Post on 16-Oct-2020
CO
MM
ISSI
ON
ETI
AFT
E L'intelligence artificielle au service de la prévision de trésorerie
Géraldine CONDE-AMAL ALTEO
Guillaume PESLIN ALTEN
Commission ETI 13 décembre 2018
CO
MM
ISSI
ON
ETI
AFT
EAgenda
1. Profils des sociétés
2. Méthodes prévisionnelles actuelles
3. Attentes et cibles
4. Expérimentation AFTE CASHFORCE
5. Résultats actuels
6. Prochaines étapes
CO
MM
ISSI
ON
ETI
AFT
EProfils des sociétés : ALTEN
Présence mondiale
55% CA hors France
140 filiales, 20 pays, 10 devises
Flux opérationnels
28000 salariés
1,8 GEUR / an ; 150 MEUR / mois (encaissements ≈ décaissements)
CO
MM
ISSI
ON
ETI
AFT
EProfils des sociétés : ALTEO
4
• Profil :• Entité « Amirale » : Alteo Gardanne • Filiales et structures de commercialisation sur les 4 continents • Plusieurs devises de prévisions (EUR, USD, JPY, CNY et KRW)• Flux : 25 MEUR / mois (encaissements ≈ décaissements)
CO
MM
ISSI
ON
ETI
AFT
EPrévisions : contexte ALTEN
Environnement complexe
nombreux progiciels non interconnectés, absence de progiciel, données peu orientées trésorerie
Culture cash
besoins de la Trésorerie à intégrer dans les processus, remontée d’informations
Horizon courts termes
Risque de change peu préoccupant
CO
MM
ISSI
ON
ETI
AFT
EPrévisions : contexte ALTEO
• Des prévisions de trésorerie pour : • Gestion des liquidités du Groupe (accompagner le développement d’Alteo et ses investissements stratégiques)• Gestion du risque de change ( Flux par devises)
•Typologie de prévisions :• Prévisions à 6 semaines glissantes (fréquence : hebdomadaire)• Prévisions à 12 mois (revues 2 fois par an)
• Contraintes :• Clients répartis dans plus de 80 pays;• Fournisseurs majoritairement basés en France;• Faible bak log des commandes;• Plusieurs devises de prévisions (EUR, USD, JPY, CNY et KRW)• Chiffre d’Affaire : env 80% à l’export• Gestion opérationnelle décentralisée des trésoreries dans les filiales
CO
MM
ISSI
ON
ETI
AFT
EPrévisions : méthode ALTEN
Récupération des données
Echanges de tableurs
Relevés bancaires intrajournaliers
Prévisions d’encaissements ERP
Prévisions de décaissements ERP
Historique
Consolidation TMS + tableur
CO
MM
ISSI
ON
ETI
AFT
EPrévisions : méthode ALTEO
• Sources d’informations :• ERP (SAP )• Contrôle de gestion et Achats• Filiales : fichier Excel à consolider (format unique –groupe)• Lois statistiques
• Outils : Excel• ERP dans les filiales non uniformisé• Consolidation de fichiers communs facilitée
• Ecueils
• Prévisions trimestrielles testées mais non fiables en raison des incertitudes sur les ventes
• Application des lois statistiques sur les ventes trop écartées de la réalité (comportement clients différents en fin de mois – trimestre ou année, etc…)
Conclusion : manque de fiabilité sur les prévisions des encaissements
CO
MM
ISSI
ON
ETI
AFT
EPOC : Attentes et cibles
Intégration de l’Intelligence Artificielle dans les prévisions de trésorerie :
- Fiabilisation des données des prévisions (date, montant, compte)
- Cohérence et finesse des lois statistiques identifiées
- Augmentation de la « personnalisation » des prévisions
- Rapidité accrue de la reprévision
CO
MM
ISSI
ON
ETI
AFT
EPOC AFTE CASHFORCE : attentes
• Montant projeté d'un ensemble de paiements (ALTEN)
=> Estimation des dates d’encaissements des factures clients
• Moment projeté d'un ensemble de paiements (ALTEO):
=> Affiner les lois statistiques des habitudes de règlement des clients (ex : corrélation entre la période de facturation et l’encaissement de la facture client, ou avec le montant de la facturation, ou encore avec la date prévue d’encaissement)
CO
MM
ISSI
ON
ETI
AFT
EPOC AFTE CASHFORCE : cibles
Evaluer la simplicité de mise en œuvre.
Etudier le niveau d’exploitabilité des données.
Confirmer les bénéfices de l’intelligence artificielle dans l’amélioration des prévisions de trésorerie quotidiennes à 1 mois.
Analyse des comportements clients et déterminations de modèles clients
CO
MM
ISSI
ON
ETI
AFT
EPOC AFTE CASHFORCE : principes
Days
Days
ActualsForecast
€
Day 0 Day 10
ActualsForecast€
Day 0 Day 10
2/1/2018
Days
n/n/2018 ActualsForecast€
Day 0 Day 10
La variance est tracée par
jour sur un graphique.
€
Day 0 Day 10
CO
MM
ISSI
ON
ETI
AFT
ERésultats : calculs
CO
MM
ISSI
ON
ETI
AFT
ERésultats : amélioration
CO
MM
ISSI
ON
ETI
AFT
ERésultats : amélioration
CO
MM
ISSI
ON
ETI
AFT
ERésultats : limitations
Expérimentation : module en cours de développement
Interfaçage : chargement des données « manuel » et unitairePlage de calcul : 2018-02-01 à 2018-03-23
Axes d’analyse : tous les codes budgétaires ne sont pas analysés
Détail par compte bancaire : prévisions globalisées sur un compte
Niveau de prévisions : hebdomadaires
CO
MM
ISSI
ON
ETI
AFT
EProchaines étapes
• Prévisions d’encaissements clients sur un mois et challenge des comportements de paiement
• Prévisions quotidiennes et comparatif avec le réalisé
• Détail par compte bancaire
• Pas de rechargement de données en automatique
CO
MM
ISSI
ON
ETI
AFT
EPlanning
2018-12-10 ➔ 2019-02-02
Paramétrage / Analyse de données
2018-02-04 ➔ 2019-03-04
Amélioration du programme d’AI
2019-03-04 ➔ 2019-03-29
Test et conclusions finales
CO
MM
ISSI
ON
ETI
AFT
EMerci pour votre attention