondage: Problèmes

L’estimateur et la précision sont foncièrement tributaires de la

méthode de tirage. La précision dépend de l’estimateur choisi et de
la méthode de tirage; cette dernière est choisie en fonction de la
précision désirée et de la complexité qu’il y a à déterminer les
estimateurs.
Vérification par sondage: Erreurs de sondage

 ERREURS D’ÉCHANTILLONNAGE: spécifiques aux audits par sondage, ie. biais, variance et erreur moyenne
quadratique (EMQ), Coefficient de variation. EMQ = variance + biais au carré

 ERREURS D’OBSERVATION: (communes à la vérification exhaustive) valeur observée diffère de la vraie valeur
individuelle pour les raisons suivantes:
 Variable d’intérêt mal définie
 Erreurs de bonne foie de l’audité
 Erreurs introduites par l’auditeur suite aux défaut de formation, d’expérience, etc.
 Erreurs de remplissage des questionnaires ou de saisie de données
 Erreurs de codification des réponses
 Erreurs informatiques dues aux programmes mal conçus, etc.
 Mauvaise compréhension des questions par l’audité ou l’auditeur/assistant
 Questions stigmatisantes
 L’individu tiré a été remplacé par l’auditeur ou/et l’audité
 ERREURS DUES AU DÉFAUT DE COUVERTURE: population non couverte par la base de sondage
 ERREURS DUES AUX PHÉNOMÈNES DE NON RÉPONSE: abstention de réponse, absence de la pièce
justificative, etc.
 NB: le traitement de ces deux dernières ne sera pas présenté dans ce cous
Vérification par sondage:
Plans théoriques: Hypothèses communes

 Hypothèse 1:
Pas d’erreurs d’observation: le magistrat vérifie le compte sur la base d’une checklist de
contrôles à tester sur chaque pièce justificative
 Hypothèse 2:
Absence des phénomènes de non réponse: toutes les pièces justificatives sont produites par le
comptable
 Hypothèse 3:
Estimation des proportions, du total et de la moyenne: % des BCs forfaitaires; total des
salaires réglés aux personnel statutaire; valeur moyenne de factures des fournitures de bureau, etc.
 Hypothèse 4:
Pas de contrainte de coût de vérification des unités d’observation et, partant, pas de
contrainte de coût de vérification par sondage du compte d’un comptable. Inversement, la taille
de l’échantillon = Coût dé vérification du compte / coût de vérification de chaque pièce justificative
Vérification par sondage:
Sondage aléatoire simple: Conditions d’application

 Existence d’une base de sondage parfaite

 Population est homogène vis-à-vis de la variable d’intérêt, de taille finie (N),
connue a priori (ie. similitude par rapport aux valeurs de la variable d’intérêt et
au risque d’audit)
 Échantillon de taille (n), finie, connue a priori, ie. avant le tirage de
l’échantillon
 Absence d’informations auxiliaires sur les individus à même d’inciter le
magistrat à manipuler la population brute de base
 Échantillons équiprobables, les échantillons au nombre de CnN ont la même
probabilité de tirage 1/ CnN
Vérification par sondage:
Sondage aléatoire simple: Principe

  
Tirage sans remise d’un échantillon de pièces justificatives à partir des seuls identifiants de
sorte à ce que chaque PJ ait la même probabilité d’inclusion et ce, sans aucune
manipulation préalable de la base de sondage.

 EXEMPLE: Tirer (n) bons de commande d’achat de fournitures de bureau et d’imprimés à

partir de (N identifiants) de bons de commande dont la somme forme ce qui est enregistré
dans la rubrique budgétaire (P-S-C-P-A) du compte d’un comptable donné.

