Spécificité française apparaissant comme une contrainte technique et légale, le FEC permet de faciliter les contrôles de masse par les services publics au moyen d'outils de Data Mining. Ce format standardisé de grand livre parfois perçu comme une menace s'est finalement avéré être source d'opportunités.
Au travers des 14 critères imposés par le format FEC, certains professionnels du chiffre ont vu la possibilité de renforcer leur processus de clôture comptable. Revue des doublons, contrôles de cut-off, tests de séquentialité, revue des transactions aux libelles étranges, opérations en devises, test de cohérence des taux de TVA... sont tant de contrôles clefs faisables sur la base du FEC. En effet, qu'il s'agisse d'un contrôle fiscal, d'un ajustement comptable à la demande du CAC ou encore de la mise en exergue d'anomalies relevant d'opérations frauduleuses, les conséquences financières et réputationnelles peuvent être lourdes pour l'organisation. Dans une logique de data engineering, pour garantir l'efficacité des algorithmes d'investigation, il est indispensable que les données soient de « qualité ».
Par conséquent, se pose la question de la structuration de sa donnée comptable et donc de son FEC. Cela passe par le choix des informations et mots-clés présents dans les libellés d'écritures, l'agrégation ou la désagrégation de transactions comptables en une ou plusieurs écritures, le recours à l'éclatement des comptes pour les contrôles de TVA...
A l'approche des clôtures annuelles, l'environnement de la FinTech française peut vous faciliter la tâche avec les algorithmes d'investigation d'anomalies comptables de ControlFec ou l'outil d'automatisation de saisie par IA de Chaintrust.
Ces 2 outils sont basés sur un même modèle de données : un FEC de qualité !
|
|