Tout responsable financier veut aller plus vite. Moins d'interventions manuelles, moins de retard accumulé, moins de soirées tardives à clôturer les comptes. Aussi, lorsqu'un projet d'automatisation des processus financiers arrive sur la table, le réflexe est de dire oui et d'avancer rapidement. Mais vitesse et direction ne sont pas la même chose. Automatiser un processus déjà défaillant ne le corrige pas, cela l'amplifie. Vous ne faites que commettre vos erreurs plus vite, en augmentant vos coûts.
C'est le piège dont il est question dans cet article. Pas un piège théorique : c'est celui que nos experts, Johan Reunis (Expert Practice Lead), Olivier De Boeck (Expert Lead) et Lander Coene (Project Manager), rencontrent régulièrement dans leurs missions clients. Du purchase-to-pay à l'order-to-cash, en passant par l'amélioration des processus record-to-report jusqu'aux implémentations ERP complètes, ce phénomène apparaît dans pratiquement toutes les transformations digitales en finance, que l'on cible un seul processus ou une refonte complète du système. Ces problèmes surgissent généralement après le projet, pendant la phase d’hypercare ou dans encore le fonctionnement quotidien. La bonne nouvelle, c'est que cela peut être entièrement évité sans ralentir le projet mois. Comment ? En prenant du recul et en respectant le bon ordre des étapes.
Le piège, illustré
L'automatisation peut transformer un processus qui semble correct sur le papier en un processus ingérable à grande échelle. Un processus de recouvrement doté d'une logique de relance pourtant solide a généré plus d'actions d'appel que l'équipe ne pouvait en gérer une fois automatisé, et un seuil manquant de 0,23 € a entraîné l'envoi de relances formelles pour des montants trop faibles pour justifier le coût de leur envoi. Un cas de procure-to-pay illustre le même constat sous un autre angle : des règles de comptabilisation automatique s'appuyaient sur des données de référence incomplètes (centres de coûts manquants) et reprenaient des seuils d'approbation copiés tels quels, sans distinction entre achats majeurs et achats courants, révélant des lacunes que des contournements manuels dissimulaient jusque-là discrètement. Dans chaque cas, l'automatisation n'a pas créé le problème : elle a révélé et amplifié un problème déjà existant.
Pourquoi cela arrive
Rien de tout cela n'est dû à de mauvaises intentions. Cela se produit parce que l'on a tendance à se précipiter vers la solution avant d'avoir pleinement défini le potentiel d'amélioration. Lander observe le plus souvent ce schéma : « Cela commence la plupart du temps par : il nous faut une solution, il faut automatiser ou utiliser un outil qui va tout résoudre. » Les fournisseurs vendent l'automatisation financière comme une solution clé en main, et sous la pression budgétaire et celle de la direction pour montrer des résultats rapidement, cet argument séduit. Le travail moins glamour de cartographie et d'amélioration du processus en amont est alors souvent ignoré.
L'IA accentue cet enjeu plutôt que de l'atténuer. Il n'est pas toujours nécessaire d'acheter un logiciel. Et de plus, avec l’automatisation robotisée des processus en finance, en cas de développement interne, il existait des freins naturels : une architecture IT était nécessaire, tout comme un bot dédié et une mise en place technique avant que quoi que ce soit ne puisse fonctionner. Ces prérequis imposaient souvent une discussion. L'IA supprime la plupart de ces freins. Selon Lander, la barrière pour « simplement essayer quelque chose » se résume désormais à un prompt, et non plus à un projet de développement, ce qui est puissant, mais signifie aussi que « le risque de tomber dans le piège est bien plus élevé », car moins de personnes sont présentes pour dire : réfléchissons d'abord à tout cela.
Voici un deuxième facteur, plus discret : les organisations confondent fréquemment efficience et efficacité. L'efficience, c'est exécuter le processus plus vite et à moindre coût. L'efficacité, c'est savoir si le processus produit le bon résultat, tout simplement. L'IA en finance est extraordinairement efficace pour améliorer l'efficience. Mais elle ne peut, à elle seule, indiquer si le processus valait la peine d'être exécuté à pleine vitesse dès le départ.
