Transformation
Digitale Des Métiers
Comptables
Doctorante Montrice: AMEDJAR Mariem
Sous l’encadrement de :
Prof. EL GNAOUI Leila
OBJECTIFS PÉDAGOGIQUES
Comprendre l’évolution des métiers comptables
Présenter les nouveaux outils technologiques
Identifier l’impact de la transformation digitale
Montrer que cette transformation est une
opportunité
Comprendre les enjeux de la transformation digitale
Identifier les compétences nécessaires
1
2
PLAN
01 Introduction à la Transformation Digitale
02 Les nouvelles technologies
03 ERP et Systèmes d’Information Comptables
04 Impacts Organisationnels et Humains
05 Les compétences à développer
01
INTRODUCTION
1. Définition de la transformation digitale
2. Composantes de la transformation digitale
3. Utilité la transformation digitale
4. Facteurs de la transformation digitale au Maroc
5. Exemples des métiers comptables
6. Évolution des métiers comptables
4
Quand le Digital Des millions de
70+ pays
bouleverse les courses & zéro taxi en
propriété
Règles du Jeu
Les plus grands médias
du monde sans 2MM
500M utilisateurs
journalistes
& zéro contenu produit Une compagnie de
3MM photographie qui ne
Utilisateurs
vend ou possède
d’appareils photo
Leader du Leader mondial sans
300M+ clients
divertissement sans posséder les produits
infrastructure câblée 280M vendus
d'abonnés
1,3MM+ clients
TRANSFORMATION DIGITALE
Une refonte organisationnelle et culturelle profonde qui repense la manière
dont l'entreprise crée et délivre de la valeur à ses parties prenantes.
Matt et al., 2015
Un processus stratégique d’intégration des nouvelles technologies dans
l’ensemble des activités de l’organisation pour en tirer plus de profit, de
productivité et de performance.
Westerman et al., 2014
Intégration des technologies numériques dans toutes les dimensions
de l'organisation en affectant non seulement les aspects
technologiques, mais aussi les structures organisationnelles, les
compétences des employés et la culture d'entreprise.
Fitzgerald et al., 2014
3
6
Composantes de la Transformation Digitale
Infrastructure Technologique
1
La technologie constitue le socle infrastructurel de la
transformation digitale. Elle englobe l'ensemble des outils,
plateformes et systèmes numériques qui permettent
l'automatisation, la connectivité et l'innovation. Les solutions
cloud, l'intelligence artificielle, l'IoT et les infrastructures
réseau modernes forment l'écosystème technique
nécessaire pour digitaliser les processus et créer de
nouveaux services.
Composantes de la Transformation Digitale
Humain
Le facteur humain est au cœur de toute transformation digitale
réussie, avec trois acteurs clés :
- Les managers qui détiennent le pouvoir de freiner ou d'accélérer 2
cette transition par leur engagement et leur exemplarité.
- Les employés qui doivent développer leurs compétences
numériques.
- Les clients qui dictent les attentes et orientent l'innovation par
leurs besoins évolutifs.
8
Composantes de la Transformation Digitale
Stratégie
La stratégie digitale définit la vision, les objectifs et la feuille de
route de la transformation. Elle aligne les initiatives technologiques
avec les ambitions business et identifie les priorités
d'investissement. Une stratégie claire permet de coordonner les
efforts, d'anticiper les disruptions du marché et de positionner 3
l'organisation pour saisir les opportunités offertes par le numérique.
Composantes de la Transformation Digitale
Données
Les données représentent le carburant de la transformation
digitale. Leur collecte, leur analyse et leur exploitation
permettent de générer des insights stratégiques, d'optimiser les
décisions et de personnaliser les expériences. La transformation
des données brutes en informations exploitables crée un
avantage concurrentiel majeur.
10
Composantes de la Transformation Digitale
Gouvernance
La gouvernance encadre et pilote la transformation digitale
de manière structurée. Elle établit les règles, les processus
décisionnels et les mécanismes de contrôle pour assurer la
cohérence et la conformité.
Elle englobe également la gouvernance des données qui
définit qui peut accéder, utiliser et gérer les informations,
garantissant ainsi leur qualité, leur intégrité et leur utilisation
éthique. Une gouvernance efficace aligne les projets
digitaux, gère les risques et crée de la valeur durable.
