Qu’a changé la crise Covid ?

La crise Covid a bousculé les habitudes des entreprises en termes de forecasting. Il est arrivé, pour certaines, de réviser leurs forecasts chaque semaine pour estimer leur chiffre d’affaires et revoir leur position de trésorerie. Dans le contexte de sortie de crise, mais avec prolongation des incertitudes, nombre d’entreprises ont recherché un point d’équilibre et ont pérennisé de nouvelles pratiques.

Quelles sont les nouvelles tendances ou pratiques les plus répandues ?

La plupart des entreprises sont passées à une fréquence de forecasting supérieure.

Selon un sondage récent auprès de 500 professionnels de la fonction contrôle de gestion, le cycle prévisionnel était en 2019 majoritairement trimestriel. Aujourd’hui, il est devenu mensuel pour le plus grand nombre. De plus, au rythme régulier des forecasts inscrits dans les calendriers s’ajoutent davantage de demandes d’analyse ponctuelle ou de simulation de type « what-if scenario », pour essayer de considérer telle ou telle incertitude ou tel ou tel changement lié au contexte de marché, ou bien évaluer l’impact d’une décision. En somme, entre la contribution à la clôture, l’implication dans le dialogue de gestion et les travaux de forecast, l’agenda des contrôleurs de gestion se densifie, et tenir les délais devient un défi.

Comment le contrôle de gestion peut-il se redonner des marges de manœuvre ?

Plusieurs entreprises ont déjà réduit la durée de construction de leur prévisionnel. Et près des deux tiers y parviennent en moins de deux semaines. Toutefois, des marges de progression significatives subsistent sur les tâches de collecte des données, de préparation et de calcul, car le temps nécessaire à ces premières étapes indispensables représente plus de la moitié du total.

Pour gagner en efficacité, les entreprises s’appuient sur de nouveaux outils et technologies de modélisation ou d’intelligence artificielle. Ceux-ci permettent de raccourcir les délais tout en gagnant en fiabilité. Par ailleurs, au-delà de réduire le temps passé sur le processus prévisionnel, il s’agit aussi d’en réallouer à l’analyse et au dialogue de gestion.

Les données et les outils jouent-ils un rôle majeur ?

Effectivement, les données et les outils jouent un rôle clé. Il s’agit en premier lieu de sécuriser l’obtention de données de qualité. Il faut ensuite déterminer les paramètres-clés d’une simulation – à ce sujet, le machine learning peut aider à détecter des corrélations que l’entreprise n’a pas été en mesure de percevoir. C’est enfin une question de puissance de calcul afin de pouvoir croiser de nombreuses dimensions et simuler les scénarios. L’entreprise doit se doter de ces outils innovants et bien évaluer les solutions du marché pour produire des forecasts fiables dans des délais contraints.

Quels sont les critères différenciants dans le choix d’un outil ?

Au regard des retours d’expérience concrets, les principaux critères différenciants sont la capacité à intégrer des règles de calcul complexes et la facilité de prise en main de l’outil. En effet, plus il est ergonomique et plus nombreux seront les utilisateurs qui pourront le manipuler.

Enfin, il ne faut pas négliger l’ultime étape du reporting : un bon outil de modélisation et de simulation n’est pas nécessairement un bon outil de visualisation. Certaines entreprises articulent deux solutions.

Quelles sont les autres bonnes pratiques à prendre en compte ?

Les entreprises qui exploitent au mieux le potentiel des outils sont celles qui prennent le temps de remettre à plat leurs processus. Il serait en effet regrettable de rechercher simplement à réaliser plus vite la même séquence de tâches. Il est donc essentiel d’arriver à s’accorder sur le besoin de pilotage, et sur le niveau de granularité du processus. Les rituels de revue des forecasts doivent être adaptés aux enjeux business. Par exemple, passer davantage de temps dans l’analyse, la définition et le suivi des plans d’action avec les entités qui ont le plus d’enjeux.

Quelle est la valeur ajoutée d’Argon & Co ?

Forts de nos expériences et expertises fonctionnelles, nous accompagnons les directions financières dans leurs projets de revue du cadre de gestion et de refonte des processus et outils de gestion du prévisionnel et du reporting. Notre savoir-faire en data science est différenciant car nous aidons les CFO à innover pour produire des forecasts plus pertinents et fiables, de manière efficace.