l’automatisation en finance : 3 études de cas.

Le désir de travailler plus efficacement se ressent dans de nombreux départements financiers. Un bon processus de numérisation et d'automatisation soulagerait vos collègues des finances de tâches répétitives et leur donnerait la possibilité de contribuer stratégiquement à l'entreprise. En outre, il augmenterait également la qualité du travail effectué. 

Les cas ci-dessous vous donnent quelques exemples réalistes. Ils montrent qu'il est judicieux de procéder sans précipitation et de ne pas attendre des résultats spectaculaires du jour au lendemain. Chaque pas que vous faites - aussi petit qu'il puisse paraître - vous fait gagner du temps. Et ce temps libéré peut ensuite être réinvesti dans la prochaine nouvelle étape de votre projet d'automatisation.

• traitement automatique des factures
• prévision du chiffre d'affaires grâce à l'apprentissage automatique
• facilitation du travail d'un contrôleur de crédit

traitement automatique des factures.

Une entreprise du secteur des transports est récemment venue frapper à notre porte pour nous demander si nous ne pourrions pas fluidifier son processus de facturation. C'est une demande très courante aujourd'hui. 

De la vérification et l'enregistrement à l'approbation et l'archivage : le traitement des factures comporte de nombreuses étapes. Notre client avait mentionné que leur processus actuel prenait beaucoup de temps et qu'il était sujet à des erreurs. Mais de telles erreurs peuvent coûter cher à toute entreprise. D'une part, et vous pouvez le prendre au pied de la lettre, un retard de paiement peut entraîner des amendes élevées. D'autre part, vous risquez d’entacher la réputation de votre entreprise.

analyse en profondeur du processus.

Nous nous sommes réunis avec un certain nombre de parties prenantes et avons examiné ensemble le processus actuel de traitement des factures. L'entreprise de transport reçoit toujours de nombreuses factures sur papier. Toutes les données sont retapées manuellement dans le système comptable, ce qui prend évidemment beaucoup de temps et est source d'erreurs. 

Le traitement des factures est généralement un candidat idéal pour l'automatisation : il s'agit d'un processus répétitif et standardisé, avec des données structurées. Dans l'étape suivante, nous avons approfondi - via le task mining et le process mining - leur processus spécifique. 

Wim, senior solutions architect chez Ausy, y a participé : "Lors du task mining et du process mining, nous découvrons les étapes spécifiques suivies par un collègue humain, afin de savoir quelles actions le bot logiciel devra effectuer. Cela révèle parfois des points d'attention très importants qui, si nous ne les connaissions pas, feraient trébucher le bot sur une certaine étape lors de la première exécution."

"Dans ce cas, le coût de facturation supplémentaire de 2 euros pour les factures papier était l'un de ces points. Le montant finalement facturé diffère donc de l'offre approuvée précédemment. C'est quelque chose que le bot doit savoir : pour traiter correctement ces factures, il doit rechercher un code d'écriture spécifique."

De plus, nous avons également tenu compte des points d'attention suivants lors du développement du bot logiciel : 

• la mise en page de chaque facture est différente 
• la longueur des factures est variable : il s'agit parfois d'une page et parfois de plusieurs pages 
• les factures arrivent du monde entier, donc dans des langues et des monnaies différentes

première étape : former le bot.

Le fait de numériser les factures papier et de les soumettre ensuite à un bot logiciel vous permet de limiter les erreurs et d'accélérer le travail. Mais un bot ne peut pas être intégré à l'équipe du jour au lendemain. Il doit d'abord suivre une formation.

Un exemple permet d'y voir plus clair : en tant qu'êtres humains, nous voyons directement sur n'importe quelle facture où se trouve le montant total à payer. Un bot doit apprendre ce genre d’informations. Il doit être capable de reconnaître que le montant le plus élevé précédé du symbole de l'euro est le montant à payer. Le modèle se voit donc présenter facture sur facture afin d'apprendre à reconnaître le montant, les codes de référence des produits ou services, les quantités facturées pour un produit donné, le montant avec et sans TVA, etc.

