Le sujet le plus vital, et le plus mal outillé
Pourquoi la trésorerie et pas autre chose ? Parce que pour un patron de PME, c'est, dit-il, « littéralement ce qui détermine si tu peux payer tes salariés à la fin du mois ». Et pourtant, quand François et son associé Geoffrey Laird creusent le sujet, ils tombent sur des DAF qui pilotent ça sur Excel, à coups de copier-coller depuis le site de leur banque.
Les grands groupes ont des outils dédiés depuis vingt ans. En dessous d'une certaine taille, il n'y avait rien. Pas question pour autant de sortir un outil de plus sur la compta ou la facturation, des marchés déjà saturés. La tréso touche à tout, les banques, la compta, les prévisions, les paiements. C'est la bonne porte d'entrée pour devenir le cockpit financier d'une PME.
En juin, Fygr est devenue Okimia. Le déclic est venu des clients. Une fois qu'un dirigeant voit enfin clair dans son cash, il pose toujours la même question, « OK, et maintenant je fais quoi avec ? ».
« On avait créé le cockpit, mais on laissait le volant à d'autres. »
D'où la nouvelle promesse d'Okimia en trois verbes, piloter, payer, placer. Le module de paiement (cartes, virements SEPA, EBICS) est la première brique. Le placement du cash qui dort sur les comptes est la suivante.
Là où l'IA bosse, et là où elle n'a pas le droit d'entrer
Dans son outil, l'IA fait le sale boulot. Quand un client connecte ses banques, il se retrouve avec des milliers de lignes à classer. Elle apprend ses règles, reconnaît les libellés et range tout ça à sa place. Elle aide aussi à construire les prévisions, en repérant ce qui revient chaque mois et ce qui dépend de la saison.
Et puis il y a la zone interdite, tout ce qui exécute. Les paiements et les placements. Là, François veut du déterminisme total, « pas d'approximation, pas de confiance à 95 % ». Un DAF veut que ses flux passent exactement comme il les a validés, au centime près, vers un IBAN vérifié.
« L'IA est formidable pour analyser et suggérer. Mais quand il s'agit de bouger de l'argent, le dernier mot doit rester humain. »
Même logique dans BP Builder, leur outil de business plan. La règle est écrite noir sur blanc, l'IA ne fabrique jamais un chiffre à partir de rien. Soit il vient de toi, soit c'est un ordre de grandeur du secteur, affiché comme tel avec sa source. Tu sais toujours ce qui est une donnée dure et ce qui est une hypothèse à challenger.
Pourquoi autant de précautions ? Parce que les modèles sont très convaincants même quand ils ont tort. Si l'IA invente un taux de churn à 5 % alors que le vrai est à 12 %, la décision qui suit peut être catastrophique. Et ses clients sont des dirigeants de PME, pas des data scientists. Ils ne vont pas auditer chaque cellule.
« Un BP où tu ne sais pas distinguer un fait d'une invention, ce n'est pas un outil de décision, c'est un risque. »
Un agent qui paie tes fournisseurs tout seul ?
Mastercard, Stripe, OpenAI, Google, tout le monde annonce des agents capables de payer à ta place. On lui a posé la question franchement. Sa réponse tient en une ligne, c'est envisageable, « mais pas demain, et pas sans garde-fous sérieux ».
Ce qui a du sens dès maintenant, c'est l'agent qui prépare. Il repère une facture récurrente, la rattache au bon fournisseur, pré-remplit le virement, compare l'IBAN à l'historique, et te soumet le tout pour validation. C'est 80 % du travail, la partie pénible et répétitive. Son équipe y réfléchit activement.
L'agent qui exécute de bout en bout, c'est une autre histoire. Et le blocage n'est ni technique ni réglementaire. C'est la confiance.
« Un patron de PME qui a passé 15 ans à signer lui-même ses ordres de virement ne va pas déléguer ça à une boîte noire du jour au lendemain. »
Il ajoute que ce patron a raison. La fraude au faux fournisseur est déjà un fléau avec des humains dans la boucle, alors sans eux...
