Le vrai goulot d'étranglement d'un nettoyage de dépenses, c'est le rapprochement fournisseurs

Réponse rapide : la classification des lignes n'est pas la partie difficile d'un nettoyage de dépenses. Les pipelines de classification modernes atteignent un taux de rapprochement automatisé élevé dès la première passe. Ce qui détermine la durée réelle d'un nettoyage, c'est le rapprochement fournisseurs : résoudre le fait qu'un même fournisseur apparaisse sous une douzaine de variantes de nom en un seul enregistrement. Combler ce dernier écart demande une courte revue manuelle ciblée sur les fournisseurs non rapprochés les plus difficiles, pas davantage d'automatisation.

Sur cette page : La classification atteint vite son plafond · Le rapprochement fournisseurs est le problème le plus difficile · La revue manuelle qui fait vraiment avancer les choses · À quoi ressemble une bonne résolution fournisseurs · FAQ

La classification atteint vite son plafond

Je pilote la livraison sur la plupart de nos projets, donc je suis généralement la personne qui observe un nettoyage traverser sa première semaine. Le schéma qui surprend les clients presque à chaque fois, c'est la vitesse à laquelle la classification des lignes devient bonne. Pointez une taxonomie contrainte et une couche de règles sur un fichier de dépenses, et la majorité des lignes atterrissent dans une catégorie correcte dès la première passe automatisée, les cas réellement ambigus étant signalés pour revue plutôt que devinés. Cette partie du travail se comporte comme on attend d'une IA qu'elle se comporte : rapide, cohérente, et elle continue de s'améliorer à mesure que les décisions de revue nourrissent le modèle en retour.

Les données fournisseurs ne se comportent pas ainsi, et ce n'est pas parce que la technologie de rapprochement sous-jacente serait plus faible. C'est parce que le problème lui-même est structurellement différent. Une description de ligne est désordonnée mais autosuffisante : un boulon M8 se décrit à partir du texte qu'on a sous les yeux. Un nom de fournisseur n'est pas autosuffisant de la même façon, car la même entreprise réelle apparaît sous autant de noms que son historique de facturation et d'intégration en a produit.

Le rapprochement fournisseurs est le problème le plus difficile

Sur les fichiers de dépenses FM et construction que j'ai parcourus, le même fournisseur apparaît régulièrement de trois ou quatre façons différentes : la raison sociale sur une facture, un nom commercial sur une autre, une filiale régionale orthographiée avec ou sans ponctuation, un nom qu'un acheteur a tapé de mémoire un vendredi à 17h. Aucune de ces variantes n'est fausse en soi. Un moteur de règles qui compare des chaînes de caractères exactes voit quatre fournisseurs différents. Un category manager qui essaie de répondre à « combien avons-nous dépensé avec ce fournisseur l'an dernier » obtient quatre réponses différentes, toutes partielles.

Le rapprochement flou sur le nom, l'adresse et le numéro fiscal comble automatiquement l'essentiel de cet écart, et il le comble vite, de la même façon que la classification. Mais le rapprochement flou a une propriété que la classification des lignes n'a pas : un faux rapprochement est pire qu'un rapprochement manqué. Fusionner deux fournisseurs réellement différents en un seul enregistrement corrompt discrètement tous les rapports bâtis dessus par la suite, car rien dans l'enregistrement fusionné n'indique qu'il est faux. Cette asymétrie explique pourquoi un rapprochement fournisseurs automatisé, correctement construit, laisse délibérément une queue non résolue plutôt que de forcer un rapprochement en dessous d'un seuil de confiance strict. Cette queue est là où se situe le véritable goulot d'étranglement, petite en taille absolue mais coûteuse en temps à traiter à la main, paire ambiguë après paire ambiguë.

La revue manuelle qui fait vraiment avancer les choses

Sur un nettoyage que j'ai mené récemment, la passe automatisée a rapproché la grande majorité des noms de fournisseurs à un enregistrement de référence propre en quelques jours. Ce qu'il restait était une courte liste de cas réellement difficiles : des noms quasi identiques pour différentes filiales régionales du même groupe, une filiale rachetée et rebaptisée en cours de contrat, deux fournisseurs dont les adresses différaient d'un seul chiffre qui s'est avéré être une erreur de saisie plutôt que deux sites distincts. Aucun de ces cas ne se résout sans risque sans qu'une personne connaissant le compte n'examine directement la paire.

Cette revue n'est pas un échec du moteur de rapprochement, et la traiter comme tel est l'erreur que je vois le plus souvent chez les clients. Chercher à gratter ce dernier pourcentage avec davantage de règles ou un jeu d'entraînement plus large dépense l'effort au mauvais endroit, car les cas restants sont précisément ceux qui nécessitent le jugement que l'automatisation a été conçue pour ne pas deviner. La bonne approche est l'inverse : laisser le rapprochement automatisé faire tout ce qu'il peut faire avec confiance, puis placer quelqu'un ayant une connaissance réelle de la base fournisseurs devant la courte liste restante. Cette revue prend des heures, pas des semaines, précisément parce que la liste est courte.