Le bot apprend donc réellement à comprendre le contenu, et pas seulement la présentation d'une facture. C'est une méthode de travail durable. Supposons que le fournisseur change de logo ou le design de ses factures, le bot ne doit alors pas recommencer son apprentissage.

d'un bot assisté à un bot non assisté.

Après sa formation, le bot logiciel peut se mettre au travail. Dans un premier temps, cela se passe de toute façon avec une intervention humaine - nous parlons dans ce cas de bots assistés. Nous montrons au bot une facture dont il doit interpréter correctement les informations. Le résultat de cette interprétation est soumis à l'approbation d'un être humain. Une fois que le bot effectue un travail correct à 99,99 %, il peut continuer à fonctionner seul - en tant que bot non assisté.   

Le bot logiciel fonctionne en combinaison avec la RPA et l'IA, et peut :

• récupérer les scans ou mails contenant des factures en fonction de critères spécifiques 
• ajouter automatiquement les factures à votre logiciel comptable 
• comparer les factures avec les offres correspondantes 
• lire, reconnaître, saisir et traiter les données de facturation 
• lancer un flux d'approbation sur la base du nom figurant sur la facture 
• enregistrer automatiquement les factures et les relier au bon centre de coûts 
• effectuer automatiquement les paiements approuvés

Une intervention humaine n'est requise que lorsque les bots logiciels détectent des anomalies.

des clients satisfaits, des employés satisfaits.

Si vous numérisez le traitement de vos factures et que vous l'automatisez ensuite (avec la RPA et l'IA), vous en récolterez rapidement les fruits. Pour l'entreprise de transport, ce projet devrait donc déboucher à terme sur : 

• un traitement plus rapide et plus précis des factures : les paiements erronés ou tardifs ne seront plus qu'un souvenir   
• une méthode de travail numérique et uniforme qui offre une meilleure vue d'ensemble : chacun connaît à tout moment le statut d'une facture et les factures papier ne se perdent plus   
• des archives numériques dans lesquelles sont stockées toutes les factures traitées : chacun peut facilement retrouver d'anciennes factures, ce qui est également utile lors d'un audit

La satisfaction du client augmente, tandis que les employés se voient proposer des tâches plus stimulantes et se sentent davantage maîtres de leur destin. Qui ne signerait pas pour ça !

prévision du chiffre d'affaires grâce à l'apprentissage automatique.

Inutile de vous dire qu'il est possible d'obtenir de nombreuses informations pertinentes à partir de l'abondance de données au sein de votre entreprise. L'exploitation de ces données est un processus intensif et source d'erreurs. C'est pourquoi de plus en plus de prédictions et de visualisations sont aujourd'hui réalisées à l'aide d'un système lié à l'apprentissage automatique. 

Une telle solution intelligente extrait elle-même les informations nécessaires de différents ensembles de données, puis les combine. À partir de toutes les analyses différentes qui peuvent être effectuées sur ces données, vous pouvez déduire diverses prédictions. En d'autres termes, elles vous permettent de prendre certaines décisions commerciales sur la base de données actuelles, et plus seulement sur la base de données du passé.

Prenons un exemple concret : la prévision du chiffre d'affaires.

La prévision des recettes et la détermination des budgets sont des éléments qui peuvent être optimisés au sein de notre propre entreprise. Pour vous donner une idée : aujourd'hui, l'équipe financière demande beaucoup d'informations à l'entreprise, et tout est enregistré manuellement dans divers fichiers Excel. 

La collaboration est étroite : nos experts financiers vérifient si les données transmises sont correctes et si les attentes sont conformes à ce qui est possible. Sur la base des résultats de cette analyse, ils mettent au défi leurs collègues de l'entreprise. Parfois, leurs hypothèses sont trop optimistes, mais le plus souvent, elles sont simplement trop prudentes. 

