La dématérialisation, le numérique, le collaboratif et les autres technologies censées faciliter la fluidité dans les entreprises sont encore loin d’avoir produit tous leurs effets. La paperasse et les processus trop longs, trop complexes, trop morcelés et trop imbriqués les uns avec les autres règnent encore dans les organisations. D’où l’intérêt d’y injecter un peu d’intelligence artificielle…
Les achats et les services comptables sont, entre autres, de grands pourvoyeurs de processus et de paperasse. Exemple : LafargeHolcim UK, qui gère environ 30 000 comptes fournisseurs, reçoit 250 000 appels téléphoniques et traite 1,3 million de factures par an, dont 65 % sous format électronique, le reste étant géré sur papier.
« Cette situation présente deux inconvénients majeurs : d’une part, un processus qui manque de clarté et qui repose en grande partie sur des tâches manuelles, n’est jamais pérenne. D’autre part, cela agit fortement sur le moral des équipes », explique Phil Rice, responsable du crédit chez LafargeHolcim UK, qui a témoigné lors d’un évènement organisé par BearingPoint et l’APDC (Association des Directeurs de Comptabilité & de Gestion). Pire : avec un processus mal maîtrisé, « nous avions chaque année 20 millions de livres de cash non affectés », ajoute Phil Rice.
Le groupe industriel a implémenté une solution (Alloc8 de Rimilia) qui est basée sur l’intervention d’un robot pour lire et reconnaître les informations nécessaires (avis de virement, chèques, virements…) et réaliser directement le lettrage dans le système d’information. « Ainsi, c’est l’ensemble de la chaîne Order-to-Cash qui s’en trouve fluidifiée », assure Phil Rice.
Résultat : Le cash non alloué a été divisé par dix en trois mois. « Désormais, avec la réconciliation automatique des factures et des paiements, ce sont 93 % des montants qui sont automatiquement alloués, dont 90 % en moins d’une journée », assure Phil Rice, « nous avons obtenu ces résultats grâce à la rapidité du robot qui, de plus, travaille jour et nuit à la place du comptable. Nos équipes ont donc accès à l’information nécessaire dès leur arrivée le matin. » Avec, à la clé, une réduction d’effectifs de six personnes, sur une équipe de onze personnes.
Peut-on aller plus loin et faire appel à des travailleurs virtuels ? Probablement à plus ou moins long terme. Ainsi, l’éditeur IPSoft se targue d’avoir produit l’intelligence artificielle la plus humaine, en l’occurrence Amélia. « C’est comme une nouvelle employée virtuelle, qui fait coexister l’intelligence artificielle et l’intelligence humaine », explique Gérald Audenis, directeur des opérations d’IPsoft : « Elle reproduit le cerveau humain, comprend le contexte, elle ressent le sentiment, communique, apprend et agit », ajoute ce dernier, qui assure avoir mené une soixantaine de projets, dont la moitié aux Etats-Unis. En attendant, c’est plutôt l’automatisation de tâches fastidieuses qui est à l’ordre du jour.
Par exemple, EDF a travaillé avec les start-up Owee (pour la plateforme) et Human Knowledge (pour l’analyse linguistique), afin de gérer automatiquement les quelques 250 mails reçus chaque jour de la part de ses 4 000 fournisseurs. Grâce à l’analyse sémantique, le projet doit permettre d’automatiser le routage, la priorisation et le prétraitement des mails, en visant un gain de 60 % du temps de traitement. « Douze personnes étaient dédiées au routage des e-mails et à leur traitement », explique Elina Badetz, directrice du CSP comptable d’EDF.
