Erreurs dans les tableurs d'entreprise : ce que dit la recherche

Quelque part dans votre entreprise, il y a un tableur dont tout le monde dépend. Il contient peut-être les tarifs des clients, les heures d’équipement, la paie ou la facturation mensuelle des locations à long terme. Une personne l’a bâti, une personne le comprend vraiment, et tout le monde lui fait confiance parce qu’il a toujours semblé fonctionner.

Les chercheurs vérifient des tableurs comme celui-là depuis plus de trente ans. Leurs constats sont constants et un peu dérangeants. Cet article présente simplement la recherche sur les taux d’erreur dans les tableurs, les cas qui ont fait les manchettes et ce que ça signifie pour une entreprise de 5 à 50 personnes.

La réponse courte

Quand des vérificateurs formés examinent attentivement de vrais tableurs d’entreprise, ils trouvent des erreurs dans la plupart d’entre eux.

• La plupart des tableurs examinés de près contenaient au moins une erreur. Raymond Panko, de l’Université d’Hawaï, a regroupé 85 inspections approfondies de tableurs opérationnels, la plupart faites par des cabinets de vérification commerciaux, et des erreurs ont été trouvées dans 94 % d’entre eux.¹
• Le taux d’erreur par formule est faible, mais pas nul. Les études les mieux documentées trouvent des erreurs dans environ 1 % à 2,5 % des cellules ou des formules.²³
• Les gens qui bâtissent des tableurs ont trop confiance. Dans une expérience, le concepteur médian estimait à 10 % la probabilité d’avoir fait une erreur. En réalité, 86 % en avaient fait une.²

La suite de l’article explique d’où viennent ces chiffres, et quelles sont leurs limites.

Ce que les vérifications sur le terrain ont trouvé

Une vérification sur le terrain, c’est quand quelqu’un prend des tableurs qu’une entreprise utilise réellement et les vérifie, cellule par cellule ou presque.

Dans un article présenté au European Spreadsheet Risks Interest Group (EuSpRIG) en 2000, Panko a rassemblé sept vérifications sur le terrain portant sur 367 tableurs. Dans l’ensemble, des erreurs ont été trouvées dans 24 % d’entre eux. Mais il a souligné que les vérifications plus anciennes utilisaient des méthodes peu susceptibles de repérer la plupart des erreurs. Celles faites à partir de 1997, avec de meilleures méthodes, ont trouvé des erreurs dans au moins 86 % des tableurs examinés.²

Dans une mise à jour de 2015, Panko a restreint la liste aux inspections approfondies qui prenaient plusieurs jours par tableur : 85 tableurs répartis dans six études, dont des vérifications commerciales faites par des cabinets comme KPMG et Coopers & Lybrand, et un examen de tableurs joints à des déclarations fiscales au Royaume-Uni. Ensemble, elles ont trouvé des erreurs dans 94 % des cas.¹

Une mise en garde : beaucoup de ces tableurs étaient de gros modèles financiers dans de grandes organisations. C’est tout autre chose qu’une grille de tarifs de 200 lignes. La raison pour laquelle ces constats comptent quand même pour une petite entreprise se trouve dans la section suivante.

À quelle fréquence les cellules sont erronées

Un taux d’erreur de 94 % ne veut pas dire que 94 % des cellules sont erronées. Ça veut dire que presque chaque tableur en contient au moins une. Le taux par cellule est beaucoup plus faible.

L’estimation classique

Selon la revue de Panko de 2000, des vérifications minutieuses de trois grands tableurs ont révélé que 1,1 %, 2,2 % et 2,5 % des cellules contenaient des erreurs d’origine. Dans des expériences en laboratoire, où environ un millier de participants ont bâti des tableurs à partir de problèmes écrits dont la réponse était connue, 51 % des tableurs contenaient des erreurs, même si la plupart ne comptaient que 25 à 50 cellules.² Sa mise à jour de 2015 fait état d’un taux d’erreur moyen par cellule de 3,9 % dans 14 études en laboratoire réunissant 967 participants.¹

Une estimation plus prudente

Tout le monde ne s’entend pas sur l’ampleur du problème. Stephen Powell, Kenneth Baker et Barry Lawson, de la Tuck School of Business de Dartmouth, ont fait remarquer que le chiffre souvent répété d’environ 5 % de formules erronées reposait sur seulement cinq études et 43 tableurs, dont certains examinés de façon informelle. Ils ont mis au point un protocole de vérification structuré, l’ont appliqué à 50 tableurs opérationnels et ont trouvé des erreurs dans 0,9 % à 1,8 % des cellules de formule, selon la rigueur de la définition d’une erreur. Ils ont aussi constaté que le taux variait beaucoup d’un tableur à l’autre.³

Cette fourchette plus basse est bonne à connaître. Elle n’est pas très rassurante pour autant, à cause de la façon dont fonctionnent les tableurs.

