Élargir son portefeuille en DAF à temps partagé sans alourdir la production

Un DAF à temps partagé qui refuse un client le fait rarement par manque d'envie. Il le fait parce qu'il sait ce que ce client va coûter en heures de production — et que ces heures-là, il ne les a plus.

C'est une conversation que j'ai eue plusieurs fois, des deux côtés : comme DAF de scale-up, puis comme DAF à temps partagé sur mon propre portefeuille. Le raisonnement est toujours le même, et il est rarement commercial. Il est arithmétique. Cet article regarde d'où vient précisément ce plafond, ce que l'agentisation de la production y change, et ce qu'elle ne changera pas.

Le vrai plafond n'est pas la demande, c'est la production

Xerfi compte environ 2 000 DAF externalisés en exercice en France — un chiffre faible au regard de la demande potentielle des PME et TPE. La dynamique est là : 87% des DAF externalisés travaillent pour des PME, 63% pour des TPE, et le modèle croît sans discontinuer depuis dix ans, porté par des trésoreries tendues et des délais de paiement qui s'allongent.

Et pourtant, la taille des portefeuilles ne bouge pas. L'ICAEW observe un standard stable : 3 à 10 clients, avec des missions de 1 à 3 jours par semaine, 2 jours étant le format le plus courant.

Fais l'arithmétique. Cinq jours ouvrés, deux jours par client, un peu de mou pour absorber les pics : deux à trois clients servis correctement. Quel que soit ton pipe. Quelle que soit ta notoriété. Le goulot n'est pas en amont du contrat, il est en aval — dans ce que chaque client consomme une fois signé. Reste à savoir où partent réellement ces jours.

Où partent les heures : extraction, réconciliation, remise en forme

Les chiffres du secteur sont d'une constance gênante. L'enquête FP&A Trends 2025 mesure 46% du temps passé en collecte et validation de données, contre 31% en insight et action. Vena, en reprenant les données AFP, arrive au même endroit par un autre chemin : 25% du temps en analyse à valeur ajoutée, 42% en collecte, 33% en administration de process — étant entendu qu'un éditeur FP&A a un intérêt direct à ce constat.

Le cabinet Onetribe chiffre la partie la plus absurde : 75% des profils finance passent 5 à 6 heures par semaine à recréer des rapports qui existent déjà, soit environ 300 heures par an et par personne. Et le résultat de tout ce travail arrive tard : seules 18% des équipes clôturent en trois jours ou moins, la moitié dépasse les cinq jours ouvrés.

Ces chiffres décrivent des équipes internes, dédiées à une seule entreprise. Le DAF fractionnel subit la même charge, multipliée par son nombre de clients — avec cinq plans analytiques différents, cinq ERP, cinq façons de nommer un centre de coût. Autrement dit : ce que tu vends, c'est ton jugement ; ce que tu factures majoritairement, c'est de la manutention de données. Si cette part-là sort du calcul, tout le modèle de capacité bouge.

D'un plafond d'heures à un plafond de contextes

Sur les portefeuilles que je pilote aujourd'hui avec Scalancy, la production financière récurrente représentait 50 à 85 heures de travail Excel par mois. Extraction, réconciliation ERP/CRM, remise en forme. Ces heures ne sont plus au planning. Le P&L réel vs budget, par nature et par fonction, écarts mesurés et expliqués, sort à J+3 — là où la norme du secteur reste J+10 et plus.

Ce qui change n'est pas le confort. C'est l'unité de capacité. Tant que la production est manuelle, tu comptes en jours vendables, et le plafond est mécanique. Quand elle tourne seule, tu comptes en contextes clients que tu es capable de piloter en parallèle — c'est-à-dire en nombre de situations financières que ta tête peut tenir, ce qui est un tout autre nombre.

L'arithmétique qui en découle est celle que j'applique à ma propre pratique : huit clients à 3 k€ de forfait pilotage, coût de l'IA déduit, dégagent plus que quatre clients à 4 k€ production comprise. Avec un effet secondaire qu'on sous-estime : le forfait pilotage se défend mieux en négociation que le TJM de production, parce qu'il est indexé sur la décision rendue, pas sur le temps passé. Personne ne t'a jamais demandé de justifier le prix d'un arbitrage. On te demande souvent de justifier une journée de retraitement.

Ce déplacement ne tient toutefois qu'à une condition : que la méthode soit industrialisable d'un client à l'autre.

Une méthode encodée une fois, un modèle de données commun

Ce qui ne scale pas, ce n'est pas l'analyse. C'est de recouper cinq silos par client tous les mois : l'ERP pour la finance, le CRM pour le commercial, le BP Excel pour les cibles et les objectifs, bientôt le SIRH et les outils de gestion. Puis de reconstruire, dossier par dossier, un classeur sur mesure qui ne servira qu'à celui-là.

Ce qui scale, c'est l'inverse : encoder sa méthode une seule fois — les agents, les règles de calcul déterministes, les seuils d'alerte — puis la brancher sur le plan analytique de chaque nouveau client. Chez nous, cet onboarding prend environ trente minutes.

La nuance est importante, parce que c'est là que la plupart des tentatives échouent. Standardiser le modèle de données est nécessaire. Standardiser le client est impossible : son plan analytique reste le sien, ses fonctions restent les siennes, et un outil qui exige qu'il s'aligne sur un référentiel générique produit un reporting que son dirigeant ne reconnaît pas. Reste à savoir ce que, dans tout ça, on ne délègue jamais.

Ce qui reste non délégable : l'arbitrage et la mise sous contrôle

Un DAF qui relâche le contrôle troque un plafond de capacité contre un risque de fiabilité. C'est un mauvais échange, et les chiffres le disent : 86% des CFO déclarent avoir rencontré des données IA inexactes ou hallucinées sur des tâches finance, et 67% jugent la supervision humaine critique pour l'exactitude. Les organisations dotées d'un cadre human-in-the-loop mature tiennent 85 à 95% d'automatisation avec 99,7% d'exactitude sur les cas complexes — l'automatisation sans boucle humaine n'a jamais été le sujet.

Sur le terrain, ce résiduel humain se concentre sur une quinzaine de minutes par semaine et par client : matching des clients ERP x CRM, rattachement des factures au P&L par fonction, décisions de renouvellement et de churn, anomalies de données à trancher. C'est peu en temps. C'est tout en valeur — c'est exactement le travail que ton client paie.

Ce que ça change à la question de départ

Reviens au client que tu as refusé. La question n'était pas de savoir si tu savais faire, ni si le pipe suivait. Elle était de savoir si tu avais les jours. Ce que je constate, sur ma pratique comme sur celle des confrères qui ont franchi le pas, c'est que cette contrainte a cessé d'être une donnée du problème pour devenir un choix d'outillage.

Le calcul honnête à faire n'est donc pas « est-ce que l'IA sait produire mon reporting ». C'est : combien de mes heures, le mois dernier, sont parties en production plutôt qu'en pilotage — et combien de clients cela m'a-t-il coûté.

Si tu veux poser ce calcul sur un dossier réel plutôt qu'en théorie, j'échange volontiers avec des confrères sur leur portefeuille.