.png){kind=logo}
Le problème n'est quasiment jamais l'outil de planification. Le manque de réactivité résulte du manque de solidité des fondations data.
Finance et réactivité
Quand les dirigeants financiers réclament plus de rapidité, ils parlent rarement de reporting plus rapide. Ils veulent une compréhension plus rapide, un alignement plus rapide, des décisions plus rapides.
Issu d'un environnement data et plateforme, ayant passé des années à construire les fondations sur lesquelles s'appuient les équipes finance, j'ai pu observer l’écart se creuser, d'un point de vue “privilégié”. Le problème n'est presque jamais l'outil de planification. Le problème vient du socle sur lequel repose cet outil.
L'écart d'agilité
Mon parcours est ancré dans la data : Business Intelligence, ingénierie des données, architecture de plateforme. Au fil des années, en travaillant étroitement avec des équipes finance et EPM, j'ai vu se répéter le même schéma : la finance investissait dans un nouvel outil de planification, lançait une implémentation, et peinait encore à répondre rapidement à une question simple. Pour autant l'outil était rarement en cause. C’est le socle de données en-dessous qui était en cause
En consultant les études récentes, je me rends compte que ce que j’observe côté plateforme est tout aussi bien documenté du côté finance. Imaginons un scénario que la plupart des dirigeants financiers reconnaîtront. Un concurrent modifie son pricing. Le PDG a besoin d'un scenario pour jeudi, que l'équipe FP&A ne pourra pas fournir, non par manque de compétences, mais parce que les derniers chiffres réels ont onze jours, que les données sont éparpillées dans trois systèmes différents, et qu'il faudra presque une semaine entière pour construire un modèle crédible. Jeudi, la décision aura été prise sans eux.
C'est l'écart d'agilité.
Ce que les data disent sur cet écart d'agilité
L'étude Finance Trends 2026 de Deloitte, menée auprès de plus de 1 300 dirigeant·es de la finance à l’échelle mondiale, place la rapidité au premier rang des priorités stratégiques et désigne la planification avancée de scénarios ainsi qu’une gouvernance agile comme réponses clés à l’incertitude. Dans le focus consacré au Canada au sein de la même étude, 75 % des répondant·es indiquent que leur organisation aurait besoin d’au moins un renforcement modéré des ressources pour maximiser les opportunités d’investissement ; 30 % citent le développement des capacités de planification de scénarios et 28 % une gouvernance plus agile comme améliorations les plus urgentes.
Le benchmark FP&A 2026 de l’AFP est tout aussi parlant : les professionnel·les de la finance consacrent déjà 21 % de leur temps à des activités hors du périmètre financier traditionnel — stratégie, technologie, RH, opérations. Pourtant, l’étude montre que la coordination se délite précisément là où elle est la plus déterminante pour aller vite.
C’est cela, l’écart d’agilité dans sa dimension opérationnelle. La stratégie peut être alignée au sommet ; mais lorsque les hypothèses, les leviers et les réponses opérationnelles divergent en aval, la réactivité n’est pas au rendez-vous. Une équipe Finance qui ne parvient pas à s’accorder sur ce que signifient les chiffres ne peut pas agir rapidement sur ce qu’ils impliquent.
Pourquoi tableaux de bord et modèles n'ont pas résolu le problème
Pendant des années, les organisations ont cherché à accélérer la prise de décision en ajoutant des tableaux de bord, des outils de planification et des couches de reporting. Dans la plupart des cas, l’effort a amélioré la présentation, sans améliorer la réactivité. La raison : le facteur limitant se situe bien plus en amont, dans la chaîne de production de la donnée et des décisions.
Le benchmark FP&A 2025 de l’AFP est sans détour : 61 % des répondant·es identifient le manque de fiabilité des données comme un frein, et 60 % le manque d’accessibilité. La conclusion de l’AFP est directe : une infrastructure technologique et data robuste est indispensable si le FP&A veut soutenir des décisions rapides et une analyse plus approfondie.
EY dresse le même diagnostic structurel à partir de ses travaux sur l'organisation des CFO : les équipes Finance sont régulièrement mobilisées pour des vérifications de qualité des données, des travaux de reclassification et des raccordements manuels entre données opérationnelles et financières, précisément parce que les deux ne sont pas suffisamment structurées ni connectées à la source. Le résultat : une fonction techniquement compétente, mais architecturalement contrainte.
