fec qualité de donnée

[FEC] – L’approche CCA : outil d’appréciation de la qualité de sa donnée comptable

Certaines organisations parviennent à enrichir leurs données au-delà de ce qu’impose la norme FEC au moyen de systèmes d’information hautement performants.

Cela permet notamment de franchir le pas du contrôle comptable et d’exploiter les données du FEC pour réaliser du contrôle de gestion, voire du contrôle interne. Mais pour la quasi-totalité des entreprises en France, le FEC reste la base de données comptable la plus riche et la plus exhaustive qui soit. Pour cette raison, le fichier des écritures comptables est de plus en plus exploité comme un outil de gestion.

Avec la démocratisation des AccounTechs (qui basent leur approche sur le FEC) se pose alors la question des mauvaises pratiques qui peuvent compromettre la qualité de votre donnée comptable vous empêchant ainsi d’en tirer tout le potentiel.

L’agrégation d’information

L’agrégation d’informations prive nécessairement l’utilisateur d’un niveau de lecture. Le degré d’information retranscrit dans le FEC doit être en phase avec le traitement visé. En pratique nous observons des multitudes de « raccourcis » comptables qui consistent par exemple à agréer des natures de transactions (ex. : ne pas comptabiliser les frais de port et les inclure dans la nature de charge rattachée) ou des périodicités (ex. : comptabiliser le chiffre d’affaires au moyen d’une écriture globale par mois).

Le paradoxe de Simpson rappelle la nécessité de nourrir les algorithmes avec des données non agrégées afin d’éviter les biais d’interprétation de l’information en fonction de son niveau de lecture. Ce phénomène démontre qu’une donnée globale agrégée peut donner une information contradictoire par rapport aux données détaillées qui la composent. Dans l’exemple pris par Arthur Charpentier, professeur de sciences actuarielles à l’Université de Montréal, deux hôpitaux A et B sont comparés sur la base du taux de survie de leurs patients « sains » versus le taux de survie des patients « malades ». Dans l’analyse par découpage « sain » versus « malade », l’hôpital A apparait comme le plus performant.

Cependant, l’effet volume fait qu’au global, l’hôpital B accorde plus de chance de survie au patient, quelle que soit sa situation comme l’illustre le tableau ci-dessous :

La discrimination par la data

Les données doivent être non discriminantes, c’est-à-dire qu’elles ne doivent pas orienter l’algorithme vers une direction ou vers un jugement de valeur particulier. Philippe Besse, professeur de mathématique et de statistique de Toulouse alertait en 2017 sur le problème de représentativité des échantillons et des populations utilisées en médecine prédictive assisté par IA. Dans la sphère comptable, la discrimination porte principalement sur :

  • Les pratiques professionnelles propres à chacun qui consistent par exemple à structurer des FEC en comptabilité principale, en comptabilité auxiliaire ou bien en format « hybride » pour mettre en place des contrôles de TVA ou des clefs de lectures géographiques ;
  • Les cœurs de métier des entreprises qui nécessitent d’adapter des pratiques comptables et fiscales spécifiques (ex. : entités publiques, associations, ambulancier, BTP, bar-tabac, sociétés de médecins …) ;
  • Les interprétations de la réglementation comptable qui peuvent conduire à des arbitrages et donc des traitements comptables différents comme l’imputation d’un #604, d’un #613, d’un #615 voire d’un #651 pour traduire l’utilisation d’une licence SaaS.

La permanence des méthodes

Lorsque nos algorithmes « extraient » les règles comptables ils cherchent à isoler les différents patterns existant dans le FEC. Cette étape met souvent en exergue l’irrégularité des pratiques pour une même entité. La profession connait un fort taux de turn-over et il est courant que plusieurs collaborateurs participent à la saisie courante des dossiers sur une même période fiscale.

La complexité pour les algorithmes de machine learning sera d’identifier laquelle est la plus pertinente face à des pratiques non régulières. Entre occurrence de la pratique et pondération par le volume monétaire que représente la transaction, le choix peut alors porter sur un schéma utilisé par un ancien collaborateur qui ne soit plus la méthode préférentielle du gestionnaire actuel du dossier.

La méthode CCA : outil de diagnostic de la qualité de son FEC

Afin d’apprécier la qualité d’un FEC, nous vous proposons une méthodologie qualitative basée sur les 3 points clefs suivants :

Cohérence

La cohérence est le principe selon lequel votre donnée comptable doit être structurée en adéquation avec la réalité économique que vous voulez traduire dans vos états financiers (ex. : comptabilisation des frais de port ou pas, reconnaitre son chiffre d’affaires à la transaction ou de manière périodique …). Il est important de comprendre que les règles que vous définissez seront intégrées et répétées par la machine. La qualité des algorithmes ne dépend que de la cohérence que vous donnerez à vos écritures comptables.

Constance

Conserver une régularité dans l’application des méthodologies de comptabilisation permet de faciliter l’apprentissage des règles. L’absence de constance conduit à essayer de chercher une logique derrière l’application d’un schéma particulier alors qu’il n’en existe pas forcément. Cela vient biaiser l’apprentissage des algorithmes qui chercheront à associer un schéma comptable à une situation sans qu’il y ait vraiment de rapport.

Agnosticisme

L’agnosticisme est un concept clef en data science. Il consiste à considérer que les données doivent être neutres de tout jugement de valeur. Cela permet d’automatiser la comptabilité selon les règles et méthodes comptables en vigueur, indépendamment des pratiques diverses et variées que peuvent avoir les collaborateurs. Dans cette optique, le FEC ne doit pas être construit dans une logique d’esthétisme ou de contrôle de gestion mais à des fins fonctionnelles.

L’agrégation d’information, la discrimination par la data, la permanence des méthodes et l’approche CCA (outil de diagnostic de la qualité du FEC) peuvent donc aider votre organisation à améliorer la qualité de votre donnée comptable.

Et pour aller plus loin et automatiser la saisie de vos écritures comptables, nous avons une solution pour vous : Chaintrust.

écrit par Léopold Wenger