« Nous nous engagions à répondre aux fournisseurs sous cinq jours, ce qui n’était guère satisfaisant et c’est trop long pour trouver une information car, manuellement, on a du mal à retrouver l’historique au-delà de quelques jours, surtout si les équipes changent », déplore Philippe Cabanis, directeur adjoint du processus achats fournisseurs chez EDF, pour qui « les comptables ont autre chose à faire que de traiter des e-mails basiques. »
EDF devait adresser plusieurs enjeux : maîtriser les coûts liés aux traitements des échanges par e-mail, améliorer la qualité de la relation fournisseur, notamment vis-à-vis du temps de prise en charge et par un point d’entrée unique, garantir la cohérence et la consistance des informations communiquées aux fournisseurs et enrichir les tâches des salariés en charge de la relation fournisseur par l’élimination des tâches répétitives et la facilitation du travail de recherche et de contrôle.
« Les outils de traitement de la relation fournisseur ne sont plus adaptés aux enjeux actuels et à venir », estime Elina Badetz. D’où l’idée d’un chatbot pour automatiser le routage et le prétraitement des mails reçus dans les boîtes aux lettres fournisseurs. « L’objectif est de gagner 60 % du temps », prévoit Philipe Cabanis. Concrètement, la solution extrait la demande de l’expéditeur, à partir d’une analyse sémantique. Les informations utiles dans le corps des messages sont également extraites, l’historique des messages est pris en compte et leur enrichissement est réalisé avec des informations issues du système d’information ou des bases de données. Le chatbot agit pour proposer soit une réponse automatique, soit une demande d’informations complémentaires ou renvoit vers la personne compétente pour traiter le dossier.
« Nous améliorons ainsi nos taux d’affectation des demandes, le taux d’enrichissement et le taux de réponses automatiques. Nous traitons les e-mails en fonction de leur priorité réelle, l’automatisation permet également aux comptables de se concentrer sur des tâches à forte valeur ajoutée et d’alimenter en temps réel des tableaux de bord de connaissances fournisseurs », résume Philippe Cabanis. « L’automatisation et l’intelligence artificielle ne sonnent pas la fin des comptables, mais nous verrons davantage de « comptables 4.0″ », estime Nofel Goulli, associé en charge des projets de robotisation et d’intelligence artificielle chez BearingPoint.
Autre exemple, dans le domaine de la relation client : le Crédit Mutuel a utilisé Watson, l’outil d’intelligence artificielle d’IBM, pour améliorer sa relation client. Après avoir mis en place un projet pilote avec 150 utilisateurs dans une vingtaine d’agences, l’usage de l’intelligence artificielle a été étendu à ses 20 000 collaborateurs dans 5 000 agences, avec deux applications. D’une part, l’analyse de courrier électronique pour aider les collaborateurs à traiter plus de 350 000 courriels de clients reçus chaque jour. La solution permet au Crédit Mutuel d’identifier les demandes les plus fréquentes, de déterminer leur niveau d’urgence et d’aider ses chargés de clientèle à les traiter plus rapidement ou à déléguer les tâches associées, et ainsi accélérer et améliorer les réponses fournies aux clients. D’autre part, des assistants virtuels aident les conseillers à proposer rapidement aux clients des informations sur un ensemble de domaines métiers, en commençant par des domaines complexes, telles que les assurances automobiles et habitations, ainsi que toute la gamme des produits d’épargne.
Pour Olivier Ezratty, auteur d’une analyse de référence sur les usages de l’intelligence artificielle, publiée en octobre 2017, « la finance est un de ces marchés verticaux qui croule sous les données à ne pas savoir qu’en faire ! C’est donc un terrain très favorable à l’usage de techniques de Machine Learning, dans tous les métiers de la banque et de la finance, du front office au back office en passant par les fonctions analytiques, sans compter les techniques de base utilisées depuis longtemps comme la reconnaissance automatique de l’écriture manuscrite dans les chèques. L’objectif est toujours d’optimiser les opérations, d’en réduire les coûts, de personnaliser les offres, d’améliorer la relation client. »
De l’intelligence artificielle à l’intelligence financière
Le mouvement de diffusion de l’intelligence artificielle s’effectue, de manière logique, en commençant par les activités les plus réceptives à l’automatisation : celles qui traitent des volumes importants de données, qui sont régies par des processus relativement normés reposant sur des logiques de flux et de validation. Et pour lesquels les enjeux de réduction de coûts, de simplification, d’optimisation et d’agilité sont majeurs. Le mouvement d’automatisation et de dématérialisation est déjà largement entamé. On conçoit donc que la fonction financière soit en première ligne comme terrain privilégié d’essaimage de l’intelligence artificielle. La DFCG a d’ailleurs lancé, début 2017, un groupe de travail sur les problématiques d’intelligence artificielle, de robotisation et de Big Data pour étudier les opportunités offertes pour les directions financières.
