L’IA en entreprise : le département des finances

L’intelligence artificielle (IA) est de plus en plus présente dans nos milieux de travail, et touche tous les domaines. Nous vous proposons une série de capsules visant à explorer, pour chaque département de l’entreprise, les opportunités d’utilisation de l’IA. Nous commençons aujourd’hui avec le département finance.

Comme nous l’avions suggéré dans la publication “L’IA s’impose de plus en plus dans les entreprises“, l’identification des opportunités d’utilisation de l’IA commence par un inventaire des décisions à prendre et l’identification de tâches répétitives.

Au sein du département finance les défis sont nombreux. Parmi les décisions rendues difficiles par un haut niveau d’incertitude on trouvera les décisions d’ouverture de compte et les accords de crédit ou de délai de paiement. Ces décisions sont soumises aux risques de fraude, de retard de paiement ou de faillite.

La réponse apportée depuis plusieurs décennies par la modélisation prédictive, et plus récemment par l’IA, repose sur des cartes de pointage ou des systèmes de notation. Le credit scoring a été inventé par les sociétés de carte de crédit à la fin des années 80, pour être peu a peu adopté par les banques, puis les entreprises à partir des années 2000.

« L’évolution des algorithmes et la démocratisation de la modélisation a permis à ces outils de quitter l’enceinte protégée des banques et des bureaux de crédit et sont à présent à la disposition du CFO.»

Les données nécessaires sont simplement un historique des comptes à recevoir et l’identification des problèmes rencontrés. L’utilisation d’un modèle de classification – souvent une régression logistique, mais de plus en plus un réseau de neurone profond – permet de quantifier, au niveau d’un portefeuille, le risque représenté par un client donné. La connaissance de ce risque quantifié permet une gestion précise du risque lié au crédit et autorise un système de décision fiable, juste et cohérent. À défaut de modéliser ses données pour un système de décision taillé sur mesure, il est toujours possible d’acquérir un système de notation générique, offert par une agence de notation, et d’en personnaliser l’utilisation grâce à une analyse précise du portefeuille et l’utilisation d’outils de simulation.

Parmi les tâches répétitives, nous observons souvent la frustration engendrée par la saisie manuelle des factures. En effet, que les factures soient en format papier ou digital, les données sont encore trop souvent saisies de façon manuelle dans la plateforme de gestion comptable. Cette tâche, répétitive par excellence, est souvent considérée comme présentant peu de valeur ajoutée et génératrice de frustration, de fatigue et d’erreurs.

Là encore, l’IA est fidèle à ses promesses. La combinaison d’une reconnaissance optique de caractères avec un réseau de neurones récurrent spécialisé en analyse d’images permet d’identifier les données recherchées – numéro de facture, date, montant – de les extraire, de les formater au sein d’un fichier XML ou JSON afin de les exporter vers la plateforme de gestion comptable. L’adjonction d’un outil de gestion du langage naturel (NLP) peut même aller jusqu’à recommander une affectation de la transaction à un poste comptable. Ces outils, très efficaces, totalement maitrisés et facilement disponibles offrent un considérable gain de temps et de qualité dans l’environnement de travail.

Ce texte fait partie d’une série d’articles écrits par Roger Vandomme, associé principal et directeur en analyse des données au Groupe NEOS, visant à démystifier l’IA aux différents secteurs économiques en appliquant des modèles mathématiques, l’apprentissage machine et l’intelligence artificielle.