Au-delà du budget annuel : les rolling forecasts à l’ère de l’IA
Combien d’entre nous ont déjà passé du temps à élaborer un budget pour constater, à peine celui-ci approuvé, que tous les chiffres avaient changé et qu’il fallait déjà refaire les prévisions ? La budgétisation ne se résume pas aux chiffres : elle repose tout autant sur le processus de planification. Pourtant, si le budget n’est jamais ajusté et devient irréaliste peu après sa création, la situation peut rapidement devenir démotivante pour toutes les personnes impliquées.
La réalité, c’est que nous avons besoin de chiffres et d’objectifs qui reflètent le réel. C’est précisément pour cette raison que les rolling forecasts sont un moyen efficace de maintenir les plans alignés sur l’évolution des conditions économiques et de dépasser les limites d’un budget annuel statique.
« Le budget est passé du statut d’outil de management à celui d’obstacle au management. »
Frank Carlucci, ancien secrétaire à la Défense des États-Unis
Alors que les rolling forecasts prennent une importance croissante, nous commencerons dans cet article par définir ce qu’est un rolling forecast, avant d’aborder trois domaines clés sur lesquels se concentrer pour mettre en place avec succès un processus de rolling forecast dans votre entreprise :
- La cadence
- Les drivers
- La responsabilisation
Dans chacun de ces domaines, l’IA agit comme un amplificateur et, lorsqu’elle est utilisée correctement, elle peut aider les équipes Finance à détecter les changements plus tôt, à identifier les principaux drivers de l’activité et à améliorer la qualité des prévisions. Toutefois, l’IA donne le meilleur d’elle-même lorsqu’elle s’appuie sur des processus solides et sur des professionnels de la Finance capables d’apporter contexte et jugement.
Que sont les rolling forecasts ?
Avant d’aller plus loin, commençons par une définition simple des rolling forecasts, afin de poser des bases communes :
Dans le cadre de cet article, un rolling forecast est une prévision actualisée en continu qui dépasse la période en cours, généralement l’exercice financier que l’on prévoit, et prolonge cet horizon à chaque nouvelle prévision.
Le rolling forecast le plus simple et le plus courant consiste à prévoir les 12 mois suivant le dernier mois réel disponible. Par exemple, si nous venons de clôturer le premier mois de notre budget, la nouvelle prévision correspondra à une actualisation des 11 mois restants du budget, à laquelle s’ajoutera 1 mois du prochain exercice. Ce processus se poursuit jusqu’à ce qu’il ne reste plus qu’1 mois de l’exercice en cours à prévoir et que 11 mois du nouvel exercice soient déjà intégrés.
L’un des principaux avantages de cette approche est qu’elle nous oblige à regarder au-delà de l’année en cours et à préparer progressivement l’année suivante. C’est un point important, car il arrive que l’on confonde une simple révision prévisionnelle avec un rolling forecast. Si vous vous contentez de réviser l’année en cours sans prévoir au-delà, vous ne construisez pas un rolling forecast.
En théorie, un rolling forecast simplifie considérablement le budget de l’année suivante, puisqu’à chaque cycle de prévision vous avez déjà commencé à réfléchir de plus en plus précisément à cette prochaine année. Il faut également garder à l’esprit qu’un rolling forecast peut couvrir plus ou moins de 12 mois selon les besoins de votre activité, et que la fréquence des prévisions peut elle aussi être adaptée.
Dans cet article, j’utilise des exemples sur 12 mois et 1 mois, car il s’agit de périodes courantes. Toutefois, lorsque nous aborderons la cadence et les prévisions déclenchées par des événements, nous verrons que l’un des principes clés des rolling forecasts est la flexibilité : les prévisions doivent être produites lorsque l’entreprise en a besoin, et non uniquement selon un calendrier prédéfini.
1. Cadence : prévoir lorsque l’entreprise en a besoin
« L’objectif de la prévision n’est pas de prédire l’avenir, mais de vous dire ce que vous devez savoir pour agir utilement dans le présent. »
Paul Saffo, futuriste
Historiquement, de nombreuses entreprises révisaient leurs prévisions dès que le calendrier l’exigeait. Par exemple, une nouvelle prévision était réalisée une fois par trimestre ou tous les mois, indépendamment de la précision de la prévision existante ou du besoin réel de nouveaux chiffres. C’est ce que l’on appelle une prévision pilotée par le calendrier et, dans l’environnement actuel, cette approche n’est plus suffisante. Disposer d’une cadence régulière constitue un point de départ, mais il faut ensuite évoluer vers une prévision déclenchée par les événements.
