Sommaire
Dans le cadre de son partenariat avec L’Observatoire de la Fintech, Swotia contribue à Le Pilotage de la Performance 2026 avec une contribution de Matthieu Donnadieu, cofondateur et Directeur de recherche et projets IA chez Swotia, consacrée à l’analyse multifactorielle.
Sa réflexion part d’une difficulté concrète du pilotage : un problème peut devenir visible dans les chiffres financiers alors que son origine se trouve ailleurs.
Dans l’exemple développé dans l’article, une baisse du chiffre d’affaires associée à une masse salariale stable peut conduire à envisager une réduction des effectifs pour préserver la marge. Mais si le recul des ventes vient déjà d’un service dégradé par un manque de personnel, cette décision risque au contraire d’aggraver la situation.
Pourquoi parler d’analyse multifactorielle ?
Un résultat financier peut avoir des origines commerciales, humaines ou concurrentielles.
L’analyse multifactorielle consiste à examiner les interactions entre ces différentes dimensions pour éviter qu’une décision justifiée dans un domaine ne fragilise l’entreprise ailleurs.
Une relation observée ne suffit pas à expliquer une situation. C’est une piste qu’il faut confronter à l’ordre des événements, aux données disponibles et au terrain.
Trois principes pour mieux interpréter la performance
1. Croiser les facteurs
Comprendre ce qui se passe derrière un mouvement financier suppose de le rapprocher d’autres informations : données RH, ventes, retours clients ou encore environnement économique.
Dans l’exemple développé par Matthieu, l’évolution des équipes, des ventes et des avis clients doit être observée ensemble pour rechercher ce qui peut expliquer la situation.
Plusieurs facteurs peuvent également se combiner.
2. Comparer pour donner du contexte
L’histoire d’une entreprise ne couvre pas toutes les situations qu’elle peut rencontrer. Les trajectoires d’autres entreprises peuvent donc apporter des éléments de comparaison, à condition qu’elles soient pertinentes.
Une croissance de 4 % ne s’interprète pas de la même manière dans un marché en recul que dans un marché qui progresse de 12 %. De même, un turnover élevé prend un sens différent s’il concerne l’ensemble d’un bassin d’emploi.
Le benchmark ne sert donc pas uniquement à se situer par rapport à une moyenne. L’observation d’entreprises comparables dans la durée peut aussi permettre de rechercher les combinaisons de facteurs qui ont précédé certaines difficultés.
3. Distinguer ce qui est constaté, hypothétique ou prévisionnel
L’IA peut faciliter l’exploration des informations et l’explication des résultats, mais une réponse plausible peut aussi être erronée si les éléments nécessaires à sa vérification manquent.
Elle doit donc permettre de remonter aux données utilisées, aux calculs et aux modèles mobilisés.
Elle doit également distinguer ce qui est constaté, ce qui reste hypothétique et ce qui relève d’une prévision. Lorsque les informations disponibles ne permettent pas de trancher, elle doit le signaler et préciser la vérification nécessaire.
Ce que cela implique pour les fintechs de pilotage
Les données financières constituent un point d’entrée, mais elles doivent pouvoir être rapprochées des données RH, des ventes, des retours clients et de l’environnement économique.
Le dirigeant doit également pouvoir suivre le raisonnement qui accompagne une alerte : comprendre ce qui peut expliquer une évolution, savoir si elle est propre à son entreprise et identifier les informations encore nécessaires pour décider.
L’enjeu est de disposer de cette compréhension assez tôt pour agir et suivre les conséquences des choix réalisés. Cette logique de croisement et de mise en contexte se retrouve également dans l’analyse 360 de Swotia.
