Dans l'enquête CFO Risk Radar 2026 de Kyriba, seulement 26 % des équipes financières déclarent exécuter des modélisations de scénarios en continu ou de façon automatisée. Les 74 % restants fonctionnent encore à un rythme calendaire — mensuel, trimestriel, parfois annuel — alors que les risques qu'elles modélisent n'attendent pas le prochain cycle de revue. Les prévisions manuelles et les flux de paiement fragmentés paraissent deux problèmes distincts. En réalité, c'est le même problème qui se manifeste à deux endroits.

La même enquête révèle que 83 % des équipes financières ne parviennent pas à quantifier en temps réel l'impact financier d'un risque. Pour un directeur financier, la vraie question est de savoir si la trésorerie peut évaluer une exposition tant que des options de décision restent ouvertes — et non si un modèle figure dans le reporting mensuel.

Ces deux constats pointent vers le même déficit de maturité : l'absence d'un socle de données centralisé, nettoyé en temps réel, qui relie la planification à l'exécution. Les équipes financières décrivent souvent cet écart comme une contrainte d'effectifs ou d'outils. L'enjeu est plus profond : c'est un sujet de conception de la gouvernance. Les données et les contrôles ne sont pas reliés de manière suffisamment étroite et rapide aux décisions attendues de la trésorerie.

Deux symptômes d'un même déficit de maturité

La dépendance aux tableurs pour les prévisions est le symptôme côté planification. La fragmentation de l'exécution des paiements est le symptôme côté exécution. Les processus paraissent différents, mais tous deux obligent les équipes à rapprocher des informations disjointes avant que l'organisation ne dispose d'une vision suffisamment claire de sa liquidité pour agir.

L'inefficacité des processus ralentit le travail. La fragmentation des données crée des angles morts. Les entreprises moins matures compensent par des couches d'organisation supplémentaires pour réduire la file des dossiers en attente de revue, tout en laissant l'angle mort intact. La distinction est cruciale lorsque les dirigeants financiers allouent des investissements à des initiatives distinctes de prévision et de paiements — avec des responsables, des priorités, des business cases et des jalons séparés.

Une prévision ne peut rester à jour lorsque les données de paiement arrivent en retard ou dans des formats hétérogènes. Une exécution plus rapide des paiements ne compense pas une vision du risque bâtie sur des soldes non consolidés. La contrainte commune est sous-jacente aux deux workflows : la trésorerie manque d'une vue unique et fiable de ce qui s'est passé, de ce qui est en cours et de ce qui pourrait nécessiter un financement ensuite.

Pourquoi les prévisions manuelles ne peuvent pas passer à l'échelle

Une prévision manuelle bute généralement aux mêmes endroits, quelle que soit l'expérience de l'équipe. Les données arrivent de plusieurs banques et entités. L'analyste télécharge ou demande des fichiers, normalise des formats hétérogènes, procède aux rapprochements de soldes, analyse les écarts, puis met à jour le modèle. La prévision n'est disponible qu'une fois ce travail accompli.

L'étape de rapprochement qui occupe deux heures un lundi matin tient rarement au calcul lui-même. Elle tient à l'investigation des écarts : une entité a été réglée le mardi dans un système, le mercredi dans un autre, et affiche désormais un écart de solde que personne ne peut expliquer tant que la bonne personne n'a pas répondu à un e-mail. Le modèle est peut-être mathématiquement juste. Ses données d'entrée restent tributaires du timing, de l'interprétation et de connaissances tacites.

Ce processus crée, à l'échelle, une dépendance à un point de défaillance unique. Les opérationnels qui exécutent le modèle savent quel fichier de compte utiliser, quelle entité présente un schéma de règlement particulier, quel solde intercompagnie nécessite un ajustement, et quelle hypothèse a changé depuis le dernier cycle. En leur absence, un autre analyste doit reconstruire la logique sous pression.

Les préoccupations liées aux effectifs rendent cette fragilité plus difficile à ignorer. 57 % des équipes financières déclarent être très ou assez préoccupées par les questions d'effectifs — recrutement, fidélisation et compétences. Ajouter des ressources règle un problème de dotation. Cela ne résout pas un problème structurel. Plus de personnes sur des workflows manuels peuvent accroître le débit un temps, tout en préservant la même dépendance à des données fragmentées et à des connaissances tacites.