Pour les directions financières, l’intelligence artificielle va, à terme, radicalement transformer leurs activités. Ce bouleversement va s’observer sous l’effet de dix tendances majeures.
- D’une approche en silos à une approche intégrée de la chaîne de valeur : l’intelligence artificielle, parce qu’elle favorise la fluidité des processus, permet d’atténuer, voire de supprimer, les silos actuels entre les différentes activités des directions financières.
- D’une approche individuelle à une approche coordonnée (prise de décision, action) : l’intelligence artificielle, par la précision des algorithmes, améliore la prise de décision et suggère les meilleures actions à effectuer.
- D’une approche asynchrone à une approche temps réel : la puissance technologique permet d’accélérer les processus financiers, jusqu’à les exécuter en temps réel.
- D’une approche élitiste à une approche « mainstream » : l’intelligence artificielle se démocratise et est désormais à la portée de n’importe quelle entreprise. Dans le domaine financier, les solutions logicielles intégrant de l’intelligence artificielle offrent des rapports qualité/prix très compétitifs. Pour quelques centaines d’euros, l’intelligence artificielle est d’ores et déjà accessible à n’importe quelle entreprise, même si ces technologies restent pour l’essentiel « invisibles » pour l’utilisateur.
- D’une approche mécaniste à une approche intelligente : les interventions humaines qui caractérisent encore l’exécution de la plupart des processus des directions financières deviennent « intelligentes », avec des algorithmes qui optimisent les processus et les relations entre eux, minimisant ainsi les risques d’erreurs et de non qualité.
- D’une approche de design à une approche auto-apprenante (Machine Learning) : même aidés par des logiciels, les processus financiers ont été conçus par des individus. L’intelligence artificielle et le Machine Learning vont désormais permettre un auto-apprentissage, dans une logique d’amélioration continue.
- D’une approche d’intermédiation à une approche d’interopérabilité et de collaboration : l’intelligence artificielle, parce qu’elle contribue à fluidifier les processus, à les rendre plus efficaces et plus collaboratifs, facilite les interactions entre les différentes parties prenantes dans et hors de la direction financière.
- D’une logique de prévision à une approche prédictive : les facultés d’apprentissage liées au Machine Learning autorisent non plus à raisonner seulement sur le passé ou le présent, mais aussi rendent possible une véritable modélisation du futur, beaucoup plus puissantes et pertinentes que les méthodes de projection des tendances passées pour anticiper les tendances futures. Les modèles prédictifs sont aujourd’hui largement matures et ont démontré leur efficacité. Selon une étude du cabinet de conseil PWC, un DAF français sur cinq souhaite recourir à des modèles prédictifs.
- D’une approche tayloriste à une approche « d’empowerment » des collaborateurs : en éliminant les tâches fastidieuses faites par des ressources humaines, l’intelligence artificielle remodèle les compétences, dans le bon sens : celui de l’enrichissement des tâches et des emplois des collaborateurs des directions financières.
- D’une approche centre de coûts à une approche centre de valeur pour la fonction financière : l’intelligence artificielle, par l’automatisation, le raccourcissement des circuits de validation et de décision, et par l’optimisation d’activités fortement consommatrices de temps et de ressources humaines, entraîne une réduction des coûts significative. De fait, la direction financière se positionne davantage comme un centre de création de valeur que comme un centre de coûts. Comme un pilote de la performance plutôt que comme un gestionnaire de trésorerie. Selon l’étude PWC, 48 % des directeurs financiers, d’entreprises de toutes tailles, considèrent que la robotisation permettra à la fonction Finance de gagner en efficacité et d’améliorer le contrôle interne.
