Démystifier le Data Analytics (2/4) : Comment Établir un Programme Efficace et Durable

L’audit interne fait face de plus en plus à une pression croissante du comité d’audit et du management sur l’utilisation efficiente des ressources qui lui sont allouées, c’est-à-dire faire plus avec moins. Comme nous l’avons relevé dans le premier article de la série, l’élaboration et la mise en œuvre d’un programme de data analytics peut aider les auditeurs à être plus efficaces et, surtout, plus efficients dans leur mission. La réussite d’un tel programme repose sur 5 piliers.

1. Gouvernance Sans Ambiguïté

La mise en œuvre du data analytics nécessite la transformation de la façon dont la fonction d’audit remplit sa mission d'assurance et de conseil. Mais cette transformation est d’abord humaine. Associée à une vision et des objectifs clairs, une gouvernance sans ambiguïté donne l’impulsion nécessaire à la prise de conscience collective et contribue à assurer l’adoption et le décollage du data analytics au sein du département de l’audit interne. La qualité de la gouvernance du data analytics de l’audit interne peut s’apprécier au moyen des trois critères que sont la communication, la répartition des rôles et le budget.

Communication Efficace et Convaincante

Afin de stimuler l'adhésion du personnel à son intégration dans le processus général d’audit, le responsable de l’audit interne doit assurer un soutien ouvert au programme de data analytics. A la parole, le chef du département devrait joindre des actes, comme célébrer une mission au cours de laquelle une forme d’analyse de données, même minime, a été menée avec succès. Une autre action non moins significative est la décision de mettre à jour le manuel général d’audit pour incorporer la démarche data analytics.

Définition Claire des Rôles/Responsabilités

La responsabilité du pilotage du programme de data analytics ne doit pas être ambiguë. La nomination d’un champion ou d’un coordonnateur général est tout aussi importante et peut aider à véhiculer le message de la direction de l’audit interne. Pour les fonctions de taille importante, le responsable de l’audit peut créer une équipe essentiellement dédiée au data analytics. Dans la pratique, la tendance consiste à confier cette discipline aux auditeurs informatiques. Dans tous les cas et pour plus d’efficacité, le responsable du data analytics doit avoir un niveau d’autorité suffisant qui lui permette d’influencer l’adhésion au programme. Facteur-clé de réussite, le développement d’une procédure spécifique au data analytics, centrée sur l’essentiel, permet de clarifier les rôles et les responsabilités des principaux intervenants internes (les auditeurs d’une part et les spécialistes du data analytics d’autre part).

Allocation d’un Budget Adéquat

La volonté du management doit être aussi traduite en termes de mise à disposition d’une ligne budgétaire qui permet de financer les besoins qu’engendre le programme. Ici, l’on recense le recrutement ou la formation du personnel spécialisé, l’élaboration de la méthodologie de travail et l’acquisition des outils technologiques, si besoin est.

2. Sensibilisation du Staff et Formation Ciblée

Ce pilier est important car il porte sur la dimension humaine. Au minimum, l’objectif visé est de créer et consolider un état d'esprit “data analytics” au sein de la fonction. Au passage, il permet de dissiper les craintes relatives à l’acquisition ou au développement de nouvelles compétences et d’assurer l'adoption des techniques d’analyse des données tout au long du processus d’audit. Deux activités principales constituent ce pilier : dresser l’état des lieux des capacités internes et développer une stratégie de formation appropriée.

Diagnostic des Aptitudes

Pour assurer la réussite du programme de data analytics, la fonction d’audit interne doit disposer de trois compétences distinctes en son sein, à savoir : bonne compréhension des opérations de l’organisation, jugement professionnel à toute épreuve et capacités d’analyse des données. Si les deux premières font partie de l’ADN de l’auditeur, la troisième est, par contre, une “nouveauté”. Par conséquent, l’analyse des compétences se concentre essentiellement sur ce troisième aspect.

Formation Calibrée

Au terme de l’évaluation des aptitudes des auditeurs, il est important de définir une stratégie de formation dont l’objectif est de s’assurer que les écarts ou lacunes identifiés sont comblés. La formulation d’un programme de formations axées sur le développement des compétences à chaque niveau des aptitudes est un gage de réussite. Ces formations peuvent être de base (Aptitudes analytiques, Introduction aux bases de données, etc.), centrées sur les fondamentaux du data analytics (par exemple, Formules avancées d’Excel, Analyse des scenarii, Recherche des doublons, etc.), ou avancées, destinées prioritairement à l’équipe centrale du data analytics (Programmation, Utilisation des logiciels spéciaux d’analyse de données, Visualisation des données, etc.)

3. Méthodologie Claire et Efficace

Articuler une méthodologie claire et simple permet de répondre aux préoccupations relatives au mode opératoire. Quelles sont les activités qui permettent de définir un programme de data analytics efficace et durable ?

