Gains :
- Comprendre quelles procédures analytiques entrent dans le champ d'application du BDS 520 et comment utiliser l'intelligence artificielle pour la génération d'attentes, l'analyse de ratios et la rédaction d'explications d'écarts.
- Capacité à interpréter l'analyse horizontale-verticale, l'analyse des ratios et les répartitions des tendances avec le support de l'intelligence artificielle et à identifier les écarts qui doivent être examinés
- Capacité à comprendre que l’explication de l’écart suggérée par l’intelligence artificielle est une hypothèse et ne peut être considérée comme un résultat d’audit sans être étayée par des preuves.
L’une des armes les plus puissantes d’un auditeur expérimenté est « l’attente ». Avant de regarder le bilan financier, il sait à peu près ce qu'il doit voir car il connaît le secteur : "Cette entreprise a connu une croissance de 15 % l'année dernière, les effectifs sont stables, donc je m'attendrais à ce que les dépenses de personnel augmentent à peu près autant que l'inflation." Ensuite, il compare la réalité avec les attentes. S’il y a un écart par rapport aux attentes, il y a soit une explication, soit un problème. La forme systématique de cette façon de penser s’appelle procédures analytiques, et BDS 520 l’organise.
La procédure analytique consiste à établir une attente en utilisant des relations raisonnables entre les données financières et non financières, à la comparer avec la réalité et à rechercher les écarts significatifs. Il est utilisé à trois endroits : lors de la planification (pour voir le risque), lors des tests de corroboration (pour une vérification de substance) et à la fin de l'audit (pour un contrôle global du caractère raisonnable). Dans cette unité, vous apprendrez à utiliser l'intelligence artificielle dans la formation des attentes, l'analyse des ratios et la production de projets d'explication des écarts ; Mais nous verrons pourquoi l’explication proposée par l’IA est une hypothèse et non une preuve.
Outils de la procédure analytique
Les principaux outils d'analyse utilisés par l'auditeur sont :
- Analyse horizontale : examen de l'évolution (montant et %) d'un article d'une année à l'autre. « Les ventes ont augmenté de 40 % ; pourquoi ?
- Analyse verticale : ratio des éléments par rapport à un tout (par exemple, le ratio de chaque dépense par rapport aux revenus). « Alors que le coût des marchandises vendues représentait 62 % du chiffre d'affaires, il est passé cette année à 71 % ; pourquoi la marge s'est-elle réduite ?
- Analyse des ratios : calculer des ratios significatifs (marge bénéficiaire brute, taux de rotation des stocks, période de recouvrement des créances, ratio de liquidité) et examiner leur tendance et leur comparaison avec le secteur.
- Analyse des tendances : voir plusieurs périodes ensemble et prendre des pauses.
- Test de caractère raisonnable : établir une attente indépendante (par exemple « frais d’intérêts ≈ dette moyenne × taux d’intérêt ») et la comparer à la réalité.
L’IA effectue tous ces calculs en quelques secondes, les place dans une feuille de calcul et signale les écarts. De plus, il peut suggérer des explications possibles aux écarts. Voici le point critique : l’explication produite par l’IA est une première hypothèse. « La marge s'est réduite parce que les prix des matières premières ont augmenté » peut être raisonnable, mais l'auditeur ne peut pas conclure sans la corroborer par des contrats, des factures, des informations fournies par la direction et, surtout dans le cas d'écarts inattendus, des preuves indépendantes.
Plus l’attente est sensible, plus la procédure est solide
Une subtilité importante du BDS 520 : la fiabilité d'une procédure analytique dépend de la précision et de l'indépendance de l'attente. Si vous construisez l’attente directement à partir des données fournies par l’entreprise, vous tombez dans une logique circulaire (valider les mêmes données avec les mêmes données). Une attente forte repose autant que possible sur des données indépendantes (données non financières, données de marché externes, votre propre compte). L'IA peut vous aider à créer un modèle d'attentes : « de quelles données ai-je besoin pour calculer indépendamment les charges d'intérêts ? — mais l'auditeur est responsable de l'indépendance des données d'entrée et du caractère approprié du modèle.
Astuce : Prédéterminez le « seuil d'insignifiance » lors de l'interprétation de l'écart. Dans quelle mesure l’écart par rapport aux attentes sera considéré comme « enquête » ? Définissez ce seuil à l'avance, en fonction de l'importance relative, afin de ne pas avoir à rechercher chaque petite fluctuation produite par l'IA.