 AUTREMENT DIT: chaque bon de commande (i) tiré doit représenter (N/n) individus de la
population des bons de commande considérés.
; Si on a 30.000 factures desquelles on veut tirer (100 factures), alors chaque facture doit avoir
une probabilité de figurer dans l’échantillon de 1/300; sinon le plan de sondage aléatoire simple
est inadéquat: soit on stratifie ou on fait appel à d’autres plans (SUM par exemple)
Vérification par sondage:
Sondage aléatoire simple: Taille de l’échantillon

  
Comme signalé ci-dessus, le magistrat DOIT sélectionner un échantillon de taille suffisante pour
réduire le risque de sondage à un niveau suffisamment faible (ISA 530, PARAGRAPHE 7).
 L’erreur de sondage est le biais au carré augmenté de la variance de l’estimateur. On sait que la
moyenne échantillonnale est un estimateur sans biais de la moyenne théorique. Donc, on doit
choisir la taille de l’échantillon (n) qui minimise la variance de la moyenne "échantillonnale".
 La variance (c’est-à-dire le risque de sondage) est minimale si: (n) est suffisamment grande,
comme il se dégage de la formule de la variance de l’estimateur de la moyenne de la population:
; où: f est la fraction du sondage = n/N.
 On peut jamais connaitre la valeur exacte de la vraie moyenne de la population, sauf si on vérifie
toutes les PJ et ce, SOUS L’HYPOTHÈSE DE ZÉRO ERREUR D’OBSERVATION.
 Le problème se ramène alors à estimer le paramètre avec une précision donnée. Cette précision
est l’amplitude de l’intervalle de confiance du paramètre, soit E. Donc, la taille (n) qui répond à ce
problème est définie comme suit:

N z 2 s 2
n ; lim N  n ; où : E  z   x
N ( z  x ) 2 E2
1
z 2 s 2
Vérification par sondage:
Sondage aléatoire simple: Taille de l’échantillon
 Dans le cas de populations de très grandes tailles, (n) la taille de l’échantillon est fonction de la dissimilitude, de la
précision désirée des estimateurs ou des intervalles de confiance correspondants et du niveau de confiance
souhaité. La dissimilitude a priori (avant tirage de l’échantillon principal) peut être déterminée comme suit:
 L’approximer à partir d’un audit précédent similaire ayant porté sur une variable d’intérêt fortement corrélée
avec la variable d’intérêt présente
 Sondage pilote sur la même population mais de taille réduite
 Expertise sur la population
 Dans le cas de proportions, probabilité d’anomalies prévues

N z 2 s 2
n 2
; lim N  n 2
; où : E  z   x
N ( z  x ) E
1
z 2 s 2
 REMARQUES:
 La taille de l’échantillon est corrélée négativement avec la précision
 Elle est corrélée positivement avec la dissimilitude des individus (risque)
 Elle est corrélée positivement avec la confiance désirée
 Elle est fonction de la taille de la population si la fraction de sondage est au plus égale à 5% ou si N est
petite.
Vérification par sondage:
Sondage aléatoire simple: Intervalles de confiance et précision

MOYENNE: 
T S 2
IC1 ( X )   x  z  x 
2
E (x)  X  ;  x  (1  f )
N n
TOTAL:
IC1 (T )   N x  z  t  2 2 S 2
E (t )  T  N x ;  t  N (1  f )
n
PROPORTIONS:
 p (1  p )
IC 1 (P )  p  z  P  E (P )  x  p;  2
p  (1  f )
n 1
 z /2 z

1% 2,575 2,330

2% 2,330 2,050

5% 1,960 1,645

10% 1,645 1,280

Vérification par sondage:
Sondage aléatoire simple: Exemple d’application (Variable quantitative)

 ÉNONCÉ:
Vous êtes chargés d’assurer le contrôle comptable des comptes d’un établissement public
assujetti au CGNC, arrêtés au 31/12/2013. L’évaluation des risques, notamment le risque de non
contrôle, vous a amené à programmer le module comptable Achat/fournisseurs. Supposons que le
risque a été jugé élevé, ce qui vous a poussé à déterminer un SDS faible. Votre test consiste à
vérifier l’assertion (mesure) ou exactitude arithmétique du solde du compte 4411 (fournisseurs
ordinaires). Supposons de plus que la dispersion des montants par facture par rapport au niveau
moyen est de 289 DHxDH (faible), que vous avez calculée à partir d’un échantillon pilote de
taille réduite. Considérons les informations suivantes:
 Nombre de factures étayant le compte 4411 est de 4.600 factures
 Le solde créditeur du compte 4411 au 31/12/2013 est de 560.000,00 DH
 Le niveau de confiance est de 95% (soit une erreur de 5%)
 La précision désirée du total est de  7.500 DH
 QUESTIONS:
 Déterminer la taille de l’échantillon des factures à vérifier (formule exacte et formule
asymptotique)
 Supposons que le solde échantillonnal est de l’ordre de 47.000,00 DH et que la dispersion a
posteriori est de 100 DHxDH, évaluer le plan de sondage et extrapoler à la population.
 Supposons le même solde échantillonnal avec une dispersion a posteriori de 36 DHxDH,
évaluer le plan de sondage et extrapoler à la population.
Vérification par sondage:
Sondage aléatoire simple: Exemple d’application (Attribut)