5
11
Composantes de la Transformation Digitale
Synthèse
Technologie STRATÉGIE Gouvernance
HUMAIN DONNÉES
12
Utilité de la Transformation Digitale 1
EFFICACITÉ
L’intégration de technologies telles que les ERP, le RPA et les systèmes
d’information intégrés permet d’accroître la fiabilité et la rapidité des processus
comptables et financiers. Selon Westerman et al. (2014), les organisations
digitalement matures réalisent leurs objectifs opérationnels avec une qualité
supérieure grâce à une meilleure orchestration des processus numériques.
EFFICIENCE
L’efficience renvoie à la capacité de produire davantage de valeur avec des
ressources limitées. Des études ont montré que les technologies numériques
renforcent les capacités dynamiques des organisations, leur permettant d’allouer
plus efficacement leurs ressources dans des environnements complexes et
incertains.
13
Utilité de la Transformation Digitale 2
ÉCONOMIE
La transformation digitale constitue un levier d’économie en permettant aux
organisations de mieux maîtriser l’utilisation de leurs ressources. En rationalisant
les processus et en réduisant les inefficiences, elle contribue à une baisse durable
des coûts tout en préservant la qualité des activités et des résultats produits.
ADAPTATION
La transformation digitale accroît la capacité d’adaptation des organisations face
aux évolutions rapides de l’environnement économique, réglementaire et
technologique. Grâce aux nouvelles technologies les entreprises peuvent anticiper
les changements et ajuster leurs décisions stratégiques. Cette capacité
d’adaptation est au cœur de la théorie des capacités dynamiques, qui considère la
digitalisation comme un facteur clé de résilience organisationnelle.
7
14
Utilité de la Transformation Digitale 3
INNOVATION
La transformation digitale facilite l’émergence de nouveaux produits, services et
modèles économiques. Les technologies numériques transforment non seulement
les processus internes, mais aussi la manière dont les entreprises créent et
capturent de la valeur.
COMPÉTITIVITÉ
Les entreprises capables d’exploiter les technologies numériques bénéficient d’un
avantage concurrentiel fondé sur la rapidité, la qualité de l’information et la
capacité à répondre aux attentes des parties prenantes. Comme le souligne Porter
(1985), l’avantage concurrentiel repose sur la maîtrise des processus et de
l’information, deux dimensions profondément transformées par le digital.
15
Utilité de la Transformation Digitale
Synthèse
ADAPTATION
EFFICACITÉ
INNOVATION
EFFICIENCE
ÉCONOMIE COMPÉTITIVITÉ
16
Facteurs moteurs de la transformation
digitale au Maroc
MAROC DIGITAL 2030
La stratégie Maroc Digital 2030 constitue la feuille de route nationale
pour accélérer la transformation numérique du pays. Cette vision
ambitieuse vise à faire du Maroc un hub digital régional en développant
les infrastructures technologiques, en favorisant l'innovation et en
digitalisant les services publics et privés. Elle fixe des objectifs clairs en
matière de connectivité, de développement des compétences
numériques et d'attractivité des investissements dans le secteur IT.
17
Facteurs moteurs de la transformation
digitale au Maroc
CADRE LÉGISLATIF
Le cadre législatif marocain évolue pour accompagner et encadrer la
transformation digitale. Les lois sur la protection des données
personnelles, la cybersécurité, les transactions électroniques et
l'administration digitale créent un environnement juridique propice à
l'adoption du numérique. Cette réglementation renforce la confiance
des entreprises et des citoyens tout en garantissant la sécurité des
échanges numériques et la protection des droits.
9 2
18
Facteurs moteurs de la transformation
digitale au Maroc
CROISSANCE DU PIB
La transformation digitale contribue directement et indirectement à
la croissance du PIB marocain en améliorant la performance et la
compétitivité des entreprises. Elle favorise également la création
massive d'emplois dans les secteurs du numérique et de l'innovation,
réduisant le chômage et augmentant le pouvoir d'achat des
ménages. Ainsi, la croissance économique du Maroc stimule
l'investissement dans la transformation digitale.
Cette dynamique économique favorable encourage l'innovation,
attire les talents et crée un climat propice à l'adoption de solutions
numériques afin d’améliorer la compétitivité et la productivité,
créant un cercle vertueux de croissance durable. 3
19
Facteurs moteurs de la transformation
digitale au Maroc
CRISE COVID-19
La pandémie de COVID-19 a agi comme un accélérateur majeur de
la transformation digitale au Maroc. Elle a imposé une adoption
rapide du télétravail, de l'e-commerce, de la télémédecine et des
services en ligne. Cette crise a révélé l'urgence de digitaliser les
processus et a démontré que la résilience organisationnelle dépend
désormais de la maturité digitale et de la capacité à opérer dans un
environnement virtuel.