L’exécution manuelle génère moins un problème d'efficacité qu’un défaut de rapidité dans la décision
Il est tentant de traiter l'exécution manuelle comme un problème de coût : des heures perdues en réconciliation qui pourraient être automatisées. Cette vision sous-estime l'impact réel. L’exécution manuelle crée de la latence. Et la latence en Finance signifie bien plus que de l’inefficacité ; c'est l'écart entre le moment où un signal de marché arrive et celui où l'entreprise peut y répondre.
Quand un modèle de scénario exige d'abord d'extraire des données de l'ERP, de les réconcilier avec le pipeline CRM, de les aligner avec les mises à jour des coûts achats, puis de reconstruire le modèle de planification from scratch, le processus peut ressembler à ceci :
Les recommandations de l’APQC sur le closing mensuel le formulent avec précision : lorsque le closing et la réconciliation mobilisent moins de jours, ces jours peuvent être consacrés à l’application de l’expertise Finance aux décisions de l’organisation. Chaque journée récupérée sur le retraitement est une journée réallouée au discernement.
Or, pour la plupart des réponses au marché (ajustement tarifaire, rupture d’approvisionnement, escalade client), la fenêtre concurrentielle n’est que de 48 à 72 heures. Trois à cinq jours ne comblent pas l’écart ; ils le confirment.
L’enquête Global Treasury 2025 de PwC met en évidence le même schéma dans des domaines voisins : seuls 57 % des répondant·es utilisent un système de gestion de trésorerie, tandis que 36 % intègrent encore des processus manuels. PwC souligne explicitement que ces approches dégradent la réactivité, la précision et l’auditabilité des analyses de risques. Et l’exposition de la fonction Finance à l’exécution manuelle dépasse largement le seul FP&A.
Le problème n’a jamais été le manque de volonté d’aller vite, côté FP&A. C’est que l’architecture héritée a été conçue pour un reporting périodique ; pas pour soutenir des décisions en temps réel.
Ce que signifie concrètement cette transformation de fond
Les organisations qui comblent l'écart d'agilité ne sont pas nécessairement celles qui ont déployé les outils de planification les plus sophistiqués. Ce sont celles qui ont d'abord soigné les fondations. La transformation a quatre dimensions opérationnelles :
Ce que cela signifie en termes d'architecture
Quand les organisations opèrent concrètement ce changement, un schéma d’architecture très net se dessine. Au centre : une couche de données gouvernées, qui conserve des actuals immuables, applique le modèle de données, et garantit une sécurité au niveau des lignes ainsi que des pistes d’audit complètes. Tous les outils — planification, tableaux de bord BI, moteurs de scénarios — y lisent leurs données. Aucun ne maintient sa propre copie des actuals. Les prévisions et les budgets y sont ensuite réécrits.
Quand cette séparation est claire, un basculement s’opère : la finance cesse de réconcilier et se remet à analyser.
Les caractéristiques les plus importantes de cette couche centrale sont peu “glamour”, mais décisives. Elle doit ingérer en continu les données issues de l’ERP, du CRM, des achats et des RH, sans intervention manuelle. Elle doit conserver chaque version de chaque chiffre — non pas comme une sauvegarde, mais comme un historique interrogeable — afin que les retraitements et les demandes d’audit deviennent une requête, et non un projet. Elle doit permettre de lancer instantanément des sandboxes de scénarios à partir des actuals du moment, sans toucher aux données de production. Enfin, elle doit imposer des définitions cohérentes (entité, centre de coûts, devise, période) pour que Finance et Commerce lisent réellement les mêmes chiffres.
SUR L'ADÉQUATION PLATEFORME
C'est précisément là que les plateformes de données cloud modernes comme Snowflake sont devenues pertinentes pour la finance, non pas comme outil de planification, mais comme fondation gouvernée sur laquelle les outils de planification s'appuient. L'architecture de Snowflake est bien adaptée aux exigences décrites : ingestion continue depuis n'importe quel système source, Time Travel pour la reconstruction à un instant t de tout état financier, clonage zéro-copie pour des sandboxes de scénarios qui ne touchent pas aux données de production, et sécurité au niveau des lignes et des colonnes qui s'applique naturellement aux hiérarchies d'accès finance.
Cortex AI, fonctionnant dans le même périmètre de sécurité, signifie que la détection d'anomalies et la génération de narratifs de variance opèrent sur des actuals gouvernés plutôt que sur des copies exportées.