 ENONCÉ:
Vous avez une population de 3.000 bons de commande sur lesquels vous voulez tester si
l’Administration a respecté les dispositions de l’article 75 du Décret n°2.06.388.
Supposons que vous voulez estimez le pourcentage des bons de commande non conformes à cet
article plus ou moins 2% et que votre expérience vous permet de prévoir un taux de dérogation de
3%.
 QUESTIONS:
 Déterminer la taille de l’échantillon des bons de commande à vérifier (formule exacte et
formule asymptotique)
 Supposons que le taux des dérogations relevées après réalisation du sondage est de 1%,
évaluer l’échantillon et extrapoler les résultats à la population des 3.000 BCs.
Vérification par sondage:
Sondage aléatoire simple: Exemple d’application (Attribut)

 CORRIGÉ:
 
 P = 3%; E = 2%;
 Formule Exacte: n = 256 BCs =
 Formule asymptotique: n = 280 BCs =
 24 BCs de trop.
 Précision a posteriori: E = 0,016 =

 Intervalle de confiance de P:0,02 

 Avec 2% de dérogations dans un échantillon de 256 BCs (soit 5 BCs non conformes), on
peut avoir une confiance de 95% que le % des dérogations dans la population de 3.000 BCs
ne dépassera pas 3,6%.
 Avec 1 dérogations dans un échantillon de 256 BCs, on peut avoir une confiance de 95%
que le taux de dérogations dans la population ne dépasse pas 0,011%.
Vérification par sondage:
Sondage aléatoire simple: Exemple d’application (Variable quantitative)
 CORRIGÉ:
4600
 N = 4600; Précision unitaire = 1,63 DH = E; n = 383 factures =
(Formule exacte) 4600 * (1,63) 2
1
(1,96) 2 * 17 2 (1,96) 2 * 17 2
 Formule asymptotique: n = 418 =
(1,63) 2
 Soit un sondage de trop de 35 factures.
 Total échantillonnal Y = 564.490,86 DH (4600*47.000/383).
 On peut conclure avec une confiance de 95% que le solde comptable des fournisseurs
ordinaires se situe entre 560.079,86 et 568.901,87 DH.
 EVALUATION DU PLAN DE SONDAGE:
 Moyenne théorique: 124 DH/facture vs Moyenne échantillonnale: 122,72 DH/facture
 Le total est dans l’intervalle de confiance avec une probabilité de 95% et une précision a posteriori de  4.411
DH versus une Précision a priori de  7.500 DH; on a perdu en précision de 9 DH/Facture.
 La dissimilitude a priori: 289 DHxDH vs dissimilitude a posteriori: 100 DHxDH
 CONCLUSION: A-t-on les appuis suffisants pour rejeter la fiabilité du solde des fournisseurs
avec une confiance de 95%.
 Quelle serait la conclusion si le solde des fournisseurs était de 570.000 DH?
 REMARQUE: on n’a pas de seuil de signification, cela sera traité dans les plans de sondage
adaptés au métier d’audit financier (IDEA).
Vérification par sondage:
Sondage aléatoire simple: Exemple d’application (Attribut)

  
 CORRIGÉ: Pour avoir plus d’assurance, on doit changer le plan de sondage.

 Cas 1: mêmes hypothèses avec confiance réduite à 90% (erreur de 10%):

 n = =185; Précision a posteriori = 0,006. Avec 1 dérogation dans un
échantillon de 185 BCs, on peut avoir une confiance de 95% que le taux de
dérogations dans la population ne dépasse pas 1,4%.

