Analyse des données - Partie 10

1. Définitions clés

• Valeur aberrante (outlier) : valeur d’une population supérieure à $Q_3 + 1,5 \times IQR$ ou inférieure à $Q_1 - 1,5 \times IQR$, où $IQR = Q_3 - Q_1$ (écart interquartile).
• Montant tolérable : seuil financier défini au-delà duquel une aberration est considérée significative pour l’audit.

2. Arbre décisionnel pour le traitement des aberrations

3. Principes du traitement des aberrations

• Ne pas perdre de vue l’objectif principal : l’identification des aberrations est un moyen, pas une fin.
• Contrôle selon l’arbre décisionnel pour décider des actions à mener.
• Défis fréquents :
  • Grand nombre d’aberrations à analyser.
  • Absence de modèle clair d’aberrations.
  • Difficulté à fixer le montant tolérable.
  • Absence de population témoin pour comparaison.
• Population résiduelle : souvent sous-évaluée dans les tests et analyses.

4. Étapes synthétiques du traitement

1. Identification des aberrations via critères statistiques (IQR).
2. Évaluation selon montant tolérable et facteurs qualitatifs.
3. Conclusion sur la présence ou non d’anomalies significatives.
4. Actions : contrôles complémentaires, réévaluation des risques, communication des erreurs.

5. Exemple d’application : contrôle des amortissements

• But : recalculer les amortissements par catégorie et comparer avec le livre auxiliaire.
• Synthèse des contrôles :
  • Vérification arithmétique des durées d’amortissement.
  • Analyse des écarts entre amortissements calculés et enregistrés.
• Constatations :
  • Pas d’écarts significatifs détectés.
  • Écarts mineurs (arrondis) inférieurs au seuil de non-détection.
• Conclusion : aucune anomalie significative, pas de procédure d’audit supplémentaire requise.

Lors du traitement des aberrations, il faut toujours évaluer leur impact réel sur l’audit et ne pas se focaliser uniquement sur leur détection statistique.

1. Contexte et organisation de l’audit Bohrer Group

• Client : Bohrer Group, audit des comptes consolidés IFRS, incluant Bohrer Production SA (Zurich) et Bohrer Holding SA.
• Mission : Audit annuel 2025, avec recours à l’analyse de données pour Bohrer Production SA, puis extension prévue à toutes les sociétés SAP du groupe dès 2026.
• Équipe : Utilisation d’un outil interne d’analyse de données, assistée par un analyste de données.

2. Environnement informatique et processus clés chez Bohrer Production SA

3. Points clés de l’analyse de données dans l’audit

• Objectif : Détecter anomalies dans les soldes d’ouverture et assurer la permanence de la présentation des comptes.
• Données exploitées : Extraction à partir des systèmes SAP ERP, ARIBA, SAP Treasury.
• Conditions préalables à l’analyse :
  • Data Input Risk : Risque lié à la saisie des données.
  • Data Integrity Risk : Risque lié à l’intégrité des données.
  • Data Extraction and Manipulation Risk : Risque lié à l’extraction et à la manipulation des données.

4. Recommandations pour l’extraction des données (feedback à l’analyste)

À retenir : L’analyse de données en audit nécessite une gestion rigoureuse des risques liés à la saisie, à l’intégrité et à l’extraction des données, ainsi qu’une planification claire incluant ressources, calendrier, sécurité et communication.

