Comment se positionnent les DAF face aux enjeux de maturité digitale ? C’est le thème d’une étude publiée début mai par le réseau d’audit conseil RSM avec la DFCG (Association Nationale des Directeurs Financiers et du Contrôle de Gestion). La digitalisation apparait encore peu priorisée, et en particulier l’intérêt des démarches pour automatiser certaines tâches dans l’entreprise. Y compris au niveau de la finance elle-même.

Quel rôle pour la direction financière dans la transformation numérique des entreprises ?

Dans les PME et les ETI, seulement 8 % des répondants de l’étude ont déclaré avoir en 2021 un projet de digitalisation du processus de trésorerie et 7 % du processus budgétaire. 59 % des répondants gèrent leur trésorerie manuellement et 50 % leur budget avec Excel.

Quid de l’utilisation de solution d’Intelligence artificielle (IA) ou de robotisation (RPA pour robotic process automation) pour automatiser des tâches répétitives ? A ce jour seuls 2% des projets déclarés par les répondants ETI-PME touchent à l’IA ou au RPA. La maturité digitale des ETI et PME aurait ainsi trois ans de retard sur celle des grands groupes qui ont depuis adopté ces technologies.

Trois profils de maturité digitale des DAF

L’étude fait ressortir majoritairement deux profils, le DAF « producteur » (47%), attaché à produire la donnée financière et moins à l’analyser et la valoriser, et le DAF architecte (45%), qui structure la donnée collectée et l’exploite avec des outils de Business Intelligence. Le profil de DAF « scientist », qui pilote par la data, ne représenterait que 8% des répondants.

L’objectif de la digitalisation serait donc encore très peu intégrée. A savoir automatiser pour limiter les saisies manuelles. Ces entreprises devront pourtant s’adapter notamment face aux évolutions réglementaires avec la dématérialisation des factures. Enfin, le recours à la BI est aussi un atout pour bénéficier de données de qualité et conformes. Les DAF « scientists » ont déjà digitalisé 9 processus sur 11, et ont démocratisé l’accès à la BI. L’IA et le RPA lui permettent de se concentrer sur l’analyse plutôt que sur la vérification de la fiabilité des données.