Établir des attentes fortes avec les données non financières
La procédure analytique est plus puissante lorsque vous construisez les attentes à partir de données non financières, et pas seulement de données financières. Par exemple, vous pouvez estimer de manière indépendante les revenus des chambres d'un hôtel en multipliant le nombre de nuitées occupées par le tarif moyen des chambres ; vous pouvez approximer la dépense énergétique d'une entreprise manufacturière à partir du nombre d'unités produites et de la consommation typique par unité ; Vous pouvez prédire le revenu éducatif d'une école à partir du nombre d'étudiants et des frais de scolarité moyens. De telles attentes ne tombent pas dans le piège de la circularité car elles sont indépendantes de la comptabilité propre de l'entreprise et permettent un véritable recoupement. L'IA vous aide à établir les entrées et la formule de ce modèle d'attente indépendant ; mais l'auditeur est chargé de s'assurer que les entrées sont véritablement indépendantes et fiables (nombre d'étudiants, chambre-nuit, quantité de production correcte ?). Si la différence entre les attentes et la réalité est importante, cela indique soit une erreur comptable, soit un problème avec les attentes saisies ; Les deux doivent faire l’objet d’une enquête.
Procédure analytique étape par étape
- Définissez vos attentes. Notez ce que vous attendez de l’élément en cours d’examen, avec une contribution indépendante si possible.
- Préparez les données, vérifiez leur exhaustivité. Les données réelles que vous comparerez sont-elles exactes et complètes ?
- Calculez avec l'IA. Effectuer des calculs horizontaux/verticaux/ratio/tendance ; Montrez les étapes de chaque compte.
- Identifiez les écarts. Signalez les écarts qui dépassent le seuil que vous avez défini au préalable.
- Générez des hypothèses mais vérifiez. Demandez à l'IA des explications possibles ; testez chacun avec une preuve.
- Documentez le résultat. Attente, fait, écart, explication et preuve de confirmation.
trois mini-cases
Cas 1 — Trouver la cause réelle de l'écart. Un auditeur a constaté que les dépenses de personnel avaient augmenté de 38 % ; Cependant, le nombre d'employés et l'inflation n'expliquent cela qu'à hauteur de 22 %. Il a demandé à l'IA de poser des questions sur les hypothèses de divergence ; YZ a répertorié des options telles que « augmentation, nouvelle embauche, prime, indemnité de départ ». L'auditeur a examiné les fiches de paie : la différence était due au paiement d'une prime forfaitaire versée au cours de l'année mais non étalée en dépense sur la bonne période, et il y avait une erreur de saisonnalité. L'IA a émis une hypothèse ; Les éléments de preuve relatifs à la paie et l'enquête du vérificateur ont révélé la vérité.
Cas 2 — Confondre une hypothèse avec une preuve. Un membre de l’équipe a interrogé AI sur une augmentation de 40 % d’un poste de dépense ; L'IA "est probablement due à l'inflation", a-t-il déclaré. Le membre de l’équipe a écrit ceci sous forme de commentaire directement sur la feuille de travail et a recouvert le stylo. La personne responsable a demandé : l'inflation était de 25 % à cette époque, 40 % n'a pas été expliqué ; De plus, il s’agissait d’une dépense de location avec un contrat fixe et n’augmentait pas automatiquement avec l’inflation. La vraie raison était un nouveau champ ajouté au contrat. Leçon : L’explication de l’IA est une hypothèse ; Il ne peut y avoir de conclusion sans être testé par des preuves.
Cas 3 — Mauvaises attentes. Pour tester le caractère raisonnable des charges d'intérêts, un auditeur a établi ses attentes directement à partir des charges d'intérêts enregistrées par l'entreprise (circulaire). Naturellement, il s’est avéré que « attente = réalité » et aucun écart n’est apparu. La personne responsable a rappelé que l'attente doit être établie de manière indépendante : solde moyen de la dette × taux d'intérêt moyen. Après un calcul indépendant, il s’est avéré que les charges d’intérêts réelles étaient nettement inférieures aux prévisions et qu’aucun intérêt n’était couru sur une dette. Leçon : l'indépendance des attentes détermine la force de la procédure.
Invite faible/Invite forte
Invite faible :
Regardez ce tableau, dites-moi s'il y a quelque chose d'anormal.
Le problème : pas d’attentes, pas de seuil, pas de contexte. L’IA signale une « anomalie » de manière aléatoire ou génère des explications inventées ; le résultat manque de valeur de contrôle.
