intelligence artificielle compta

Commissaires aux comptes & Experts-comptables : État des lieux des enjeux de la démocratisation de l’intelligence artificielle (IA)

Dans son rapport sur l’état des lieux des stratégies numériques des cabinets, l’Observatoire de l’Ordre a mis en exergue les principaux outils adoptés par les commissaires aux comptes et les experts-comptables. Nous notons que 7 ans après la publication du guide de l’Ordre sur les bonnes pratiques de l’usage du cloud-computing, cette technologie est implémentée dans plus de 2/3 des cabinets d’audit et d’expertise comptable.

Deloitte France a récemment insisté sur le fait que « Le cloud n’est plus une tendance émergente mais bel et bien un outil essentiel à la compétitivité des organisations ». Or le constat de cette étude reste sans appel : l’automatisation est la grande absente des stratégies numériques. Nous sommes convaincus que la révolution de l’intelligence artificielle dans les cabinets sera comparable à celle du cloud, à cette différence près qu’elle ne touchera pas l’expertise et l’audit de la même façon.

Aussi, dans cet article, nous vous proposons un état des lieux des enjeux inhérents à l’implémentation d’outils d’automatisation.

Les données : le nerf de la guerre de l’automatisation

L’automatisation de la saisie comptable est rendue possible par les données.

Si l’IA présente de telles performances aujourd’hui, c’est grâce à la qualité des entrainements des algorithmes. Or la base d’une phase de training avant son lancement opérationnel repose sur les données. Aussi, il est important de s’assurer de la qualité des data utilisées lors de la phase de data wrangling que nous avons présenté précédemment.

Un dataset inadapté peut avoir pour conséquence un algorithme discriminant, un diagnostic obsolète, un taux de faux positifs trop important ou encore l’omission de variables clefs. En matière de collecte de données, les auditeurs devront toujours se demander si les informations obtenues permettent de bien répondre au besoin du test d’audit et inversement, si au regard du test d’audit, les équipes ont bien récolté toutes les données disponibles permettant la réalisation des travaux d’audit.

Il doit également faire preuve d’esprit critique et toujours se soucier de la véracité et de l’exhaustivité de l’échantillon de données récupérées. Côté expertise, l’approche est différente puisque le collaborateur est l’auteur des données qui serviront de base à l’entrainement des algorithmes, puisqu’il se basera sur ses saisies comptables précédentes.

En réponse au phénomène de Big Data, les législateurs européens ont mis en place la réglementation générale de la protection des données (RGPD). Destinée à protéger les consommateurs et les utilisateurs de réseau sociaux, cette norme s’applique aux entreprises collectant des données à caractère personnel en Europe et/ou de résidents européens. Compte tenu des données sensibles que peuvent confier les clients à leur EC ou leur CAC les gérants doivent en avoir conscience d’autant plus lorsqu’ils ont recours à des prestataires extérieurs.

Par ailleurs, les données exploitées par les cabinets d’audit et d’expertise relèvent de la sphère financière, RH, commerciale et opérationnelle, et renferment des informations clefs de la stratégie d’une entreprise ou tout simplement des données personnelles sur ses parties prenantes de leurs clients. Il est donc essentiel que les professionnels du chiffre garantissent la sécurité des informations qu’ils collectent, mais qu’ils s’assurent également que leurs prestataires fassent de même. La cybersécurité et l’audit de ses propres systèmes d’information doit donc rester une priorité.

Entre complexité, discrimination et explicabilité des algorithmes

Le recours aux outils d’IA dans un cabinet ne s’aborde pas de la même manière selon qu’ils servent à l’audit ou à l’expertise, à commencer par la complexité de mise en œuvre. En effet, structurer la donnée comptable est un processus qualitatif et laborieux qui implique de passer d’une donnée peu structurée à une écriture comptable (cf data wrangling). Alors que la révision des états financiers par l’auditeur se base sur une donnée déjà structurée qui ne demande plus qu’à être analysée. C’est d’ailleurs ce qui justifie l’avance de l’audit dans l’automatisation de ses process. L’entrainement des algorithmes est l’étape clef de sa réussite. Il faut accepter la complexité de mise en œuvre des nouveaux outils car prendre des raccourcis auraient un impact sur la qualité des prédictions et analyses de l’outil.

Le besoin d’explicabilité

Cette qualité du jugement d’un algorithme se heurte généralement à l’explicabilité du processus décisionnel de la machine. Plus un outil est fiable, plus ses modèles sont complexes, mais moins le raisonnement est explicable : Il s’agit du phénomène de Black-box. Tandis que l’expert-comptable est dans une démarche de résultat et cherchera à avoir la bonne écriture, le bon cash-flow ou le correcte format de liasse fiscale, et se contentera du résultat correct de la machine. Le CAC quant à lui est soumis à une obligation de moyen, et ne pourra pas s’appuyer sur des résultats qu’il ne peut justifier.

Les règles déontologiques d’exercices demandent à l’auditeur d’asseoir son investigation sur des éléments probants, de chercher la vérité en toute chose et ne pas se contenter d’à peu près. Il faudra continuer à faire preuve de scepticisme professionnel, remettre en cause les analyses de l’outil et si possible, mettre en place des systèmes de boites blanches.

