Prédire le paiement par client : à quoi s’attendre ?
Pour qui : Vous pilotez la trésorerie d’une PME. Un commercial vous annonce qu’une IA prédit quand vos clients paieront, et vous voulez savoir ce que cette promesse vaut chez vous.
Attendez-vous à un vocabulaire impressionnant et à peu de preuves publiées. Votre historique par client donne déjà l’essentiel : le retard habituel de chacun remplace utilement la date d’échéance.
Payez davantage seulement si l’outil bat cette référence sur vos propres factures passées. Le test demande un export et deux calculs d’erreur.
Cas à part : si vous avez de nombreux petits clients récents, sans historique, le retard par client manque de matière. Un modèle fondé sur des groupes de factures peut alors apporter quelque chose, à condition de le mesurer de la même façon.
Notre avis
Commencez par le retard médian de chaque client. Un score payant doit faire mieux sur vos factures, chiffres à l’appui.
Pourquoi
- Dans nos lectures, « comportement de paiement » désigne selon l’éditeur une moyenne, des cohortes ou un modèle entraîné.
- Nous n’avons lu aucune mesure d’éditeur assortie de sa méthode et de son périmètre.
- Le test sur des factures passées se fait en démonstration, sans attendre un an.
Ce qui change le choix
L’outil bat clairement la médiane sur vos factures, ou votre portefeuille change trop pour qu’un historique par client existe.
L’ordre à suivre
- Retard médian par client, dans un fichier
- Fonction incluse dans un outil, si elle bat l’échéance et la médiane
- Score prédictif payant, s’il bat la médiane sur vos factures
Un même mot pour des méthodes différentes
Lisez la méthode derrière le mot. Le DSO mesure le nombre moyen de jours avant le paiement d’une facture. Dans nos lectures, ces méthodes ne sont pas équivalentes, et nous n’avons vérifié la précision d’aucune.
| Éditeur | Annonce | Question à poser |
|---|---|---|
| Agicap | DSO moyen de chaque client et dates promises dans le prévisionnel | Moyenne par client ou date par facture ? |
| Upflow | Cohortes de facturation fondées sur le comportement réel, plutôt que sur des moyennes de DSO | À quel niveau ? Un extrait de documentation évoque un agrégat mensuel |
| Aston AI | IA qui analyse comportements, retards, encours et litiges ; 90 % de précision affichés | Mesurés sur quels comptes, sur quelle période et comment ? |
| CashOnTime | Prévisions fondées sur les comportements, les risques et l’historique | Quelle erreur en jours sur des comptes comparables ? |
| Sidetrade | Modèles entraînés sur des données mutualisées, vu seulement en extrait | Tout reste à vérifier auprès de l’éditeur |
Mesurez la référence à battre
Exemple fictif : cinq factures déjà payées, avec trois lectures de la date d’encaissement. Les montants et les retards sont imaginaires. L’échéance suppose zéro jour de retard. La médiane reprend le retard habituel du client, calculé sur ses factures plus anciennes. L’erreur mesure l’écart en jours avec le retard réel.
| Facture | Montant | Retard réel | Erreur avec l’échéance | Retard médian du client | Erreur avec la médiane |
|---|---|---|---|---|---|
| 1 | 30 000 € | 21 | 21 | 20 | 1 |
| 2 | 5 000 € | 0 | 0 | 0 | 0 |
| 3 | 20 000 € | 35 | 35 | 30 | 5 |
| 4 | 3 000 € | 8 | 8 | 5 | 3 |
| 5 | 2 000 € | 14 | 14 | 10 | 4 |
| Erreur moyenne | 78 ÷ 5 = 15,6 jours | 13 ÷ 5 = 2,6 jours | |||
| Erreur pondérée par les montants | 60 000 € | 23,03 jours | 2,45 jours |
Faites passer le test à l’outil
La pondération compte, car une erreur sur une facture de 30 000 € pèse plus sur le plan qu’une erreur sur 2 000 €. Ici, la barre à franchir est de 2,45 jours. Un outil affichant 3 jours d’erreur pondérée ferait moins bien que votre fichier, malgré son modèle.
Demandez à l’éditeur de prédire vos factures des 3 derniers mois avec les seules données connues avant leur émission. Sinon, le modèle connaît déjà la réponse. Exigez l’erreur pondérée, et retirez les factures en litige des deux côtés.
Un point à contrôler sur les données
Le référentiel de la CNIL sur les impayés exclut le scoring de son champ, et nous n’avons lu aucun texte de la CNIL propre à un score de retard utilisé pour la prévision entre entreprises. Notre lecture, qui n’est pas une position de la CNIL : un score portant sur une société ne vise pas en soi une personne physique, mais il entre dans le RGPD pour un entrepreneur individuel ou un contact nommé. Faites-le examiner si une décision automatique en découle, comme un blocage de commande.
Limites de cette page
Le test mesure une date d’encaissement et ne dit rien de la valeur d’une relance ou d’une alerte de risque. Sur peu de factures, l’écart peut venir du hasard : prenez au moins trois mois. La médiane suppose que vos clients gardent leurs habitudes, ce qu’une crise ou un changement d’interlocuteur peut démentir.
