L'IA dans la finance, une réalité pour Criteo

Dans leurs locaux du 9^e arrondissement de Paris, les équipes finances et data scientists de Criteo, société spécialisée dans le ciblage publicitaire sur internet, ne sont jamais très loin. Depuis plusieurs années, elles travaillent même en étroite collaboration. Pour mieux gérer la croissance du groupe, la direction financière utilise au quotidien un algorithme de prédiction du chiffre d'affaires, développé par les data scientists. « Nous utilisons l'intelligence artificielle comme une donnée de référence de prévisions de nos ventes pour fiabiliser la prédiction du chiffre d'affaires et supprimer les biais humains. Si par exemple un commercial a sous-estimé les ventes le trimestre précédent, il va avoir tendance à être plus pessimiste les mois suivants. L'algorithme nous permet d'avoir un point de vue objectif et scientifique, de gommer ces perceptions, un trop plein d'ambition ou un excès de prudence», explique Pauline Caillard, responsable du planning financier et analyse de la performance chez Criteo.

L'outil est objectif par essence

L'algorithme analyse la réalité et fournit des prévisions et des tendances de chiffre d'affaires sur un trimestre en fonction des événements passés. « L'outil est auto-apprenant. Il analyse des dizaines de milliards de données pour expliquer la croissance d'un pays, d'un client et va prédire le chiffre d'affaires et les ventes les plus probables le trimestre suivant », rapporte Jérôme Caubert, directeur, analyste produit au sein de Criteo. Un outil dont l'intérêt n'est presque plus à démontrer pour la direction financière. Il permet de factualiser et apporte une certaine sérénité dans les discussions budgétaires entre les parties prenantes. « L'algorithme a en moyenne 2% d'erreurs. C'est faible au global, estime Pauline Caillard. Ca l'est moins quand on regarde de manière très fine et granulaire car l'outil ne peut pas prévoir le détail ».

La valeur ajoutée de l'humain

Si l'IA est capable de prédire une période de promotions en Corée ou en Chine, elle ne peut en revanche pas anticiper une panne internet mondiale ou une crise sanitaire. « En 2020, nous avons mis de côté l'outil car les données n'étaient pas fiables. Nous avons beaucoup regardé ce qui se faisait sur le marché pour deviner la courbe qu'allait prendre la Covid. Quand on a commencé à comprendre que la crise serait bien plus longue, nous sommes partis sur une approche par client et par secteur d'activité pour comprendre comment le chiffre d'affaires se ventilait », explique Jérôme Caubert. D'où l'intérêt de prendre du recul sur les informations délivrées et les données à prendre en compte. « L'IA ne peut pas remplacer l'humain. Ce qui apporte de la valeur, c'est le travail du financier », commente Pauline Caillard. En comparant les statistiques du machine learning aux prévisions de vente des équipes commerciales et à la croissance du marché pour voir ce qui leur semble réaliste, les équipes financières et le Daf contribuent ainsi aux activités les plus valorisantes de l'entreprise comme le pilotage de l'amélioration de processus. « Ce pilotage agile offre un terrain de jeu varié et riche. Nous, financiers, on se sent privilégié de coacher des non financiers et d'accéder à ces conversations de très haut niveau avec les ingénieurs », se satisfait Pauline Caillard.