Les entreprises ont de grandes attentes en matière d’automatisation des processus robotiques et d’apprentissage automatique
C’est la RPA qui a pris le plus d’élan jusqu’à présent. Par exemple, FedEx automatise les impôts, la paie, les rapprochements de cartes de crédit, la trésorerie et d’autres processus financiers avec RPA dans son organisation mondiale de services partagés. Fossil Group utilise RPA pour automatiser le processus de clôture financière mensuelle. Allianz réconcilie automatiquement les comptes de pool de trésorerie sur trois systèmes grâce à la robotique. Mastercard utilise la RPA dans le rapprochement quotidien des espèces pour les comptes créditeurs et débiteurs, les commandes à recouvrer, le nettoyage des règlements, le contrôle qualité et la gestion des dépenses par carte. Certaines entreprises ont même nommé leurs robots RPA car ils s’intègrent au rythme quotidien du service financier.
Les agences gouvernementales ont également rejoint la tendance. HM Revenue & Customs au Royaume-Uni a transformé le traitement fiscal interne grâce à la numérisation, la robotique et le flux de travail avec plus de 200 robots sans surveillance et 15 000 robots surveillés traitant plus de 10 millions de transactions par robotique chaque année.
L’apprentissage automatique et le traitement et la génération du langage naturel amènent à la fois l’analyse et l’automatisation à de nouveaux niveaux. En 2016, Citigroup a utilisé l’apprentissage automatique pour l’aider à réussir le test de résistance de la Réserve fédérale américaine, qu’il a échoué plus tôt. Danone applique la technologie à la gestion des déductions pour améliorer l’efficience et l’efficacité de son processus de commande à l’encaissement. USAA a investi dans la génération de langage naturel (NLG) pour automatiser la création de commentaires sur les performances de la gamme de produits, les tendances d’acquisition et les transactions pour ses tableaux de bord de produits.
L’adoption rapide de l’IA dans la finance s’inscrit dans la tendance de plusieurs décennies à transformer la finance par la technologie. L’utilisation généralisée de la reconnaissance optique de caractères (OCR) remonte aux années 1970, des feuilles de calcul aux années 1980 et des systèmes de planification financière et de facturation électronique aux années 1990. Chacune de ces technologies a amélioré la productivité des services financiers. Aujourd’hui, selon notre enquête, 76 % des directeurs financiers conviennent que le numérique changera fondamentalement la finance, et ils investissent en conséquence, tandis que 23 % des services financiers prévoient d’augmenter les budgets informatiques de plus de 10 % au cours de chacune des deux prochaines années.
Mais voici le hic : l’accumulation de technologies a créé une complexité considérable, laissant peu de départements financiers capables d’extraire toute la valeur potentielle de la technologie qu’ils possèdent. Le manque d’outils numériques n’est pas le principal point d’achoppement. Au contraire, les professionnels de la finance déplorent des outils non intégrés, trop d’outils et une mauvaise expérience utilisateur (voir Figure 2).
Le manque d’outils numériques n’est pas le problème principal, mais plutôt des outils non intégrés, trop d’outils et une mauvaise expérience utilisateur
Par exemple, dans les comptes fournisseurs, moins d’un tiers des entreprises interrogées paient plus de 60 % des factures fournisseurs par voie électronique, et seulement 6 % traitent ces factures fournisseurs sans intervention manuelle (voir Figure 3). C’est loin d’être un processus automatisé, malgré la longue période d’existence de la facturation électronique.
Même lorsque les directions financières disposent d’outils numériques, beaucoup n’exploitent pas tout le potentiel de la technologie
Sur la base des économies de coûts déjà réalisées grâce à la RPA et à l’apprentissage automatique, de nombreuses entreprises espèrent que ces technologies les aideront à remédier aux inefficacités et aux exceptions qui découlent de la technologie existante (voir Figure 4). Pourtant, alors que les départements financiers investissent rapidement dans un éventail de nouvelles technologies, beaucoup n’ont pas encore totalement adopté des technologies plus matures :
Dans les comptes fournisseurs, notre enquête révèle que 55% des personnes interrogées n’utilisent pas les technologies de base telles que les outils OCR ou les approbations de factures en ligne, pourtant 66% de ces retardataires prévoient d’investir dans la RPA.
Dans les comptes clients, 43 % n’utilisent pas les technologies de base telles que la facturation électronique et les portails client en libre-service, pourtant 63 % de ces retardataires prévoient d’investir dans la RPA.
Dans l’audit interne, 34 % n’utilisent pas de documents de travail électroniques de base ou d’outils pour surveiller la remédiation et le suivi, et là encore, 65 % prévoient d’investir dans la RPA (voir Figure 5)
Le résultat : trop de services financiers peuvent se précipiter dans les nouvelles technologies sans prendre de mesures parallèles pour tirer parti de leur stock de technologies existant. En l’absence d’une intégration appropriée, les entreprises qui adoptent davantage d’outils risquent d’ajouter de la complexité et de créer involontairement un nouvel ensemble de problèmes.
Heureusement, l’enquête suggère comment les services financiers peuvent utiliser la boîte à outils complète plus efficacement, en plus de suivre le rythme des tendances numériques.
De nombreux services financiers tardent à adopter des technologies matures, même s’ils investissent dans de nouvelles technologies
Ne négligez pas ce qui a fait ses preuves. La mesure dans laquelle de nombreux départements financiers ont négligé les technologies établies est surprenante. Parmi les grandes entreprises interrogées, seulement 53% disposent d’un outil pour automatiser la création et la validation des écritures de journal pour la comptabilité, et seulement 31% disposent d’un outil pour automatiser la comptabilisation des revenus. Moins de la moitié utilisent des outils de gestion de documents fiscaux et de facturation client, seuls 37% disposent d’un portail en libre-service.