Prochaine action
Exportez les factures payées des 12 derniers mois. Calculez le retard médian par client sur les 9 premiers mois, puis mesurez l’erreur pondérée de cette médiane sur les 3 derniers. Présentez ensuite ce chiffre à l’éditeur et demandez-lui le sien sur les mêmes factures. S’il ne le fait pas, gardez la médiane dans votre plan. Si vos clients sont trop nombreux et trop récents, mesurez une méthode par groupes de la même façon.
Preuves et sources
Lu le 5 novembre 2026 : pages d’Agicap, d’Upflow, d’Aston AI, de CashOnTime, de Tesorio et de Quadient. Sidetrade vu seulement en extrait. Référentiel de la CNIL sur les impayés.
Chaque élément ci-dessous dit s’il s’agit d’un fait lu dans une source, d’une déclaration d’éditeur, de notre calcul, de notre méthode ou de notre avis. Aucun outil n’a été testé. Notre méthode
Notre avis. Le retard médian par client constitue la référence à battre avant de payer un score prédictif.
Portée : PME avec un historique client
Réserve : Moins utile avec beaucoup de clients récents.
Daté du 5 novembre 2026.
Déclaration de l’éditeur. Agicap annonce intégrer au prévisionnel le DSO moyen réel de chaque client et ses dates promises.
Portée : Agicap
Réserve : Précision non vérifiée.
- Agicap : Le logiciel de recouvrement pour accélérer vos encaissements Lu le 5 novembre 2026. Lu le 5 novembre 2026. Déclaration de l’éditeur.
- Agicap : La trésorerie entre dans une nouvelle ère Lu le 5 novembre 2026. Lu le 5 novembre 2026. Déclaration de l’éditeur.
Déclaration de l’éditeur. Upflow annonce une prévision par cohortes de facturation fondée sur le comportement réel de paiement, plutôt que sur des moyennes de DSO ; un niveau agrégé par mois n’a été vu qu’en extrait de documentation.
Portée : Upflow
Réserve : Extrait de documentation à vérifier.
- Upflow : AR Analytics & Dashboards Lu le 5 novembre 2026. Lu le 5 novembre 2026. Déclaration de l’éditeur.
- Upflow : Accounts Receivable Forecasting ; aide Cash forecast ; docs promise to pay Extraits de recherche ; aide signalée ancienne d'environ 966 jours. Lu le 5 novembre 2026. Vue en extrait, à vérifier.
Déclaration de l’éditeur. Aston AI annonce une IA analysant comportements de paiement, retards, encours et litiges, et affiche 90 % de précision de ses prédictions d’encaissement ; ce taux n’est pas retenu comme un fait, faute de méthode lue.
Portée : Aston AI
Réserve : Déclaration d’éditeur, sans périmètre lu.
- Aston AI : Accueil Aston AI Lu le 5 novembre 2026. Lu le 5 novembre 2026. Déclaration de l’éditeur.
Déclaration de l’éditeur. CashOnTime annonce des prévisions fondées sur les comportements de paiement, les risques détectés et l’historique des opérations.
Portée : CashOnTime
Réserve : Méthode non lue.
- DIMO Software (CashOnTime) : Accueil CashOnTime Lu le 5 novembre 2026. Lu le 5 novembre 2026. Déclaration de l’éditeur.
Déclaration de l’éditeur. Selon un extrait seulement, Sidetrade annonce des modèles prédictifs entraînés sur des données de paiement mutualisées.
Portée : Sidetrade
Réserve : Site non consultable le 5 novembre 2026 ; à vérifier auprès de l’éditeur.
- Sidetrade : Aimie IQ et Order-to-Cash Software Extraits de recherche seulement. Lu le 5 novembre 2026. Vue en extrait, à vérifier.
Notre calcul ou déduction. Dans l’exemple fictif, l’erreur moyenne passe de 15,6 jours avec l’échéance à 2,6 jours avec la médiane, et l’erreur pondérée par 60 000 € de montants de 23,03 à 2,45 jours.
Portée : Société fictive
Réserve : Simulation sur cinq factures, sans résultat réel.
Daté du 5 novembre 2026.
Notre méthode. Le test sur factures passées, avec les seules données connues avant leur émission et une erreur pondérée, est une méthode proposée par la rédaction.
Portée : Démonstrations d’outils
Réserve : Au moins trois mois de factures.
Daté du 5 novembre 2026.
Fait lu. Le référentiel de la CNIL sur la gestion des impayés exclut expressément les traitements de détection du risque d’impayé et le scoring.
Portée : Référentiel CNIL, PDF de mars 2022
Réserve : Référentiel non contraignant.
- CNIL : Référentiel relatif aux traitements de données mis en œuvre aux fins de gestion des impayés dans une transaction commerciale Métadonnées PDF : 18 mars 2022. Lu le 5 novembre 2026. Document d’origine.
Notre calcul ou déduction. Notre lecture, qui n’est pas une position de la CNIL : un score portant sur une société ne vise pas en soi une personne physique, mais il entre dans le RGPD pour un entrepreneur individuel ou un contact nommé.
Portée : Outils de relance et de score
Réserve : À faire relire si une décision automatique en découle.
- CNIL : Référentiel relatif aux traitements de données mis en œuvre aux fins de gestion des impayés dans une transaction commerciale Métadonnées PDF : 18 mars 2022. Lu le 5 novembre 2026. Document d’origine.