Le rythme de modélisation explique pourquoi le problème de quantification persiste. Seulement 26 % des équipes exécutent des modélisations de scénarios en continu ou de façon automatisée, tandis que 34 % modélisent mensuellement, 35 % trimestriellement et 3 % annuellement. Un modèle calendaire peut soutenir une revue programmée. Il ne peut pas répondre de manière fiable, dans les heures qui suivent l'événement, à ce que signifie pour la liquidité un nouveau problème de contrepartie, un encaissement client retardé, un besoin de financement imprévu ou un mouvement de change.

Le fait que 83 % des équipes ne parviennent pas à quantifier l'impact financier en temps réel est donc un constat de processus, pas seulement de modélisation. Lorsque le modèle de scénarios se met à jour après l'événement de risque, la trésorerie mesure une exposition une fois la fenêtre de décision déjà rétrécie.

Pourquoi la fragmentation des paiements aggrave le problème

La fragmentation des paiements crée le même décalage de visibilité côté exécution. Un modèle opérationnel multiportail peut contenir l'information requise, mais des informations dispersées entre plusieurs portails et processus d'entités ne constituent pas une position de trésorerie maîtrisée et exploitable pour la décision.

Les analystes doivent encore comparer et vérifier la disponibilité des soldes, confirmer les paiements émis et en attente, rapprocher les exceptions et déterminer si un paiement a franchi le processus de contrôle.

Le détail opérationnel compte. Un paiement peut être approuvé dans un workflow, émis via un autre, et confirmé dans un portail bancaire que la prévision ne reflète pas encore. Il en résulte un écart entre la position planifiée par la trésorerie et la position effectivement exécutée par l'organisation. La position de trésorerie devient visible après mouvement plutôt qu'avant. L'impact peut prendre la forme d'un découvert coûteux ou d'un rendement sous-optimal de la trésorerie.

Seulement 38 % des équipes financières déclarent avoir une grande confiance dans leur capacité à analyser l'exposition aux risques en temps réel. Intégrité des données, disponibilité et confiance décisionnelle sont des capacités distinctes. Un solde ou une transaction qui existe techniquement quelque part dans un environnement disparate n'est pas une donnée d'entrée fiable pour la prévision, le financement, la couverture ou la gouvernance de la liquidité.

Les contrôles révèlent le même clivage. Un contrôle effectué après qu'un paiement a été exécuté est une revue a posteriori. Un contrôle intégré au flux de paiement peut prévenir, réorienter ou remonter une exception avant que les fonds ne quittent le compte. Une approche produit des preuves d'audit. L'autre protège l'argent en mouvement.

Un processus de paiement incapable de configurer des contrôles alignés sur les exigences d'audit ne peut pas soutenir la structure de gouvernance qu'exige une intelligence de liquidité en continu. La centralisation des paiements, couplée à une piste d'audit et une traçabilité systématiques, est donc un prérequis de maturité, pas simplement une initiative d'efficacité.

Une seule erreur ou faiblesse de contrôle peut avoir des atteintes significatives à la réputation. Le processus de paiement doit s'appuyer sur un cadre continu, autonome et permanent, qui protège en amont d'un incident — et non après les faits. On ne peut y parvenir si les workflows de paiement résident encore dans de multiples portails bancaires.

La centralisation ne signifie pas éliminer le jugement ni imposer à chaque entité un modèle opérationnel standardisé. Elle consiste à créer une base cohérente pour les données de compte, le statut des paiements, les approbations, les exceptions, la détection de fraude et les mouvements de liquidité — entre banques, entités et devises. Une couche de données connectée peut alors alimenter automatiquement la prévision avec les données d'exécution à jour et donner aux décisions de paiement le contexte de la position de liquidité visée par la trésorerie.

Construire l'infrastructure, pas seulement l'état d'esprit

Les équipes financières n'atteignent pas une intelligence de liquidité en continu en demandant aux opérationnels de travailler davantage, de documenter plus finement ou d'ajouter une réunion de revue. La rigueur compte, mais appliquée à des données déconnectées, elle produira des réponses tardives au moment où la trésorerie peut le moins se le permettre.

Le véritable coût du travail manuel en trésorerie, c'est le rétrécissement des options. Au moment où un processus manuel fait remonter le risque, la décision qui aurait compté le plus est peut-être déjà indisponible.

Commencez par un audit de la structure de données. Cartographiez où résident les données de paiement, qui les consolide et en combien de temps elles alimentent la prévision. Ces réponses montreront où se situe le déficit de maturité et quels contrôles doivent être intégrés au cœur du processus.

Ne traitez plus les prévisions et les paiements comme des postes séparés. Traitez-les comme un seul et même enjeu de maturité.