En réalité, lorsque l’incertitude augmente, les cycles de prévision doivent s’adapter aux conditions de l’entreprise plutôt qu’à des échéances fixes. L’exemple le plus parlant est celui de la COVID, période durant laquelle de nouvelles prévisions étaient produites chaque semaine et, dans certains cas, tous les deux ou trois jours. Dans l’environnement actuel, il est essentiel de mettre en place des processus robustes permettant de prévoir lorsque les événements l’exigent. Cela suppose soit l’utilisation d’un outil de planification, soit une discipline extrême de la part de l’entreprise et de la fonction Finance si le processus repose sur Excel.
Le principe de la prévision déclenchée par les événements consiste à répondre aux besoins de l’entreprise. Si vous établissez normalement une prévision tous les mois, mais que rien n’a changé de manière significative, vous pouvez sauter ce mois-là et ne pas produire de nouvelle prévision. Si d’autres priorités plus importantes que la prévision apparaissent, concentrez-vous d’abord sur celles-ci. Par exemple, il m’est arrivé d’avoir des mois où la préparation des prévisions entrait en conflit avec le paiement de l’équipe Sales ; j’ai toujours choisi de payer l’équipe Sales, car cela était plus important qu’une échéance prévisionnelle arbitraire.
En revanche, si l’entreprise a besoin d’une nouvelle prévision en milieu de mois en raison de changements sous-jacents, vous devez être prêt à la produire. Les événements déclencheurs peuvent être externes, comme une hausse des prix des matières premières ou une initiative d’un concurrent, ou internes, comme le lancement d’un nouveau projet ou la perte d’un client majeur. Une bonne règle consiste à être prêt à refaire les prévisions lorsqu’un événement modifie de manière significative les perspectives de l’entreprise. Le seuil de matérialité varie selon les entreprises, mais un écart supérieur à 5 % constitue souvent un bon point de départ.
Le principe fondamental d’une prévision fondée sur la cadence est de répondre aux besoins de l’entreprise, plutôt que de laisser un calendrier arbitraire décider du moment où il faut revoir les prévisions. Lorsque vous déterminez à quel moment il est pertinent de refaire une prévision, n’oubliez pas que tout commence par l’écoute des dirigeants de l’entreprise, mais ne s’arrête pas là.
Mettre en place des alertes grâce à l’IA et à la technologie pour vous signaler lorsque des changements significatifs se produisent peut s’avérer très utile. Parfois, attendre que l’entreprise signale le changement revient à réagir trop tard.
Par exemple, les outils d’IA modernes peuvent surveiller en continu des sources de données internes et externes, identifier les tendances émergentes, détecter les anomalies et mettre en évidence les hypothèses de prévision qui ne sont peut-être plus valables. Les équipes Finance peuvent ainsi passer d’une logique de reforecasting réactif à une prise de décision proactive. À mesure que vous évoluez vers une prévision déclenchée par les événements, il devient plus important que jamais de disposer d’un processus de prévision efficace, centré sur les principaux drivers de l’entreprise.
2. Drivers : se concentrer sur ce qui fait réellement évoluer l’activité
Il existe de nombreuses méthodes pour établir les prévisions d’une entreprise, mais toutes les bonnes prévisions ont un point commun : elles reposent sur une compréhension des drivers opérationnels qui font avancer l’activité. Construire une prévision centrée sur des lignes comptables et de simples moyennes rend presque impossible une collaboration étroite avec les équipes opérationnelles pour atteindre les objectifs fixés. Pour y parvenir, il faut traduire la prévision et les principaux drivers opérationnels en indicateurs de performance pouvant être suivis et reportés.
Pour qu’une prévision driver-based fonctionne, trois éléments sont essentiels :
- Relier chaque driver aux opérations de l’entreprise
- Sélectionner des drivers que l’entreprise peut facilement influencer et suivre
- Se concentrer uniquement sur les principaux drivers, généralement 3 à 5, qui font réellement évoluer l’activité
Prenons un exemple simple avec deux prévisions conçues pour atteindre le même objectif de chiffre d’affaires, mais selon des approches très différentes. Dans cet exemple, nous avons une entreprise e-commerce qui vend des équipements de plein air.