10 4
20
Facteurs moteurs de la transformation
digitale au Maroc
ATTENTES CLIENTS
Les attentes croissantes des clients constituent un moteur puissant
de la transformation digitale. Les consommateurs marocains, de plus
en plus connectés, exigent des expériences personnalisées,
instantanées et multicanales. Ils attendent des services accessibles
24/7, des processus simplifiés et une réactivité immédiate.
Cette pression pousse les entreprises à innover et à repenser leurs
modèles pour répondre aux nouvelles exigences du marché.
21
Facteurs moteurs de la transformation
digitale au Maroc
POSITIONNEMENT INTERNATIONAL
L'ambition du Maroc de renforcer son positionnement international
motive fortement sa transformation digitale. Pour attirer les
investissements étrangers, développer l'offshoring et s'intégrer dans
les chaînes de valeur mondiales, le pays doit démontrer sa maturité
numérique. La transformation digitale est un facteur clé de
compétitivité pour rivaliser avec d'autres destinations et affirmer le
Maroc comme acteur incontournable sur la scène économique
régionale et internationale.
11 6
22
Facteurs moteurs de la transformation
digitale au Maroc
MAROC DIGITAL 2030
Cadre Législatif
Croissance du PIB
Crise COVID-19
Attentes Clients
Positionnement
international
23
Exemples des Professions Comptables
Comptable / Expert Comptable Auditeur Externe
Contrôleur de Gestion Commissaire aux Comptes
Contrôleur Budgétaire Inspecteur Financier ou Fiscal
Responsable Trésorerie Responsable Consolidation & IFRS
Auditeur Interne Contrôleur Interne
12
24
Évolution des mécanismes comptables
• Utilisation de registres papier, stylos • 1950 : Mainframes dans les GE
• Méthode de la partie double 1960 • 1970 : Mini-ordinateurs pour les PME
• Calculatrices mécaniques - 1950 - • 1980 : Arrivée des micro-ordinateurs (PC)
• Le comptable "rond-de-cuir" et visière verte 1985 • Premiers logiciels de comptabilité dédiés
• Archivage physique massif de documents • Début de la dématérialisation partielle
• Lancement de Microsoft Excel • Émergence des ERP
• Automatisation de la saisie comptable 1985 2000 • Intégration complète : compta + finance +
• Formules de calcul automatiques - - RH + production
• Graphiques et analyses visuelles 2000 2015 • Base de données unique et centralisé
• Popularisation dans toutes les entreprises
• Intelligence Artificielle
• Internet of Things (IoT)
• Blockchain 2015
• Robotic Process Automation +
• Cloud Computing
• Big Data
25
13
26
02
Les Nouvelles
Technologies
1. Intelligence artificielle
2. Big Data
3. Internet of Things (IoT)
4. Cloud Computing
5. Blockchain
27
14
28
La construction de programmes informatiques qui
s’adonnent à des tâches qui sont, pour l’instant, accomplies
de façon plus satisfaisante par des êtres humains
Marvin Minsky 1956
Un programme qui cherche à imiter l’intelligence humaine à l’aide d’algorithmes. Sa
création permet aux ordinateurs de réaliser des opérations et de penser comme un
être humain.
L'intelligence est la capacité à acquérir et à appliquer des connaissances et des
compétences, à raisonner logiquement, à planifier, à penser de manière abstraite, et
à comprendre des idées complexes.
