Trois phases où l'IA améliore les prévisionnels budgétaires
La gestion de budget sur tableurs a fait son temps. Aujourd'hui, l'utilisation de l'intelligence artificielle dans l'élaboration et la gestion de la trésorerie est une piste privilégiée par de nombreuses entreprises, notamment dans la finance. En témoigne la place accordée au sujet à l'occasion de l'évènement AI for Finance du 20 septembre dernier au Palais Brongniart . A l'approche du passage à la facturation électronique à compter de 2024, l'intelligence artificielle et les trésoreries ont tout intérêt à s'entendre car plus il y a d'opérations électroniques, plus il y a de données à analyser. L'autre raison c'est que les API et le paiement instantané ont favorisé l'essor du temps réel aux dépens de la gestion cut-off time, à savoir la segmentation des différents exercices comptables. "Les solutions d'IA relèvent souvent de l'analyse de trends pour appuyer la prise de décision humaine", explique Pierre-Olivier Bouée, directeur des services financiers chez Capgemini. Dans cette mutation du métier comptable, l'IA a son rôle à jouer. Ou plutôt trois…
Sur le court terme
Optimiser la gestion de son cash-flow, minimiser le montant de liquidités dormantes tout en assurant la solvabilité, c'est le premier axe sur lequel l'intelligence artificielle chamboule la tradition. "La plupart des tableaux comptables comprennent des données parfois erronées, pourtant la fiabilité des données est la première brique du mur financier", observe Jean-Baptiste Gaudemet, product manager du logiciel de trésorerie Kyriba. Le machine learning est une première solution et permet grâce à des données historiques couplées à des variables explicatives de parvenir à une visibilité exacte en temps réel de sa trésorerie. "On pense d'abord à l'automatisation via la RPA, pour industrialiser la collecte des données mais on peut également mentionner le recours à des solutions type NLG (natural language generationn, ndlr) pour faciliter par exemple l'analyse ou la génération de rapports", explique Pierre-Olivier Bouée. L'automatisation des exercices de saisie, de traitement et de sauvegarde des opérations permet au comptable de se concentrer sur des tâches à plus forte valeur ajoutée, tout en garantissant la fiabilité des données qu'il aura à disposition.
Le moyen terme
Dans un deuxième temps, l'intelligence artificielle sait se mettre au service des phases d'atterrissage, ces périodes qui précèdent les bilans trimestriels, semestriels et annuels. Pour anticiper les liquidités disponibles, effectuer les ajustements budgétaires nécessaires et rester dans ses objectifs moyen terme, les techniques de machine learning élaborent des règles de prédiction couplées à des logiciels d'analyse de BFR. Cette solution s'avère particulièrement pertinente dans l'analyse du comportement des payeurs. "Il y a toute une famille d'algorithmes permettant d'analyser et d'anticiper ce genre de comportements et cela est efficace jusqu'à 90 jours, c'est-à-dire le délai maximum de règlement d'une facture", explique Jean-Baptiste Gaudemet. En digitalisant les factures d'un client, la machine va analyser les comportements du payeur et déterminer d'ici quand la facture sera payée. Une telle visibilité à moyen terme procure à l'entreprise un portefeuille de factures de qualité pouvant être décisif lors de la négociation de ses taux d'affacturage ou à l'occasion d'un financement. Par ailleurs cet apport de l'intelligence artificielle permet également d'éviter les clients délinquants ou comportant un risque de crédit en étudiant leur comportement.
Le liquidity planning
A un horizon de trois ans, le machine learning ne suffit plus pour la simple et bonne raison que le passé ne peut guider le futur. Il s'agit désormais de planifier les besoins de financement de l'entreprise en fonction de ses objectifs de croissance. L'intelligence artificielle permet d'anticiper les BFR des différents scénarios à travers une analyse qui permet de comprendre comment le business se comporte en fonction des différentes hypothèses. Les logiciels d'IA peuvent intégrer un algorithme et en ressortir des centaines de milliers de scénarios et procéder à des simulations comme un cas de crise par exemple. Un outil qui aurait fait le bonheur de nombre d'entreprises lors des premiers confinements où les flux entrants étaient pour certains à sec.
A force de données, ce genre de logiciels permet de présenter des statistiques solides auprès des financeurs en leur apportant une visibilité sur les liquidités futures de l'entreprise. Celle-ci est également plus à même d'anticiper et de planifier ses levées, notamment en dette.