Interview Cyril Schäfer et Sylvie Faure (Renault – TMS – 2022)

Implémentation DataLog TMS chez Renault en 2021

Photo de Sylvie Faure (Renault)

Sylvie Faure (Renault)

Cyril Schäfer (Head of Euro Cash Management) et Sylvie Faure (Responsable Cash Forecast) partagent le processus qui a conduit au choix et à la mise en place réussie du TMS de DataLog Finance en 2021. Témoignage et retour d’expérience.

Bonjour Sylvie, bonjour Cyril, avant d’entamer cet entretien, pouvez-vous présenter vos activités chez Renault SAS ?

Sylvie Faure : En charge des prévisions de trésorerie chez Renault depuis 6 ans, j’ai une double casquette finance et Systèmes d’information, pour avoir participé à l’implémentation de la précédente plateforme de trésorerie et déployé SAP chez des filiales de Renault

Cyril Schäfer : je suis le responsable du service Trésorerie Euro. L’activité de l’équipe est séparée en 2 pôles : d’une part la trésorerie « opérationnelle » consistant à gérer les flux de cash quotidiens pour le périmètre Europe, zone Euro, répartis sur une quinzaine de banques, représentant environ 250 comptes bancaires et effectuer la validation d’une grande majorité des paiements de Renault SAS et des filiales centralisées. D’autre part, le service, par l’intermédiaire de Sylvie, produit les prévisions de trésorerie pour la branche automobile.

La gestion de trésorerie quotidienne est régie par l’objectif de centralisation maximum du cash, renforcé par l’épisode pandémique que nous avons vécu. Grâce à des systèmes de cashpooling partout en Europe, notre équipe est au cœur de la gestion du cash de Renault en Europe. La collaboration avec les équipes financières européennes est indispensable à l’atteinte des objectifs.

Avant l’implémentation de notre TMS, quels outils étaient utilisés par Renault pour gérer la trésorerie et à quels objectifs votre appel d’offres TMS réalisé en 2019 devait-il répondre ?

CS : Une fiche de trésorerie quotidienne était réalisée sous Excel. Pour l’analyse du réel de trésorerie et la production des prévisions à long terme (12 mois), des outils maison étaient utilisés depuis 2000.

SF : Lourds à maintenir, peu ergonomiques et limités à un périmètre de filiales trop restreint, ces outils n’apportaient qu’une réponse partielle et seulement conjoncturelle aux problématiques liées aux volumes de flux et aux prévisions. C’est ce qui nous a poussés à sonder le marché, les prévisions à 18 mois étant un objectif prioritaire

CS : Le SaaS arrivant à maturité, nous souhaitions également migrer vers une solution nous permettant de ne plus avoir à investir dans du matériel, dans son installation, son entretien et sa maintenance. C’est pourquoi notre présélection s’est rapidement orientée vers des éditeurs de logiciels de trésorerie Cloud

Quels ont été les facteurs décisifs résultant au choix du TMS de DataLog Finance ?

SF : Notre appel offres visait à répondre à 3 objectifs :

  1. la gestion de trésorerie quotidienne
  2. l’analyse du réel par nature analytique, notre priorité, pour laquelle la plupart des éditeurs éprouvait un problème
  3. la production d’une courbe de liquidité prévisionnelle journalière sur un horizon long terme

En outre, l’outil devait être capable de couvrir tout le périmètre fonctionnel mais aussi géographique avec nos filiales (200 entités) et être implémentable dans des délais raisonnables.

Seul le logiciel de gestion de trésorerie de DataLog Finance couvrait l’ensemble de ces besoins, sans développement informatique et pouvait être implémenté en quelques mois grâce à sa faculté à être 100% paramétrable. Il s’est ainsi imposé après une démonstration très convaincante et des commentaires laudatifs de trésoriers qui utilisent cette solution. Et nous avons été particulièrement conquis par sa capacité à nous permettre d’effectuer une analyse du réel sur le long terme avec un niveau de détail très fin, ce qui semble inédit sur le marché.

Enfin, cela nous a aussi permis de changer de paradigme en exploitant les extraits de comptes bancaires au lieu des données comptables de l’ERP.