Dans ce premier graphique, nous voyons que l’entreprise a utilisé une hypothèse de croissance simple pour les unités vendues et une hypothèse d’inflation pour les prix. Le plan aboutit ainsi à un chiffre de 12,9 M$, mais il ne fournit pas les détails nécessaires pour responsabiliser les équipes. Nous ne savons pas quel volume de trafic web ou quel taux de conversion est nécessaire pour atteindre ces objectifs. Ce plan simple, construit sur des hypothèses de base, n’aide pas l’entreprise à comprendre comment elle compte y parvenir. Comparons cette prévision simple avec l’exemple ci-dessous, qui s’appuie sur les principaux drivers.
Dans cet exemple, nous commençons la prévision en examinant les indicateurs clés, notamment le trafic organique du site web et le taux de conversion de référence. Nous définissons ensuite nos principales hypothèses de planification, notamment l’inflation, la croissance du trafic web, l’amélioration du taux de conversion et la répartition du trafic par catégorie. Construire le plan autour de drivers clés permet de responsabiliser beaucoup plus facilement l’entreprise. Supposons par exemple qu’en février, l’objectif ne soit pas atteint. Nous pouvons examiner les hypothèses clés et constater que le taux de conversion n’a été que de 2,7 %, alors que nous avions prévu 2,9 %. Cela nous indique non seulement ce qui n’a pas été atteint, mais nous permet également d’engager des discussions avec l’entreprise pour comprendre la cause racine de l’écart et déterminer les actions à mener.
Lorsqu’il s’agit de déterminer quels doivent être les principaux drivers de nos modèles de prévision, nous pouvons utiliser l’IA pour mieux comprendre les drivers opérationnels clés de notre activité. Par exemple, si nous découvrons une nouvelle activité que nous devons accompagner, nous pouvons utiliser l’IA générative pour analyser le secteur et synthétiser les principaux drivers opérationnels des entreprises qui y évoluent. Nous pouvons également l’utiliser pour analyser les derniers rapports 10-K et 10-Q de nos concurrents, ainsi que des articles en ligne sur notre secteur. En complément de l’IA, il reste judicieux d’échanger avec les experts métier de l’entreprise et d’utiliser des outils tels que les arbres de création de valeur pour cartographier les principaux drivers opérationnels.
L’approche driver-based facilite considérablement la mise à jour des rolling forecasts, car il suffit de travailler avec les équipes métier pour actualiser les principales hypothèses qui alimentent la prévision, et non chaque ligne individuelle. Une prévision driver-based prépare également très bien le terrain pour notre prochain levier clé des rolling forecasts : la responsabilisation.
3. Responsabilisation : faire des prévisions une responsabilité partagée
« La responsabilisation est le lien qui transforme l’engagement en résultats. »
– Bob Proctor, auteur
Trop souvent, une fois le budget ou la prévision clôturé, la Finance entend en réunion une variante de la phrase suivante : « Ce n’est pas mon chiffre. Je n’ai aucune idée de la manière dont la Finance l’a calculé. » Le plus souvent, lorsqu’une telle situation se produit, c’est le signe que l’entreprise n’est pas réellement tenue responsable des chiffres prévisionnels auxquels elle s’est engagée.
Le problème relève rarement du contrôle ; il tient plus souvent à un manque de processus, de visibilité et de confiance. Si le FP&A veut aider l’entreprise à atteindre ses objectifs financiers, il doit créer une culture de responsabilisation partagée. Trop souvent, les responsables opérationnels considèrent le budget ou les prévisions comme les chiffres de la Finance, et non comme un objectif commun que chacun contribue à atteindre.
Lors de l’élaboration du budget, les équipes FP&A doivent collaborer étroitement avec les métiers afin de s’accorder sur les principaux drivers des grandes lignes de chiffre d’affaires et des départements. Par exemple, pour une équipe de mise en œuvre, le principal driver opérationnel peut être le temps nécessaire pour finaliser l’installation d’un nouveau logiciel. Dans ce cas, veillez à travailler en étroite collaboration avec l’équipe de mise en œuvre et à vous aligner sur le temps d’installation estimé, les variables clés susceptibles d’influencer ce délai cible, ainsi que les principaux risques et opportunités.
