L’intelligence artificielle éclaire les prévisions de trésorerie

Des projets de modélisation sont en préparation, dans un contexte d’attention portée à la liquidité.
Frédérique Garrouste
Engie
Plus soucieux de sa trésorerie, comme nombre d’entreprises, depuis la crise Covid, le groupe Engie travaillerait sur le sujet depuis un an.  - 

Dans un futur plus ou moins proche, la prévision de trésorerie se fera en instantané, grâce à l’intelligence artificielle (IA). A charge pour le trésorier de veiller au bon fonctionnement de l’algorithme et d’intégrer les éléments que la machine n’aura pas pu appréhender, un changement stratégique par exemple…

Cette perspective est encore reculée mais les spécialistes de la trésorerie d’entreprise y travaillent d’arrache-pied. « Le sujet des prévisions de trésorerie reposant sur l’IA est en développement chez Datalog, une activité pilote a été lancée avec deux entreprises », indique Arnault Gitzinger, directeur produit chez Datalog Finance. L’IA s’applique aux métiers depuis une dizaine ou une quinzaine d’années, mais en trésorerie, c’est le début de sa mise à contribution. » Lors de la conférence annuelle Universwiftnet sur le sujet, l’éditeur de solutions de trésorerie a annoncé le lancement d’une offre dès 2023.

De quoi susciter un vif intérêt car souvent, même dans les grands groupes, les prévisions de trésorerie sont manuelles et chronophages. Il est vrai que pour intégrer l’IA dans leurs projections, les entreprises doivent s’engager sur un projet au long cours et sur mesure, donc complexe. « Il y a autant d’IA de trésorerie que de secteurs industriels, voire, dans certains cas, d’entreprises », relève ainsi Cédric Guarnotta, directeur général de Datalog Finance Canada.

La crise Covid a joué comme un accélérateur, les entreprises ayant, du jour au lendemain, eu besoin de voir quel serait l’impact de la crise sur leur trésorerie, à court terme. Témoin, le groupe Engie travaillerait sur le sujet depuis un an. « Les directions financières des grands groupes en sont essentiellement au stade des PoC (proofs of concept) pour appliquer l’IA à leurs prévisions de trésorerie, confirme Guillaume Roudeau, associé et cofondateur de Mageia Partners, conseil en projets d’entreprises liés au cash. Ces PoC portent sur une entité du groupe pour commencer. On estime à une petite dizaine les projets de la sorte en France, de même que le nombre d’éditeurs de solutions de trésorerie impliqués sur le sujet. »

Codification

Première étape du travail, préparer le périmètre de l’activité où l’IA va fonctionner. En général, il s’agit d’une filiale significative ou reflétant bien l’activité du groupe. En outre, il faut identifier les données, sachant que souvent, les projets s’appuient sur une élaboration des prévisions en méthode directe, à partir des flux de cash. « Le travail préparatoire consiste à associer des codes budgétaires à chaque transaction bancaire reçue sur le relevé de compte, en s’appuyant sur de nombreux éléments, comme les codes de flux de cash par exemple. L’objectif est de catégoriser le plus finement possible toutes les transactions », expose Arnault Gitzinger. Cette codification constitue une matière première essentielle pour la mise au point des algorithmes.

Quand elle a en vue un projet d’IA, l’entreprise a ainsi intérêt à préparer un historique de relevés de comptes et de transactions catégorisées suffisant pour que l’IA puisse être assez entraînée sur la base de données réelles. « En outre, il faut des données externes pour nourrir les algorithmes, des données non chiffrées sur ce qui influence l’activité de l’entreprise », ajoute Guillaume Roudeau.

L’identification des données, avant de modéliser la prévision de trésorerie, constitue un travail d’experts, et les éditeurs sont en quête de data scientists pour répondre aux besoins. Datalog a signé en 2021 un partenariat avec deux sociétés québécoises, Videns Analytics et Groupe Azur, qui ont déjà créé et validé une IA permettant d’affecter automatiquement des catégories budgétaires et réalisé des POC de prévisions de trésorerie.

Les projets demandent aussi la collaboration de plusieurs métiers de l’entreprise. « La DSI doit être impliquée car elle doit fournir les données et, souvent, on observe des réticences à ce niveau », évoque Guillaume Roudeau. La trésorerie reste la cheville ouvrière des prévisions, car l’IA ne fera pas tout le travail de prévision, loin s’en faut. « Il appartiendra aux équipes de trésorerie d’analyser les résultats de cette assistance et d’ajouter les éléments qu’elle n’est pas en mesure d’intégrer d’elle-même au départ », appuie Cédric Guarnotta.

Un évènement L’AGEFI

Plus d'articles Financement

Contenu de nos partenaires

Les plus lus de
A lire sur ...