Chap. 1
Traitement des aberrations dans l'analyse de données
1. Définitions clés
- Valeur aberrante (outlier) : valeur d'une population supérieure à
- => en dessus de 75%
- => en dessous 25%
- Montant tolérable : seuil financier fixé pour juger si une aberration est significative ou non dans le contexte d’un audit.
2. Arbre décisionnel pour le traitement des aberrations
| Étape | Condition | Action |
|---|---|---|
| 1. Identification | Aberrations détectées ? | Oui → Étape 2, Non → Pas d’opérations complémentaires |
| 2. Évaluation | Aberrations > montant tolérable ? | Oui → Contrôles complémentaires + réévaluation des risques |
| Aberrations ≤ montant tolérable | Facteurs qualitatifs impliquent risque ? Oui → Contrôles complémentaires, Non → Pas d’opérations complémentaires | |
| 3. Conclusion | Aberrations constituent une anomalie ? | Oui → Réévaluer contrôle et communiquer erreurs, Non → Population sans anomalie significative |
3. Traitement des aberrations : points essentiels
- Objectif : ne pas perdre de vue que l’identification des aberrations est un moyen d’évaluer la qualité des données, pas une fin en soi.
- Défis fréquents :
- Grand nombre d’aberrations sans modèle clair.
- Difficulté à fixer le montant tolérable.
- Absence de population témoin pour comparaison.
- Sous-estimation de la population résiduelle après retrait des aberrations.
- Contrôle : appliquer l’arbre décisionnel pour décider des actions à mener.
4. Synthèse des étapes d’analyse des aberrations
- Identification : détecter les valeurs aberrantes selon la définition statistique.
- Évaluation : comparer à un seuil financier (montant tolérable) et considérer les facteurs qualitatifs (ex. contexte métier, risques).
- Conclusion : décider si les aberrations sont des anomalies impactant la fiabilité des données et ajuster les contrôles en conséquence.
À retenir : Les aberrations supérieures au montant tolérable ou associées à un risque qualitatif significatif nécessitent des contrôles complémentaires et une réévaluation des risques.
5. Exemple d’application : contrôle des amortissements
- But : recalculer les amortissements par catégorie et comparer aux valeurs du livre auxiliaire.
- Résultats :
- Contrôle arithmétique de la durée d’amortissement.
- Écarts entre amortissements calculés et enregistrés.
- Constatations :
- Pas d’écarts significatifs (écarts minimes d’arrondi).
- Pas de procédure d’audit supplémentaire requise.
- Conclusion : aucune anomalie significative détectée.
6. Points clés pour l’audit orienté données
- Utiliser l’analyse des aberrations pour identifier les risques potentiels.
- Documenter clairement les résultats et décisions prises.
- Intégrer les contrôles informatiques généraux pour garantir la fiabilité des données.
- Ne pas négliger la population résiduelle après retrait des aberrations pour éviter un biais d’évaluation.
7. Résumé visuel du processus
| Phase | Action | Résultat attendu |
|---|---|---|
| Identification | Détection des aberrations statistiques | Liste des valeurs suspectes |
| Évaluation | Comparaison au montant tolérable + analyse qualitative | Décision sur la nécessité de contrôles |
| Contrôle | Mise en œuvre d’opérations complémentaires si nécessaire | Validation ou correction des données |
| Conclusion | Communication des erreurs ou validation finale | Fiabilité des données assurée |
Cette méthodologie garantit une gestion rigoureuse des aberrations dans l’analyse de données d’audit, essentielle pour une prise de décision fiable.