Malgré l’importance des prévisions de trésorerie dans les décisions stratégiques de l’entreprise, la plupart des grands groupes ont encore recours à des tableurs Excel pour établir leurs prévisions. Solène Moyne, analyste senior chez Redbridge, fait le point sur les capacités des différents systèmes et outils de prévision de trésorerie disponibles actuellement sur le marché.
Une enquête menée par Redbridge en 2019 auprès des grands groupes et des ETI révélait que 94 % des corporates européens effectuaient des prévisions de trésorerie sous une forme ou une autre. La majorité des répondants mettaient alors en avant deux facteurs clés pour obtenir des prévisions de qualité : des données fiables et une forte coordination entre les différents services de l’entreprise.
Sans de bonnes données, une entreprise ne sera pas en mesure de produire des prévisions de trésorerie précises répondant à ses besoins. La communication entre la trésorerie, les services comptables, les ventes et la production est tout aussi essentielle pour prédire avec précision les flux de trésorerie futurs. L’exercice peut vite devenir laborieux et improductif s’il existe des vues concurrentes entre les services. Il est donc essentiel d’obtenir l’adhésion de toutes les parties prenantes au processus, même si l’outil de prévision de trésorerie est interfacé avec les différents systèmes du groupe pour intégrer plus rapidement les données (CRM, ERP, outil de gestion du poste clients, etc.)
Si les prévisions de trésorerie revêtent un caractère central dans les décisions d’investissement et de financement de l’entreprise, une majorité de sociétés se fient toutefois encore à une technologie vieillissante – les feuilles de calcul Excel – pour effectuer cette tâche importante. Les feuilles de calcul présentent de sérieuses limitations technologiques et exigent beaucoup d’efforts manuels. La pandémie de Covid-19, et aujourd’hui la conjoncture internationale marquée par la guerre en Ukraine, illustrent la nécessité d’être en mesure de produire rapidement des prévisions de trésorerie et d’effectuer différentes simulations. C’est la raison pour laquelle nombre de services trésorerie envisagent d’automatiser leurs processus de prévision, en utilisant des outils et des systèmes plus sophistiqués. Cependant, l’automatisation reste un véritable défi, car elle implique de sélectionner les bons outils que chaque partie prenante saura s’approprier.
Aperçu des principaux outils de prévision de trésorerie
Il y a deux types d’outils évolués pour les prévisions de trésorerie : soit un module du TMS, soit un outil de prévision de dédié. Chacun présente des avantages. Par exemple, un TMS permet de s’appuyer sur des données centralisées pour gagner du temps de production des prévisions. Un outil dédié, interfacé avec l’ERP et le TMS, fournira des méthodes de consolidation ainsi qu’un reporting plus avancé, ouvrant la voie à une analyse approfondie et à la gestion de scénarios.
L’impact de l’IA sur les prévisions
L’intelligence artificielle (IA) prend de plus en plus d’importance dans un certain nombre de domaines, et les prévisions de trésorerie n’y font pas exception. Tant les TMS que les outils dédiés à la prévision des flux de trésorerie intègrent de plus en plus d’IA dans leurs solutions. Cependant, il est important de souligner que l’IA n’est pas destinée à remplacer les hommes. Au contraire, elle complète le travail qu’ils effectuent. En combinant la puissance de l’IA avec la vision critique qu’apportent les humains, il est possible de produire une modélisation robuste.
Pour bien fonctionner, l’intelligence artificielle a besoin de beaucoup de données historiques, tant internes qu’exogènes. Les données doivent également être de très bonne qualité, ce qui implique de les traiter avant de les utiliser et peut prendre beaucoup de temps. En outre, l’IA n’est pas toujours transparente, ce qui est une autre raison qui peut engendrer des hésitations lorsqu’il s’agit de son adoption. Cependant, de grands progrès ont été réalisés en termes d’outils intégrant l’IA.
Outils de prévisions de trésorerie utilisant l’IA
Côté TMS, plusieurs systèmes utilisant l’intelligence artificielle sont déjà disponibles pour prévoir la situation de trésorerie. Il s’agit notamment de Diapason, Kyriba et Integrity, qui adjoignent des capacités et des algorithmes d’IA pour modéliser des tendances.
Une autre société proposant un outil assisté par l’IA est Coupa, qui a acquis Llamasoft. Sa solution d’apprentissage automatique est sont basée sur une analyse des transactions historiques, qui sont importées dans le TMS de Coupa et ont été développées également pour la gestion du risque de fraude.
Il y a d’autres TMS utilisant l’IA, cette liste n’est pas exhaustive. En parallèle, un certain nombre d’outils de prévision spécialisés font également appel à l’intelligence artificielle. Il s’agit notamment de :
– Agicap, qui a développé un outil d’apprentissage automatique (machine learning) à destination des PME permettant de réaliser des prévisions de trésorerie quotidiennes sur la base des flux de trésorerie réels.
– Verteego, qui applique l’IA aux prévisions de ventes basées sur les données historiques de l’ERP, puis leur ajoute des données externes.
– CashForce fournit également une solution d’IA qui fait appel au machine learning.
– TipCo, société européenne spécialisée dans le reporting de trésorerie, qui propose également une solution d’analyse prédictive pour automatiser les flux de trésorerie.
Comment choisir le bon système pour ses prévisions de trésorerie ?
Bien qu’Excel soit bon marché et facile à utiliser avec une formation minimale des utilisateurs, il n’y a souvent qu’une seule personne dans l’entreprise qui connaisse les macros du fichier. Cela peut engendrer des risques si cette personne n’est pas présente (parce qu’elle est en vacances ou qu’elle a quitté l’entreprise).
Si la direction générale souhaite mener des mises à jour de prévisions hebdomadaires ou bimensuelles, automatiser le processus pour gagner du temps, réduire les efforts manuels et améliorer la précision doit s’envisager. En tenant compte de sa taille et de son environnement, de la qualité des données disponibles au sein du groupe et des besoins en matière de rapports, il faut évaluer la méthodologie et les outils qui offrent le meilleur retour sur investissement. Conserver à l’esprit que l’entreprise devra probablement mener de front ce chantier de modernisation avec un projet de gestion des données, afin de pouvoir libérer pleinement le véritable pouvoir des prévisions de trésorerie !