1. Extraction et validation des données

a) Contrôles Généraux Informatiques (GITC) et analyse de données

• GITC : contrôles internes sur les systèmes informatiques, essentiels lorsque les analyses s’appuient sur des systèmes avec contrôles clés.
• Pour les systèmes de scoping, l’auditeur doit vérifier les GITC si les contrôles clés ou analyses s’appuient sur ces systèmes (MSA II, p. 202).

b) Exemples de systèmes et contrôles associés

c) Cas où GITC peut être superflu

• Exemple : SAP Treasury ne transmet pas de données à SAP ERP.
• Paiements autorisés dans SAP ERP, exécutés dans SAP Treasury.
• Risque de fraude dans SAP Treasury doit être traité dans l’audit, mais GITC sur SAP Treasury peut être superflu pour l’analyse des données SAP ERP.

d) Séparation des tâches (Segregation of Duties - SoD)

• Objectif : éviter la manipulation des données par une même personne.
• Contrôles SoD obligatoires sur les systèmes/processus suivants :

e) Vérification des interfaces de données

• Contrôle de l’exhaustivité et de l’exactitude nécessaire pour les interfaces :

2. Analyse des données dans l’entrepôt

a) Types d’analyses selon les assertions d’audit

• L’analyse est particulièrement adaptée à l’évaluation des stocks, car celle-ci repose souvent sur des analyses.
• Limite : la participation à la prise d’inventaire est obligatoire et constitue une procédure suffisante pour existence et exhaustivité, donc analyse supplémentaire peu efficace.

b) Extraction des données SAP ERP pour analyse

• Garantir lors de l’extraction :

3. Premier aperçu des données extraites (statistiques descriptives)

a) Indicateurs clés à utiliser

• Moyenne, médiane, écart-type : pour détecter la tendance centrale et la dispersion.
• Minimum et maximum : pour identifier les valeurs extrêmes.
• Nombre de valeurs manquantes : pour évaluer la complétude.
• Distribution des données (histogrammes) : pour visualiser la répartition.

b) Interprétation et suite

• Résultats permettent d’identifier des anomalies ou valeurs aberrantes.
• En cas de valeurs aberrantes, il faut :
  • Vérifier la source des données.
  • Contrôler la saisie ou les règles de calcul.
  • Décider si ces valeurs doivent être exclues ou corrigées avant analyse approfondie.

À retenir : L’extraction doit garantir l’exhaustivité et l’exactitude des données, et la validation initiale par des statistiques descriptives est essentielle pour détecter les anomalies avant toute analyse approfondie.

1. Indicateurs clés pour l’analyse des données d’inventaire

• Valeur moyenne, médiane, écart-type, quantiles : essentiels pour comprendre la distribution des prix et stocks.
• Distribution asymétrique : valeur moyenne > médiane indique une inclinaison à droite, présence possible de valeurs aberrantes.
• Ces indicateurs s’appliquent aux prix, stocks, et à leur combinaison.

2. Analyse descriptive des stocks et prix

• La valeur et le prix augmentent avec le degré d’achèvement, tandis que le stock diminue.
• La présence de valeurs aberrantes est particulièrement marquée pour les produits finis.

3. Visualisation des données

• Utilisation de tableaux croisés dynamiques pour synthétiser les données par catégorie.
• Création de diagrammes Box & Whisker pour visualiser la distribution des prix et valeurs totales.
• Diagrammes en barres et dispersion (X-Y) pour analyser la relation entre rotation des stocks et correction de valeur.

4. Détection et gestion des valeurs aberrantes

• Les biens avec prix très élevés doivent être vérifiés et harmonisés avec la connaissance métier.
• Les valeurs aberrantes doivent être intégrées systématiquement dans l’échantillon d’inventaire.
• L’analyse permet de remettre en question l’évaluation des risques liée aux stocks.

À retenir : La valeur moyenne supérieure à la médiane signale une distribution asymétrique avec des valeurs aberrantes potentielles.

5. Rotation des stocks et correction de valeur

• Taux de rotation = sorties / moyenne des stocks.
• Correction de valeur appliquée selon la rotation :
  • Rotation < 0,5 → amortissement à 50%
  • Rotation < 1 → amortissement à 25%
  • Rotation = 0 → amortissement total
• Calcul de l’écart de correction pour détecter les anomalies dans l’application des règles.

6. Analyse graphique de la rotation et correction

• La rotation moyenne diminue avec le degré d’achèvement.
• Présence de biens totalement amortis malgré une rotation élevée → anomalies à investiguer.
• Diagrammes de dispersion (rotation vs facteur de correction) permettent de visualiser la conformité des corrections.

