L’intelligence artificielle au service des professions du chiffre

Aujourd’hui, l’Expert-Comptable et le Data-Scientist se croisent dans des salons, dans les couloirs d’une entreprise pour leurs activités respectives ou à la machine à café. A ces occasions, ils discutent ensemble de leur métier et de leur intérêt pour l’économie et le numérique.

Cependant, ce n’est que dans de très rares cas que cette rencontre est provoquée en vue de réaliser un projet de traitement IA des données comptables des entreprises. Et pourtant, le futur numérique qui se dessine pour les professions du chiffre tend à rapprocher directement ces deux professions.

En tant que Data Scientist, je vais vous partager les fruits de ma collaboration rapprochée avec mon associé, Expert-Comptable pour la création de Preditt pour mettre l’intelligence artificielle au service des professionnels du chiffre.

La plupart du temps, les experts comptables ont leur cabinet ou sont associés, et gèrent rigoureusement les comptabilités de leurs clients. De l’autre côté, les Data-Scientists sont aujourd’hui en mission, en tant que consultant indépendant ou dans une Entreprise de Services Numériques.

Mais alors, comment l’Expert-Comptable, ici Grégory, et le Data-Scientist, ici Julien, travaillent-ils ensemble ?

Dans notre cas, ce fut sous notre propre initiative à vouloir répondre aux enjeux de la profession. Et rapidement, nous avons compris qu’une grande dimension de notre travail serait celle de la donnée. Elle est le pont entre ces deux professions, que Gregory emprunte d’un point de vue métier au contact de ses clients, et Julien d’un point de vue numérique voir analytique.

Nous tous imaginons les fruits de cette collaboration, et celle-ci nécessite un objectif défini, des données, une acculturation, et surtout du réalisme.

Un objectif défini

Pour profiter de l’automatisation promise par ces nouvelles technologies, tout projet devra définir précisément le processus à améliorer. Pour reprendre l’incontournable Ted de Simon Sinek : How great leaders inspires action¹, une des premières questions à se poser serait :

Pourquoi utiliser l’IA ?

• Augmenter la valeur ajoutée perçue par le client
• Automatiser les tâches répétitives
• Augmenter l’efficacité des professionnels du chiffre
• Tout cela à la fois ?

Une des promesses apportée par l’IA est une automatisation généralisée, permettant à la machine de travailler à notre place, pourvu qu’elle soit alimentée de données. Aujourd’hui, on constate que les cas d’usages autours de l’IA utilisent des solutions non généralisées, mais bien adaptées, et conçue par des hommes.

Des données

Un Data-Scientist passe 90% de son temps à structurer les données sur lesquelles il travaille. De ce fait, choisir dès le début du projet la bonne donnée est indispensable, sous peine de devoir la re-structurer par la suite. Les choix possibles actuels sont les liasses fiscales, les fichiers FEC², les fichiers EDI-TDFC³, ou encore la démarche transnationale avec la norme XBRL⁴

La donnée idéale sera ainsi :

• Standardisée : un format identique pour toutes les entreprises
• Disponible : à savoir par exemple, 30% des entreprises françaises se dispensent de déposer leurs comptes annuels, s’exposant aux 1500 euros d’amendes du tribunal de commerce.
• Qualitative : il peut y avoir des bilans déséquilibrés, des dates non renseignées… Cela impactera le temps de structuration passé par le Data-Scientist ou la performance de ses modèles.
• Quantitative : elle doit exister en nombre suffisant pour alimenter les modèles.

Une fois la donnée choisie, l’objectif du Data-Scientist sera d’en extraire les informations utiles au projet développé, donc utile à l’Expert-Comptable pour ses clients. Le chapitre « Les évaluations des Fintechs dans la notation et l’évaluation financière » dans l’excellent ouvrage Le Financier, le Juriste et le Geek⁵ vous permettra d’approfondir la réflexion.

De l’acculturation

L’arrivée de la Data Science chez les Experts-Comptables ressemble à l’arrivée d’Excel dans les années 90 : cela passe par une phase d’acculturation et de sensibilisation à cette technologie.

La collaboration attendue débute ainsi par une écoute du métier de Julien aux yeux de Gregory, et réciproquement. Ce fut le cas chez Preditt, où chacun a pris le temps d’envisager les données comptables d’un point de vue informatique et d’un point de vue métier.

Du réalisme

L’Expert-Comptable ne deviendra pas Data-Scientist et réciproquement : depuis l’idée jusqu’à la création de notre produit avec Preditt, il est apparu que nos deux métiers étaient complémentaires et très riches, et qu’il fallait faire le deuil de l’absorption des compétences de l’autre au profit de la réelle collaboration.

Mettre de la data science n’est pas indispensable. Emprunter le chemin de l’IA en toute conscience ! Toutes les innovations fondées sur la data ne prennent pas nécessairement le chemin de l’IA : elles peuvent être très novatrices et regorger d’algorithmes communs dans les développements informatiques (c’est-à-dire sans réseaux de neurones récurrents convolutifs).

Exemple : être capable d’observer journalièrement l’évolution de l’activité des entreprises françaises est une formidable innovation qui se passe de Data Science.

La collaboration est indispensable : l’environnement concurrentiel des experts-comptables est grandissant : certaines solutions sont à leur service, et d’autres migrent vers la prise de leurs parts de marché. Le devenir des professions réglementées doit prendre la data comme un catalyseur leur permettant l’évolution désirée du métier. Et pour ce faire, la collaboration entre les professions réglementées et les Data-Scientists est indispensable.

Notes