Sternberg, R. J. 1985
29
Historique de l’intelligence artificielle
1943 – 1956 1956 – 1980 1980 – 1990 1997 – 2016 2016 +
• 1943 : Le Premier Neurone Artificiel créé par Warren McCulloch
et Walter Pitts
• La Mémoire des Ordinateurs
• 1950 : Test de Turing
• 1951 : SNARC (Stochastic Neural Analog Reinforcement
Calculator) créé par Marvin Minsky et Dean Edmonds
• 1956 : Terme « INTELIGENCE ARTIFICIELLE » introduit à la
conférence de Dartmouth
15
1
30
Source :
[Link]
DNt_XynsHhzV69q1AxXHSmEq3nFXRxzN4DtffphHsnAiKtQ
31
Historique de l’intelligence artificielle
1943 – 1956 1956 – 1980 1980 – 1990 1997 – 2016 2016 +
• 1958 : Le Perceptron - Premier Neurone qui Apprend, créé par
Frank Rosenblatt
• 1958 : John McCarthy crée LISP - Le langage de l’IA
• 1965 : ELIZA - Le premier Chatbot, créé par Joseph
Weizenbaum
• 1973 : Le Rapport Lighthill (UK)
• 1974-1980 : Hiver de l’IA
16
2
32
Historique de l’intelligence artificielle
1943 – 1956 1956 – 1980 1980 – 1990 1997 – 2016 2016 +
• 1980 : MYCIN - Le Médecin Artificiel
• Seconde "Mini-Hiver" de l’IA
• Naissance du "Machine Learning“ moderne
3
33
Historique de l’intelligence artificielle
1943 – 1956 1956 – 1980 1980 – 1990 1997 – 2016 2016 +
• 1997 : Deep Blue bat Garry Kasparov aux échecs
• 1998 : Google est Fondé
• 2000 : Explosion d'Internet
• 2000 : "Deep Learning" - Le Terme Apparaît
• Février 2011 : Watson remporte Jeopardy
• Octobre 2011 : Siri (Apple)
• 2012 : AlexNet remporte la compétition ImageNet
• 2016 : Alpha Go bat le champion du monde de Go
17
4
34
Historique de l’intelligence artificielle
1943 – 1956 1956 – 1980 1980 – 1990 1997 – 2016 2016 +
IA Generative
• 2020 : GPT-3
• 2023 : Démocratisation de l’IA par le lancement de ChatGPT-3
• 2024 : Premier cadre légal majeur sur l’IA (Adoption de l’AI Act
européen)
• 2025 : IA agentique et intégrée aux métiers
5
35
Les approches de l’intelligence artificielle
Apprentissage automatique
Une branche de l’IA qui permet aux systèmes
d'apprendre et de prendre des décisions à partir
de données sans être explicitement programmés Artificial intelligence
Machine Learning
Supervised Learning
d’apprentissage
Deep Learning
Les modèles
Unsupervised Learning
4
Semi-supervised Learning Generative
AI
Reinforcement Learning 18
36
Les modèles d’apprentissage
Apprentissage Supervisé
Une méthode où le modèle apprend à partir de données 1
étiquetées, c’est-à-dire que chaque donnée d’entrée est associée
à une sortie attendue.
Il existe deux types principaux d'apprentissage supervisé selon la
nature de la variable à prédire :
Régression Classification
• Valorisation d'actifs
• Détection de fraudes
• Prévision des ventes
• Analyse de conformité fiscale
• Estimation des provisions
37
Les modèles d’apprentissage
Apprentissage Non supervisé
Les algorithmes ne nécessitent pas l’intervention d’experts humains
et découvrent de manière autonome des structures et des
régularités dans les données.
L’apprentissage non supervisé traite principalement des données
non étiquetées : le modèle doit fonctionner de façon autonome afin 2
d’identifier des schémas et d’extraire des informations pertinentes.
Il existe deux types principaux d'apprentissage non supervisé :
Clustering
(Regroupement) Association
• Segmenter la clientèle par comportement d'achat
• Définir des KPIs pertinents
• Détection des anomalies
• Identifier des écritures comptables anormales
19
• Détection de patterns de fraude
38
Les modèles d’apprentissage
Apprentissage Semi supervisé
Le modèle apprend avec un mélange de données étiquetées (peu
nombreuses) et non étiquetées (nombreuses). C'est une
approche hybride qui tire parti des deux types de données pour
améliorer les performances au-delà de ce qu'on obtiendrait avec
seulement les données étiquetées.
Utilisez le semi-supervisé quand : 3
• Vous avez beaucoup de données mais peu sont étiquetées
• L'étiquetage manuel est coûteux ou nécessite une expertise rare
• Vos données évoluent vite (nouvelles fraudes, nouveaux
comportements)
• Vous voulez améliorer progressivement votre modèle
39
Les modèles d’apprentissage
Apprentissage par renforcement
L'agent apprend par essai-erreur en interagissant avec un
environnement. Il prend des actions, observe les résultats, et
reçoit des récompenses (positives ou négatives). Son objectif est
d'apprendre une stratégie optimale qui maximise les
récompenses cumulées à long terme.