La discrimination des algorithmes

Ce besoin d’explicabilité est d’autant plus important que les algorithmes peuvent être discriminant, parfois lié au choix des données, parfois à celui des modèles exploités. La discrimination des algorithmes peut amener à prendre la mauvaise décision. Prenons l’exemple de l’achat de prestation SaaS récurrente d’un éditeur de logiciel. Les pratiques sont multiples, tandis que certains les comptabilisent en #604, d’autres jugent pertinent de les comptabiliser en #613, en #615 voire en #651. Si vous entrainez un modèle avec l’idée que les abonnements SaaS doivent être saisis en #651, alors il intègrera cette règle pour tous les cas futurs.

En matière de modèle, cela pourrait se traduire par le choix de baser ses échantillonnages sur la loi de Benford qui vous retournera une multitude de transactions commençant par le chiffre 9 si celui-ci est trop présent dans votre population.

Quid de la profession d’expert-comptable ?

Face à la démocratisation des outils d’analyses et de prédictions, les instances professionnelles et notamment les régulateurs resteront très attentifs au respect des bonnes pratiques. D’un côté, l’Ordre des experts-comptables soumet à ses membres ses recommandations en matière de bonne pratique mais chacun restera libre de développer son propre outil, ou de souscrire à la solution externalisée de son choix.

Alors que de l’autre côté, dans la sphère du commissariat aux comptes, les régulateurs tel que le H3C et le PCAOB seront extrêmement vigilent lors de leur supervision. L’émergence des méthodes d’échantillonnages basées sur des modèles de loi de distribution (normale, Benford …) a parfois donné lieu à des non-conformités, dès lors que le H3C a considéré que la méthode n’était pas adaptée ou inexplicable.

Ces outils soulèvent également les enjeux du renouvellement de la profession. Si la machine réalise tout ou partie du travail du collaborateur, il existe un risque de substitution du facteur travail (heures hommes) par le facteur capital (la machine). Or la base de la formation d’un expert-comptable et d’un commissaire aux comptes repose sur l’expérience du terrain, notamment pendant la durée du stage DEC. La transmission d’une expertise dans le conseil ou bien l’appropriation d’un scepticisme nécessaire à l’exercice d’un jugement professionnel sont essentiels

Enfin, les instances professionnelles vont devoir s’assurer que les cursus de formation soient en adéquation avec les fiches de postes des auditeurs et des collaborateurs comptables de demain. Dans la mesure où ils participeront à la récupération des données, la préparation des bases de données et le lancement du traitement de l’algorithme, il est nécessaire qu’ils aient connaissance de l’ensemble des enjeux liée à l’utilisation des outils d’analyse et de prédiction. Qu’il s’agisse des cursus universitaire (DSCG, master CCA, école de commerce …) ou les organismes privés de formation professionnelle (ASFOREF, ANECS, …) ils devront repenser la manière de former les professionnels du chiffre.

La stratégie du cabinet d’expertise-comptable

Une feuille de route entre alignement stratégique et externalisation

Face à de tels enjeux autours des données et des algorithmes, l’implémentation de l’IA dans ses processus métier doit répondre à un véritable besoin d’alignement stratégique. La structure de couts des cabinets comprend principalement de la masse salariale (50% en moyenne), soit un BFR avec principalement des créances clients qui financent les heures cerveaux des collaborateurs et absorbent les couts de structures. Développer en propre des outils et des compétences de data science signifie tirer sur son BFR pour permettre à sa trésorerie de financer de la R&D. Aussi, les dirigeant de cabinet doivent arbitrer entre l’internalisation et le recours à des prestataires spécialisées en fonction de leur capacité financière.

A noter qu’un recours à l’externalisation a pour avantage de se « décharger » de la lourdeur technique et juridique de la sauvegarde de donnée auprès d’un « sachant ». Néanmoins, cela implique une transparence absolue avec votre client finale qui vous confie des données stratégiques et personnelles. Cela pouvant être acté dans la lettre de mission au travers de clauses spécifiques. Cette transparence est d’autant plus importante que les données peuvent être logées dans des pays où les exigences en matière de confidentialité des données sont plus laxistes que dans l’Union Européenne.

Surtout, sans transparence, pas de confiance (pourtant si essentielle).

Sensibiliser les collaborateurs pour fluidifier la transition

Quel que soit le choix du cabinet, une sensibilisation des équipes sera nécessaire, par exemple dans le cadre de l’automatisation de la saisie comptable. De la simple information à la formation, la sensibilisation permet notamment de limiter les risques sociotechniques afin de garantir une acceptation de l’outil et de la délégation de la tâche à une machine. Il conviendra d’apprendre aux collaborateurs à s’approprier l’outil et son fonctionnement de sorte qu’ils ne se sentent pas déposséder de leur rôle et qu’il puisse rester proactif dans leurs tâches.

Une automatisation suivie de lourdes conséquences

En définitive, l’arrivée de l’automatisation dans les cabinets ne sera pas sans conséquence. Tandis que les assistants et collaborateurs auront un rôle de collecteur et de préparateur de données, l’EC et le CAC bénéficieront de gain de temps et connaitrons un recentrage métier leur permettant d’allouer leur temps à de la création de valeur.

Avec l’adoption de ces outils, de nouvelles responsabilités incomberont aux cabinets, notamment en matière de formation, de jugement professionnel et de gouvernance des données, mais chacune des décisions devra être cohérente avec l’alignement stratégique du cabinet.

Conscient de l’ensemble de ces enjeux, Chaintrust se porte garant de vous accompagner au mieux dans votre stratégie numérique afin que vous n’ayez qu’à profiter des bienfaits de l’automatisation de la saisie comptable. L’automatisation de la saisie comptable, ça commence maintenant.

écrit par Léopold Wenger