29 mai 2020

Le but de cette nouvelle publication est d’apporter aux auditeurs les concepts debase qui régissent l’utilisation des techniques du Data Analytics (DA) et de les aider à appliquer ces techniques dans la réalisation des missions d’audit. Les techniques concernent la manière dont l’analyse des données peut être appliquée.



Aujourd’hui, bon nombre d’auditeurs utilisent la technique du DA au quotidien lors de leur contrôle, parfois sans le savoir. Les techniques utilisées sont parfois basiques et à d’autres moments plus complexes. Les analyses plus simples sont réalisées à l’aide de logiciels tels que Excel afin, par exemple, de trier les 10 meilleures ventes de l’année ou encore de corroborer les données provenant de deux sources de données différentes. Des techniques plus avancées sontutilisées à l’aide de logiciels spécialisés pour recalculer par exemple les encours des clients au travers d’une balance âgée en comparaison avec les années précédentes, ce qui permet d’identifier des écarts ou des tendances dans les habitudes de paiement de certains clients. Ils permettent également de réaliser des contrôles de substance en faisant correspondre, par exemple, les bons de commandes, les bons de livraisons et les factures, afin d’en extraire les opérations réalisées sans bon de commande.

La technique du DA est définie comme étant « la discipline à analyser, modéliser et/ou visualiser des données pour en dégager les tendances, y relever des anomalies et pour extraire d’autres informations utiles aux fins de la planification ou de la réalisation d’un audit ».

Les audits des états financiers d’entités de toutes tailles sont maintenant réalisés dans un environnement caractérisé par l’omniprésence de l’IT. A l’heure actuelle, toutes les sociétés traitent leur information à l’aide de l’IT. D’autre part,le nombre d’informations ainsi traitées ou stockées croît de plus en plus, voire même de manière exponentielle. Dans ce contexte, l’utilisation de la technique du DA assure l’amélioration de la pertinence et de la valeur de l’audit des étatsfinanciers.

Les avantages de l’utilisation de la technique du DA dans l’audit sont :
  • Une meilleure compréhension des activités de l’entité et des risques qui y sont associés, y compris le risque de fraude. L’utilisation du DA peut aider les auditeurs à acquérir une meilleure compréhension de l’entité auditée. Par exemple, une exploration de l’ensemble des ventes de l’année comparée à l’ensemble des ventes des années antérieures devrait permettre à l’auditeur de dégager les tendances de saisonnalité des ventes, ce qui lui ferait prendre conscience des périodes (jours, semaines, mois ou trimestre) les plus significatives à contrôler.
  • La possibilité accrue de détecter les anomalies significatives. Les auditssont souvent basés sur la technique des sondages aux fins des tests deprocédures ou des contrôle de substance. Il est en effet impossible et de peu de valeur ajoutée de tester manuellement l’ensemble des flux de la comptabilité d’une entité. En revanche, l’utilisation du DA pourrait permettre de tester l’ensemble des opérations d’un cycle bien défini, d’en extraire les exceptions et de se concentrer sur les exceptions ainsi détectées. Les auditeurs pourraient ainsi réduire l’utilisation des sondages et par la même,réduire le risque de non détection ou le risque que la conclusion à laquelle peut aboutir l’auditeur sur la base d’un échantillon puisse être différente de la conclusion à laquelle il parviendrait si la totalité de la population était soumise à la même procédure.
  • Une meilleure communication avec le Gouvernement d’Entreprises. L’utilisation du DA peut permettre de mieux détecter les anomalies, ce qui offre à l’auditeur la possibilité de cerner avec plus de précision les manquements dans l’organisation de l’entité. Lors des entretiens avec le Gouvernement d’Entreprises, l’auditeur peut ainsi être mieux armé pour axer de façon plus productive les discussions sur les questions à aborder par rapport à ces manquements éventuels.
Cette brochure a été réalisée par le groupe de travail Data Analytics de l'IRE, composé des membres suivants : Olivier De Bonhome, Mieke Jans, Marc Marissen, Filip Simpelaere, Jeroen Trumpener et Sébastien Verachtert