L’intelligence artificielle fait aujourd’hui partie du vocabulaire courant des directions financières. Mais entre les promesses marketing et la réalité des déploiements, le fossé reste souvent large. Chez CashOnTime, nous avons fait le choix d’une approche rigoureuse, fondée sur des principes de gouvernance clairs et une équipe IA entièrement internalisée. Voici comment nous concevons concrètement l’IA au service du poste clients.
L’IA : une technologie bien plus ancienne que ChatGPT
Avant d’entrer dans le vif du sujet, un rappel s’impose. L’intelligence artificielle n’est pas née en 2022 avec l’émergence de ChatGPT dans le débat public. Ses fondements théoriques remontent au moins aux travaux d’Alan Turing au lendemain de la Seconde Guerre mondiale et certains, préfèrent remonter encore plus loin, jusqu’à Ada Lovelace, mathématicienne du XIXe siècle considérée comme la première programmeuse de l’histoire, qui avait déjà formalisé sur le papier le principe de raisonnement algorithmique.
Pourquoi ce rappel ? Parce qu’il conditionne la manière dont on aborde le sujet. L’IA n’est pas une rupture soudaine qu’il faudrait apprivoiser dans l’urgence. C’est une évolution longue, profonde, qui mérite une intégration réfléchie surtout quand elle touche des données financières sensibles.
La gouvernance des données : le vrai sujet derrière l’IA
Avant de parler de fonctionnalités, il faut parler de gouvernance. C’est la question que trop d’organisations posent en dernier alors qu’elle devrait être la première. Notre CPTO & RSSI le formule sans détour : son rôle de responsable de la sécurité des systèmes d’information fait de lui, par construction, « un grand parano de la data ». Et c’est précisément ce prisme qui a guidé chaque choix de conception de notre approche IA.
Le cadre réglementaire : RGPD, AI Act et obligation de justification
Depuis 2018, le RGPD impose aux entreprises de rendre compte de leur traitement des données à caractère personnel. La France, pourtant précurseur avec l’Allemagne sur ces enjeux, fut l’un des derniers pays européens à l’appliquer, un paradoxe qui illustre bien la difficulté de faire atterrir ces textes dans la réalité opérationnelle.
L’AI Act européen s’inscrit dans la même philosophie réglementaire. Il n’est pas encore transposé en droit national, mais sa logique est déjà claire : ce règlement ne dicte pas la manière dont les systèmes d’IA doivent être construits, mais exige des éditeurs qu’ils soient en mesure d’exposer et de justifier leurs choix de conception. En d’autres termes : pouvoir répondre précisément à la question « pourquoi avez-vous fait ça ainsi, et qui en est responsable ? »
Chez CashOnTime, nous anticipons cette exigence depuis notre création. Chaque décision de design autour de l’IA est documentée, tracée, et s’inscrit dans une logique que nous pouvons défendre devant nos clients comme devant un régulateur.
Premier principe : zéro mutualisation des données entre clients
C’est un choix structurant que nous avons imposé dès l’origine : CashOnTime ne pratique pas le multi-tenant au niveau des bases de données. Concrètement, cela signifie que les données de chaque client sont isolées dans un environnement qui lui est propre, elles ne sont jamais mélangées avec celles d’un autre client, ni pour des raisons d’optimisation, ni pour des raisons de performance.
Ce choix a un coût : il est plus contraignant à maintenir, et moins économe en infrastructure. Mais il offre trois avantages décisifs :
- Sécurité : une compromission chez un client ne peut pas affecter les données d’un autre.
- Droit des clients : chaque client reste pleinement souverain sur ses données.
- Certification : ce cloisonnement facilite l’obtention de certifications de sécurité exigeantes.
Ce principe a été étendu naturellement à notre architecture IA : les données de vos débiteurs n’alimentent jamais un modèle partagé avec d’autres entreprises clientes.
Deuxième principe : des modèles 100 % internalisés, hébergés sur notre infrastructure
C’est le deuxième pilier de notre gouvernance, et sans doute le plus structurant. Nous avons fait le choix d’investir en interne sur l’IA, en constituant une équipe dédiée de trois personnes : deux data scientists et un développeur. L’ensemble de nos modèles est conçu, entraîné et maintenu par cette équipe.
Conséquence directe : nous n’utilisons aucun modèle tiers public, pas de GPT, pas de modèle hébergé sur des serveurs soumis à d’autres juridictions, pour traiter les données de nos clients. Nos modèles reposent sur des bases libres de droits que nous hébergeons et faisons tourner sur notre propre infrastructure.
C’est une décision qui nous demande davantage d’investissement qu’une approche reposant sur des API tierces. Mais elle garantit que vos données financières et celles de vos débiteurs ne transitent jamais par un système sur lequel nous n’aurions pas un contrôle total.
Troisième principe : transparence vis-à-vis de l’utilisateur final
Chaque action réalisée par l’IA dans notre plateforme est explicitement identifiée comme telle. L’utilisateur sait à tout moment qu’il fait face à une proposition générée automatiquement. Ce n’est pas qu’une question d’ergonomie : c’est une exigence éthique et réglementaire. L’humain reste décisionnaire, l’IA propose, l’utilisateur valide.