Il existe également un troisième piège : ajouter des fonctionnalités d'IA à un processus existant plutôt que de repenser ce processus en tenant compte à la fois des capacités et des limites de l'IA. Pour contrer ces limites, il est essentiel d'intégrer le « facteur humain » à des étapes critiques afin de valider les résultats produits par l'IA.
Pour se préparer véritablement à l’IA, il faut examiner conjointement les processus, les données et la responsabilité, plutôt que de partir du principe que la technologie comblera d’elle-même les lacunes. Il s’agit d’un changement de mentalité : l’IA fonctionne lorsque les fondations sont solides, et non lorsqu’elle est simplement greffée sur ce qui existe déjà aujourd’hui. Une mise à l’échelle en toute sécurité nécessite un cadre d’IA unifié qui associe la gouvernance — droits de décision clairs, garde-fous contre les risques, validation par l’intervention humaine — à une architecture technique sécurisée qui contrôle l’accès aux données et protège les informations dès leur ingestion. Il suffit de mettre en place cette couche une seule fois pour que chaque cas d’utilisation futur bénéficie des mêmes normes de sécurité et de conformité de niveau entreprise.
À quoi ressemble une approche orientée processus d'abord?
La solution n'est pas un programme de transformation s'étalant sur plusieurs mois. Une première analyse rigoureuse peut se faire en quelques semaines, en suivant la séquence recommandée : « Comprendre, améliorer et maîtriser le processus, et ensuite seulement l'automatiser », explique Johan.
Comprendre commence par la cartographie du processus de bout en bout : quel est réellement l'input, que se passe-t-il aujourd'hui, quel est le résultat réel, non pas ce que la direction suppose qu'il se passe, mais ce qui se produit réellement sur le terrain. Lander a observé cet écart chez des clients, où « une équipe pense que le processus fonctionne d'une certaine manière, puis on en parle avec les équipes opérationnelles et elles disent non, cela ne s'est jamais passé comme ça ».
Un des diagnostics les plus utiles ici est ce qu'Olivier appelle le taux « du premier coup réussi » (first-time-right), soit le pourcentage de dossiers qui traversent le processus correctement dès la première tentative, sans reprise. Il est souvent plus bas que ce que les organisations attendent, et un taux faible est le signal le plus clair qu'un processus n'est pas prêt pour l'automatisation. « Si vous avez beaucoup de reprises et que vous automatisez le processus », prévient Olivier, « cela signifie simplement que vous allez automatiser les reprises, entraînant une augmentation de ces dernières. » La correction ne nécessite pas une étude approfondie ; quelques jours d'observation attentive suffisent généralement à faire émerger les axes d'amélioration rapides.
« Si vous avez beaucoup de reprises et que vous automatisez le processus, cela signifie simplement que vous allez également automatiser les reprises. » Olivier De Boeck, à propos du taux de bon du premier coup comme signal le plus clair qu'un processus n'est pas prêt pour l'automatisation
Améliorer signifie supprimer ce qui n'a pas sa place, ajouter ce qui manque et corriger ce qui ne fonctionne pas, avant que cela ne soit figé dans un flux de travail. Il s'agit de repenser les niveaux d'approbation superflus, les rapports que personne ne lit, les transferts changeants, en réduisant ou en ajoutant des étapes qui n'apportent pas de valeur. Ce n'est qu'une fois ces inefficacités éliminées, l'équipe ayant fait tourner le processus amélioré manuellement pendant un certain temps pour confirmer sa solidité en pratique, et des KPI étant en place pour suivre l'efficience et l'efficacité, que l'automatisation apporte réellement les gains de temps promis.
