Table of Contents
Key takeaways
- Lorsque Sofia a rejoint Chime, l’équipe finance travaillait soirs et week-ends pour finaliser un processus de prévision qui occupait la majeure partie du mois, laissant peu de temps pour le travail stratégique.
- Le problème était structurel : sept modèles de prévision distincts se transmettaient en relais entre les membres de l’équipe, avec une semaine complète de saisie manuelle des données avant de pouvoir commencer toute analyse réelle.
- Avec Pigment, Sofia a aidé Chime à mettre en place un environnement collaboratif unique où les données sont standardisées et visibles par tous, et où les modèles peuvent être construits simultanément plutôt que séquentiellement.
- La préparation à l’introduction en bourse (IPO) a affiné chaque dimension de la fonction finance, de la précision des prévisions aux exigences narratives des investisseurs et analystes découvrant Chime de l’extérieur pour la première fois.
- Aujourd’hui, Sofia dirige une équipe dédiée au sein de la fonction finance, avec un pari réfléchi autour de l’IA : chaque membre doit formaliser par écrit comment il compte l’intégrer dans son travail.
- Au cœur de cette approche se trouve un principe que Sofia a appris avec l’expérience : à la vitesse à laquelle évolue une entreprise en hypercroissance, une information suffisamment bonne utilisée rapidement a souvent plus de valeur qu’une information parfaite utilisée trop tard.
En tant que Vice-Présidente Finance chez Chime, Sofia Fatakhova a été aux premières loges de l’une des trajectoires de croissance les plus exigeantes de ces dernières années. En quatre ans, l’entreprise est passée de 700 millions à 2,4 milliards de dollars de chiffre d’affaires et s’est introduite en bourse. Pour la fonction finance, un tel rythme impose de repenser entièrement la structuration de l’équipe et ses capacités.
Le travail réalisé par Sofia chez Chime reflète pleinement cette transformation. Elle a reconstruit un processus de prévision auparavant réparti sur sept modèles distincts et nécessitant deux semaines, réduisant la planification par scénarios de trois à quatre jours à quelques secondes. Aujourd’hui, elle guide son équipe dans une démarche réfléchie visant à déterminer ce que l’IA peut (et devrait) apporter au sein du département Finance d’une entreprise cotée en bourse.
Trop souvent, une architecture défaillante masque un travail considérable
Chez Chime, Sofia a hérité d’un département Finance sous tension, avec des équipes habituées à travailler soirs et week-ends. Le cycle de reforecast occupait une telle part du mois que, une fois les présentations terminées auprès de la direction, il fallait déjà recommencer.
Sofia savait à quoi ressemblait un fonctionnement « optimal » et qu’il était possible de réaliser des scénarios en quelques minutes, après être passée par Amazon et Salesforce. Chez Chime, la même tâche prenait trois à quatre jours. Les données étant réparties dans différents systèmes et maintenues par différentes personnes, il était impossible de savoir avec certitude quelle version était à jour. L’équipe pouvait passer une semaine simplement à collecter les données réelles et à alimenter les modèles manuellement avant même de commencer l’analyse.
Le problème venait du fait que le processus de prévision de Chime reposait sur sept modèles distincts, chacun géré par une personne différente. Lorsqu’une personne terminait sa partie, elle la transmettait à la suivante. Le processus était séquentiel, manuel et sujet aux erreurs à chaque étape.
Plutôt que de tout corriger d’un seul coup, Sofia a fixé un objectif clair et ambitieux : faire passer le cycle de reforecast de deux semaines à deux jours, avec à terme l’objectif d’atteindre une demi-journée après l’introduction en bourse. Cette définition claire de ce que signifiait un projet “abouti” a ensuite facilité toutes les priorisations.
Fluidifier un processus de forecast fragmenté
Améliorer le processus de reforecast nécessitait un environnement partagé où les données seraient standardisées et visibles par tous, et où les modèles pourraient être construits simultanément plutôt que transmis un par un. Cela impliquait de sortir complètement des tableurs Excel.
C’est précisément pour répondre à cet enjeu que Sofia a choisi Pigment.
Cette transformation est arrivée juste à temps. L’équipe s’était donné six mois pour être pleinement opérationnelle avant l’IPO, avec des équipes formées et l’ensemble des modèles migrés. Le calendrier était serré, et l’introduction en bourse a immédiatement mis à l’épreuve tout ce qui avait été construit. Les modèles des analystes évoluaient rapidement, les inputs changeaient en permanence, et l’objectif de précision a été clairement fixé entre 90 % et 99 %.
En parallèle, investisseurs et analystes développaient leur propre perception de Chime depuis l’extérieur. L’équipe finance devait donc comprendre cette vision et y répondre de manière proactive. Le fait de disposer d’un environnement unique, dans lequel l’ensemble de ces processus pouvait être mené simultanément, a permis de tenir ce calendrier.
L’IPO a également clarifié la manière dont l’équipe finance devait répartir ses efforts. Sofia a adopté un modèle 80/20 : 80 % consacrés au travail stratégique et à la production d’insights pour le business, et 20 % aux opérations. La qualité de l’infrastructure a rendu cet équilibre possible.
L’IA fonctionne d’autant mieux qu’elle repose sur une infrastructure solide.
Une fois l’IPO passée et l’infrastructure stabilisée, l’attention de Sofia s’est tournée vers l’évolution de la fonction finance. Les gains d’efficacité étaient réels, mais la question centrale devenait : comment exploiter le temps et la capacité libérés ? C’est là que l’IA entre en jeu.
Sofia a constitué une équipe dédiée, au sein de la fonction finance, chargée de déployer l’IA à grande échelle dans toutes les opérations. Chacun de ses reports directs rédige un document de vision expliquant comment il intégrera l’IA dans son travail et ses objectifs. Elle qualifie cette phase actuelle de « tourisme de l’IA », une période d’expérimentation large, avec l’objectif explicite d’évoluer vers des usages structurés et scalables.
Un exemple concret concerne la gestion des factures fournisseurs.
Chime travaille avec un grand nombre de fournisseurs, et les factures reçues arrivent dans des formats hétérogènes difficiles à analyser à grande échelle. L’IA permet désormais de les ingérer et de les normaliser, d’identifier des tendances et de signaler les anomalies de coûts. Ces données sont ensuite exploitées dans Pigment, où la modélisation est réalisée. Le travail humain se concentre alors sur l’essentiel : comprendre les causes et décider des actions à mener.
En tant qu’entreprise cotée, Chime est soumise à des exigences strictes en matière de contrôle financier et de reporting. Le niveau d’exigence pour l’intégration de l’IA est donc élevé. Sofia y accorde une attention particulière. L’objectif est de construire des solutions documentées, transférables et orientées résultats, plutôt que de se laisser porter par l’enthousiasme autour des outils.
La rapidité impose de renoncer à la perfection
D’une certaine manière, la transformation portée par l’IA prolonge une leçon que Sofia apprend depuis son arrivée chez Chime. Une carrière en finance développe des réflexes de rigueur et de précision, à juste titre. Mais au rythme de Chime, attendre des données complètes n’a jamais été une option. La discipline consiste à agir avec la meilleure information disponible et à faire confiance à l’infrastructure pour combler les lacunes.
C’est finalement ce que l’IA apporte à la fonction finance : non pas la perfection, mais la vitesse et la clarté à une échelle qu’aucune équipe ne pourrait atteindre seule. Sofia a passé quatre ans à construire les systèmes, les processus et la culture chez Chime pour rendre cela possible. La prochaine phase consistera à en tester les limites.
.webp)