Soutenance mémoire
Evolutions technologiques
Dans un rapport intitulé Is the future of finance new technology or new people?, le cabinet d’audit Ernst & Young présente les principales évolutions technologiques auxquelles les professionnels de la comptabilité et de la finance doivent s’adapter (EY, 2016). Parmi cellesci, on retrouve la RPA, l’utilisation de bases de données et d’outils de Business Analytics (BA) qui sont les éléments retenus pour cet état de l’art. Le rapport comporte également un chapitre sur la Blockchain, mais ce thème ne sera pas abordé dans ce travail, car les entreprises qui ont participé aux entretiens ne l’ont jamais mentionné lors de discussions sur les évolutions technologiques observées et attendues.
Robotic Process Automation (RPA)
Apparu au début des années 2000, l’acronyme RPA fait référence à des logiciels informatiques capables d’effectuer certaines tâches de manière automatique et de remplacer le travail effectué manuellement par des hommes (Fernandez & Aman, 2018, p. 124). Il peut être traduit en français par « robotisation des processus automatisés ». Bien que le terme robotisation puisse laisser penser à des robots au sens littéral comme on peut en voir par exemple dans les milieux industriels, il n’en est rien. En effet, la RPA désigne simplement un programme capable d’extraire des données d’un système informatique, de les traiter et de les entrer dans un autre en suivant des règles préalablement définies, de la même manière qu’un homme le ferait (Willcocks, 2015, p. 5). Son fonctionnement est comparable à celui des macros dans Excel, à l’exception d’une différence majeure : la RPA ne se limite pas à un seul programme informatique mais est capable de transférer des données d’une interface à l’autre (Moffitt, Rozario, & Vasarhelyi, 2018,p.2).
LA RPA au service de la comptabilité et de l’audit
La RPA peut exécuter de manière autonome diverses tâches souvent répétitives et chronophages tout en écartant le risque d’erreurs d’inattention. Cette technologie permet par exemple de créer et d’envoyer des factures aux clients de manière automatique. (Fernandez & Aman, 2018, p. 124). Inversement, elle peut également extraire les informations d’une facture fournisseur en format PDF et les enregistrer dans le logiciel comptable ou faire la réconciliation entre deux documents et en ressortir les anomalies. La RPA peut également être configurée de manière à réaliser certains tests d’audit (Moffitt et al., 2018, p. 5). L’article Enterprise systems and the re-shaping accounting systems va encore plus loin puisqu’il suggère que cette technologie permette d’établir le bouclement des comptes ainsi que de générer les rapports financiers de manière automatique (G. Sutton, 2006, p. 3).
Ces diverses suggestions d’application de la RPA permettent de soulager les collaborateurs des tâches les plus répétitives de leur quotidien et ainsi de leur laisser plus de temps pour se concentrer sur des activités à plus grande valeur ajoutée (Fernandez & Aman, 2018, p. 126). On peut donc s’attendre à un grand bouleversement dans les professions comptables et de la finance. Dans un rapport intitulé Is the future of finance new technology or new people?, EY a relevé à ce sujet que le 65% des 769 directeurs financiers interrogés estimaient que la standardisation et l’automatisation des processus seraient des enjeux majeurs dans la fonction financière de demain (EY, 2016, p.9).
Avantages et désavantages de la PRA
Un des avantages de la RPA réside dans sa facilité d’utilisation. En effet, dans des logiciels d’automatisation tels que Blue Prism ou Automation Anywhere, l’utilisateur définit simplement le processus qu’il veut automatiser à l’aide d’icônes et le logiciel se charge de la programmation (Willcocks, 2015, p. 4). Plus généralement, les principaux effets positifs de l’utilisation de l’automatisation résident dans la diminution de la charge de travail routinier dans les professions financières et comptables, l’augmentation de la productivité et l’amélioration de la qualité des rapports et des analyses en évitant les erreurs humaines (Chen, Huang, Chiu, & Pai, 2011, p. 99). La RPA a également un impact positif par rapport à la collecte et le traitement de données qui peuvent être effectuées plus rapidement et plus facilement (Fernandez & Aman, 2018, p. 126). Selon la société de consulting Accenture, la RPA permettrait aux services financiers d’économiser jusqu’à 80% de ses coûts et de réduire le temps de travail de 80% à 90% (Accenture, 2019). En revanche, si l’organisation peut augmenter son niveau de performance en réalisant d’importantes réductions des coûts et en optimisant ses processus, elle se heurte souvent à une résistance de la part des employés. En effet, ces derniers peuvent se montrer réfractaires quant à l’apprentissage d’une nouvelle technologie et peu enclins à modifier leurs habitudes de travail, même les plus monotones. On peut également relever la crainte de perdre son emploi au profit de robots. C’est pourquoi les entreprises doivent planifier minutieusement l’introduction d’une telle technologie afin de s’assurer qu’elle puisse être accueillie sereinement par les employés. (Fernandez & Aman, 2018, p. 126) .