 Cas 2: Mêmes hypothèses avec P = 1%; E = 0,1%; Erreur de 5%: alors:

 n = 2.781 !!!; Précision a posteriori: 0,01; avec une anomalie dans un échantillon de
2.781 BCs on peut avoir une confiance de 95% que le taux des anomalies dans la
population des 3.000 BCs ne dépassera pas deux anomalies (0,001%).
Vérification par sondage:
Approche basée sur le risque d’audit a priori et a posteriori

 Modèle normatif du risque d’audit:

SAS (47):
AR = IR  NCR  NDR; NDR = RAR  RS ….
 IR: risque inhérent
 NCR: risque de non contrôle
 NDR: risque de non détection
 RAR: risque issu des procédures analytiques
 RS: risque de sondage
  : indice d’agrégation des risques.
 REMARQUE:
 IR, NCR, NDR  ]0,1[; les scores peuvent être supérieurs à 1 à condition de s’y tenir tout au long
du processus d’audit (depuis la planification jusqu’à l’évaluation)
 Il y a une relation inverse entre le seuil de signification et le risque: plus le risque est élevé, plus le
seuil de signification est faible.
Vérification par sondage:
Approche basée sur le risque Formule (RAR)


 Risque
  lié aux procédures analytiques:
 Pour chaque compte principal (v) ou rubrique budgétaire (cas de RGCP):
 Calculer EPR(v) = Rv31/12/t – PRv31/12/t et
 Affecter un score élevé à la (C(i) ou R(ij) ou P(ijk) ou C(ijkl)) si la valeur absolue de EPR(v) est
nettement différente de max(v), un score faible si cette valeur est très proche de max(v), et un score
moyen si la différence est entre les deux.
 Avec:
 Rv: montants figurant dans les états de synthèse (bilans ou CPC), PRv: prévisions (soit des actes
prévisionnels de l’audité si l’auditeur dispose d’une assurance raisonnable quant à leur pertinence
et précision ou établis par l’auditeur au terme de l’analyse financière prospective des comptes
passés à travers d’autres sources d’information (PVs des instances de gouvernance, rapports
d’audit, etc.)
 BS: base de signification
 Pv: montant du compte ou autre figurant dans les états de synthèse
 EPR(v): écart de prévision correspondant au compte (v) ou autre (classe, rubrique, poste ou
compte divisionnaire, le cas échéant)
 max(v): Différence tolérable par l’auditeur (maximale)
  = SDS/BS
Vérification par sondage:
Approche basée sur les risques: Relation entre Facteur de risque, Risque, niveau de
confiance, SDS et Précision
 Facteur
   de risque Rf , est calculé à partir de la fonction cumulative (F) de la distribution de Poisson selon la
formule suivante:
Evaluation Facteur de risque Rf Risque %: α Niveau de confiance: 1-α (%) SDS (v%)
linguistique
Elevé 3.0 05 95 2%
2.5 08 92
2.3 10 90
Moyen 2.0 14 86 Entre les deux
1.5 22 78
1.0 37 63
Faible 0.7 50 50 0,5%
0.0 100 0

Exemple d’illustration: agrégation multiplicative (Risque élevé)

RA IR NCR SR Autres

Niveaux du risque (  x) 5% 100% 37% 14% 100%

Facteur de risque (+) 3 0 1 2 0

Vérification par sondage:
Approche basée sur le risque Formule Matrice des risques et choix des
auditables

Cpte/R IR NCR RAR SR Autre risque AR/Rf T.Ech

Compte 1 IR1 NCR1 RAR1-EPR(1)-max(1) SR1 … AR1 n1

Compte 2 IR2 NCR2 RAR2 - EPR(2)-max(2) SR2 … AR2 n2

…. …. …. ….   … …. ….
Compte k IRK NCRk RARk - EPR(k)-max(k) SR4 … ARk nk
… …. …. …. …. … …. ….
Compte K IRK NCRK RARk - EPR(K)-max(K) SR6 … ARK nK

Pk: solde du kème compte comptable; SR: risque de sondage (5-50%); Les cases en rouges sont à
facteur de risque 3 (risque élevé), en orange à Rf = 2 (Moyen) et vert Rf = 0,7 (Faible).
Vérification par sondage:
Sondage des unités monétaires: conditions et principe

C’est un cas particulier du sondage des attributs

 DOMAINE ET CONDITIONS D’APPLICATION:

