Écrit par Michael Coveney, Responsable de la Recherche chez FP&A Trends Group*

 

Introduction

Face à un paysage commercial en constante évolution, les entreprises se tournent de plus en plus vers l’Intelligence Artificielle (IA), le Machine Learning (ML) et l’IA Générative pour acquérir un avantage concurrentiel. Pour les professionnels de la FP&A, combiner l’IA et l’intelligence humaine est essentiel pour répondre aux problématiques financières complexes et piloter la prise de décision stratégique. Dans cet article de blog, nous étudierons comment l’IA/ML, l’IA Générative et l’ingéniosité humaine peuvent se compléter pour faire de la FP&A un partenaire stratégique.

Comme nous l’avons abordé dans nos précédents blogs, l’IA/ML s’apprête à démocratiser la planification. L’IA Générative, la capacité des systèmes à comprendre et répondre aux requêtes en langage naturel, transforme la manière dont les utilisateurs finaux utilisent l’IA, modifiant ainsi radicalement le rôle de la FP&A. Les tâches traditionnelles telles que la gestion des données et le reporting laisseront place à de nouveaux rôles multifonctionnels tels que celui de Data Scientist FP&A.

 

 « D’ici 2030, 38,6 millions d’ETP potentiels seront délogés par l’automatisation. Le storytelling basé sur les données sera un facteur de différenciation des professionnels de la FP&A de demain. » 

Saurabh Jain, Directeur Financier Endovascular Robotics, Siemens Healthineers, Membre du New York FP&A Board

 

Même si l’IA/ML peut analyser des volumes de données exponentiels pour effectuer des tâches quotidiennes, l’intelligence humaine reste cruciale pour orienter les algorithmes et interpréter les résultats.

 

Domaines où l’IA/ML excelle :

• L’analyse approfondie

L’IA/ML excelle dans l’analyse des détails, car elle identifie des modèles, des tendances et fait des prévisions à un niveau granulaire (par exemple, par ligne de produit ou client), à condition que les données soient vérifiées. Cela signifie que chaque dimension d’un produit, service ou client peut avoir une prévision unique basée sur l’environnement commercial dans lequel il existe. C’est une méthode bien plus précise pour produire des prévisions basées sur des faits qui vont bien au-delà des capacités des tableurs et autres outils d’analyse traditionnels.

• La répétabilité

Comme toute machine, les processus d’IA/ML sont répétables et ne sont pas soumis à l’oubli humain ou aux biais. Cela élimine la plupart des erreurs manuelles et des préférences subconscientes, améliorant ainsi la fiabilité des résultats.

• La rapidité

L’IA/ML fonctionne à la vitesse de la lumière, 24 heures sur 24. Elle ne se fatigue pas et ne prend jamais de pause. Les algorithmes peuvent analyser d’énormes quantités de données, déterminer quel modèle produit les meilleurs résultats, et exécuter plusieurs scénarios en temps quasi réel. Grâce aux insights fournis, les risques sont réduits et les entreprises peuvent s’adapter à toute nouvelle évolution du marché très rapidement.

 

 

Domaines où l’intelligence humaine excelle :

• l’intuition

Les humains sont intuitifs et excellents pour interpréter des éléments non numériques, tels que le langage corporel et le fait de « lire entre les lignes ». Il arrive que les données pertinentes pour un algorithme IA/ML ne soient tout simplement pas disponibles. Par exemple, si le gouvernement modifie soudainement les règles commerciales ou si un événement imprévisible tel qu’une pandémie survient. Ces événements pourraient modifier les performances commerciales d’une manière qui n’est pas prévisible à partir des données historiques.

• La définition des besoins en données

L’IA nécessite des données, mais ses algorithmes ne savent pas forcément quelles données existent et si elles sont fiables ou pertinentes. Un humain est nécessaire pour définir quelles données collecter, où les obtenir, comment en garantir l’exactitude, et comment les comptabiliser. L’IA peut aider le processus, mais elle a besoin de l’orientation et du jugement d’un humain.

• L’orientation des analyses IA

L’IA/ML dispose de nombreux algorithmes, mais chacun peut produire des résultats différents pour un même ensemble de données. Par conséquent, un humain est nécessaire pour définir le point de départ des ensembles de données à inclure, savoir quels résultats ont du sens et identifier ceux qui sont purement fortuits. Il existe de nombreux exemples de prédictions et de connexions basées sur l’IA qui se sont avérées spectaculairement erronées. Le système repose effectivement sur l’intervention d’humains qui s’assurent que les résultats aient un sens.

• La prise de décisions stratégiques

Toutes les décisions n’ont pas de résultats mesurables, et en particulier lorsque l’objectif d’une entreprise est philanthropique. Entre l’accomplissement d’objectifs à court ou à long terme et la disponibilité des ressources, il peut y avoir des priorités conflictuelles. Dans ces circonstances, un Homme est nécessaire pour identifier et déterminer les insights prioritaires.

