Blog/IA et ML/Avec l’IA, Snowfake baisse de 50 % le temps de travail de son équipe d’audit interne
9 nov. 2026/Lecture : 11 minIA et ML

Avec l’IA, Snowfake baisse de 50 % le temps de travail de son équipe d’audit interne

L’audit interne a longtemps été perçu comme une fonction tournée vers le passé, chargée d’examiner d’anciens dossiers pour confirmer le bon fonctionnement des contrôles. Au sein de l’équipe d’audit interne de Snowflake, l’IA a changé la donne.

Nous avons réduit de 50 % le temps consacré à la collecte d’éléments probants, aux tests et à la production des rapports d’audit. Au total, nous avons économisé plus de 3 500 heures d’audit en 2026, ainsi que plus de 1 500 heures pour les responsables de contrôles dans l’ensemble du business.

Qu’il s’agisse d’examiner les journaux d’accès aux systèmes ou d’analyser les principales tendances des transactions financières, l’IA nous permet de remplacer les contrôles historiques à un instant T par une surveillance continue et automatisée. Nous ne nous contentons plus d’identifier ce qui s’est mal passé six mois auparavant : nous pouvons faire ressortir les principaux risques associés à des contrôles et cas d’usage précis, puis poser des questions ciblées.

Voici comment l’IA aide l’équipe d’audit interne de Snowflake à réinventer ses pratiques, avec des données concrètes et des résultats mesurables à l’appui.

À retenir

  • Le temps consacré aux travaux d’audit pour la collecte d’éléments probants et la production des rapports a diminué de 50 %, passant de plusieurs mois à quelques semaines (résultats internes arrêtés en septembre 2026).
  • Les tests sont passés d’un échantillonnage à une couverture de 100 % de la population, avec des analyses proactives pour tester plusieurs contrôles et rapports clés, ainsi que pour définir le périmètre de cas d’usage tels que la gestion des commandes, les rapports clés de Workday, les revenus et les principaux contrôles d’accès.
  • L’équipe d’audit interne de Snowflake a économisé plus de 3 500 heures en 2026, dont plus de 1 000 sur la définition du périmètre des risques et plus de 2 500 sur les tests et la documentation. Les responsables de contrôles ont quant à eux gagné plus de 1 500 heures.
  • L’IA assure le traitement des données et l’analyse initiale, tandis que les auditeurs restent responsables de chaque conclusion.

Rien de tout cela ne serait possible si nos données étaient dispersées entre des systèmes déconnectés. Comme les données de facturation, de revenus, de RH, d’accès et des journaux d’audit sont déjà disponibles dans Snowflake, nous pouvons effectuer nos tests sur des populations complètes sans devoir réunir différentes sources. Nous utilisons Snowflake CoCo, l’agent de codage IA intégré à Snowflake, pour créer les scripts, tableaux de bord et applications qui réalisent ce travail.

Les auditeurs prennent toutes les décisions finales

À mesure que nous développons notre utilisation de l’IA, la confiance et la responsabilité comptent davantage à mes yeux que n’importe quel gain d’efficacité. L’IA est notre accélérateur, la supervision humaine notre point d’ancrage. Mon équipe applique un modèle avec intervention humaine :

  • L’IA prépare, les auditeurs concluent : L’IA assure le traitement des données, la reconnaissance des tendances et le rapprochement initial. Les auditeurs réalisent chaque évaluation finale et chaque analyse des risques. Ils restent également responsables de tous les échanges avec les dirigeants du business.
  • Les auditeurs vérifient les résultats de l’IA avant toute utilisation : lorsqu’elle rédige la documentation des tests ou signale des exceptions, l’IA fait l’objet d’une vérification par un auditeur. Nous ne consacrons plus notre temps à recueillir les éléments probants, mais à les valider.
  • Les outils tiers s’exécutent dans Snowflake : les outils tels que Petual.ai s’exécutent sous forme de Snowflake Native Apps. Leurs traitements restent donc sécurisés et isolés dans notre compte Snowflake.