Pourquoi de petits taux finissent par compter

Une faute d’orthographe dans une lettre reste généralement une faute d’orthographe. Dans un tableur, un mauvais chiffre se propage dans chaque cellule qui en dépend, jusqu’au total. Panko l’a résumé ainsi : à moins que le taux d’erreur soit proche d’une erreur par dix mille cellules, la plupart des grands tableurs contiennent probablement des erreurs.²

Pensez à une feuille de facturation où chaque ligne va chercher un tarif, le multiplie par les heures, applique un rabais et ajoute la taxe. Une seule mauvaise référence en haut peut discrètement fausser chaque facture qui en découle.

Des cas qui ont fait les manchettes

L’EuSpRIG tient une longue liste publique d’erreurs de tableurs rapportées dans les médias. Quelques-unes valent la peine d’être connues parce qu’elles sont arrivées à des organisations sophistiquées, dotées de nombreux contrôles.

Le modèle de risque d’une banque

En 2012, JPMorgan Chase a subi d’importantes pertes sur des opérations de son Chief Investment Office, l’affaire dite de la « baleine de Londres ». Le propre groupe de travail de la banque a ensuite trouvé une erreur dans un modèle de risque bâti dans un tableur : après avoir soustrait un ancien taux d’un nouveau, le tableur divisait par leur somme plutôt que par leur moyenne, comme le concepteur l’avait prévu. Selon le rapport, cette erreur a probablement atténué la volatilité d’un facteur de deux et réduit la valeur à risque calculée par le modèle. L’EuSpRIG cite une logique non révisée et des étapes manuelles de copier-coller parmi les causes.⁴ Le tableur n’a pas causé les pertes à lui seul, mais il a affaibli l’un des contrôles censés les signaler.

Un article d’économie

Un article très cité de 2010, signé par les économistes de Harvard Carmen Reinhart et Kenneth Rogoff, rapportait que les pays dont la dette publique dépassait 90 % du PIB affichaient en moyenne une croissance négative. En 2013, Thomas Herndon, Michael Ash et Robert Pollin, chercheurs à l’Université du Massachusetts à Amherst, ont trouvé une erreur de tableur qui excluait cinq pays, dont le Canada, d’une moyenne clé, en plus de deux autres problèmes de méthode. Une fois les trois corrigés, ils ont obtenu une croissance moyenne de 2,2 % pour les pays très endettés, et non les -0,1 % publiés.⁵

Une société d’énergie de Calgary

En 2003, TransAlta a inscrit une charge de 24 millions de dollars américains après avoir soumissionné sur plus de contrats de couverture de transport d’électricité que prévu, à des prix plus élevés. Le PDG a parlé de « littéralement une erreur de copier-coller dans un tableur Excel que nous n’avons pas détectée » avant l’envoi des soumissions.⁶

Des données scientifiques

Les tableurs modifient aussi les données d’eux-mêmes. Les paramètres par défaut d’Excel convertissent certains noms de gènes en dates (SEPT2 devient 2-Sep, par exemple). Une étude de 2016 publiée dans Genome Biology a examiné les fichiers supplémentaires de 18 revues et trouvé des erreurs de noms de gènes dans 704 des 3 597 articles comportant des listes de gènes dans des fichiers Excel, soit 19,6 %.⁷ Pour une entreprise de services, la même mise en forme automatique peut transformer un numéro de pièce, un numéro d’unité ou un code de bon de travail en autre chose sans que personne ne s’en aperçoive.