À quoi ressemble une bonne résolution fournisseurs

Pearstop ramène la queue de fournisseurs non rapprochés d'un client à moins de 10 % du total des enregistrements fournisseurs après le premier cycle de revue, pour les équipes achats et finance qui ont besoin qu'un rapport de catégorie clôture à temps plutôt que d'attendre que les données fournisseurs se stabilisent d'elles-mêmes. Le mécanisme est le même que celui utilisé pour la classification des lignes, contraint et à score de confiance : le rapprochement automatisé absorbe le volume, une personne résout les paires signalées, et chaque paire résolue est réinjectée pour que la même variante fournisseur n'ait pas à être résolue deux fois.

L'implication pratique pour quiconque planifie un nettoyage concerne le séquencement, pas l'outillage. Prévoyez l'essentiel du temps calendaire pour que la classification et le rapprochement automatisés se déroulent, car cette partie est effectivement rapide. Prévoyez un bloc de temps distinct et plus restreint, avec la bonne personne disponible, pour la revue fournisseurs qui suit. Chercher à compresser ce second bloc en y jetant davantage d'automatisation ne fonctionne pas, car le problème qui reste dans cette queue n'a jamais vraiment été un problème d'automatisation.

Questions fréquentes

Pourquoi le rapprochement fournisseurs prend-il plus de temps que la classification des lignes dans un nettoyage de dépenses ?

La classification des lignes travaille à partir d'une description autosuffisante qu'un moteur de règles ou un modèle peut lire directement. Le rapprochement fournisseurs doit concilier plusieurs orthographes différentes d'une même entreprise réelle, et une fusion erronée est pire qu'un rapprochement manqué, si bien qu'un rapprochement automatisé laisse délibérément les paires ambiguës non résolues plutôt que de deviner. C'est cette queue non résolue qui prend le temps supplémentaire, pas la majorité des rapprochements simples, qui se résolvent rapidement.

Qu'est-ce qui provoque l'apparition d'un même fournisseur sous plusieurs noms dans un fichier de dépenses ?

Les raisons sociales, les noms commerciaux, les dénominations de filiales régionales, les fusions-acquisitions, et la saisie manuelle par différents acheteurs produisent tous des chaînes de texte différentes pour la même entreprise sous-jacente. Aucun de ces cas pris individuellement n'est une erreur de saisie. Le problème ne devient visible que lorsque quelqu'un essaie de totaliser les dépenses par fournisseur et constate que le total est réparti sur plusieurs enregistrements au lieu d'un seul.

Quelle quantité de revue manuelle le rapprochement fournisseurs demande-t-il réellement ?

En pratique, un rapprochement automatisé bien construit résout de lui-même la grande majorité des enregistrements fournisseurs, laissant un petit ensemble restant de paires réellement ambiguës, typiquement moins de 10 % du total des enregistrements, à examiner directement par une personne. Cette revue est courte parce que l'ensemble ambigu est court, pas parce que la revue elle-même est rapide par paire.

Davantage d'automatisation est-elle la réponse pour résoudre les derniers fournisseurs non rapprochés ?

Non. Les fournisseurs qui restent non résolus après une passe automatisée le sont parce qu'ils exigent un jugement que l'automatisation a délibérément été conçue pour ne pas deviner, comme confirmer si deux entités au nom similaire sont réellement la même entreprise. Ajouter davantage de règles ou un modèle plus volumineux ne supprime pas ce jugement, cela ne fait que déplacer le moment où il doit être exercé.

Comment Pearstop gère-t-il le rapprochement fournisseurs pendant un nettoyage de dépenses ?

Pearstop exécute d'abord une résolution fournisseurs automatisée par rapport à une base de référence, en rapprochant sur le nom, l'adresse et le numéro fiscal avec un seuil de confiance qui évite les fausses fusions, puis envoie la queue non résolue, typiquement moins de 10 % des enregistrements fournisseurs, à une personne connaissant le compte pour une revue directe. Les rapprochements résolus nourrissent en retour les données de référence, si bien que la même variante n'est pas signalée à nouveau au cycle de dépenses suivant.

Un mauvais rapprochement fournisseurs affecte-t-il autre chose que le reporting des dépenses ?

Oui. Des enregistrements fournisseurs en double augmentent aussi le risque de paiements en double, car la plupart des contrôles de paiement ne vérifient les numéros de facture en double qu'à l'intérieur d'un seul enregistrement fournisseur, pas entre deux enregistrements pour le même fournisseur réel. Résoudre l'identité fournisseur est donc autant une question de contrôle des paiements qu'une question de reporting.

Rae Thomas

Director of Operations, Pearstop

Rae heads up operations at Pearstop, in both the traditional and non-traditional sense. She's as committed to the internal success of the business as she is to the value clients get out of it, which is why she leads delivery on most projects and is the main point of contact for clients throughout.

LinkedIn →