 Audit financier lorsque:
 Le risque d’erreur est faible
 Probabilité élevée de tirage des individus de valeurs monétaires élevées
 Principe:
 La population est considérée comme un ensemble de valeurs monétaires, la taille de la
population correspond au total des unités monétaires. Les individus sont tirés
proportionnellement à leurs valeurs monétaires (plus la valeur monétaire de l’individu est
grande plus il aura de fortes chances de figurer dans l’échantillon)
Vérification par sondage:
Sondage des unités monétaires: Taille d’échantillon
    Déterminer la base de signification (en DH)
 Déterminer le SDS (Upper Error Limit): SDS en DH= %*(base de signification): le
coefficient () est à déterminer en fonction des résultats de l’évaluation des risques, voir
tableau ci-dessus
 Définir l’Erreur la Plus Vraisemblable (TERROR) (en DH); TERROR = %SDS (en DH): le
coefficient () est à déterminer en fonction des résultats de l’évaluation des risques (%
varie de 10 à 20%)
 Calculer la précision: E = µ%(SDS – TERROR): le coefficient (µ) est fonction du niveau de
la confiance et de la taille de l’échantillon (elle existe même sans erreur dans l’échantillon: µ
= 80,…,100% )
 Choisir Rf correspondant au risque d’audit à partir du tableau ci-dessus
 Calculer (n) selon la formule suivante: n=
 Tirer l’échantillon suivant le principe MUS (voir slide suivant)
 Vérifier les PJ, analyser les écarts et extrapoler les résultats à la population (sur et sous
estimations) (pour l’extrapolation, voir slide suivant).
 Comparer l’erreur extrapolable au SDS et décider.
Vérification par sondage:
Sondage des unités monétaires: Méthode de tirage

 Éliminer les valeurs élevées et négatives à vérifier à part

 Cumuler les montants individuels dans un ordre croissant
 Calculer l’intervalle (pas de sondage): N/n = PS
 Tirer un nombre aléatoire entre 1 et PS, soit  (à l’aide de la fonction EXCEL
(ALEA()*10k), par exemple.
 Tirer l’individu dont la valeur est supérieure ou égale à 
 Cumuler () d’une manière croissante avec un rang égal au PS
 Tirer successivement les individus (i) ayant des valeurs cumulées supérieurs ou
égales aux () cumulés
Vérification par sondage:
Sondage des unités monétaires: Méthode de tirage: Exemple d’application

 ENONCÉ:
 Vous avez 24 factures d’achat de biens et services (doit et avoir) d’un montant de 311.600,00 DH
desquelles vous voulez tirer 8 factures suivant le principe du SUM. Supposons que le chiffre
aléatoire tiré à l’aide de la fonction Alea() d’Excel est 0,003.
 DÉMARCHE
 E1: Elimination des valeurs négatives et des hautes valeurs (on peut les appeler points aberrants
dans la mesure où elles s’éloignent beaucoup de la moyenne des valeurs faciales des factures
restantes).
 E2: Les factures restantes ont une valeur à 4/5 chiffres, alors on multiplie l’Alea() par 10 4
 E3: On cumule les factures non négatives et à valeurs proches les unes les autres et on cumule
l’Alea() avec le pas de sondage.
 E4: On sélectionne les factures dont la valeur cumulée est supérieure ou égale au cumul de
l’Alea() et le pas du sondage.
 E5: S’arrêter lorsque le cumul de l’Alea() et le pas du sondage dépasse le total des factures
sélectionnées en E, soit 100.000,00 DH.
 Voir solution ci-après.
Vérification par sondage:
Sondage des unités monétaires: Méthode de tirage: Exemple d’application

