Comment l’intelligence artificielle améliore le recouvrement de créances

Un constat notamment relevé par la société américaine Lubrication Technologies qui a dématérialisé ses processus de recouvrement de créances.

« Le CRM de recouvrement de créances d’Esker nous a permis de gagner en efficacité et en rapidité dans nos actions de relance, mais également de déterminer des axes d’amélioration dans la gestion du recouvrement et de comprendre pourquoi certaines ne sont pas payées, témoigne ainsi Jason Lund, Credit Manager de Lubrication Technologies, société proposant notamment des systèmes de lubrification automatique. Depuis sa mise en oeuvre, nous avons réduit de 7 jours nos délais de paiement, supprimé nos impayés de plus de 90 jours et réduit de 50 % le volume de nos impayés ».

Des bénéfices notamment obtenus grâce à l’intelligence artificielle. Dans les logiciels de recouvrement de créances, elle permet notamment de capter et de consolider des données internes et externes à l’entreprise, puis de calculer des cotations automatisées sur le niveau de risques des clients, et ce parfois dès la phase de prospection.

Certains embarquent également des technologies de Machine Learning qui « auto-apprennent » en fonction de l’évolution du comportement de paiement du client, permettant au gestionnaire du poste clients d’ajuster en conséquence les seuils de risques, les niveaux d’encours clients octroyés ou encore les scénarii de recouvrement de créances.

« Avec l’intelligence artificielle, les credit managers ont également la possibilité, selon les solutions utilisées, d’interagir avec leurs clients dans leurs processus de relance », précise pour sa part Frédéric Berthoud, dirigeant de Lhotse Conseil, société de conseil et de prestations spécialisée dans l’optimisation de la chaîne clients et du processus Order-to-Cash.

Ainsi, dans les logiciels de Credit Management les plus élaborés, un module de « relance interactive » permet par exemple aux clients de mettre à jour leur situation de compte directement en cliquant sur un lien présent dans leurs e-mails de relance.

De plus, la mise à disposition des données de relance et de paiement des clients, dans une base de données unique, permet d’analyser les comportements de paiement passés et de tirer des prévisions de comportements futurs.

Enfin, certaines solutions de gestion du recouvrement de créances ou du poste clients embarquent des fonctions de paiement intégré (par virement, carte bleue ou prélèvement).

« Nous avons développé une API connectée aux fournisseurs de paiement en ligne qui permet au client de payer instantanément sa facture depuis notre portail CashOnTime, illustre Valérie Konarski, directrice activité Processus financiers de DIMO Software, éditeur et intégrateur de solutions de gestion. Un module qui contribue à diminuer les délais de paiement ».

Le Machine Learning accélère les processus de lettrage

En bout de chaîne, le lettrage contribue aussi à une relance plus efficiente. « L’automatisation de ce processus évite aux équipes comptables de relancer les clients qui ont déjà payé leur facture et leur permet de gagner en efficacité en ne relançant que ceux qui n’ont pas payé », précise pour sa part Valérie Konarski. Dès lors que le module de lettrage embarque de l’intelligence artificielle, et en particulier du Machine Learning, alors il apprend tout des habitudes de règlement des clients.

« Chaque action manuelle est enregistrée, c’est le premier pas vers de l’intelligence artificielle, car nous évitons ainsi de faire deux fois la même action, témoigne ainsi Bertrand Marat, responsable Informatique des domaines Comptabilité, Finance et RH de Dupont Restauration, qui a choisi de déployer la solution CashOnTime de DIMO Software. En moins d’un mois, notre taux de lettrage a bondi à 90 % ».

Le Machine Learning
Est capable de reproduire un comportement grâce à des algorithmes alimentés par des données. Il permet d’automatiser des tâches en fonction de situation comme par exemple un scénario de relance selon le comportement de paiement du client.