CS : sur l’ensemble du panel d’éditeurs que nous avons consultés, seul DataLog nous proposait une solution assez facile à mettre en œuvre, sans développement spécifique, avec ce découpage par poste analytique et non uniquement par moyen de paiement comme on a pu le constater lors d’un benchmark poussé et lors des différentes présentations qui nous ont été faites

Comment s’est déroulé le projet ?

SF : Le cahier des charges était très détaillé et complexe, en particulier sur le besoin d’analyser le réel de trésorerie. La capacité de paramétrage de l’outil nous a permis d’implémenter la totalité des règles d’affectation que nous souhaitions ce qui a eu pour conséquence un allongement du délai d’implémentation pour obtenir une solution sur mesure

CS Le délai supplémentaire n’a pas eu de conséquence négative puisque nous avons atteint les objectifs fixés. En outre, l’expertise de notre chef de projet nous a permis de mettre en œuvre la fonction de centralisation des annonces, a priori pas essentielle pour nous mais qui s’est révélée être un vrai bonus. Elle consiste à remplacer des mails d’information sur des flux de cash de filiales poolées en Europe par des annonces saisies directement dans le logiciel. Cela a abouti à une réduction du risque d’erreur et à un gain de temps au niveau de la trésorerie centrale.

La formation en présentiel, c’est un regret, a été très courte du fait de la situation sanitaire. Cependant le relationnel durant tout le projet avec l’équipe de consultants DataLog a été très bon. Chacun étant à l’écoute de l’autre, ouvrant la voie à un projet serein et à des solutions adaptées.

Quels bénéfices tirez-vous aujourd’hui de la mise en place du Treasury Management System ?

CS : L’un des principaux gains réside dans la sécurité, la précision et la fiabilité apportées par l’outil. Il permet d’avoir un œil plus acéré sur les comptes, d’éviter de laisser traîner des prévisions sur plusieurs jours… Et le fait de savoir qu’on n’a pas besoin d’une équipe informatique pour faire le paramétrage, faire évoluer la structure, etc., c’est formidable.

SF : Par rapport aux outils précédents, la solution de DataLog nous apporte un confort d’utilisation, une polyvalence, une convivialité qui nous était inconnue (saisie, reporting…) et l’abandon de tâches ingrates. Il est simple, par exemple, d’ajouter une règle supplémentaire, d’adapter un scénario de rapprochement sans risquer une erreur. Pour conclure, la grande valeur ajoutée, c’est la sécurité amenée dans la gestion du cash.

Quels sont les prochains projets de votre département Trésorerie ? Avec DataLog ?

SF : la mise en place du reporting dynamique est envisagée sur 2022, avec une migration vers la v5, et l’IA Prévisions à plus long terme.

Que conseilleriez-vous à un trésorier qui souhaiterait mettre en place un nouveau SI trésorerie ?

CS et SF : Avant tout l’expression de besoins doit être déterminée très précisément, avec un dossier de conception détaillé. Au sein du Groupe Renault, nous avons bénéficié d’un accompagnement de la Direction de la Transformation Digitale pour bien monter le dossier et du concours indispensable de la Direction Informatique.

Dans notre cas, nous avons aussi mené un large benchmark auprès d’une dizaine d’autres Groupes afin de connaître les bonnes pratiques, observer ailleurs la gestion et les prévisions de trésorerie et enfin voir fonctionner les produits des différents éditeurs.

Au sein de l’équipe Trésorerie, il est fondamental de s’organiser pour être en mesure de consacrer un maximum de temps au projet.

Une culture SI est un plus pour pouvoir mieux comprendre les choix de paramétrage ou la logique de fonctionnement de l’outil.

Pour conclure, souhaitez-vous ajouter quelques mots sur cette expérience ?

Le projet s’est déroulé comme attendu grâce à l’investissement des 2 parties. La connaissance de l’outil et du métier des consultants DataLog a permis de répondre à nos attentes et de s’adapter à nos spécificités.

 

NB : vous pouvez également retrouver cette interview au format court dans le numéro de mars 2022 de la Lettre du Trésorier