Ce que ça signifie pour une entreprise de 5 à 50 personnes

Vos tableurs sont plus petits et plus simples que le modèle de risque d’une banque. Ça aide. Mais plusieurs choses jouent contre vous :

• Personne ne les vérifie. Dans les études ci-dessus, des vérificateurs formés passaient des jours sur chaque tableur. La grille de tarifs d’une petite entreprise est généralement révisée quand un client se plaint.
• Une seule personne l’a bâti. Quand cette personne part ou prend des vacances, personne d’autre ne sait quelles cellules sont des formules et lesquelles ont été écrasées à la main.
• Ils touchent directement à l’argent. Les tarifs, les heures et les totaux de facture vont directement aux clients. Une erreur ne reste pas dans un modèle; elle part sur une facture.
• La confiance est élevée. Les travaux de Panko ont trouvé un excès de confiance dans chaque étude qui l’a cherché. « Ça a toujours fonctionné », c’est exactement ce que croyaient les concepteurs de ces expériences.¹

Si vous restez sur des tableurs pour l’instant

Bien des entreprises le feront, et c’est un choix raisonnable pendant un temps. Quelques habitudes réduisent le risque :

1. Séparez les données d’entrée (tarifs, heures) des formules, et verrouillez les cellules de formule.
2. Gardez une seule grille de tarifs maîtresse plutôt que des copies sur différents ordinateurs portables.
3. Faites vérifier la logique par une deuxième personne, pas seulement les totaux. La revue de Panko a conclu que l’inspection cellule par cellule était la seule méthode dont l’efficacité pour repérer les erreurs était solidement démontrée.²
4. Mettez les colonnes de codes, comme les numéros d’unité et de bon de travail, au format texte pour éviter qu’elles soient converties.

Quand le tableur devient ce qui se dresse entre un travail terminé et une facture, il est généralement temps de délaisser les tableurs. Notre comparaison de Dispatch comme solution de rechange à Excel explique ce que ce changement implique.

La place de Dispatch

Dispatch remplace la grille de tarifs et le tableur de facturation par des dossiers qui ne dépendent pas de formules que quelqu’un doit entretenir. Les tarifs de chaque client sont regroupés à un seul endroit et appliqués automatiquement quand une soumission ou une facture est préparée, la TPS et la TVP sont calculées selon la province, et les factures sont produites directement à partir des bons de travail terminés. Dispatch tient un journal d’audit des actions clés pour que les changements puissent être retracés. Ce n’est pas un logiciel de comptabilité, et vos livres restent où ils sont.

Si vous aimeriez voir comment votre tableur actuel s’y transposerait, réservez une démo et apportez le fichier. Nous le passerons en revue avec vous.

Footnotes

1. Raymond R. Panko, « What We Don’t Know About Spreadsheet Errors Today: The Facts, Why We Don’t Believe Them, and What We Need to Do », Proceedings of the EuSpRIG 2015 Conference, 2015. https://arxiv.org/abs/1602.02601 (en anglais) ↩ ↩² ↩³ ↩⁴

2. Raymond R. Panko, « Spreadsheet Errors: What We Know. What We Think We Can Do », Proceedings of the EuSpRIG 2000 Symposium, 2000. https://arxiv.org/abs/0802.3457 (en anglais) ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

3. Stephen G. Powell, Kenneth R. Baker et Barry Lawson, « Errors in Operational Spreadsheets », Journal of Organizational and End User Computing 21(3), 2009. https://mba.tuck.dartmouth.edu/spreadsheet/product_pubs_files/Errors.pdf (en anglais) ↩ ↩²

4. European Spreadsheet Risks Interest Group, « Horror Stories » (entrée POB1301, citant le rapport du JPMorgan Chase Management Task Force de janvier 2013), consulté en 2026. https://eusprig.org/research-info/horror-stories/ (en anglais) ↩

5. Thomas Herndon, Michael Ash et Robert Pollin, « Does High Public Debt Consistently Stifle Economic Growth? A Critique of Reinhart and Rogoff », Political Economy Research Institute Working Paper, avril 2013. https://peri.umass.edu/publication/item/526-does-high-public-debt-consistently-stifle-economic-growth-a-critique-of-reinhart-and-rogoff (en anglais) ↩

6. Drew Cullen, « Excel snafu costs firm $24m », The Register, 19 juin 2003. https://www.theregister.com/2003/06/19/excel_snafu_costs_firm_24m/ (en anglais) ↩

7. Mark Ziemann, Yotam Eren et Assam El-Osta, « Gene name errors are widespread in the scientific literature », Genome Biology 17:177, 2016. https://doi.org/10.1186/s13059-016-1044-7 (en anglais) ↩