De nombreuses organisations financières connaissent ce scénario actuellement. Un processus est lent et manuel depuis des années, tout le monde en a assez, et quelqu'un suggère la solution évidente : y appliquer l'IA. Passez l'étape intermédiaire fastidieuse et allez directement à ce qui semble être un progrès.
C'est une démarche compréhensible. C'est aussi la raison pour laquelle de nombreux projets pilotes d'IA dans la finance n'aboutissent pas.
Que doit-il se passer en premier ?
L'IA a besoin d'une version claire et cohérente d'un processus pour fonctionner. Si ce processus est toujours éparpillé dans des feuilles de calcul sans méthode d'exécution claire, l'IA ne dispose d'aucune base stable sur laquelle s'appuyer. Cela produira tout de même quelque chose. Ce ne sera tout simplement pas un résultat auquel vous pouvez faire confiance, que vous pouvez répéter ou expliquer à un auditeur.
Cette première étape ne reçoit pas beaucoup d'attention, mais c'est celle qui compte. Il s'agit de rendre le processus suffisamment visible pour qu'une nouvelle personne puisse le suivre, suffisamment cohérent pour qu'il s'exécute de la même manière à chaque fois, et suffisamment bien documenté pour résister à quelqu'un qui vous demanderait comment vous avez obtenu la réponse.
Rien de tout cela n'est un projet d'IA. Il s'agit d'intégrer le processus dans un véritable workflow facilement compréhensible par tous. Lorsque ces éléments sont suffisamment développés au sein d'une équipe, ils deviennent ce que l'on appelle la couche de logique métier. L'IA vient après, car l'IA a besoin d'une base réelle pour vérifier son travail.
Trois entreprises ont procédé ainsi dans des secteurs très différents de la finance, et le modèle se vérifie à chaque fois.
Sunbelt Rentals : la gouvernance avant même que la conversation sur l'IA ne commence
Les équipes finance, comptabilité et opérations de Sunbelt Rentals utilisaient les mêmes processus manuels, principalement sur Excel, depuis 20 ans. Lorsque l'entreprise a recruté une directrice de la technologie et de la transformation pour la fonction Finance, elle a considéré ces 20 années comme une base sur laquelle s'appuyer, plutôt que de tout recommencer à zéro. « L'objectif est de tirer parti de ce que les utilisateurs font déjà », explique LaShell Estes.
Estes a commencé par aligner la finance, le service IT et les métiers, puis a formé les employés aux nouveaux outils jusqu'à ce que leur utilisation devienne une seconde nature. Ce n'est qu'une fois que des processus spécifiques ont été reconstruits sous forme de workflows encadrés et reproductibles, avec des contrôles SOX intégrés à leur exécution, que l'équipe s'est tournée vers l'IA, en l'utilisant pour lire les PDF de factures et vérifier si la taxe d'utilisation avait déjà été payée. Cette dernière étape a fonctionné parce que tout ce qui la précédait était déjà solide.
Crowe LLP : l'exemple du cabinet fiscal
Les professionnels de la fiscalité de Crowe LLP étaient confrontés à une version plus éparpillée du même problème. Différents groupes utilisaient différents outils, certains dépendaient encore entièrement d'Excel, et il n'existait aucun moyen cohérent de déployer tout cela à grande échelle. « Il n'y avait aucune cohérence ni aucune capacité de passage à grande échelle », explique Hannah Brauer, responsable de la transformation fiscale chez Crowe.
La solution n'était pas le déploiement de l'IA. Il s'agissait du programme d'innovation Alteryx, qui a formé plus de 190 professionnels de la fiscalité et a établi des normes à l'échelle de l'entreprise sur la manière dont les workflows étaient créés, gérés et documentés, afin que le même processus s'exécute de la même manière, quelle que soit la personne qui y accède.
C'est la couche de logique métier qui réapparaît, simplement conçue pour un cabinet fiscal au lieu d'une société de location d'équipements. L'IA n'est entrée en jeu qu'une fois cette base établie. « Nous utilisons les fonctionnalités d'IA intégrées d'Alteryx pour repenser la manière dont les workflows sont orchestrés et fournis », explique Tracey Grant-Castleman, responsable de la transformation fiscale chez Crowe, décrivant ce qui est devenu possible une fois le travail de gouvernance effectué.
C'est plus proche de la normale que vous ne le pensez
Aucune de ces entreprises n'était anormalement en retard. PwC a constaté que même parmi les entreprises réalisant plus de 10 milliards $ de chiffre d'affaires, 38 % collectent et consolident encore manuellement leurs données de prévision. Parmi les entreprises réalisant entre 1 et 10 milliards $, ce chiffre grimpe à 52 %. La majeure partie de la finance n'a pas encore terminé la partie ingrate, ce qui signifie que la plupart des équipes financières ne sont pas réellement prêtes pour la conversation sur l'IA qu'elles tentent d'avoir. C'est l'état actuel du secteur, tout simplement.
Papa Johns : le même ordre, à une échelle bien plus grande
Papa Johns a été confronté à cette question de séquençage précise avec un enjeu plus important : le rapprochement des paiements des partenaires de livraison pour plus de 6 000 magasins, où toute erreur se répercute directement sur la rémunération des franchisés. L'ordre était le même que celui de Sunbelt et de Crowe. Créez le workflow, assurez sa gouvernance et sa reproductibilité, puis ensuite seulement confiez-en une partie à un agent IA.
Papa Johns, Alteryx et Google Cloud expliquent exactement comment ils sont parvenus à ce résultat dans ce webinaire à la demande.
Si votre équipe envisage l'IA pour un processus que personne n'a encore rendu reproductible, il peut être utile de voir à quoi ressemble l'ordre des choses avant de sauter l'étape qui permet à tout ce qui suit de fonctionner.