Parmi les activités candidates à la robotisation, les consultants de PWC mettent en exergue la gestion des référentiels (clients, fournisseurs, produits…), le rapprochement réception / commandes / factures fournisseurs, le calcul et la comptabilisation de provisions selon des règles de gestion statistiques ou encore le contrôle des interfaces entre les ERP et tous les systèmes connectés. Concrètement, comment l’intelligence artificielle va aider les directions financières à être plus performantes ? On peut distinguer plusieurs domaines dans lesquels les opportunités de l’intelligence artificielle vont se développer au service des directions financières.
Ces domaines peuvent se résumer selon le principe des 3P :
- Processus (optimisation).
- Pilotage (réduction des risques).
- Performance (création de valeur).
Les trois domaines d’opportunités de l’IA pour les directions financières
Source : Digitalonomics.
Les processus : une optimisation
- Une accélération/fiabilisation des circuits de validation de facturation : en supprimant les tâches manuelles de rapprochement entre les bons de commande, les factures et les paiements, l’IA va non seulement permette d’accélérer de façon significative le circuit de validation de bout en bout, mais également diminuer le taux d’erreurs, voire le réduire à zéro pour la plupart des cas de figure.
- Une réduction du temps de collecte des données : les informations disparates, non structurées et disséminées dans différents fichiers ou services sont difficiles à réconcilier, notamment pour gérer les litiges ou les incidents de paiement/validation. L’intelligence artificielle va permettre de gagner du temps.
- Une amélioration de la qualité de l’information : la justesse des informations financières et comptables n’est pas négociable dans les directions financières. L’IA, en s’appuyant sur des modèles de référence de données, est capable de repérer/corriger les données lorsqu’elles sont inexactes ou incomplètes.
Le pilotage : une réduction des risques
- De meilleures prévisions des comportements des clients et des fournisseurs : l’intelligence artificielle et les approches prédictives sont intimement liées. Il est ainsi possible de mieux anticiper les comportements des clients, par exemple pour leurs pratiques de paiement, et des fournisseurs, pour l’évolution de leurs pratiques commerciales.
- Un reporting plus intelligent et une pertinence des indicateurs : dès lors que les contrôles des écarts deviennent automatisés, le reporting, ainsi que les clôtures comptables, se trouvent fiabilisés, les erreurs étant détectées très en amont.
- Une optimisation de la trésorerie : l’intelligence des algorithmes est mise au service de l’ingénierie financière, bien au-delà de ce qu’il est aujourd’hui possible de réaliser avec les logiciels de gestion de trésorerie, qu’il s’agisse des encours clients, des comptes fournisseurs ou du besoin en fond de roulement.
La performance : la création de valeur
- Une meilleure gestion prévisionnelle : le traitement de volumes importants de données, ce qu’aucun humain ne peut réaliser dans des délais raisonnables, contribue à fiabiliser la gestion prévisionnelle, surtout si elle est combinée avec des approches d’analyse prédictive.
- Une gestion des risques maîtrisée (fournisseurs, change) : les risques que subissent les entreprises sont de différentes natures : économiques, technologiques, géopolitiques, réglementaires et, bien sûr, financiers. Dans ce domaine, les directions financières doivent en effet maîtriser les incertitudes liées par exemple aux taux de change, aux fluctuations de cours boursiers, aux défaillances de fournisseurs et de clients, à la qualité des instruments de fiabilisation des liquidités, aux indisponibilités des systèmes d’information, aux possibilités de fraude, de pertes d’actifs… L’intelligence artificielle, si elle ne supprime ni les risques ni leurs causes, permet de détecter très en amont des signaux faibles, avec des possibilités d’alertes en quasi temps réel, et donc d’anticiper les plans d’actions et les mesures à mettre en place.
