Automatisation du rapprochement, de la confirmation et du rapprochement à trois

Gains :

• Comprendre la logique d'automatisation des tests de rapprochement en cours, de rapprochement bancaire et de rapprochement à trois (commande-bon de livraison-facture) avec le support de l'intelligence artificielle
• Capacité à classer et prioriser l'analyse des différences (différences) et les raisons du rapprochement des différences avec l'intelligence artificielle
• Capacité à comprendre que les éléments incompatibles et les différences de confirmation doivent être étudiés par l'auditeur et que l'intelligence artificielle ne montre que la différence.

L'épine dorsale d'un audit consiste à vérifier, en le comparant avec une source indépendante, qu'un enregistrement existe réellement et a été conservé avec précision. Une inscription au crédit est réelle, avec l'accord du débiteur ; un solde bancaire est correct, avec confirmation de la banque ; Vous testez l’authenticité d’un achat en vous assurant que le trio commande-bon de livraison-facture correspond bien. Ces processus sont collectivement appelés réconciliation et confirmation. Parce qu’ils nécessitent par nature la comparaison d’un grand nombre d’éléments, ils sont répétitifs, prennent du temps et constituent un domaine dans lequel l’intelligence artificielle brille.

Dans cette unité, nous couvrirons trois tâches : le rapprochement courant/compte (comparaison des enregistrements de deux parties), le rapprochement bancaire (rapprochement du solde du grand livre et du relevé bancaire) et le rapprochement à trois (comparaison du bon de commande, de l'entrée de marchandises/bon de livraison et de la facture du fournisseur). Le principe de base reste inchangé : l’IA fait correspondre et souligne la différence ; Il appartient à l'auditeur de rechercher la raison de la différence et de parvenir à une conclusion.

Qu’est-ce que la correspondance à trois et pourquoi est-ce important ?

Lorsqu'une entreprise achète des biens/services, trois documents apparaissent généralement : (1) Bon de commande : ce qui a été commandé, combien et à quel prix ; (2) Bon de livraison/réception des marchandises — quoi, combien a été reçu ; (3) Facture du fournisseur — quoi, combien a été facturé. Dans un environnement de contrôle sain, ces trois éléments doivent correspondre : commandé = reçu = facturé. Le test de correspondance à trois vérifie si ces trois correspondent. Litiges ; Cela peut signifier une surfacturation, des achats fictifs, des paiements en double, une manipulation des prix ou une simple erreur de données.

L’IA peut faire correspondre des milliers d’achats sur ces trois documents en quelques secondes. Mais la liste des « éléments sans correspondance » qui apparaît n’est pas une liste d’erreurs. Un article peut ne pas correspondre pour les raisons innocentes suivantes : livraison partielle (commande 100, livraison 60), différence de temps (facture pas encore arrivée), différence de prix dans une tolérance acceptable, remise ou article expédié. Le travail de l'auditeur consiste à trouver la raison de la différence et à distinguer l'innocent du suspect.

Type de correspondance

comparé

Raisons typiques de différence

Rapprochement actuel

Notre inscription ↔ inscription des contreparties

Délais, remboursement, inscription incomplète, différence de taux de change

Rapprochement bancaire

Grand livre ↔ relevé bancaire

Chèque en transit, frais bancaires, dossier non encore traité

match à trois

Commande ↔ bon de livraison ↔ facture

Livraison partielle, délai, différence de prix, duplicata, fictif

La confirmation externe : une des preuves les plus fiables

La confirmation externe en audit est la méthode permettant d'obtenir une réponse écrite directement d'un tiers (banque, client, fournisseur) concernant un solde ou une transaction, et le BDS 505 réglemente cela. La confirmation externe est l'une des preuves les plus solides dont dispose l'auditeur ; car les informations proviennent d’une source indépendante et non de l’entité auditée. Ici, l'IA est l'accélérateur pour produire des projets de lettres de confirmation, comparer les réponses entrantes avec les enregistrements du grand livre et répertorier les parties non conformes (celles à suivre). Mais deux points sont essentiels : premièrement, le remplissage et l'envoi de la lettre de confirmation avec les informations réelles du destinataire doivent être sous le contrôle de l'auditeur ; Deuxièmement, l’auditeur doit s’assurer que la réponse est authentique et lui parvient directement. L'intégrité du processus de vérification incombe à l'auditeur ; L’IA facilite simplement la comparaison et le suivi.