Sa vision est progressive. L'agent gagne en autonomie à mesure qu'il prouve sa fiabilité. Sous un certain montant, sur des fournisseurs réguliers déjà vérifiés, avec des règles que le dirigeant a approuvées, pourquoi pas le laisser payer seul. Au-dessus du seuil ou pour un nouveau bénéficiaire, validation humaine obligatoire. C'est la logique des circuits d'approbation que les entreprises connaissent déjà, avec l'IA comme premier maillon.
« Le vrai enjeu, à terme, ce n'est pas "est-ce que l'IA peut payer ?", c'est "est-ce que le dirigeant veut qu'elle paie ?". »
Les équipes finance fondent. Le DAF, lui, monte
C'est le passage le plus cash de l'interview. Sur le terrain, François voit des équipes finance qui fondent. Pas par plan social. Simplement parce qu'à chaque départ, l'IA rend le remplacement difficile à justifier. Les reportings, la consolidation, le rapprochement, c'est toute cette production qui disparaît. Une cartographie de flux qui prenait trois jours se fait en deux heures avec Claude, souvent en mieux.
Les premiers touchés sont les postes construits autour de ces tâches, le contrôle de gestion, le junior qui compilait les reportings. Ils sautent, dit-il, « pas par malveillance, mais parce que le besoin s'évapore ».
On pourrait s'arrêter là et conclure que la fonction finance rétrécit. Sauf qu'il enchaîne aussitôt.
« Et pourtant, le DAF n'a jamais été aussi utile à son dirigeant. »
Parce que ce qui reste, et qui prend plus de place, c'est le jugement. Arbitrer entre placer un excédent et autofinancer la croissance. Challenger un budget. Dire non à une nouvelle dépense quand il n'y a rien en face. Être le bras droit du dirigeant sur les décisions qui engagent la boîte. « Ça, aucun modèle ne le fait. »
Plus l'IA produit les chiffres, plus on attend du DAF qu'il sache quoi en faire.
François a même un nom pour ce profil, le « CFO AI Engineer ». Quelqu'un qui met en place les automatisations, s'assure que les données sont propres et les process fiables, puis ajoute par-dessus son conseil stratégique. « Moins de tableurs, plus de décisions. »
Alors, qu'est-ce qu'il faut apprendre ?
Si produire un reporting ou monter un prévisionnel ne fait plus la différence, la question se pose pour tous ceux qui débutent. Celui qui entre en finance pour faire du tableur arrive, selon François, sur un marché « en train de disparaître sous ses pieds ».
Sa réponse tient en une ligne.
« La capacité à transformer un chiffre en décision. »
Concrètement, ça veut dire comprendre le business et pas seulement la compta. Savoir se mettre en face d'un dirigeant, lui expliquer ce que les chiffres signifient pour sa boîte et lui recommander quoi faire. Avoir le courage de porter une mauvaise nouvelle devant un board. Parler à un banquier, négocier avec un fournisseur, faire de la pédagogie devant un comité de direction qui n'a pas la culture du chiffre.
L'IA, elle, se maîtrise comme un outil. Savoir lui poser les bonnes questions, vérifier ce qu'elle sort, mettre en place les bonnes automatisations. Le métier passe de « je produis des données » à « je les traduis en stratégie ». Et ça, dit-il, « c'est passionnant ».
Sa décision la plus dure n'avait rien à voir avec l'IA
On lui a demandé quelle avait été sa décision la plus difficile depuis le lancement. Il n'a parlé ni de produit ni de levée de fonds. Il a parlé du jour où il faut se séparer de quelqu'un qui a fait un bout de chemin avec toi, mais qui n'est plus au bon poste ou au bon moment pour la boîte.
Ce qu'il en a tiré tient en deux leçons. Ne jamais repousser ces décisions, parce que plus tu attends, plus c'est douloureux pour tout le monde. Et apprendre à séparer l'affection que tu portes aux gens de la lucidité que tu dois à ta boîte.
Pour finir, on lui a demandé de résumer la trésorerie des PME en 2030 en une phrase. La voici.
« Le cash sera enfin traité comme ce qu'il est : la ressource la plus stratégique d'une PME, pas un angle mort sur un fichier Excel. »
Merci à François pour ses réponses sans langue de bois. Si ta tréso vit encore dans un tableur, tu sais où aller voir. C'est sur okimia.com.