Base de données
La standardisation, la digitalisation, l’utilisation d’ERP ou encore l’automatisation permettent aux entreprises de réunir une quantité de données considérables. Celles-ci sont très précieuses pour l’entreprise qui peut en tirer un avantage compétitif important si elle possède les compétences et technologies nécessaires pour en tirer des analyses et des projections (Appelbaum et al., 2017, p. 32). Il existe plusieurs types de données. Elles peuvent être d’ordre financier ou non, statiques ou dynamiques, basées sur l’historique de l’entreprise ou être des données en temps réel. Les données en temps réel peuvent provenir de sources internes ou externes. On peut également faire la différence entre les données structurées et les données non structurées. (Nielsen, 2017, p. 13) Les données structurées peuvent être des dates, des coordonnées, des numéros de comptes et les données non-structurées sont, par exemple, des documents, des E-mails, des vidéos ou des enregistrements téléphoniques.
Big data
En plus de se baser sur des données internes, il est également possible de prendre en considération des données qui proviennent de l’extérieur. Le terme «big data » définit une gigantesque quantité de données souvent non structurées, notamment issues des transactions par cartes de crédits, des cartes de fidélité proposées par les entreprises, d’internet, ou encore des réseaux sociaux (ACCA & IMA, 2013, p. 10). Il est souvent défini par quatre caractéristiques, appelées les quatre V : Volume pour l’immense quantité de données, Vélocité pour la rapidité d’apparition des données et de leur traitement, Variété pour la diversité dans le type de données et Véracité qui pose souvent problème, puisque ces données issues de diverses sources peuvent parfois s’avérer inexactes, fausses ou obsolètes (Appelbaum et al., 2017, p. 31).
En raison de l’infinité de formes et de sources de ces données, leur collecte et leur traitement nécessitent une grande charge de travail et des compétences, mais peuvent offrir à l’entreprise des renseignements précieux (Appelbaum et al., 2017, p. 21). Elles peuvent ainsi constituer une base de données unique qui peut devenir un réel avantage compétitif pour l’organisation (ACCA & IMA, 2013, p. 13). L’utilisation du big data à des fins d’analyses et d’aide à la décision n’est cependant pas réservée seulement aux grandes organisations, comme le souligne et l’illustre le rapport From insight to impact, unlocking opportunities in big data publié en 2013 (CGMA, 2013, p. 13).
La constitution d’une base de données complète et précise est un des enjeux actuels importants pour les organisations. En effet, des données de qualité sont la base nécessaire à l’utilisation d’outils de Business Analytics (BA) qui permettent aux entreprises de baser leurs décisions sur des faits et d’établir des prévisions grâce à une analyse efficace des données à leur disposition. Elles deviennent alors une ressource de grande valeur pour les entreprises capables de les traiter de manière optimale (Appelbaum et al., 2017, p. 40).
|
Table des matières
Introduction
Contexte
Problématique
Méthodologie
Chapitre 1 : cadrage théorique
1.1 Fiduciaires
1.1.1 Une majorité de PME
1.1.2 Activité des PME fiduciaires
1.2 Evolutions technologiques
1.2.1 Robotic Process Automation (RPA)
1.2.2 Base de données
1.2.3 Business Analytics (BA)
1.2.4 Évolution des professions financières et comptables
1.3 Le balanced scoredcard (BSC)
1.3.1 Un tableau de bord aligné à la stratégie de l’entreprise
1.3.2 Poursuite d’objectifs de court et de long terme
1.3.4 Les 4 axes du BSC
1.3.5 Les indicateurs
1.3.6 Implantation du BSC dans une PME
1.4 Concurrents principaux de Winbiz
1.4.1 Bexio
1.4.2 Banana Accounting
1.4.3 Crésus
1.4.4 Abacus
1.4.5 Sage
Chapitre 2 : Entretiens auprès des fiduciaires
2.1 Entretiens
2.2 Participants
2.3 Premier questionnaire
2.4 Unified Theory of Acceptance and Use of Technology (UTAUT)
2.5 Deuxième questionnaire
Chapitre 3 : Analyses des données
3.1 Réponses au premier questionnaire
3.1.1 Évolutions observées par les participants
3.1.2 Classement des indicateurs
3.1.3 Autres indicateurs suggérés par les participants
3.2 Questionnaire 2
3.2.1 Acceptation de la technologie par les fiduciaires
3.2.2 Avis des fiduciaires sur la personnalisation du tableau de bord
3.2.3 Indicateur de suivi des projets
Chapitre 4 : Critères de sélection des indicateurs pour le tableau de bord
4.1 Nombre d’indicateurs
4.2 Selon le BSC
4.3 Évolutions technologiques
4.4 Indicateurs jugés pertinents par les participants
4.5 Présentation du tableau de bord
4.6 Tableau récapitulatif des critères de sélection
Chapitre 5 : Validation du prototype par un expert
5.1 Acceptation de la technologie par l’expert
5.2 Avis de l’expert sur la personnalisation du tableau de bord
5.3 Fonctions de Business Intelligence présentes dans le tableau de bord
Chapitre 6 : Prototype papier de tableau de bord final
6.1 Prototype papier du tableau de bord
6.2 Détail des indicateurs
6.3 Possibilité d’entrer des données manuellement
6.4 Accès aux informations et chiffres d’origine
6.5 Informations et pistes de mesures
6.6 Fiches d’indicateurs
6.7 Accès
Conclusion
Références