• Gestion dynamique de la trésorerie
• Optimisation du recouvrement de créances
• Stratégie de couverture des risques de change 4
• Personnalisation dynamique des tableaux de bord
• Gestion des réclamations clients
20
40
Les approches de l’intelligence artificielle
Apprentissage profond
Une spécialisation de ML qui utilise des
réseaux neuronaux à plusieurs couches
(architectures profondes) pour modéliser Artificial intelligence
des relations complexes dans de grandes
Machine Learning
quantités de données.
Deep Learning
4
Generative
AI
41
Les approches de l’intelligence artificielle
IA Générative
Une application du Deep Learning qui se
concentre sur la création de nouveaux
contenus, tels que des images, du texte
Artificial intelligence
ou de la musique, en apprenant les Machine Learning
motifs à partir de données existantes.
Deep Learning
Natural Language
Processing 4
Generative
Computer Vision
AI
21
42
Les applications de l’intelligence artificielle
Natural Language Computer
Processing Vision
L’un des domaines de Une branche de l’IA
l’IA qui permet aux qui permet aux
machines de machines
comprendre, de d'interpréter,
générer et d’interagir d'analyser et de
avec du texte ou de la comprendre le monde
parole humaine. visuel à partir d'images
et de vidéos.
43
22
44
Les caractéristiques du Big Data
Volume & Vélocité
La quantité massive de données que les entreprises
Volume génèrent, collectent et doivent gérer.
La vitesse à laquelle les données sont générées,
Vélocité transmises et doivent être traitées.
45
Les caractéristiques du Big Data
Variété
La multiplicité des types, formats et sources de
données qui doivent être gérer et analyser ensemble
Incompatibilité Désalignement Incohérence
Chaque source de Les différences
Formats
données organisant d'interprétation et
Sources
ses informations de de signification des
Domaines
manière distincte données
23
46
Les caractéristiques du Big Data
Véracité
La qualité, la fiabilité et la confiance que l'on peut
accorder aux données.
Qualité
Exactes Complètes À Jour
Données Bruitées Données Données
(Noisy data) Imprécises Obsolètes
Fiabilité
• D'où viennent les données ?
• Peut-on faire confiance à la source ?
47
Les caractéristiques du Big Data
Valeur
Le bénéfice concret que l'entreprise tire de ses
données et de leur exploitation.
Clients Entreprises
Multi
Contextuelle Dimensionnelle
Temporelle Exploitée
24
48
Les caractéristiques
La quantité massive de données générées et
Volume stockées.
La vitesse à laquelle les données sont générées,
Vélocité collectées et traitées. C'est le flux en temps réel.
La diversité en termes d’incompatibilité, de
Variété désalignement ou d’incohérence.
Véracité La qualité et la fiabilité des données.
La capacité à transformer les données en
Valeur informations utiles.
49
Historique du Big Data
1956 1989 2005
Création du premier World Wide Web Formulation du terme
Data Center “Big Data”
Le scientifique anglais
Le gouvernement américain Tom Berners-Lee Roger Moulagas formule le
créait le premier data invente le futur World terme de “Big Data”
center pour stocker ses Wide Web, abrégé www
plus de 742 millions de ou le web.
déclarations de revenus et
175 millions d’empreintes
digitales.
25
50
Cycle de vie des données
51
Traitement et Analyse du Big Data
Data Science
Un domaine interdisciplinaire qui combine des compétences en
statistiques, en programmation et en analyse des données afin
d’extraire des informations utiles et exploitables à partir de vastes
ensembles de données.
Sa mission principale consiste à traiter et analyser le Big Data en
s’appuyant sur des algorithmes d’intelligence artificielle pour
transformer des données brutes, souvent non structurées ou
semi-structurées, en connaissances à forte valeur stratégique.
26
52
Traitement et Analyse du Big Data
Data Science
Principales analyses
Analyse descriptive
Analyse diagnostique
Analyse prédictive
Analyse prescriptive
53
Traitement et Analyse du Big Data
Data Science
Principales spécialisations
Data Analyst
Data Scientist
Data Engineer
27
54
Infrastructures du Big Data
Apache Hadoop
Un écosystème Big Data conçu pour le stockage et le
traitement de très grands volumes de données provenant de
sources variées. Il repose sur une architecture distribuée qui
permet de gérer efficacement des données structurées et
non structurées, tout en offrant une capacité de stockage
élevée à coût réduit.
55
Infrastructures du Big Data
Apache Spark
Un moteur de traitement des données reconnu pour sa
rapidité et sa capacité à analyser de grands volumes
d’informations en temps quasi réel. Contrairement aux
approches traditionnelles, il permet d’effectuer des calculs
rapides et itératifs, ce qui le rend particulièrement adapté aux
analyses avancées, à la modélisation et à l’exploitation
intelligente des données.