Fac MtDH Facture MtDH MTC (A) PS (C) (B) Échantillon
1 4 000 1 4 000 4 000 3 000 X
2 8 500 2 8 500 12 500 15 500  
3 6 000 3 6 000 18 500 28 000 X
4 -5 000 7 1 317 19 817 40 500  
5 100 000 8 4 000 23 817 53 000  
6 120 000 9 2 300 26 117 65 500  
7 1 317 10 1 500 27 617 78 000  
8 4 000 12 4 560 32 177 90 500 X
9 2 300 13 9 870 42 047 103 000 X
10 1 500 14 4 560 46 607 115 500  
11 -3 400 15 2 888 49 495 128 000  
12 4 560 16 8 888 58 383 140 500 X
13 9 870 17 3 000 61 383 153 000  
14 4 560 18 1 345 62 728 165 500  
15 2 888 19 4 256 66 984 178 000 X
16 8 888 20 2 456 69 440 190 500  
17 3 000 21 4 560 74 000 203 000  
18 1 345 22 7 000 81 000 215 500 X
19 4 256 23 9 000 90 000 228 000  
20 2 456 24 10 000 100 000 240 500 X
21 4 560 N 100 000      
22 7 000 n 8      
23 9 000 PS: N/n 12 500      
24 10 000  3 000      
 Vérification par sondage:
Sondage des Unités Monétaires: extrapolation

 Calculer les taux d’erreurs brutes et les sommer pour avoir l’Erreur la plus vraisemblable dans l’échantillon: EPVE
  
 Pour les surestimations: valeur comptabilisée (VC) est supérieure à la valeur validée après vérification de la pièce
justificative:

 Pour chaque surestimation: calculer le taux d’erreur brute (TER) comme suit: ;

 Ordonner les surestimations par ordre décroissant des TER.

 Corriger les taux d’erreur bruts par les coefficients de la table dans le slide suivant, comme suit (cas n = 100):

Surestimation VC VV TER Limite sup: LS Erreur Est

0 100% 3% PV*TER0*LS0
1 VC1 VV1 TER1 1,7%=4,7%-TER0 PV*TER1*LS1
2 VC2 VV2 TER2 1,5%=6,2%-TER1 PV*TER2*LS2
........... ............ ........... ....... ......... .........
K VCK VVK TERK LSK PV*TERK*LSK
Total TSUREST
 Calculer l’estimation ponctuelle des sous estimations (EPSOUS) comme suit:

 Estimer les sous estimations ajustées = total des sous estimations - EPSUR = TSURESTA
Vérification par sondage:
Sondage des Unités Monétaires: extrapolation (suite)

    Suivre la même méthode pour les sous-estimations en s’outillant de la table du slide suivant en calculant le

taux d’erreur comme suit:

 Calculer l’estimation ponctuelle des surestimations (EPSUR) comme suit:

 Estimer les sous estimations ajustées = total des sous estimations - EPSUR = TSOUSESTA

 Ajouter les Erreurs sur les hautes valeurs et les valeurs anormales exclues (Soit EHVE) aux montants sur
estimés et sous estimés ajustés, la précision prévue, l’erreur la plus vraisemblable (EPVE) comme suit:

 Alors: limite supérieure des surestimations: TSURESTA + E + EHVE + EPVE = LSSUR

Vérification par sondage:
Sondage des unités monétaires: taille et extrapolation

Source: www.cpajournal.com
Vérification par sondage:
Sondage des Unités Monétaires: extrapolation (Exemple)

 Voir, Sampling\SUM_Cases.xlsx
Vérification par sondage:
Sondage classique des variables: extrapolation

  
 Pour le Sondage classique des variables, l’extrapolation se fait comme suit:
 Calculer le total des erreurs à extrapoler comme suit:
 TEA =
 Règle de décision: Accepter le solde si TEA est inférieur au SDS. Sinon, vérifier si
l’échantillon donne assez d’assurance pour rejeter le solde ou prévoir des procédés d’audit
supplémentaires.
 Cas pratiques: IDEA:
Sondages des Attributs

Planification:
IDEA offre deux possibilités: fixation de l’erreur de type I () par l’auditeur et limitation du risque de type II () ou limitation
des deux types d’erreur.
Si l’auditeur opte pour le premier cas: fixer  et limiter , alors:
Si, taille population: N =12.571; %dérogations acceptables dans N=5%; %dérogations prévues dans la
population = 2%; niveau de confiance défini pour maîtriser l’erreur de type II = 95% (1- ) (=5%); alors: n =
180 et limite critique = 4 dérogations: c’est-à-dire que s’il n’y a pas plus de 4 dérogations dans l’échantillon
de 180 factures, on pourra être confiant à 95% que le taux de dérogations dans la population n’excèdera pas
5% (données plan sauf (n)).