Rien de tout cela ne fait de Snowflake un outil de planification. Ce n'en est pas un. Mais pour les organisations qui cherchent une fondation unique et fiable sur laquelle asseoir n'importe quelle couche de planification, cela répond directement aux exigences structurelles. Le choix de l'outil de planification devient alors, dans ce contexte, largement une décision front-end plutôt qu'une décision d'architecture.
L’IA renchérit encore le coût d’un socle data insuffisant
Le benchmarking 2025 de l'AFP a constaté que seulement 23 % des répondants utilisaient l'IA en FP&A de façon régulière, même si 40 % la testaient et prévoyaient une implémentation dans l'année. Cette trajectoire est réelle, et les capacités sont authentiques : narratifs de variance assistés par l'IA, détection d'anomalies, suggestions d'accruals, requête en langage naturel, tout cela réduit des heures de travail manuel par analyste et par mois.
Mais l'IA ne supprime pas l'exigence de fondations ; elle l'amplifie.
Un modèle d'IA interrogé sur des actuals gouvernés en temps réel dans un environnement de données sécurisé est un outil analytique fiable. Le même modèle interrogé sur un extrait assemblé manuellement datant de onze jours produit des outputs au ton assuré, construits sur des données peu fiables. Des définitions médiocres, des données déconnectées et des indicateurs incohérents ne deviennent pas stratégiques parce qu'ils sont traités par un modèle. Ils deviennent simplement un moyen plus rapide de générer de la confusion.
La perspective FP&A 2026 d'EY exprime ce point en termes d'implémentation : l'IA peut automatiser les tâches répétitives et renforcer l'analyse, mais elle ne devient durable que lorsque la Finance peut s’appuyer sur des socles de données solides. Ce n'est pas une mise en garde contre l'IA ; c'est un argument de séquençage. Les fondations d'abord, puis l'IA par-dessus.
Une plateforme de données gouvernée n'est pas l'outil de planification. C'est la couche qui rend n'importe quel outil de planification digne de confiance. Elle détient les actuals sous forme immuable. Elle applique le modèle de données. Elle fournit la sécurité au niveau des lignes, des pistes d'audit complètes, et la capacité de reconstituer n'importe quel chiffre à n'importe quel moment. L'outil de planification y lit et y réécrit les prévisions. Quand cette séparation est nette, plusieurs outils peuvent lire les mêmes actuals sans conflit, les sandboxes de scénarios peuvent être lancés instantanément sans toucher aux données de production, et chaque ajustement et révision de prévision possède un historique traçable, non parce que quelqu'un l'a documenté, mais parce que l'architecture l'impose.
La réactivité n'est plus un problème d'outil EPM
Je résumerais le moment EPM actuel en une phrase : la vitesse n’est plus d’abord un problème d’outils ; c’est un problème de fondations.
Les organisations qui comblent l’écart d’agilité ne sont pas forcément celles qui disposent du front-end le plus sophistiqué. Ce sont celles qui fiabilisent les données finance, relient les leviers financiers et opérationnels, réduisent les interventions manuelles, standardisent la logique de base et repensent la gouvernance pour répondre plus vite.
Du point de vue de l’architecture data, rien de tout cela n’a de surprenant. C’est exactement ce qui se produit dans tous les domaines où l’analytique devance l’infrastructure : tant que l’infrastructure n’a pas rattrapé son retard, les analyses ne sont pas dignes de confiance ; et les personnes qui doivent agir le savent. La finance n’échappe pas à cette règle.
Ce changement de fond n’a pas pour objectif de ralentir afin de “tout nettoyer” avant de délivrer de la valeur. C’est l’inverse : c’est le travail qui rend enfin la vitesse réelle et durable, sans dépendre de quelques personnes qui travaillent tard pour maintenir le modèle à bout de bras.
Si vous êtes prêts à combler l'écart d'agilité, parlez à notre équipe : nous aidons les dirigeant.es Finance et Data à construire les socles de données qui permettent une réelle réactivité.
Sources & références
- Deloitte – Finance Trends 2026, based on 1,300+ global finance leaders
- AFP – FP&A Benchmarking Survey 2026: Integrated Planning
- AFP – FP&A Benchmarking Survey 2025: Technology & Data
- APQC – Finance benchmarking and monthly close-cycle guidance
- EY – Finance data strategy and digital finance perspectives
- PwC – 2025 Global Treasury Survey
- BlackLine – 2024 CFO trust and finance operations survey