28
56
Infrastructures du Big Data
Tableau
Un outil de visualisation et d’analyse de données qui permet
d’exploiter efficacement le Big Data. Il se connecte à de
grandes sources de données, qu’elles soient stockées dans
des bases relationnelles, des entrepôts de données ou des
plateformes Big Data comme Hadoop ou Spark, et
transforme ces données en visualisations interactives et
intuitives.
57
29
58
Un réseau d'objets physiques connectés à Internet qui
collectent, échangent et traitent des données en temps réel
sans intervention humaine directe.
PERCEPTION RÉSEAU
Capteurs: Transmission des données
GPS, caméra intelligente, • Local: Bluetooth
température, compteurs… • À distance: WiFi, 4G/5G,
COUCHE Internet
TRAITEMENT APPLICATION
Analyse et stockage Déclenchement d'actions
Amazon Go : [Link]
59
30
60
Les types de données générées par l’ IoT
Données
Ressources Humaines
Données
Logistiques
Données
de Production
Données
Financières
Données
Environnementales
61
Applications concrètes pour
les métiers comptables
Gestion Coûts directs
Amortissement Audit
des & indirects
Réel continues
stocks de production
Valorisation Suivi Éviter
Inventaires
du de l’abus de
permanents
patrimoine trésorerie biens sociaux
31
62
63
Un modèle de services consommables via Internet, transformant
les ressources informatiques (serveurs, stockage, applications)
en utilités publiques accessibles à distance, sans nécessiter de
possession ou de gestion d'infrastructure physique.
Service à la demande
Service mesurable
pay-as-you-go
Mutualisation des ressources
Élasticité et flexibilité
32
64
Les types
et services
du Cloud
65
Cloud Computing pour les métiers comptables
Accès aux données en temps réel, depuis n’importe quel
Accessibilité appareil connecté à Internet.
Travaille à distance et collaboration facile avec les autres
Mobilité parties concernées.
Intégration de technologies avancées pour optimiser les
Automatisation processus comptables et réduire les interventions manuelles.
Protection avancée des données grâce au chiffrement,
Sécurité aux sauvegardes automatiques et aux contrôles d’accès.
Respect des normes et réglementations avec
Conformité des mises à jour automatiques des logiciels.
33
66
67
La protection des informations numériques contre tout accès
non autorisé, toute corruption ou tout vol tout au long de leur
cycle de vie.
34
68
EXTENSION DU MODÈLE
Propriétés Complémentaires
AUTHENTIFICATION AUTORISATION
Vérifier l'identité de Définir ce qu'un
l'utilisateur ou du utilisateur authentifié a
système le droit de faire
AUDITABILITÉ /
NON-RÉPUDIATION
TRAÇABILITÉ
Fournir la preuve
Enregistrer et suivre
irréfutable qu'une
toutes les actions
action a été effectuée
effectuées dans le
par quelqu'un
système
69
Un registre partagé et sécurisé où les informations sont
ajoutées sous forme de blocs, immuables et vérifiées
collectivement par le réseau.
Date et heure de création du bloc.
Timestamp
Les informations enregistrées
Data
BLOCK Empreinte unique du bloc qui
Hash
garantit son intégrité.
Hash Lien vers le bloc précédent, qui
(Block précédent) crée la35
chaîne.
70
Les principes fondamentaux du Blockchain
Transparence Immuabilité
Décentralisation
Traçabilité infalsifiable
Absence d'autorité centrale ou Toutes les transactions sont Une transaction ne peut être ni
d'intermédiaire unique visibles par les participants modifiée ni supprimée
autorisés.
Consensus Cryptographie
Mécanisme permettant aux Le chiffrement et déchiffrement
participants du réseau de valider des données
collectivement les transactions.
71
Blockchain comme solution
Confidentialité
Décentralisation
Intégrité
Immuabilité
infalsifiable Disponibilité
Transparence
Traçabilité Authentification
Autorisation
Consensus
Auditabilité
Cryptographie
Non-Répudiation
36
72
Blockchain pour les métiers comptables
Audit Automatisation des
Automatisé & continu processus comptables
Facilitation des
Contrôles Fiscaux
Contrôle interne Limitation de la
automatisé & efficace comptabilité créative
73
03
ERP
et Systèmes
d’Information
Comptables
37
74