L'IA Et La Compta - Ressources.tiime.fr

L’IA et la comptaNous avons réalisé cette infographie pour expliquerles notions essentielles qui définissent l’Intelligence Artificielle, etcomment elles pourraient s’appliquer à la compta.

L’IA, pourquoi es3Aide à la décisionvia des suggestions5Gestion quantifiéedu risque

Les avantages de l’IAGain de tempsTechnologie de moins en moins élitisteMoins de risque d’erreur que l’humainPeut gérer des volumes bien plus élevé que l’humain,et plus viteÇa s’améliore (auto apprenant)Chez Tiime :Avoir une imputation des transactions homogènesTechnologie de moins en moins élitiste

Portrait robotdes deux métiersprincipaux de l’IA1Le data matiques(PhD / doctorat)JobExpert dans letraitement, l’analyseet la modélisation dedonnéesOutilsPython, R, Tensorflow,Keras, Jupyter NotebookAimeLes chiffres, lesdébats interminables,automatiser les tâchesrécurrentes, lire desarticles de recherche (etchez Tiime : Mario Kart,les jeux de stratégie)N’aime pasLes problèmes triviaux, les données incomplètes,les réu-nions, maintenir la productionJournée typeTester un modèle, vérifier les hypothèses,coordination avec les data engineers pourl’implémentation et les besoins en fonction desfeatures, veille scientifique

Le data engineer2FormationIngénieur informatiqueJobDéveloppe, construit,maintient et améliore enpermanence l’architecture, lestockage et le traitement desdonnéesOutilsPython, Docker, AWS, GitAimeLa planification, lesalgorithmes optimisés (etchez Tiime : la switch etKaamelott)N’aime pasQue la production tombe, la dette technique, périmètres maldéfinis, les changements de dernières minutes, les débatsinterminablesJournée typeAjout de fonctionnalités, maintenance de l’infrastructure,revue de code

Les conceptsIntelligence ArtificielleL’ensemble des théories et des techniques mises en œuvre en vue de réaliser des machines capables de simulerl’intelligence.ClassificationAttribuer une étiquette à une donnée(par exemple, le tag restaurant à unetransaction bancaire).AlgorithmeUne séquence d’instructions donnée àl’ordinateur pour qu’il puisse effectuercertaines tâches prédéfinies / résoudrecertaines types de problèmes.SVM (Support vector machines)Séparateur linéaire à vaste marge. Unensemble de techniques d’apprentissage qui ont pour objectif la classification. C’est une technique d’apprentissage supervisé.Machine LearningC’est lorsqu’un algorithme peut effectuer une tâche pour laquelle il n’a pasété spécifiquement programmé. C’estdonner aux ordinateurs la capacitéd’«apprendre» à partir de données.KNN (K Nearest Neighbors)Une autre méthode de classification,aussi basée sur l’apprentissage supervisé. La prédiction est égale à l’élémentde l’apprentissage le plus “proche”selon une distance choisie, arbitraire

ClusteringEnsemble des méthodes de classification souvent non-supervisées. Elles visent à diviser un ensemble de données endifférents groupes homogènes selon des critères arbitraires.Réseau de neuronesUn algorithme de classification inspiré du fonctionnement decerveau humain qui permet la résolution de problèmes complexes.Supervisé / Non superviséUn algorithme de machine learning supervisé apprend à partir d’exemples annotés (il sait en amont quelles réponses sont attendues de lui, et il a “vu” des exemples avec ces réponses). Un algorithme de machine learning non-supervisé ne connaît pasde bonnes réponses, il a “appris” sans exemple.Computer VisionEnsemble de techniques et méthodes dont le principal butest de permettre à une machine d’analyser, traiter et comprendre le contenu des images.OCR (Reconnaissance Optique de Caractères)Ensemble de méthodes permettant d’extraire du texte d’uneimage de texte (comme la photo d’une facture, par exemple).C’est une technique de Computer vision.NPL (Traitement automatique de la langue naturelle / “Natural Language Processing”)Ensemble de méthodes permettant d’analyser la langue naturelle pour diverses applications.Exemple de 2 transactions où les libellés où on a “Salaire” et de la “rémunération”. Le NLP permet de rapprocher ses 2 transactions qui sont proches sémantiquement.Arbre de décisionAlgorithme de classification basé sur les critères de séparation/classification qui prennent la forme graphique d’un arbre.Random ForestAlgorithme de classification qui repose sur un ensembled’arbres de décision.

Pour que ce soit plus clairDisclaimer : il s’agit de schémas extrêmement simplifiés et qui ne tiennentpas compte de toutes les variables de l’IASuperviséRégressionNon superviséClassificationSVMClusteringKNNRandom ForestRégressionlinéaireRéseau deneuronesKNNPrincipalComponentAnalysisArbre dedécisionComputerVisionIntelligence epLearningSegmentationd’imageOCR

Les pré-requis1Volume de données23Qualité des données (cohérence, lisibilité,accessibilité)Feedback / Supervision4Méthodes de travail homogènes

Les défisCôté cabinetFaire confiance à la machineAdapter ses méthodes de travailCôté IAAlignement avec le métier comptableAjuster les algorithmesAvoir une infrastructure dédiée adaptée

Comment ?13Aide à l’annotation comptable(N de compte et TVA)Aide pour la détection d’anomalie(absence de transaction récurrenteou transaction “anormale”)2Aide pour matcher destransactions avec des facturesou des reçus

Les freins etles limites de l’IAVolume, compréhension etqualité des donnéesGestion des biaisInterprétation desrésultats, côté “boîte noire“Les opportunitéspour le cabinetRentabilitéCroissanceDiversification / conseilAttractivitéFiabilitéRé-organisation : plus depériode de fiscale

À proposCréée en2015Fintech100% Française50collaborateursUn labo IAunique en Europe20 000 utilisateursclients et déjà25 cabinets partenaires

Python, R, Tensorflow, Keras, Jupyter Notebook Aime Les chiffres, les débats interminables, automatiser les tâches récurrentes, lire des articles de recherche (et chez Tiime : Mario Kart, les jeux de stratégie) N'aime pas Les problèmes triviaux, les données incomplètes, les réu-nions, maintenir la production Journée type