Invite puissante :
Votre rôle : vous êtes assistant de procédure analytique auprès d'un auditeur indépendant. Vous calculerez et MONTREZ les écarts et suggérerez d'éventuelles HYPOTHÈSES explicatives ; la vérification et la conclusion m'appartiennent.Contexte (anonyme) : Société de production. Chiffre d'affaires année en cours 240M, année précédente 200M (croissance de 20%). L'effectif est fixe.Données :[compte ; année précédente ; année en cours] lignes (revenus, COGS, dépenses de personnel, loyer, frais d'intérêts, ...) Tâche : 1) Effectuer une analyse horizontale (montant et % de variation) pour chaque élément ; afficher l'étape de calcul.2) Analyse verticale : proportionner chaque dépense aux revenus ; comparer sur deux ans.3) Appliquer le seuil suivant : marquer « pour révision » si le pourcentage de variation s'écarte de la croissance des revenus (20 %) de plus de 10 points absolus.4) Suggérer 2 à 3 explications possibles HYPOTHÈSE pour chaque élément marqué ; Notez également les PREUVES par lesquelles chacun sera vérifié. Indiquez qu'il ne s'agit pas de résultats. 5) N'inventez pas de chiffres ou de références industrielles que vous ne pouvez pas déduire des données.
Cette invite est puissante car elle donne le contexte et les attentes (croissance de 20 %), fixe un seuil d'écart clair, demande des explications sous forme d'hypothèses et relie chaque hypothèse à des preuves.
Erreurs courantes
- Prendre une hypothèse pour une preuve. Écrire des conclusions sans vérifier la déclaration « probablement… » de l’IA.
- Établir des attentes circulaires. Dériver les attentes à partir des données à vérifier et produire un faux « ajustement ».
- Ne pas fixer de seuil. Chasser chaque petite fluctuation ou ignorer l’écart significatif.
- Analyse sans contexte. Demander une « anomalie » sans promouvoir l’entreprise ; recevoir des signes dénués de sens.
- Rester superficiel dans une déviation inattendue. Couvrir une tournure surprenante avec la première explication plausible ; tandis que le BDS nécessite une enquête plus approfondie sur les déviations inattendues.
Remarque : Un écart attendu (par exemple, une dépréciation accrue due à un investissement connu) est différent d'un écart inattendu. Un écart inattendu comporte un risque plus élevé et nécessite des preuves plus solides. L’IA ne peut pas faire la distinction entre les deux ; L'auditeur fait cette distinction.
En résumé
Les procédures analytiques (BDS 520) sont l'art de constater les écarts en établissant des attentes et en les comparant à la réalité. L’IA est un puissant moteur de calcul et d’hypothèses dans ce domaine : elle effectue une analyse horizontale/verticale/ratio/tendance en quelques secondes, signale les écarts et suggère des explications possibles. Mais la puissance de la procédure dépend de l’indépendance des attentes, et l’explication proposée par l’IA est une hypothèse et non une preuve. L'auditeur fixe le seuil d'écart, l'auditeur garantit l'indépendance des attentes et l'auditeur vérifie chaque déclaration avec des preuves. Une déviation inattendue nécessite toujours une enquête plus approfondie.
Tâche de candidature
Prenez un simple compte de résultat sur deux ans (hypothétique) et fixez une attente de croissance (par exemple 20 %). Avec le puissant modèle d'invite ci-dessus, demandez à l'IA d'effectuer une analyse horizontale et verticale, d'appliquer un seuil de dérive et de demander une correspondance d'hypothèses et de preuves pour les éléments marqués. Ensuite, écrivez dans un paragraphe comment configurer une « attente indépendante non circulaire » pour un élément (quelles entrées indépendantes utiliseriez-vous).
liste de contrôle
- [ ] J'ai établi une attente à l'avance (avec une contribution indépendante si possible) pour l'élément en cours d'examen.
- [ ] J'ai confirmé l'exhaustivité des données que j'ai comparées.
- [ ] J'ai reçu l'analyse horizontale/verticale/ratio montrant les étapes de calcul de l'IA et je l'ai vérifiée.
- [ ] J'ai fixé un seuil d'écart cohérent avec l'importance relative.
- [ ] J'ai pris les explications de l'IA comme des hypothèses ; J'ai testé chacun avec preuve.
- [ ] Je fais la distinction entre les écarts attendus et inattendus ; J'ai creusé plus profondément dans l'inattendu.
- [ ] J'ai documenté les attentes, la réalité, les écarts, les explications et les preuves corroborantes.