Si l’auditeur préfère le second cas, c’est-à-dire limiter les deux types d’erreurs, alors:
Si: N = 12.571; % dérogations acceptable = 5%, % dérogations minimal = 2%,  = 5%,  = 10%, alors n =
309 et seuil critique est de 9 dérogations (2,91% échantillon): c’est-à-dire que s’il n’y a pas plus que 9
dérogations dans un échantillon de 309, on pourra au moins être confiant à 95% que le taux de dérogations
ne dépassera pas 5% de la population. Si, de plus, le taux de dérogations est inférieur ou égal à 2%, on peut
au moins être confiant à 90% qu’on n’observera pas plus de 9 dérogations dans l’échantillon.
Évaluation:
Cas de limitation de l’erreur Bêta:
Remplir à nouveau N = 12.571 et n=180
Enter le nombre de dérogations observées sur l’échantillon de 180 (soit 4)
Préciser le degré de confiance (soit 95%), alors: le taux de dérogations dans l’échantillon est de 2,22% (4/180)
C/c: on peut être confiant à 95% que le taux de dérogations dans la population n’excède pas 4,99% et qu’il se situe
entre 0,62% et 5,56%.
Cas pratiques: IDEA:
Sondages des Unités Monétaires: Exemple 1: sur Ecran
 Sondage des unités monétaires IDEA (Exemple 2)
 Test: tester l’assertion régularité et évaluation de 695 comptes fournisseurs locaux d’un établissement public assujetti aux attributions de la CC en matière de
contrôle de la gestion
 Procédé de vérification: sondage des unités monétaires
 Importer fichier Frs locaux 2005_2007_formation.xls
 Données: Valeur bilancielle du compte 4411 est de 218.276.082,77 DH
 Base de signification: charges totales = 1.196.730.192,00 DH
 Menu/échantillonnage/unités monétaires/planifier
 Préciser champs des valeurs à sonder, soit solde
 Cocher valeurs positives; niveau de confiance 95% (IDEA = CL = ); Erreur acceptable = SDS (IDEA = Xmax), soit 1% de la base, c’est-à-dire:
11.967.301,92 DH; Erreur prévue, soit 5% du SDS = 598.365,096 (IDEA Xexp)
 Cocher modifier le niveau de précision de base, soit E = 90%:
X max
 NB: parmi les hypothèses d’IDEA concernant les inputs du plan MUS on a: (1   ) X max  X exp  0,7
Pv
 Cliquer sur estimer: alors, n = 54 comptes fournisseurs à vérifier; soit un pas de sondage de 4.042.149,68 DH = 218.276.082/54
 C/c: On peut accepter le total de 218.276.082,77 DH avec une confiance de 95% si moins de 14,8032% des erreurs sont observées dans un échantillon de
54 comptes fournisseurs
 Cliquer sur accepter
 Isoler les hautes valeurs et préciser le fichier, soit hautes valeurs fournisseurs
 Cocher intervalle d’extraction fixe
 Cliquer sur Ok pour extraire les deux échantillons SUM et des hautes valeurs (ce dernier est à sonder d’une manière exhaustive)
 Commencer la vérification des pièces justificatives et remplir les colonnes en bleu (valeur vérifiée contre valeur comptable) 39
 Sondage des unités monétaires IDEA (Suite)

 Supposons qu’après vérification, vous n’avez relevé aucune anomalie concernant l’échantillon des hautes
valeurs, mais vous avez répertorié les trois surestimations suivantes au niveau de l’échantillon de base:
VV-VC
Code FRS Valeur comptable Valeur vérifiée VC-VV (over) (under) (VC-VV)/VC
12578 2 828 020,47 100 000,00 2 728 020,47  0 96,46%
12683 2 664 355,88 20 000,00 2 644 355,88 0 99,25%
13471 1 686 751,83 1 000 000,00 686 751,83 0 40,71%
Total 7 179 128,18 1 120 000,00 6 059 128,18 0 2,36

 Le montant des erreurs à extrapoler à la population est calculée par le logiciel IDEA en multipliant la somme
des écarts en% par l’intervalle de sondage ou de tirage, soit 2,36*4.042.149,68 DH = 9.680.875,54, cf. rapport
MUS IDEA (format papier) (la différence avec IDEA est due uniquement au problème des arrondis) ce qui est
inférieur au SDS de 11.659.282,51 DH.
 C/c: On peut conclure que la surévaluation la plus probable dans le solde du compte 4411 est d’environ
9.680.875,54 et que la sous-évaluation est nulle. Aussi, pourrait-on ajouter avec une confiance de 95% que la
surévaluation totale dans ce compte n’excède pas 25.346.437,31 DH, si l’on tient compte de la précision
d’environ 15.648.032,69.

