Voir la vidéo témoignage
Deux systèmes qui évoluent en parallèle
Le Wagon travaille avec deux sources de données complémentaires. D'un côté, Kitt, le logiciel propriétaire qui centralise toutes les informations liées aux formations des étudiants : modalités de financement, inscriptions, montants attendus. De l'autre, la comptabilité, qui fait foi à la clôture.
Le problème n'est pas d'avoir les deux. Le problème, c'est de les faire converger.
« C'est bien d'avoir les deux, mais ce n'est pas bien si les deux vivent leur chemin en parallèle. »
La complexité vient directement du contexte métier. Le financement d'un étudiant peut changer pendant son parcours : un financement entreprise qui se met en place après l'inscription, un dispositif public qui évolue en cours de route. Chaque modification génère des ajustements comptables. Et dans le lot, des erreurs peuvent s'accumuler : une note de crédit oubliée, une facturation en trop ou en moins.
À la clôture, tout devait se retrouver dans les comptes. Ce travail de réconciliation représentait plusieurs jours par mois.
« Pour avoir la vraie vision de notre chiffre d'affaires, il faut pouvoir passer ces écritures mensuellement. »
Ce qui bloquait avec les outils IA classiques
Le Wagon n'était pas novice sur l'IA. L'équipe l'utilisait déjà dans son quotidien. Mais quand il s'agissait de traiter des volumes importants de données financières, les outils généralistes montraient leurs limites.
« J'avais testé sur des solutions généralistes, mais je ne pouvais pas auditer la donnée et retracer les calculs menant au résultat final. »
Pour une équipe finance, obtenir un résultat ne suffit pas. Il faut pouvoir comprendre comment ce résultat a été construit, remonter les calculs, vérifier les données source. Ce n'est pas une exigence de confort. C'est une exigence métier.
« Tu ne peux pas te permettre, en tant que financier, d'avoir une boîte noire, de donner ta data et d'avoir en retour un output. Tu dois comprendre comment a été construit cet output. »
Ce qui a fait la différence avec Phacet
« Phacet, c'est l'anti-boîte noire. »
Deux éléments ont convaincu Guillaume. Le premier : la traçabilité. Phacet expose les données, les calculs et les étapes intermédiaires. Chaque décision est visible et auditable. C'est ce qui permet à l'équipe de valider les résultats avec confiance et de les défendre à la clôture.
Le second a été une surprise.
« On s'est rendu compte qu'il n'y avait pas que de l'IA. Il y avait aussi la capacité d'appliquer nos règles métier, et ça, c'est un super point. »
En finance, certains traitements doivent être absolument déterministes. L'IA excelle pour normaliser des données imparfaites, identifier des correspondances sémantiques, gérer l'ambiguïté des libellés. Mais quand la précision doit être à 100%, il faut s'éloigner du statistique pour revenir au logique pur. L'approche Phacet combine les deux.
« Tu as un peu le meilleur des deux mondes si tu le fais bien. »
Une mise en place construite par itération
L'un des enseignements du projet est que l'automatisation de processus financiers complexes ne se déploie pas d'un clic.
« Ça ne marche pas du premier coup. Ce n'est pas magique. Tu n'es pas laissé tout seul face à ton agent. »
Les équipes Phacet ont travaillé aux côtés de l'équipe Finance pour construire progressivement le bon comportement : comprendre les exceptions, ajuster les règles métier, itérer jusqu'à obtenir un agent fiable en production.
« Je préfère investir un peu de temps avec des sachants qui comprennent la tech et mon métier. Une fois que c'est bien construit, tu sais qu'il fonctionnera les mois suivants. »
Cette approche correspond à la culture du Wagon, où la logique produit s'applique aussi aux outils internes : identifier un problème précis, vérifier que ça fonctionne, améliorer.
« Je suis plutôt un adepte du petit pas. »
Ce que ça change pour la fonction Finance
Au-delà de la réconciliation automatisée, Guillaume voit un impact plus structurant. Les équipes finance consacrent aujourd'hui une part importante de leur temps à sécuriser la donnée. C'est nécessaire. Mais c'est aussi du temps pris sur ce qui crée le plus de valeur.
« La finance peut être encore plus support du business. C'est ce qui est passionnant dans les métiers financiers : tu es vraiment immergé au cœur de l'entreprise. »
Le prochain cas d'usage envisagé illustre bien cette direction : un agent capable d'ingérer les comptabilisations passées pour suggérer les écritures futures et signaler les erreurs avant que l'équipe ne les découvre. Un superviseur silencieux qui passe en revue les comptes avant que l'analyse commence.
Un outil qui ne produit pas seulement des résultats. Qui les explique. Et qui libère du temps pour ce qui ne peut pas être automatisé.