Analyse des écarts : l'IA classe, l'auditeur décide

La manière la plus productive d’examiner les différences consensuelles est de classer les différences : celles qui sont liées au temps (elles changeront d’une période à l’autre mais ne constituent pas des différences réelles), celles qui sont permanentes et celles qui sont inexpliquées. L’IA peut effectuer rapidement cette classification préliminaire : elle met le montant de la différence, la direction et la cause possible dans un tableau. Mais attention : la colonne « cause probable » de l’IA est une prédiction, pas une détermination. Ce n'est pas parce qu'il est dit « probablement une différence temporelle » que la différence est temporelle ; L'auditeur doit le vérifier avec des documents (facture de la période suivante, accusé de réception, reçu bancaire).

Conseil : Donnez la priorité aux différences selon le montant du montant et l'explicabilité. Évitez les petites différences faciles à expliquer ; Concentrez le travail de l’auditeur sur les différences importantes ou inexpliquées. L'IA produit le tableau de priorisation ; Vous définissez le seuil et la concentration.

Automatisation du rapprochement étape par étape

1. Préparez et anonymisez deux (ou trois) ensembles de données. Déterminez la clé correspondante (numéro de facture, numéro de commande, montant + date).
2. Confirmez l'exhaustivité. Le total et le nombre d’enregistrements pour chaque cluster correspondent-ils à ce qui était attendu ?
3. Définissez la règle de correspondance. Y aura-t-il une correspondance exacte ou une tolérance (par exemple, une différence de prix de ± 1 %) sera-t-elle autorisée ?
4. Faites correspondre avec l'IA. Ceux qui correspondent, ceux qui ne correspondent pas et ceux qui se situent dans les limites de tolérance apparaissent dans des listes distinctes.
5. Classer et hiérarchiser les différences. Temporalité/persistante/inexpliquée.
6. Enquêter en tant qu'auditeur. Vérifier toute différence significative avec la documentation ; Documentez la conclusion et la justification.

trois mini-cases

Cas 1 — Capture de paiement en double. Un auditeur à trois a comparé 12 400 achats avec l’IA. YZ a marqué 6 articles avec deux paiements distincts pour le même numéro de facture. L'auditeur a examiné : 4 étaient des factures légitimes portant des numéros similaires et provenant d'années différentes ; mais 2 d'entre eux étaient en réalité des paiements en double (la même facture a été payée deux fois), pour un total de 88 000 TL. Le processus de réintégration a été lancé et la faiblesse du contrôle interne a été mentionnée dans la lettre à la direction. AI a posé 6 questions ; 2 vrais problèmes confirmés par l'auditeur.

Cas 2 — Confondre la différence de temps avec une erreur. Un membre de l'équipe a directement radié la différence de 40 000 TL marquée par YZ dans le rapprochement bancaire comme une « erreur d'enregistrement ». Le responsable a examiné : la différence était un chèque tiré en fin de période et non encore présenté à la banque ; C'était un décalage horaire tout à fait normal et il a fermé la semaine suivante. Leçon : un stylo mal assorti n’est pas une erreur automatique ; Aucune conclusion ne peut être rédigée sans en rechercher la cause.

Cas 3 — Erreur de tolérance. Un auditeur n'a accordé aucune tolérance pour l'appariement à trois ; En raison des différences d'arrondi des centimes, YZ 900 a marqué l'élément « ne correspond pas ». La liste n'a pas été examinée ; Les vrais problèmes se sont perdus dans le bruit. Une fois que l'auditeur a défini une tolérance raisonnable (par exemple ±5 TL ou ±0,5 %), la liste a été réduite à 27 éléments significatifs. Leçon : la règle de matching doit correspondre à la réalité business ; Une règle trop stricte produit du bruit, une règle trop souple produit la cécité.

Invite faible/Invite forte

Invite faible :

Comparez ces deux listes, dites-moi ce qui ne va pas.

Problème : la clé de correspondance, la tolérance et le format de sortie ne sont pas clairs. L'IA ne sait pas sur quoi correspondre ; le résultat serait peu fiable et irremplaçable.