L'automatisation ne concerne pas que les processus. Elle est parfois profondément ancrée dans le modèle opérationnel financier d'une organisation. Dans les entreprises qui ont grandi de manière organique, la responsabilité des tâches est souvent dispersée. Les processus à forte intervention humaine et les transmissions excessives deviennent la norme : le travail passe d'une personne à l'autre, parfois avec plusieurs personnes impliquées dans la création d'une seule facture, sans propriétaire de processus clairement identifié vers qui se tourner en cas de problème. Cette fragmentation rend plus difficile d'obtenir une vue d'ensemble. Et de ce fait, il existe un risque d'automatiser le processus de manière erronée.
Là où l'IA change la donne
Rien de tout cela ne constitue un argument contre l'automatisation. Bien au contraire. Une fois qu'un processus a été compris, resserré et éprouvé, l'IA peut s'y appliquer plus rapidement et de manière plus flexible que l’automatisation robotique des processus ne l'a jamais fait, et la finance est un terrain fertile : elle repose sur des transactions répétitives, riches en données et largement prévisibles.
Mais l'IA n'est pas la réponse à tout. La finance repose sur un grand volume de données structurées, et pour les données structurées, l'automatisation basée sur des règles (RPA) reste souvent le choix le plus fiable : plus rapide, plus simple, et sans le risque d'hallucination qui subsiste avec l'IA. L'IA excelle lorsque les données sont non structurées : e-mails, documents, exceptions, échanges, anomalies. La véritable puissance vient de la combinaison des deux : l’automatisation robotique des processus gérant les étapes structurées et basées sur des règles, et l'IA prenant en charge les données non structurées et faisant remonter les enjeux nécessitant un jugement humain.
Le constat se vérifie dans tous ces cas : l'IA ne remplace pas le travail de diagnostic, elle en révèle la nécessité. Utilisez l'IA pour faire émerger les problèmes, cartographier le processus réel et mettre en lumière les incohérences. Mais si vous sautez l'étape de vérification du processus, l'IA continuera de fonctionner. Elle exécutera simplement le mauvais processus, plus vite, et avec plus d'assurance.
Le changement de mentalité comme ingrédient manquant, et le grand « pourquoi »
En définitive, il ne s'agit pas d'un problème humain contre un problème de processus : c'est un problème à la fois humain et lié au processus. « Le processus est aussi solide que les personnes qui l'exécutent, le révisent, l'améliorent, le mesurent », affirme Lander. Les pièges apparaissent en raison de la manière dont les équipes envisagent leur travail, et non parce que le flux de travail lui-même serait défaillant.
C'est pourquoi le changement de mentalité n'est pas un ajout une fois l'automatisation lancée : il fait partie intégrante du projet d'amélioration dès le départ. Lorsque les personnes comprennent l'objectif, se sentent impliquées et font confiance à la refonte, le processus s'en trouve renforcé, et l'automatisation qui s'ensuit devient bien plus résiliente.
De nombreuses initiatives d'automatisation démarrent par une question technologique : Que peut-on automatiser ? Quel outil devrions-nous utiliser ? Où l'IA peut-elle aider ?
Nous pensons que le meilleur point de départ est bien plus fondamental : Pourquoi ce processus existe-t-il, quel résultat doit-il produire, et quelle est sa performance actuelle ?
« Le processus est aussi solide que les personnes qui l'exécutent, le révisent, l'améliorent, le mesurent. »
Lander Coene
Ralentir avant d'accélérer
L'automatisation peut créer une valeur considérable en finance. Mais l'ordre des étapes compte : comprendre, améliorer, maîtriser, puis automatiser.
Cette discipline initiale ne doit pas nécessairement prendre des mois. Une évaluation ciblée permet souvent d'identifier les enjeux les plus importants en quelques semaines. Et le temps investi en amont est généralement récupéré par la suite, sous forme de moins de défauts, moins de reprises, une implémentation plus fluide et une meilleure adoption.
Alors, avant d'approuver la prochaine initiative d'automatisation, posez-vous une seule question : sommes-nous sur le point d'accélérer un bon processus, ou simplement de rendre un mauvais processus plus rapide ? Car l'automatisation récompense la vitesse. Mais seulement une fois la bonne direction choisie.