Une proposition en 6 étapes :

1. Obtenir ou établir la vision du management vis-à-vis du data analytics,
2. Définir des objectifs clairs, précis et surtout mesurables,
3. Dresser l’état des lieux des trois éléments fondamentaux que sont le personnel, les procédures et la technologie,
4. Identifier les écarts ou zones à fortes opportunités,
5. Etablir une feuille de route qui permet d’atteindre le niveau de maturité espéré,
6. Evaluer la mise en œuvre du plan d’actions - entreprendre des actions correctrices le cas échéant - et veiller à la mise à jour de la méthodologie.

4. Implication des Parties Prenantes

Les données de l’organisation sont partout : au département commercial, aux ressources humaines, à la direction comptable, etc. Le principal avantage d’un partenariat fort avec ces parties prenantes est qu’il permet de lever l’un des obstacles essentiels du programme (l’accès aux données) et de tirer profit de leurs programmes analytiques.

Dans la conception traditionnelle, les données appartiennent au service informatique. Mais en réalité, la paternité des données revient aux fonctions opérationnelles qui les génèrent au quotidien. L’audit interne doit collaborer avec ces “propriétaires” avec pour objectif d’obtenir un accès libre et direct aux différents systèmes et aux bases de données associées. Le service informatique de l’organisation peut jouer le rôle de facilitateur technique en accordant les accès conformément au protocole défini entre l’audit interne et les fonctions propriétaires des données.

Par ailleurs, le partenariat avec les autres parties prenantes permet aussi à l’audit interne d’identifier les programmes de data analytics des autres départements et d’apprécier l’opportunité de tirer profit des résultats de ces programmes. Par exemple, le service de contrôle de gestion peut avoir déjà développé une base de données décisionnelle (data waherouse) susceptible d’intéresser l’audit interne. Plutôt que d’investir des ressources pour recréer ce qui existe déjà, l’audit interne peut négocier l’accès direct à cette base de données.

Enfin, l’audit interne peut s’inviter, en tant qu’observateur, aux discussions stratégiques relatives aux données de l’organisation. Ce forum permet aux auditeurs de s’informer sur les enjeux du data analytics au sein de l’organisation et, dans la foulée, d’adapter ou ajuster sa propre stratégie.

5. Outils Technologiques Adaptés

Le choix des outils d'analyse de données est, grosso modo, influencé par la méthodologie. L’outil doit aider l’audit interne à identifier, collecter, valider, analyser et interpréter les données.

Cependant, il est important de noter que le simple d’acquérir un outil sophistiqué n’est pas un gage de réussite. Avant d’autoriser tout investissement, le responsable de l’audit interne doit apprécier la valeur marginale qu’apporte l’outil en termes d’augmentation de l’efficacité et de l’efficience des opérations de la fonction. Dans certains cas, notamment pour les organisations d’envergure moindre, l’application Excel peut être tout ce dont l’audit interne a besoin. Pour les organisations complexes, les critères minimaux à considérer lors de la décision d’investissement peuvent être :

• La capacité de l’outil à extraire des données de sources diverses,
• La compatibilité de l’outil avec les systèmes actuels de l’organisation,
• Le coût total y compris la licence d’exploitation, la formation du personnel, le service après-vente, les charges relatives aux mises à jour,
• La sécurité des données.

Les outils technologiques les plus usités comprennent les logiciels ou une combinaison des applications ou logiciels des suivants : Microsoft Excel, ACL, IDEA, SAS et Tableau – de plus en plus – notamment pour la représentation visuelle des données. Il existe aussi de nombreux outils en accès libre qui permettent d’effectuer des analyses et d’obtenir des représentations visuelles de qualité. Mais le doute sur la sécurité des données de l’organisation obscurcit la qualité de leur performance.

En Un Mot…

La conception et la mise en œuvre d’un programme efficace et durable est la solution à la problématique du data analytics pour la fonction d’audit interne. Etablir un tel programme requiert l’adoption de cinq piliers fondamentaux : une gouvernance claire, la sensibilisation du staff et le développement d’un programme de formations ciblées, une méthodologie claire et efficace, l’implication des parties prenantes et l’acquisition des outils technologiques adaptés.

_______________________
Vous aimez l’article ?
Vous avez d'autres idées ?
Veuillez laisser un commentaire ci-dessous !
_______________________

Autres Articles Recommandés :

• Démystifier le Data Analytics (4/4) : Intégrer le Data Analytics dans la Mission d’Audit
• Démystifier le Data Analytics (3/4) : Evaluation du Risque
• Démystifier le Data Analytics (1/4) : L’Enjeu pour l’Audit Interne
• Planification des Missions d'Audit Interne : 4 Bonnes Pratiques
• Le Plan Annuel de l’Audit Interne en 8 Etapes
• Budgeting for Data Analytics

A propos de l'auteur

Rigobert Pinga Pinga, CPA, CIA, CFE, CGMA, est Spécialiste de l’audit et Coordonnateur du data analytics au sein de la Vice-Présidence Audit Interne du Groupe de la Banque Mondiale basé à Washington, DC. Avant de rejoindre la Banque Mondiale, Rigo a été Directeur de Mission Audit chez Ernst & Young.
LinkedIn, Twitter.