Les chiffres parlent d’eux-mêmes : efficacité accrue et assurance élargie

Catégorie d’indicateur Impact mesurable obtenu
Définition du périmètre des risques et des audits Plus de 1 000 heures économisées sur un an grâce à l’exécution de plusieurs requêtes et à l’analyse de tableaux de bord permettant d’évaluer différentes variantes de périmètres liés aux revenus et aux données financières, ainsi qu’à la définition du périmètre des principaux audits opérationnels.
Optimisation du temps consacré aux tests, à la documentation et au reporting Plus de 2 500 heures économisées sur un an sur les tests manuels et la documentation de différents contrôles financiers et opérationnels, ainsi que sur les principales exigences de certification. Les auditeurs peuvent ainsi se concentrer sur les domaines stratégiques à haut risque et élaborer avec les parties prenantes des solutions aux problèmes identifiés.
Gain de temps pour les responsables de contrôles Plus de 1 500 heures économisées sur un an grâce à la rationalisation de la performance des contrôles, de la collecte d’éléments probants et des processus de demande.
Visibilité sur les risques et couverture de la population Passage de l’échantillonnage statistique aléatoire traditionnel à une assurance couvrant 100 % de la population pour certains cas d’usage, avec une visibilité en temps quasi réel sur les exceptions.
Accélération des travaux d’audit jusqu’au rapport final Réduction de 50 % du temps consacré aux travaux d’audit pour la collecte d’éléments probants et la production des rapports, soit un passage de plusieurs mois à quelques semaines.

Comment l’IA renforce nos principaux contrôles SOX et financiers

Définition du périmètre des flux de revenus

Une compétence, ou « skill », est un workflow réutilisable que l’IA sait reconnaître et exécuter à la demande. Dans CoCo, nous disposons d’une skill qui analyse en temps quasi réel le périmètre de nos flux de revenus selon leurs principales dimensions et envoie par e-mail une vue d’ensemble à la demande. Nous économisons ainsi plus de 500 heures par an. Lorsque la consommation augmente brusquement, nous le détectons rapidement et échangeons avec les parties prenantes sur l’impact pour les principaux contrôles. Nous pouvons ainsi anticiper les activités de conformité SOX.

Automatisation des tests des principaux contrôles du cycle order-to-cash

La sélection et le test manuels d’échantillons sur de gros volumes de commandes étaient lents et sources d’erreurs. Désormais, les fonctions Cortex AI, telles qu’AI_EXTRACT, extraient les informations clés des documents de commande, notamment les conditions de comptabilisation des revenus, les dates de début et de fin, ainsi que les modalités de facturation. Une application créée avec CoCo les valide par rapport à notre système de facturation et de comptabilisation des revenus. Nous pouvons ainsi tester chaque commande et détecter les anomalies dès qu’elles surviennent.

Automatisation des tests des rapports clés

Nous devions identifier dans les journaux d’audit les changements réellement pertinents pour les tests, alors même que ces informations étaient difficiles à analyser. La complexité des processus et la forte dépendance à l’extraction, à l’analyse et à la vérification manuelles des rapports compliquaient la prise de décision et ralentissaient les audits.

Avec CoCo et Streamlit, nous avons créé une architecture automatisée « Report-as-a-Service » (RAAS) qui ingère les pistes d’audit, permettant ainsi une surveillance continue et data-driven, ainsi qu’une rationalisation numérique des processus.

Cette approche a permis d’économiser plus de 450 heures de tests par an et d’assurer une couverture de 100 % de la population, avec une visibilité sur les audits en temps quasi réel.

Surveillance des principaux contrôles d’accès (contrôles généraux informatiques)

Pour garantir l’alignement des accès privilégiés et des autorisations sur nos politiques business, les tableaux de bord créés avec CoCo recherchent en continu les exceptions de provisionnement et de déprovisionnement, les violations de la séparation des tâches (SoD) et les élévations de privilèges non autorisées. Ces tableaux de bord signalent les anomalies dès leur apparition sur l’ensemble de la population. Nous n’avons donc plus besoin de prélever des échantillons pour effectuer des contrôles périodiques.

Automatisation des tests de rapprochement

Auparavant, le rapprochement de la paie impliquait de comparer manuellement trois à quatre rapports RH et de paie répartis dans plus de huit classeurs Excel. Désormais, une application de données créée avec CoCo se charge de l’essentiel du travail et signale automatiquement les écarts. Les responsables de contrôles en sont les premiers bénéficiaires, puisque cette application leur fait gagner plus de 500 heures par an.

Ce même schéma peut s’appliquer à tout rapprochement reposant sur des données issues de plusieurs rapports.

Tests et documentation des contrôles SOX

La rédaction de la documentation SOX et la mise à jour des modèles de test prenaient auparavant plusieurs semaines. Désormais, nous transmettons nos modèles et nos éléments probants à Petual.ai, qui s’exécute sous forme de Snowflake Native App et rédige la documentation mise à jour. Les auditeurs vérifient le résultat final et le délai d’exécution se compte désormais en heures.

