Pré-affectation automatique d'opérations bancaires grâce à un algorithme

Pré-affectation automatique d'opérations bancaires grâce à un algorithme

Gestion facilitée des opérations bancaires, pour faciliter le traitement et optimiser le temps des clients.

Product design

|

B2C

|

AI

RÔLE

Founding designer

TIMELINE

Jan. 2025 - Sept 2025

EQUIPE

Designer, 10 devs, équipe engineering, PO

A propos de l'entreprise

Le Groupe CF (Compagnie fiduciaire) est historiquement un cabinet comptable, ayant un outil purement orienté comptabilité pour la gestion des opérations de leurs clients, mais avec l'arrivée de la facture électronique (Réforme sur la Facturation Electronique), à du déléguer cette partie à Pennylane et se restructurer autour des besoins globaux de ses clients.

SITUATION

Contexte

IZzy est le logiciel historique pour la gestion comptable des clients du groupe, un outil qui catégorise les opérations des clients et qui facilite leur gestion comptable. Les utilisateurs de l'application devaient affecter chaque opération bancaire à la main : sélectionner la catégorie, le type, le justificatif. Avec des dizaines d'opérations mensuelles, la charge devenait significative. Pour les indépendants et TPE, ce temps est directement soustrait à leur activité principale.

Objectifs

Faire gagner du temps aux équipes métiers

Permettre à nos équipes d'experts comptables de ne se focaliser que sur le contrôle

Faciliter la catégorisation des opérations bancaires

Permettre aux clients gagner du temps sur leur gestion des opérations, anciennement manuelle

Des tâches répétitives sans valeur ajoutée

En analysant les sessions et en menant des entretiens utilisateurs, trois problèmes clés sont apparus : les opérations récurrentes (abonnements, fournisseurs réguliers) étaient retraitées chaque mois de zéro, le taux d'abandon sur la phase d'affectation était élevé, et certains utilisateurs laissaient volontairement des opérations non affectées, bloquant leur clôture comptable.

CHALLENGE

Un héritage UX complexe

La base de cette fonctionnalité majeure de l'application était peu ergonomique, des placement de filtres différents, à des emplacements éparpillés, a du être revu, ainsi que le design du tableau, pour gagner de la place sur la visibilité des opérations mais en gardant la place de rajouter la ferature majeure de l'année 2025, la pré-affectation automatique.

Anciennement le client devait ouvrir son opération, et lui attribuer sa catégorie (venant du PCG essentiellement), pour que sa gestion soit efficace. Le problème étant qu'un chef d'entreprise souhaite passer peu de temps sur ces tâches, car chronophages, le constat était édifiant, donc nous avons repris en main cette fonctionnalité.

AVANT

86%

d'utilisateurs consultant uniquement cette page lors de leur visite sur iZzy.

-60%

de temps passé sur iZzy à catégoriser ses opérations

3

actions par opération bancaires

APRÈS

80%

Des actions manuelles qui disparaissent

5

actions en moyenne pour valider un mois entier

L'objectif était basé sur le temps passé par le client a catégoriser ses opérations manuellement, donc nous avons opté pour une gestion des opérations automatique, permettant au client d'uniquement se focaliser sur les opérations mal catégorisées, et permettre à notre modèle d'apprendre sur ce contrôle plutôt que sur la gestion manuelle de toutes ses opérations, unes par unes.

LA CLE

Un algorithme de réconciliation automatique

La solution repose sur un algorithme qui analyse l'historique des affectations passées pour chaque utilisateur. Lorsqu'une opération correspond à un libellé, un montant ou un émetteur déjà catégorisé, le système propose automatiquement une affectation : c'est le statut "Pré-affecté". L'utilisateur valide en un clic, ou corrige si nécessaire. La correction est réinjectée dans le modèle pour les prochains cycles.

Pour les utilisateurs se rendant fréquemment sur leurs opérations, ils pouvaient sélectionner une période a valider d'un coup, réduisant considérablement leur temps de traitement. Cette obligation de devoir valider manuellement vient des règlementations, devant faire foi de l'exactitude des données, l'utilisateur doit agir manuellment.

En fonctionnant de la sorte, on évite les erreurs et les points de friction dus a la longueur du traitement comptable auquel il était habituellement confronté.

RESULTATS

Ce que cette feature m'a appris

La confiance précède l'adoption

La confiance précède l'adoption

Afficher un score de confiance visuel a réduit les hesitations. Les utilisateurs validaient plus vite quand l'interface signalait une forte certitude.

Ne pas retirer le contrôle

Ne pas retirer le contrôle

Le mode "Pré-affecté" ne valide jamais à la place de l'utilisateur. La suggestion reste modifiable. Ce choix a été décisif pour l'acceptation.

La sélection groupée change tout

La sélection groupée change tout

La barre contextuelle "Tout valider" apparaissant à la sélection a été le vrai multiplicateur d'usage — simple, visible, contextuelle.

L'algo s'améliore avec l'usage

L'algo s'améliore avec l'usage

La précision des suggestions a augmenté de 86% à 97% en 3 mois, grâce aux corrections utilisateurs réinjectées dans le modèle.