Bien que la RPA ou l’apprentissage automatique puissent aider ici, d’autres causes profondes entrent généralement en jeu, telles qu’une mauvaise gouvernance des données ou une mauvaise expérience utilisateur. Les entreprises voudront s’attaquer à ces problèmes afin de générer des améliorations durables dans les processus financiers.
Regardez au-delà du coût. Les économies de coûts restent la principale raison citée par les personnes interrogées pour l’adoption d’outils numériques, mais la vitesse, la libération de temps pour le personnel, les contrôles financiers et d’autres raisons suivent de près (voir Figure 6). Dans certaines industries, telles que les télécommunications, les médias et la technologie, et les services aux entreprises, au moins une de ces raisons est plus importante que les économies de coûts. Et dans certains processus financiers, tels que la budgétisation et les prévisions, la clôture financière et les comptes débiteurs, la vitesse est devenue la principale raison d’adoption.
Au-delà des économies de coûts, les technologies numériques accélèrent les processus et libèrent du temps pour le personnel
Le groupe de partenaires d’entreprise de Microsoft, par exemple, utilise l’apprentissage automatique dans les prévisions. Avec une précision de plus de 98 % en moyenne dans le monde, cette méthode de prévision a atteint une précision supérieure à la prévision manuelle développée en interne. Une entreprise de biens de consommation utilise l’apprentissage automatique pour améliorer les prévisions de la demande qui étaient auparavant gérées par 70 planificateurs humains. Cette technologie a amélioré la croissance des ventes, réduit les délais de mise sur le marché de 30 %, augmenté la productivité de la planification jusqu’à 80 % et réduit les niveaux de stocks de 1 à 3 %.
Bien que la RPA et l’apprentissage automatique aient permis de réaliser des économies, certaines entreprises ont mis plus de temps que prévu à concevoir et à mettre en production des robots RPA, et les économies réalisées sont parfois insuffisantes par rapport à l’analyse de rentabilisation initiale. Le modèle du cloud computing est ici instructif, car les premiers utilisateurs se sont davantage concentrés sur la vitesse, la flexibilité et l’évolutivité que sur le coût.
Définissez la destination, testez et apprenez. Le plus souvent, les services financiers sont trop confiants quant à leur maturité numérique et à leur capacité à réaliser leurs objectifs numériques (voir Figure 7). Les directeurs financiers, par exemple, expriment plus d’optimisme que les professionnels de la finance en première ligne quant à la position de leur service dans le secteur, la qualité de la technologie qu’ils utilisent et la suffisance du financement pour atteindre les objectifs numériques (voir Figure 8).
L’idée de déployer le grand livre sur le cloud était impensable il y a encore quelques années, notamment pour les grandes multinationales. Aujourd’hui, cependant, de nombreuses grandes entreprises déploient le grand livre sur le cloud dans certaines parties de leur environnement. Par exemple, Qualcomm utilise le cloud pour prendre en charge 11 de ses opérations dans les petits pays dans le cadre de l’approvisionnement au paiement au grand livre, où une approche traditionnelle sur site dans ces petits pays n’a pas eu un retour sur investissement suffisant. En utilisant le cloud, Qualcomm a réduit ses coûts de moitié et a mené l’initiative beaucoup plus rapidement.
Corrigez et simplifiez les processus, les données et les systèmes. La RPA et l’apprentissage automatique ont un large éventail de cas d’utilisation précieux. La RPA peut réduire les exceptions manuelles pour permettre un traitement direct, extraire les données de plusieurs systèmes pour créer une vue intégrée et accélérer le rapprochement des comptes et des transactions.
Souvent, cependant, il serait préférable que les entreprises retirent certains de leurs robots RPA, car ils simplifient et normalisent les processus, les données et les systèmes commerciaux sous-jacents. Plutôt que de laisser un bot extraire les données d’un grand nombre de types de factures clients différents, par exemple, une entreprise voudra à un moment donné passer aux formats de facture courants et s’éloigner des factures papier.
De même, l’apprentissage automatique peut examiner de grandes quantités de demandes entrantes dans une gamme de boîtes de réception de courrier électronique et acheminer les demandes vers les bonnes équipes. Dans la facturation et les recouvrements, l’apprentissage automatique peut identifier les déductions ayant une forte probabilité d’être valides et lier les documents de sauvegarde aux déductions. Cependant, un algorithme d’apprentissage automatique ne fonctionne qu’aussi bien que la qualité des données. Sans aborder la gouvernance et la qualité des données, les algorithmes ont une valeur limitée.
Alors que l’intelligence artificielle peut fournir de nouvelles fonctionnalités que les technologies traditionnelles ne peuvent pas, telles que l’automatisation de la création de commentaires pour les rapports de gestion via NLG, ces nouvelles technologies n’éliminent pas la nécessité de s’attaquer aux causes profondes des inefficacités. Dans certains cas, comme avec l’apprentissage automatique, la technologie peut même ne pas fonctionner à moins que certaines de ces causes profondes ne soient traitées.
Les outils numériques sont essentiels pour que la finance augmente sa valeur pour l’entreprise. Ils sont devenus suffisamment puissants pour aider la finance à identifier les opportunités de valeur, pas seulement à surveiller les tendances des chiffres, et à permettre à la finance de gérer de manière proactive les risques, pas seulement de maintenir des contrôles. Réussir cette transition en tant que véritable partenaire commercial dépendra d’une utilisation plus efficace des technologies existantes, tout en testant les derniers outils pour identifier la poignée qui fera la différence, puis en les intégrant dans la grande famille.