Invite puissante :

Votre rôle : vous êtes l'assistant de rapprochement d'un auditeur indépendant. Vous ferez correspondre et MONTREZ la différence ; La raison et le résultat de la différence m'appartiennent.Données (anonymisées) : - Ensemble A : bons de commande (colonnes : numéro de commande, article, quantité, prix unitaire, montant) - Ensemble B : bons de livraison (numéro de commande, article, quantité_livrée) - Ensemble C : factures (numéro de commande, article, quantité_facturée, montant_facturé) Clé de correspondance : numéro de commande + article. Tolérance : compter comme "correspondant" si la différence de montant est inférieure à ± 5 TL ou ±0,5 % (selon la valeur la plus élevée). Tâche : 1) Faites correspondre trois clusters. Donnez séparément les trois listes suivantes : (a) correspondances exactes (numéro récapitulatif), (b) correspondances dans les limites de tolérance, (c) éléments qui NE correspondent PAS (tous les détails).2) Ajoutez une colonne de cause POSSIBLE pour les disparités (livraison partielle / document manquant / différence de quantité / différence de montant), mais indiquez qu'il s'agit d'une ESTIMATION, à vérifier avec des preuves.3) Écrivez en clair la règle de correspondance et de tolérance que vous avez appliquée.4) Donnez également le rapprochement total (A, B, C). totaux) afin que je puisse vérifier l'exhaustivité. N'inventez pas ce que vous ne pouvez pas déduire des données.

Cette invite est puissante car elle définit la clé et la tolérance, demande trois listes distinctes, positionne la « cause probable » comme une supposition et nécessite un accord total pour être complète.

Erreurs courantes

• Confondre un article incompatible avec une erreur. Rédiger une conclusion sans rechercher la raison (délais, livraison partielle, retour).
• Ne pas définir de tolérances. Gonflez la liste par centimes et perdez les vrais problèmes dans le bruit.
• Laisser la clé d'appariement ambiguë. Ne pas contrôler sur quoi l'IA correspond.
• Sauter l'exhaustivité. S'appuyer sur des ensembles correspondants sans rapprocher leurs totaux.
• Confondre « cause probable » avec la détection. Accepter la prédiction de l'IA sans la vérifier avec de la documentation.

Attention : qualifier une différence de « paiement en double » ou d'« achat fictif » est une réclamation sérieuse. Vérifiez-le avec la documentation (facture, reçu de paiement, relevé de réception de marchandises) avant de l'écrire ; S’il existe une tendance, évaluez-la séparément en tant que faiblesse du contrôle interne.

En résumé

Le rapprochement, la confirmation et la triple correspondance font partie des tâches d’audit les plus répétitives et les plus facilement accélérées grâce à l’IA. L'IA fait correspondre des milliers d'éléments en quelques secondes, répertorie les différences et les pré-classe. Mais la plume dépareillée n’est pas une erreur, c’est une différence à étudier ; La « cause probable » est une supposition et non une détermination. L'auditeur détermine la clé d'appariement et la tolérance en fonction de la réalité de l'entreprise ; L'auditeur vérifie la différence avec le document ; L'auditeur écrit le résultat. L’IA montre la différence, l’auditeur donne le sens.

Tâche de candidature

Considérons trois petits ensembles de données (commande, bon de livraison, facture) ou deux ensembles (grand livre, banque). Déterminez la clé correspondante et une tolérance raisonnable. Faites correspondre l'IA avec le modèle d'invite puissant ci-dessus et supprimez ceux qui ne correspondent pas à la colonne « cause probable ». Rédigez ensuite un « plan d'enquête » pour chaque élément incompatible : quel document dois-je consulter, quelle question dois-je poser, quelle conclusion est-ce que je considère qu'il s'agit d'un bug/normal ?

liste de contrôle

• [ ] J'ai anonymisé les données et j'ai clairement identifié la clé correspondante.
• [ ] J'ai confirmé l'exhaustivité de chaque cluster avec le total et le nombre d'enregistrements.
• [ ] Je fixe une tolérance adaptée à la réalité du business (ni trop stricte, ni trop lâche).
• [ ] J'ai pris séparément les listes correspondantes / dans les limites de tolérance / non correspondantes.
• [ ] J'ai recherché dans le document chaque élément important qui ne correspondait pas ; J'ai confirmé pourquoi.
• [ ] Je n'ai pas compté les suppositions de « cause probable » comme des résultats sans les confirmer par des preuves.
• [ ] J'ai documenté les qualificatifs sérieux tels que doublon/fictif et évalué l'impact du contrôle interne.