40
Cas pratiques: IDEA:
Sondage des variables: Exemple sur ecran
Cas pratiques: IDEA: Contrôle exhaustif: quelques exemples
objectif démystifier le CAAT et être capable de l’utiliser dans la vérification des comptes des comptables publics (paie des
fonctionnaires et agents, tests d’exactitude calcul de liquidation des opérations informatisées, etc.)
 OBJECTIF DE CONTRÔLE: Tester l’exactitude des calculs de liquidation des recettes ordinaires d’un
Etablissement public qui distribue l’électricité.
 CHAMPS DE CONTRÔLE: toutes les factures de consommation d’électricité mises en circulation entre 2004 et
2010 à l’intérieur du périmètre opératoire du Distributeur
 CRITÈRES DE CONTRÔLE: LFs n°8.96, n°14.97 et n°40.08; Arrêtés n°209.04 (2004-30 juin 2006), n°310.06
(01/07/06 -01/03/09) et n°528.09 (02/03/09-2011)
 DÉMARCHE DE CONTRÔLE: Exhaustive via un CAAT:
 Examen de structure de les BDs de l’audité et extraction des données: (tables, champs, etc.)
 Validation des factures électroniques extraites avec un échantillon pilot de factures physiques
 Valider l’intégrité des factures hébergées dans les SIs d’information commerciaux
 Importation des fichiers extraits vers IDEA
 Informatisation des règles de liquidation des factures de consommation, extraites des critères ci-dessus
(tarification et TVA): extraction indexée par période de consommation car les tarifs changent
 Connexion ou jointure visuelles de fichiers par clés primaires bien dimensionnées (Localité, Mode
d’encaissement, etc.)
 Test pilot des règles informatisées et comparaison avec le résultat des calculs manuels
 Validation des règles informatisées
 Exécution des règles pour toutes les factures
 Analyse de causalité des écarts significatifs et demande des explications auprès des Responsables
Cas pratiques: IDEA: Contrôle exhaustif: Résultats (Assurance presque absolue: Risque d’audit
a posteriori = 0)
 1. NET À PAYER

 EXCEPTION: sous liquidation de cinq factures d’un montant de 1.000.000 DH chacune.

 CONSÉQUENCE: manque à gagner considérable; certaines factures ont été déjà recouvrées auprès
d’un Percepteur (le client concerné est une Commune).
 CAUSE: purement technique (on n’a pas pu mettre en exergue le mobile/intention): il s’agit de la
limitation du champs de sortie du NET A PAYER dans le module de facturation du SI de 1996
 REMARQUE: un plan de sondage invalide ne peut certainement pas détecter ce type de problème.
Par contre un plan MUS bien raffiné avec analyse à part des valeurs anormales ou/et élevées, ou un
SAS stratifié approprié peuvent repérer au moins un cas qui aurait servi de drapeau rouge pour
élargir les tailles des échantillons.
Cas pratiques: IDEA: Contrôle exhaustif: Résultats (Assurance presque absolue: Risque d’audit
a posteriori = 0)
 2. TPPAN

 EXCEPTION: Taxation d’usages et d’usagers exonérés de la TPPAN et son non

reversement à la SNRT (avant la récente réforme) et application de taux irréguliers
 CONSÉQUENCE: Surévaluation du chiffre d’affaires et ES non fiables; avec risques
juridiques non négligeables
 CAUSE: Non interfaçage ou non intégration du SIG avec le SI commercial (Module
facturation).
 REMARQUE: SAS aléatoire aurait pu ne pas déceler cette anomalies; par contre le SAS
stratifié aurait certainement la détecter sans pour autant pouvoir déterminer l’indu
exactement.
QUESTIONS

45
Merci pour votre
attention

46