Cette approche libère également du temps pour des missions de conseil à plus fort impact sur les risques émergents, stratégiques et élevés, ainsi que pour la création de skills CoCo destinées à surveiller en continu les risques clés et à produire un impact concret.

Examens SOC 1

L’examen des rapports SOC 1 de tiers comptait parmi nos tâches les plus fastidieuses : il fallait parcourir manuellement de longs documents à la recherche d’exceptions de contrôle. La solution Petual.ai, une Snowflake Native App, a analysé plus de 20 de ces rapports et identifié automatiquement les contrôles pertinents et les exceptions potentielles. Le temps de préparation a diminué de plusieurs jours, ce qui permet aux auditeurs de se concentrer sur les constats à haut risque.

Les audits opérationnels s’appuient désormais sur les données disponibles dans Snowflake

Auparavant, il était difficile d’exécuter rapidement nos audits opérationnels, car les éléments probants étaient dispersés entre plusieurs sources et leur collecte exigeait des réunions et des revues détaillées des processus.

Comme nos données sont déjà disponibles dans Snowflake, CoCo extrait rapidement de ces sources les informations propres à chaque contrôle. Nous consacrons ainsi notre temps à les valider. Auparavant, nous devions attendre plusieurs semaines pour obtenir et analyser ces éléments probants. Cette approche nous offre une visibilité en temps quasi réel sur des domaines tels que la gestion des vulnérabilités, ainsi que l’état des accès et de la sécurité des systèmes clés.

Nous avons également créé des skills réutilisables qui suivent l’avancement des observations issues des audits terminés :

  • Principaux indicateurs de sécurité de notre plateforme Salesforce
  • Gestion des vulnérabilités de nos actifs de production
  • Indicateurs de sécurité et de gouvernance des principales bases de données de notre compte Snowflake

D’autres skills sont prévues à mesure que nous lançons de nouveaux audits. Avec CoCo, nous avons augmenté le nombre et la complexité de nos audits, tout en accélérant la communication des constats et la production des rapports.

L’assurance continue libère du temps pour les risques stratégiques

Le rôle de l’auditeur interne évolue : de gardien des données historiques, il devient conseiller en risques stratégiques.

À mes yeux, le principal changement concerne nos échanges avec les dirigeants du business. Comme l’IA prend en charge les activités courantes de conformité, mon équipe peut fournir aux équipes produit, ingénierie et finance des éclairages data-driven tournés vers l’avenir, en complément de nos constats.

Pour les responsables de l’audit qui envisagent la même évolution, l’assurance continue ouvre quatre possibilités :

  • Une assurance élargie grâce aux tests portant sur l’ensemble de la population.
  • Moins de friction avec le business, grâce à la diminution des demandes manuelles d’éléments probants.
  • Plus de temps pour permettre aux auditeurs de se concentrer sur les risques stratégiques, la culture et les menaces émergentes.
  • Un framework de gouvernance qui accélère le business, car les risques sont détectés avant de devenir des problèmes.

Je suis fière de ce que mon équipe crée chez Snowflake. Avec le bon socle data, même l’une des fonctions les plus traditionnelles de l’entreprise peut transformer ses méthodes de travail.

Prêt à réinventer vos propres pratiques d’audit ? Voici comment vous lancer :

  • Commencez par un contrôle à fort impact : choisissez un processus à fort volume, comme les revues d’accès ou les tests du cycle order-to-cash, pour lequel tester l’intégralité de la population produit rapidement des résultats.
  • Centralisez vos données dans Snowflake : chargez dans un environnement unique et gouverné les principaux jeux de données issus de différents systèmes, notamment la facturation, les revenus, les RH ainsi que les journaux d’accès et d’audit, afin de tester l’intégralité des populations.
  • Créez avec Snowflake CoCo et les Fonctions Cortex AI : transformez la collecte manuelle des éléments probants et la création de rapports en compétences et applications réutilisables pour une surveillance continue.
  • Gardez les auditeurs aux commandes : laissez l’IA préparer le travail, tandis que votre équipe le vérifie et reste responsable de chaque conclusion.

Essayez Snowflake CoCo dès aujourd’hui ou échangez avec votre équipe Snowflake sur l’assurance continue appliquée à votre fonction d’audit.

 

Vous voulez découvrir comment les responsables financiers de Snowflake, DoorDash, Stripe et Northern Trust mettent l’IA à profit ?

Regardez à la demande les sessions finance d’Expedition 2026.

Partager ce post

Subscribe to our blog newsletter

Get the best, coolest and latest delivered to your inbox each week

Where Data Does More