Dans ce dernier cas, le département financier doit pouvoir encourager l'entreprise à prendre plus de risques. Mais c'est parfois plus facile à dire qu'à faire. C'est pourquoi notre équipe financière demande un système qui lui permette de remettre en question plus rapidement les prévisions de l'entreprise.

alimenter la machine en données.

Aujourd'hui, nous expérimentons une solution basée sur l'apprentissage automatique. C'est une solution qui est en cours de déploiement international dans plusieurs pays où sont établies Randstad et Ausy. La machine donne un certain résultat et, sur cette base, les attentes peuvent être ajustées ou non.

Un certain nombre d'étapes ont précédé le début de cette expérience dans notre pays l'année dernière.

Tout d'abord, nous avons collecté des données stables pour alimenter la machine. Le choix de ces données dépend des indicateurs clés de performance que vous souhaitez mesurer. Prenons notre cas : le nombre de personnes que nous employons a un impact sur notre chiffre d'affaires. Plus le nombre de personnes employées est élevé, plus le chiffre d'affaires est important. Nous voulons dès lors savoir quelle croissance de la main-d'œuvre est possible dans certains départements. La question qui se pose dans ce cas est la suivante : pouvons-nous prédire quelle sera la croissance de la main-d'œuvre sur la base d'autres paramètres - et ce facteur peut-il alors aider à déterminer quel sera notre chiffre d'affaires annuel ?

Le produit intérieur brut, par exemple, est un paramètre stable dans ce cas. Il existe depuis plusieurs années des données disponibles à ce sujet, qui peuvent être mises en corrélation avec la croissance de la main-d'œuvre.

quelles données imitent la réalité ?

Un tel système ne peut pas fonctionner tout à fait correctement du jour au lendemain. Il est donc important d'effectuer des tests suffisants. Et c'est la phase dans laquelle nous nous trouvons en ce moment. 

Que devez-vous envisager lors d’un tel test ? Eh bien, nous disposons de toutes les données sur le chiffre d'affaires de l'année dernière. Nous pourrions alors alimenter la machine avec les données du premier semestre de l'année dernière et en attendre une prévision pour le second semestre de cette année. Nous ajoutons chaque fois un nouveau paramètre et essayons de nous rapprocher le plus possible des résultats effectifs du second semestre de l'année dernière. Une fois que c'est fait, vous savez que les données que vous fournissez sont les bonnes. Vous pouvez ensuite utiliser les mêmes données pour faire des prédictions pour cette année ou les années à venir.

La première exécution est généralement suivie de quelques ajustements. Nous avons remarqué, par exemple, que le modèle indiquait chaque année un "corona dip", car au début de la pandémie, l'ensemble de l'économie était paralysée. Aujourd'hui, cependant, nous savons qu'il y a peu de chances qu'un tel creux se reproduise chaque année. Et pour nous assurer qu'il n'y a pas d'impuretés dans nos données, nous les ajustons donc manuellement. 

projets d’avenir.

Notre prochaine étape ? Il s'agit de comparer le résultat de la machine avec les hypothèses de l'entreprise, puis de le remettre en question. 

Kenny, teamlead business controlling chez Ausy, participe au processus depuis le début. Il est enthousiaste depuis le début, et aujourd'hui, il est également convaincu des avantages que cette solution nous apportera à long terme : "Nous sommes en mesure d'éliminer les erreurs que les hypothèses humaines entraînent. Ce degré de précision plus élevé permettra à notre service de contrôle de se concentrer sur les tâches susceptibles d'apporter une plus grande valeur ajoutée. Nos contrôleurs seront moins occupés par le traitement des chiffres et plus aptes à travailler de manière analytique." 