 

L’IA et l’intelligence humaine combinée : un atout de taille

Dans un monde en rapide mutation empli d’événements imprévisibles, les données historiques peuvent ne pas prédire l’avenir de manière fiable. L’International FP&A Board préconise de prendre des décisions appuyées sur les données plutôt que purement basées sur les données. Si les professionnels de la FP&A peuvent combiner les données avec l’intuition, la perspicacité commerciale et la vision d’ensemble, ils fourniront des insights plus significatifs.

Comme nous l’avons mentionné ci-dessus, la FP&A doit acquérir des compétences supplémentaires pour tirer parti de l’IA. Cela inclut le rôle de Data Scientist FP&A qui sait utiliser et diriger les algorithmes IA pour interpréter leurs résultats. Il ne faut pas oublier que l’IA peut se tromper. Les Hommes sont nécessaires pour vérifier que les prédictions aient du sens. Un deuxième rôle crucial dans la FP&A est celui du storyteller, qui sait clairement expliquer la signification des résultats et des décisions à prendre.

 

• Data Scientist FP&A :

Les Data Scientists FP&A sont responsables de la sélection et de l’ajustement des modèles IA, de la vérification des données d’entrée, et de l’’interprétation des résultats. Ils orientent les algorithmes IA/ML pour fournir des insights significatifs et précis.

• Storyteller FP&A :

Les Storytellers FP&A jouent un rôle clé : ils traduisent les résultats techniques en récits convaincants. Ils comblent le fossé entre les données et les décideurs en présentant des insights stratégiques de façon claire et intelligible.

• Product Manager et rolling forecasts issus de l’IA

TriLink Biotechnologies, un innovateur biotechnologique basé aux États-Unis, a amélioré les prévisions de ses chefs de produits en mettant en œuvre des rolling forecasts alimentés par le machine learning. En utilisant le ML en conjonction avec des modèles basés sur des indicateurs à travers la plateforme d’intelligence de planification de Board, les chefs de produits ont pu se fier à des prévisions automatisées au lieu de tableurs manuels. Cela leur a permis de se concentrer sur l’analyse stratégique plutôt que sur le traitement des données, conduisant à une amélioration de la qualité des données et à une réduction des tâches manuelles. La plateforme unifiée a fourni une source unique de vérité à travers les départements des opérations, de la finance et des ventes, ce qui a permis une prévision plus précise et une prise de décision stratégique améliorée.

 

• Défis :
• Problèmes de qualité des données : les données doivent être précises et cohérentes.
• Surdépendance aux modèles IA : il ne faut pas avoir une confiance aveugle dans les résultats issus de l’IA.
• Barrières de communication : il existe un fossé entre les connaissances des data scientists et celles des décideurs.

 

• Solutions :
• Pour gérer la qualité des données : mettre en place un cadre de gouvernance des données pour garantir la précision et la cohérence des données.
• Pour équilibrer la prise de décision: utiliser l’IA pour informer plutôt que dicter les décisions et introduire le jugement humain pour les décisions stratégiques.
• Pour faciliter la collaboration : combler le fossé de communication entre les data scientists et les décideurs grâce à des ateliers interfonctionnels.

Conclusion

En résumé, l’IA améliore la FP&A, en lui permettant de devenir un réel partenaire commercial. Elle permet une meilleure connaissance des principaux moteurs de l’entreprise et active de nouveaux échanges et insights absents auparavant. Néanmoins, l’IA n’est pas maître ; elle doit rester une aide. Bien qu’elle permette de découvrir des tendances sous-jacentes, ses résultats et actions suggérées sont améliorés et rationalisés par le jugement humain.

 

Points-clés

• L’IA/ML fournit des analyses granulaires, cohérentes en un temps record.
• L’intelligence humaine apporte l’intuition, la direction stratégique et la répartition des données.
• Combiner l’IA et l’expertise humaine permet de prendre des décisions éclairées par les données et de réaliser un storytelling efficace

 

Recommandations

• Identifier les principaux moteurs de l’entreprise

Les équipes FP&A doivent commencer par identifier les indicateurs clés où l’IA peut ajouter de la valeur.

• Investir dans la culture des données et les compétences en storytelling

Renforcer la culture des données et les compétences en storytelling au sein de l’équipe FP&A permet de débloquer tout le potentiel de l’IA.

• Implémenter des outils collaboratifs

Utiliser des outils collaboratifs pour encourager le travail d’équipe entre les data scientists, les storytellers, et les décideurs.

• Adopter des plateformes de planification intelligente

Recourir aux plateformes offrant des capacités de planification intelligente pour unifier les données et améliorer la précision des prévisions.