Data analytics et sa mise en oeuvre

Directeur de mission audit interne chez Orange et également formateur à l’IFACI et l’AFGES, Teddy Ramanakasina est spécialisé notamment dans l’audit des systèmes d’information et la gestion des données. Il évoque pour nous l’Audit Data Analytics (ADA) et ses applications.

Qu’est-ce que l’audit data analytics ?

Teddy Ramanakasina : L’audit data analytics (ADA) est un prolongement de l’utilisation des statistiques avancées dans les missions d’audit. Les méthodes d’analyse des données d’audit peuvent être utilisées dans la planification de l’audit et dans les procédures pour identifier et évaluer les risques.

L’Audit Data Analytics ou Analyse des Données en Audit (ADA) se définit comme « la science et l’art de découvrir et d’analyser des modèles, d’identifier les anomalies et d’extraire d’autres informations utiles dans les données sous-jacentes ou liées à l’objet d’un audit par l’analyse, la modélisation et la visualisation de la planification ou de l’exécution de l’audit ». C’est l’AICPA (American Institute of CPAs) qui a établi cette définition dans un « Guide to Audit Data Analytics » de 152 pages pour se familiariser au processus d’analyse des données en audit.1

S’agit-il d’échantillonnage ou d’analyse exhaustive ?

T.R. : L’analyse des données est omniprésente dans la démarche d’audit dès le cadrage d’une mission jusqu’à la phase de communication des résultats. L’évolution des nouvelles technologies comme l’intelligence artificielle et la digitalisation des processus opérationnels offre une nouvelle possibilité à l’auditeur de faire une analyse exhaustive au lieu du traditionnel échantillonnage. Si et seulement si les données sont pertinentes et de bonne qualité, l’approche par une analyse exhaustive présente plusieurs avantages à l’audit :

- les constats d’audit sont basés sur l’analyse de la population totale et non partielle ;
- les sources de données à analyser sont plus nombreuses et l’accès aux données peut être rapide et facilité;

- les conclusions de l’audit sont plus solides avec d’autres techniques d’analyses.

Mais les données exhaustives peuvent présenter d’autres défis. L’analyse ADA exige des compétences avancées et peut parfois faire appel à des experts de Data Analytics voire des Data Scientists. La question se pose alors d’avoir une équipe spécialisée ADA ou faire monter en compétence les auditeurs. En plus de l’expertise technique, il faut respecter la confidentialité et la sécurité des données à manipuler et vérifier la conformité à l’exploitation des sources de données. Une mission d’audit peut être annulée si la règlementation locale d’un pays ne permet pas l’exploitation des données.

Comment s’inscrit l’analyse des données dans la démarche d’audit ?

T.R. : Les ADA sont pertinentes dans toutes les phases de l’audit.

Quelques exemples :
• Phase préparatoire : mise en place d’un modèle d’analyse des risques automatisé, agrégation des données sur l’environnement des contrôles, analyse des tendances et prise en compte de l’analyse des données dans le processus.

• Phase terrain / vérification : plusieurs cas sont possibles de l’utilisation d’Excel jusqu’au développement des outils spécifiques comme R et Python. Nous avons par exemple fait une analyse de la base client de plusieurs millions de lignes avec des critères prédéfinis : noms erronés, doublons, cellules vides, dates de naissance.

• Phase de communication : utilisation des outils de data visualisation pour rendre les constats plus accessibles et faciliter les décisions (les plus utilisés sont Qlik Sense, Tableau software). Les rapports d’audit contiennent ainsi de plus en plus de graphiques.2

• Phase de suivi des recommandations : reporting ad hoc et automatisé des avancements de recommandations accessibles au contrôle niveau 2 et l’audit.

Comment un auditeur généraliste peut monter en compétence ?

T.R. : Selon moi, un auditeur généraliste doit évoluer de la vision descriptive des analyses des données historiques en vision prescriptive, en exploitant des données corrélées et en utilisant des statistiques avancées pour proposer des orientations nouvelles. L’auditeur devient partner du business et enrichit son rôle traditionnel d’assurance. Il s’agit d’abord de bien comprendre les statistiques avancées avant de se familiariser aux outils et/ou aux applications ADA.

Quelle est la marche à suivre et grâce à quelle formation ?

T.R. : La première démarche est de comprendre les données appelées autrement « data literacy » ou culture de la donnée, et progresser vers plus de technicité. Dans le passé j’ai animé une formation sur mesure pour l’IFACI et d’autres organismes pour répondre aux besoins des auditeurs généralistes. Avec l’outil Excel et des études de cas des missions d’audit, 4 parties sont proposées :

1. comprendre les données ; 2. préparer les données ;
3. exploiter les données ;
4. visualiser les données.

(1) https://www.aicpa.org/press/pressreleases/2017/audit-data-analytics- new-aicpa-guide-will-help-auditors-apply-ada-techniques.html
(2) https://internalaudit360.com/death-of-the-audit-report-its-time-to- reconsider-how-we-convey-internal-audit-findings