DataLog Finance présente la gestion de trésorerie nouvelle génération

Dans le dernier numéro de FX-MM (Septembre 2017), DataLog Finance a présenté la dernière génération de treasury management systems (TMS), mêlant automatisation, machine learning, IA (Intelligence Artificielle) et blockchain.

Ci-dessous la transcription de l’article FX-MM:

Alors que les travaux bancaires sur le blockchain vont bon train un peu partout dans le monde, le monde de la trésorerie est sur le point de connaître un véritable bouleversement avec l’avènement prochain de ce que l’on peut appeler la « smart treasury ». Ce concept repose sur l’automatisation de nombreux processes liés au métier de la trésorerie, et sur le recours à de nouvelles technologies. Ainsi, les TMS les plus avancés du marché, comme Treasury Line, commencent à se pencher non seulement sur les avantages liés à l’utilisation de blockchain et du bitcoin, mais aussi à ajouter des couches d’Intelligence Artificielle et de Machine Learning pour améliorer l’expérience utilisateur, optimiser leur richesse fonctionnelle et ainsi rendre toujours plus productif le travail des équipes de trésorerie.

Voici en quelques mots les différents apports de ces différentes couches dans un TMS :

1/ Blockchain (et bitcoin, qui repose sur une infrastructure de ce type) : les échanges financiers vont être encore plus sécurisés et devenir presque unforgeable grâce notamment à une cryptographie et au mining process. Par ailleurs, la démocratisation des paiements en bitcoins va permettre la rationalisation des échanges entre les entreprises, les clients et les fournisseurs, et les rendre plus rapides et sans doute moins risqués…

2/ IA advice : en analysant les évolutions et tendances du marché (sur plusieurs jours, semaines, mois…), le système pourra être capable de présenter des smart audits au trésorier, en soulignant le bien-fondé (ou non) des placements qui ont été effectués, voire de proposer immédiatement les prochains investissements à effectuer, données à l’appui, permettant ainsi au Trésorier d’éviter recherche manuelle et analyse fastidieuse.

3/ Machine learning and predictive algorithms : en apprenant les habitudes du trésorier au gré de son utilisation, le logiciel va être capable de proposer spontanément des routines à celui-ci, sans création préalable de macro ou de template, par exemple en proposant le choix d’un compte plutôt qu’un autre en fonction du profil d’une transaction, en proposant spontanément la création de lots de paiements en fonction des spécificités de ceux-ci, en détectant des anomalies ou fraudes éventuelles, en classifiant et catégorisant les datas afin de générer des prévisions de tout type, ou encore en réconciliant et en comptabilisant automatiquement des écritures.

Ces différentes nouveautés, qui reposent sur des algorithmes souvent déjà prêts mais nécessitant d’être éprouvés encore davantage avant intégration définitive, permettront une automatisation et une personnalisation toujours plus poussées des processes de trésorerie dans le TMS, engendrant un évident gain de productivité et de précision pour les trésoriers.

Vous pouvez également retrouver cet article au format pdf.

Treasury Management : une nouvelle génération de logiciels (FX-MM September 2017)

Treasury Management : une nouvelle génération de logiciels (FX-MM September 2017)