Projets

L'IA au service de l'audit

Détection de signaux faibles mais trompeurs dans des données structurées et non-structurées

Le contexte

L’IA et les technologies qui y sont liées sont susceptibles d’avoir des effets significatifs sur la société en général, et devraient entraîner des disruptions dans les professions classiques, par exemple pour les professionnels de la santé, les avocats et les auditeurs. Dans le cas de ces derniers, la fonction implique l’analyse de nombreuses sources de documents, internes ou externes aux sociétés contrôlées, comme les documents comptables par exemple. Ces sources de données donnent un aperçu des risques commerciaux, ce qui permet aux auditeurs de mettre en évidence de potentiels problèmes cruciaux. En outre, les sources de données sont relativement structurées avec des champs et des colonnes clairement définis, à partir desquels les informations requises peuvent être facilement extraites.

Le challenge

La plupart des auditeurs négligent d’autres sources de données pertinentes, telles que les communiqués de presse, les pages web, les livres blancs et les réseaux et médias sociaux (par exemple, les tweets). Ces sources constituent une précieuse base d’informations potentiellement pertinentes, qui pourraient compléter les documents d’audit traditionnels. L’utilisation de ces sources d’information complémentaires pourrait permettre d’améliorer la précision et l’efficacité du processus d’audit.
Toutefois, les sources de données telles que les communiqués de presse et les réseaux sociaux sont moins structurées et leur analyse nécessite des méthodes novatrices. Entre autres, le Natural Language Processing (NLP) et l’analyse des réseaux sociaux peuvent contribuer à accélérer le processus d’analyse. En outre, ces sources de données abondent en « signaux faibles », qui sont des informations qui ne sont pas ouvertement exprimées, mais qui sont de nature « trompeuse ». Cependant, elles pourraient être révélatrices de fraudes et d’erreurs de gestion.

Question clé et objectifs

Sur base des éléments susmentionnés, la question clé peut être formulée comme suit :

« Comment détecter avec précision les signaux faibles provenant d’énormes volumes de données structurées et moins structurées dans le contexte d’un processus d’audit ? »

Les principaux objectifs du projet de recherche seront les suivants :

  • Développer et mettre en œuvre de nouveaux algorithmes pour détecter automatiquement ces signaux faibles provenant de diverses sources de données structurées et moins structurées ;
  • Développer des approches innovantes pour incorporer ces signaux faibles à d’autres informations pertinentes obtenues à partir de documents comptables traditionnels ;
  • Déterminer si ces signaux faibles permettent de détecter les cas de mauvaise gestion qui ne l’ont pas été sur base des informations disponibles dans les documents comptables traditionnels ;
  • Déterminer quels types de signaux faibles sont effectivement révélateurs d’une mauvaise gestion.

À propos de KPMG

KPMG est l’une des plus grandes sociétés d’audit opérant dans 152 pays, avec plus de 189 000 personnes travaillant dans les cabinets membres à travers le monde. Grâce à une approche de guichet unique, les clients sont conseillés par des équipes multidisciplinaires composées de personnes très performantes qui mettent en oeuvre leur expertise et leur perspicacité pour donner aux clients des conseils commerciaux et les guider à travers la complexité des questions et des réglementations locales et internationales actuelles. En plus des services fiscaux, juridiques, d’audit et de conseil, KPMG en Belgique et au Luxembourg offre un accompagnement spécifique aux entreprises familiales.
Étant à l’avant-garde de la révolution numérique, KPMG s’intéresse aux nouvelles approches de l’IA, basées sur le machine learning et le deep learning, afin d’améliorer les activités des auditeurs. C’est la raison pour laquelle KPMG a décidé de devenir partenaire du HEC Digital Lab sur ce projet.