Une manière simple d’améliorer la responsabilisation consiste à désigner un responsable pour chaque driver majeur de la prévision. Les Sales peuvent être responsables des taux de conversion, le Marketing du trafic web et les Operations de l’efficacité d’exécution. Lorsque les responsabilités sont claires, les discussions ne se limitent plus à expliquer les écarts : elles portent sur l’amélioration de la performance.
Lorsque vous cherchez à instaurer un environnement de responsabilisation partagée, veillez, en tant que professionnel de la Finance, à adopter une posture collaborative et de soutien vis-à-vis de vos partenaires métier. L’un des moyens les plus rapides de détruire la confiance et la responsabilisation est de voir chaque sujet à travers le prisme « Finance contre métier », plutôt que « Finance et métier ». Par exemple, lorsqu’un objectif n’est pas atteint, ne dites jamais « vous avez manqué votre objectif » ; dites « nous avons manqué notre objectif ». Cela montre que vous faites partie de l’équipe et que vous partagez la responsabilité.
Conclusion : construire un processus de prévision prêt pour l’avenir
Dans le monde actuel, le FP&A doit construire un processus de prévision centré sur les besoins de l’entreprise. Cela implique de pouvoir refaire les prévisions lorsque l’entreprise a besoin d’une nouvelle vision, et non lorsque le calendrier indique qu’il est temps de le faire.
Cette nouvelle prévision doit être construite autour des drivers opérationnels de l’entreprise et de ce qui les influence. La responsabilité de ces drivers clés doit rester du côté des métiers. La Finance est responsable de s’assurer que la prévision est réaliste et de travailler avec l’entreprise pour lever les obstacles à l’atteinte des objectifs financiers, mais l’entreprise est responsable de veiller à ce que les drivers utilisés dans la prévision soient des leviers qu’elle peut influencer et maîtriser.
La technologie, y compris l’IA, peut améliorer la rapidité, la précision et la visibilité des prévisions, mais elle ne remplace pas les fondamentaux d’une planification solide et d’un partenariat efficace avec les métiers. Les meilleures équipes FP&A considèrent la technologie comme un facilitateur qui les aide à mieux soutenir l’entreprise, tout en maintenant l’humain au cœur du processus. L’IA agit comme un amplificateur tout au long du processus. Elle peut vous alerter lorsqu’un changement significatif se produit, produire une première analyse de vos écarts et rendre les chiffres visibles pour l’entreprise. Mais il faut un professionnel FP&A expérimenté pour décider quoi faire de ces informations. N’oublions pas que notre objectif est de permettre à l’entreprise d’atteindre ses objectifs, et pas seulement de reporter le compte de résultat.
Si vous souhaitez découvrir comment Jedox accompagne les rolling forecasts à l’ère de l’IA, vous pouvez planifier votre démo ici.
Quelle est la différence entre un rolling forecast traditionnel et un rolling forecast optimisé par l’IA ?
Les rolling forecasts traditionnels reposent largement sur des mises à jour manuelles et sur le jugement des analystes. Les rolling forecasts soutenus par l’IA peuvent utiliser le machine learning et l’analyse prédictive pour automatiser les prévisions, mettre au jour des drivers cachés et améliorer en continu la précision prévisionnelle.
Quelles données sont nécessaires pour les rolling forecasts pilotés par l’IA ?
Les rolling forecasts pilotés par l’IA donnent les meilleurs résultats lorsqu’ils ont accès à des données financières historiques, des indicateurs opérationnels, des signaux de marché et des drivers externes de l’activité. La qualité et l’exhaustivité des données ont un impact significatif sur la performance des prévisions.
L’IA peut-elle aider à automatiser les rolling forecasts ?
Oui, l’IA peut contribuer à automatiser de nombreux aspects du processus de rolling forecast, notamment la collecte des données, l’analyse des drivers, la détection des anomalies, la génération de prévisions et la modélisation de scénarios. Les équipes Finance conservent toutefois un rôle essentiel dans la validation des hypothèses et la prise de décisions stratégiques.