"Les prédictions de la machine nous fournissent des informations qui nous permettent de prendre des décisions proactives en toute connaissance de cause », poursuit Kenny. « Les éventuels problèmes se posent en outre plus tôt. Nous pouvons alors y travailler activement et plus rapidement, en collaboration avec l'entreprise."

facilitation du travail d'un contrôleur de crédit.

Un autre exemple tiré de notre propre département financier chez Ausy : depuis deux ans, iController rend le travail de nos contrôleurs de crédit bien plus agréable et facile. Mais comment ?

Si vous travaillez dans le domaine de la finance, vous savez que les clients ne paient pas toujours à temps les factures que vous leur envoyez. Cela peut être dû à des lacunes dans leur propre processus de traitement, au fait qu'ils ne sont pas d'accord avec ce qui a été facturé, ou à des problèmes administratifs liés à la facture (parce qu'un bon de commande est nécessaire, par exemple).

Pour les contrôleurs de crédit, le suivi de tous ces arriérés est un processus intensif : ils doivent téléphoner et envoyer des mails en permanence et ont besoin d'un aperçu correct des factures impayées à tout moment.

iController permet d'automatiser une partie du travail d'un contrôleur de crédit. Cela se passe comme ça chez nous en général :

• les informations de base de toutes les factures échues sont dans Unit4 
• les factures elles-mêmes sont dans Changepoint 
• iController récupère toutes les informations de ces 2 systèmes 2x par jour 
• iController contient donc un aperçu des montants impayés pour chaque client

Les différentes procédures que nous utilisons pour traiter les retards de paiement sont configurées dans iController. Ces procédures - allant de mails classiques à une communication officielle de l'avocat - sont ensuite exécutées automatiquement. Si une facture a une semaine de retard, un premier rappel est, par exemple, automatiquement envoyé par mail. Il s'agit d'un mail standard que vous pouvez créer vous-même et ajouter à iController. Vous pouvez également gérer votre boîte de messagerie à partir de là. 

La détermination manuelle des personnes à mettre en demeure est désormais entièrement automatisée. Nous disposons aujourd'hui d'un processus structuré, dans lequel de nombreuses actions ne doivent plus être effectuées manuellement, une par une, à l'égard des mauvais payeurs. 

Cette méthode de travail automatisée permet également à nos contrôleurs de crédit d'établir facilement toutes sortes de rapports intéressants, notamment grâce à l'historique présent dans iController. Quels sont les clients qui paient toujours à temps ? Et lesquels sont toujours en retard ? Quel est votre ratio DSO ? À la fin du mois, nous savons aussi clairement quels dossiers sont encore en suspens et devront ou non faire l'objet d'une escalade.

"iController a énormément aidé notre département", déclare Koen, finance director chez Ausy. "Le processus de mise en demeure est beaucoup plus efficace depuis qu'il a été automatisé, ce qui signifie que les arriérés sont mieux payés qu'auparavant. Le travail de nos contrôleurs de crédit est non seulement devenu plus facile, mais aussi plus intéressant. L'outil prend en charge la partie administrative et répétitive, libérant ainsi plus de temps pour effectuer des analyses et apporter une valeur ajoutée à l'entreprise."

conclusion.

Vous avez probablement remarqué ce que tous ces cas ont un point en commun : ils entendent donner aux experts financiers plus de temps pour travailler sur l'histoire derrière les chiffres. Pour bénéficier des avantages de la numérisation et de l'automatisation, il n'est pas nécessaire de prendre dix mesures à la fois. Même si vous commencez par vos objectifs faciles à atteindre, vous constaterez rapidement un impact sur l'efficacité de vos processus et la fiabilité de vos données. 

Si vous souhaitez en savoir plus sur ces cas ou si vous êtes curieux de découvrir d'autres applications de l'automatisation au sein de départements financiers, n'hésitez pas à nous envoyer un message. Nous avons beaucoup d'histoires et de conseils que nous aimerions partager avec vous !