- Une lutte contre la fraude plus efficace. Selon une étude mondiale du cabinet EY, publiée en 2017, 52 % des collaborateurs de grandes entreprises ont déjà été confrontés ou informés de problèmes de fraude ou de corruption au sein de leur organisation. Pour les consultants de EY, « mettre la technologie au service de la lutte contre la fraude et la corruption est clé, l’entreprise doit exploiter intelligemment les nouvelles technologies pour gérer les menaces internes et externes. Détecter les menaces, collecter et analyser des données provenant de sources variées devient indispensable, tout comme d’identifier les types de comportements susceptibles de présenter des risques pour l’organisation. » C’est possible avec l’intelligence artificielle, qui peut analyser des volumes importants de données et les corréler pour identifier les comportements potentiellement à risque. On peut, par exemple, imaginer des contrôles portant sur des écritures comptables imputées sur une période réputée clôturée, sur des comptes clés comportant des flux financiers inhabituels par rapport aux périodes précédentes, ou encore des comparaisons entre un bon de retour de marchandises et une sortie de stocks annulée.
Tous les experts s’accordent pour positionner l’intelligence artificielle au cœur de la vie quotidienne, mais aussi au cœur des systèmes d’information. Selon David Cearley, vice-président de Gartner, « dans les dix prochaines années, chaque App incorporera de l’IA à un niveau ou à un autre. » De fait, les éditeurs de logiciels vont de plus en plus intégrer l’intelligence artificielle dans leurs solutions. Par exemple, le cabinet Gartner assure que l’intelligence artificielle sera embarquée dans 50 % des applications analytiques d’ici trois à cinq ans. Les entreprises en bénéficieront… sans le savoir !
Intelligence artificielle et robotisation : quelles différences ?
La première se base sur l’exploration de données structurées et le Machine Learning, mécanisme par lequel un algorithme est capable d’apprendre en continu, en fonction des actions qu’il analyse. La seconde, que l’on peut assimiler à la robotisation (ou Robotics Process Automation, RPA), permet d’automatiser des tâches répétitives relativement simples, par exemple la saisie d’informations, la copie de données ou les connexions à des applications… Plus précisément, l’Intelligent Automation a deux composantes. D’une part, les « Smart Interactions », qui illustrent la capacité qu’ont les individus à interagir avec leur environnement, pour identifier et comprendre les actions qu’ils doivent opérer en fonction des événements qui surviennent. L’intelligence artificielle joue bien sûr un rôle, dans la mesure où les événements sont traduits en code informatique et donnent lieu à l’élaboration d’algorithmes plus ou moins complexes. D’autre part, le « Smart Processing », articulation de plusieurs actions pour former un processus. Autrement dit, une « Smart Interaction » identifiera, par exemple, qu’il faut interagir avec un client à un moment donné, un « Smart Processing » spécifiera comment faire.
Trois questions clés
Faut-il privilégier une solution générique ou une solution verticale ?
Les solutions verticales permettent d’adresser parfaitement un processus donné, car elles s’appuient sur une connaissance du métier. Mais cela entraîne une certaine multiplication des solutions pour chaque cas d’usage. Au contraire, les solutions génériques, plus onéreuses à mettre en place, permettent d’adresser des thématiques diverses.
Quels sont les cas d’usage concernés ?
Tous les processus financiers sont naturellement éligibles à l’intelligence artificielle, pourvu que l’on adresse un nombre significatif de cas d’usage. Au-delà des processus transactionnels, déjà largement automatisés, le processus Record-to-Report est également un terreau fertile : réconciliation, traitement des provisions, analyse des états financiers… sont autant de cas d’usage potentiels. De manière transverse, toute l’administration des référentiels est particulièrement pertinente pour l’intelligence artificielle.
Comment se lancer ?
La façon de conduire les projets est radicalement différente puisqu’on se retrouve quasiment en préproduction dès la phase de prototypage en travaillant sur des données réelles.