Cette philosophie se matérialise notamment dans notre système de score de confiance associé aux propositions de lettrage automatique : le niveau de fiabilité est affiché, et c’est l’utilisateur, ou son paramétrage explicite, qui détermine le seuil à partir duquel une action peut être automatisée sans validation manuelle.
L’Intelligence Artificielle dans CashOnTime
Prévisions d’encaissement affinées
Les prévisions d’encaissement existent depuis longtemps dans notre plateforme, calculées mathématiquement. L’IA nous permet désormais d’affiner considérablement ces projections : là où nous étions capables de prévoir les encaissements à horizon d’un mois, nous visons aujourd’hui une fenêtre de quinze jours, voire une semaine. L’objectif est de fournir aux équipes financières une visibilité cash plus granulaire, pour une meilleure gestion du BFR.
Lettrage comptable avec scoring de confiance
C’est l’une des fonctionnalités les plus structurantes. Lorsque vos grands donneurs d’ordres vous transmettent des fichiers d’annonce de règlement, sous des formats variés, ou lorsque des avis de paiement arrivent par email, notre IA analyse ces données et propose un lettrage automatique des lignes de factures concernées.
Chaque proposition est accompagnée d’un score de confiance. Ce score permet à l’utilisateur d’évaluer la fiabilité de la suggestion et, si le seuil est suffisamment élevé, d’autoriser un traitement entièrement automatisé. Dans tous les cas, l’interface identifie clairement les opérations traitées par l’IA, la transparence vis-à-vis de l’utilisateur est un principe non négociable dans notre design.
Découvrez les fonctionnalités de lettrage comptable automatique de CashOnTime.
Priorisation intelligente des tâches de relance
Notre IA analyse le plan de charge des utilisateurs et propose une priorisation des actions de relance en fonction de critères multiples : probabilité d’encaissement, comportement historique du débiteur, urgence des échéances. L’objectif est simple : concentrer l’énergie des équipes poste clients là où elle a le plus d’impact.
Les développements IA en cours sur CashOnTime
Assistant contextuel et chatbot métier
Nous travaillons à transformer notre aide en ligne en un assistant conversationnel capable de comprendre des requêtes en langage naturel. L’utilisateur pourra décrire son besoin ou son problème ; l’assistant l’orientera vers la bonne fonctionnalité ou l’aidera au paramétrage, en respectant toujours le principe que c’est l’humain qui décide.
Analyse des sentiments sur les échanges clients
En cours d’expérimentation, cette fonctionnalité permettra d’analyser le ton des emails reçus de vos débiteurs. Un interlocuteur qui répond habituellement de façon neutre et qui, soudainement, formule une réponse marquée par la tension ou le stress : l’IA le détecte et génère un signal d’alerte. Ce type d’indicateur permet d’adapter la stratégie de relance en temps réel.
Stratégies de recouvrement adaptatives
Aujourd’hui, une stratégie de relance est définie statiquement : appel, puis email, puis courrier, etc. Demain, nos algorithmes analyseront l’historique de chaque débiteur pour suggérer dynamiquement les étapes les plus efficaces ou recommander de sauter celles qui n’ont jamais porté leurs fruits avec ce profil spécifique.
L’IA comme accompagnant, pas comme substitut
Nous voulons être clairs sur ce point : l’IA ne remplacera pas les équipes poste clients. Elle en est, et en sera, le meilleur outil d’amplification. Comme toute révolution industrielle, elle transforme les métiers, fait évoluer certaines compétences et en rend d’autres obsolètes. Mais les tâches qui nécessitent jugement, relation et décision contextuelle restent, et resteront, humaines.
Notre philosophie de développement en témoigne : chaque fonctionnalité IA que nous déployons est pensée pour libérer du temps sur les tâches à faible valeur ajoutée et permettre aux équipes de se concentrer sur les dossiers complexes qui nécessitent une vraie expertise métier.
Le bon réflexe face à tout éditeur qui dit « nous faisons de l’IA »
Une dernière recommandation, valable bien au-delà de CashOnTime : à chaque fois qu’un éditeur vous présente une solution intégrant de l’IA, posez ces questions systématiquement :
- Comment les données sont-elles conservées ? Sont-elles isolées par client ou mutualisées ?
- À qui sont-elles partagées ? Les modèles utilisés sont-ils hébergés en interne ou externalisés ?
- Les modèles sont-ils ouverts ou fermés ? Vos données alimentent-elles un modèle partagé avec d’autres entreprises ?
Ces questions ne sont pas anecdotiques. Elles conditionneront demain votre conformité à l’AI Act et elles protègent dès aujourd’hui vos données financières et celles de vos débiteurs.
Vous souhaitez en savoir plus sur notre solution d’automatisation du poste clients CashOnTime ? Échangez avec un de nos experts qui vous accompagnera dans vos réflexions.