7. Évaluation itérative des risques

• Présentation des résultats à la responsable pour ajuster l’évaluation des risques.
• Importance de définir précisément les valeurs aberrantes pour la documentation d’audit.
• Seuil d’erreur tolérable fixé à CHF 1,5 million.
• Proposition d’un échantillon de biens à vérifier en détail, avec un seuil de non-détection de CHF 100 000.

8. Méthodologie recommandée

1. Créer un tableau combinant stocks, mouvements et ajustements.
2. Calculer taux de rotation, correction de valeur, valeur à risque, écart de correction.
3. Construire tableaux croisés dynamiques et diagrammes adaptés.
4. Identifier les biens à risque élevé pour contrôle approfondi.
5. Rapporter les conclusions et recommandations au client.

À retenir : L’analyse des données d’inventaire repose sur la combinaison d’indicateurs statistiques, de visualisations adaptées et d’une évaluation rigoureuse des valeurs aberrantes pour optimiser la gestion des risques.

1. Audit des débiteurs par analyse de données

a) Analyse préliminaire des données débiteurs

• Objectif : Vérifier l’exhaustivité et l’exactitude des données (intégrité) avant d’évaluer les risques.

• Étapes clés :

  1. Calculer le nombre de jours ouverts : différence entre la date de fin d’exercice et la date d’ouverture du poste.
  2. Calculer les jours en retard :
     $\text{jours en retard} = \max(\text{jours ouverts} - \text{délai de paiement}, 0)$
  3. Classer les débiteurs dans des buckets d’ancienneté selon les jours en retard :
     • A : non exigible
     • B : 0 à 30 jours en retard
     • C : 31 à 60 jours
     • D : 61 à 90 jours
     • E : 91 à 180 jours
     • F : plus de 180 jours
  4. Créer un tableau croisé dynamique et un graphique pour visualiser la répartition.

• Résultats à retenir :

  • Une augmentation des débiteurs, surtout au-delà de 180 jours, signale un risque accru de solvabilité.
  • Cette analyse constitue une évaluation des risques pour orienter la stratégie d’audit.

b) Analyse détaillée et contrôle des débiteurs

• Approche : Affiner l’analyse en intégrant les données clients et les limites de crédit.

• Méthodologie :

  1. Tableau croisé dynamique détaillé par bucket, client, année, et montant facturé.
  2. Intégrer des informations complémentaires via des formules de recherche (ex. RECHERCHEV) pour obtenir limites de crédit et délais de paiement.
  3. Calculer l’écart entre le total débiteur et la limite de crédit.
  4. Identifier les cas à risque :
     • Limite de crédit dépassée
     • Délais de paiement anormalement longs
     • Arriérés élevés et anciens
     • Clients inhabituels ou données manquantes

• Nature de l’analyse : Toujours une évaluation des risques visant à définir les contrôles de substance à effectuer.

c) Sélection des postes à auditer

• Critères de sélection :

  • Écarts individuels dépassant le seuil de non-détection.
  • Corrections de valeur supérieures à la valeur totale.
  • Échantillonnage basé sur la valeur absolue des postes restants.

• But : Focaliser les contrôles sur les éléments présentant des anomalies ou risques élevés.

d) Communication et interprétation des résultats

• Constats :

  • Divergences fréquentes et écarts systémiques indiquent des lacunes dans le contrôle interne.
  • Le client peut ne pas comprendre le processus de correction de valeur, rendant les résultats non applicables tels quels.

• Conséquence : Ces observations doivent être interprétées comme des faiblesses du contrôle interne nécessitant une attention particulière.

À retenir : L’analyse des débiteurs par données permet d’identifier les risques majeurs (anciens arriérés, dépassement des limites de crédit) et d’orienter la stratégie d’audit vers des contrôles ciblés, en combinant évaluation des risques et contrôles de substance.