Skill officielle · Finances
Revue des hypothèses d'un modèle financier
Passe en revue les hypothèses d'un modèle financier : liste chacune avec sa source, teste la sensibilité, vérifie la vraisemblance face à l'historique et nomme les 3 qui comptent.
Skill d'IA
Demandez à votre IA de remettre en question les hypothèses de votre modèle financier
14 jours gratuits · Sans carte
Fonctionne dans Claude, ChatGPT et les agents de code. Avec Team et Business, la skill officielle de votre pod se met à jour d'elle-même quand nous l'améliorons.
Quand l'utiliser
- Avant qu'un modèle parte au conseil d'administration, chez un prêteur ou chez des investisseurs
- Un prévisionnel semble trop beau et personne ne sait dire pourquoi
Ce que vous lui donnez
- Le modèle, ou ses données d'entrée et ses résultats
- L'historique réel des mêmes drivers
- Les benchmarks auxquels vous vous fiez, avec leurs sources (facultatif)
Ce que vous obtenez
Une revue avec les 3 hypothèses principales, un tableau de sensibilité, la liste complète des hypothèses et les problèmes de structure.
Comment elle fonctionne
- Lister chaque hypothèse
- Séparer les drivers des résultats
- Tester la sensibilité une donnée à la fois
- Vérifier la vraisemblance
- Nommer les 3 qui comptent le plus
- Noter les problèmes de structure
- Rédiger la synthèse
Exemple
Ce que vous lui donnez
> Plan à 2 ans de Kestrel (SaaS B2B). MRR de départ 60 000. Nouveau MRR par mois 9 000, en croissance de 10 % par mois. Churn mensuel du chiffre d'affaires 1 %. Marge brute 80 %. Effectif 14 → 30 au mois 12 ; coût moyen 9 000 par personne et par mois. Trésorerie 2 400 000. Le modèle donne un épuisement de la trésorerie au mois 26. Historique (6 derniers mois) : nouveau MRR moyen 6 500, meilleur mois 8 100 ; churn du chiffre d'affaires moyen 2,2 %. Benchmark de l'utilisateur : aucun.
Ce que vous recevez (le début)
Revue des hypothèses — plan à 2 ans de Kestrel
Résultat clé : mois d'épuisement de la trésorerie : 26 Synthèse : Le plan tient jusqu'au mois 26 en supposant que le nouveau MRR démarre au-dessus du meilleur mois atteint jusqu'ici et croît de 10 % chaque mois, avec un churn inférieur à la moitié de l'historique. Si le nouveau MRR et le churn restent à leur niveau des 6 derniers mois, la trésorerie s'épuise plus tôt [à vérifier : relancer le modèle avec les valeurs historiques].
Les 3 qui comptent le plus
| # | Hypothèse | Valeur | Ce qui l'étaye | Si elle est fausse (sens défavorable) | Pour gagner en confiance |
|---|---|---|---|---|---|
| 1 | Nouveau MRR mensuel de départ | 9 000 | Estimation au jugé ; moyenne historique 6 500, meilleur mois 8 100 | [à vérifier : relancer à 6 500] | Montrer le pipeline qui justifie 9 000 |
| 2 | Croissance du nouveau MRR | 10 % par mois | Estimation au jugé ; aucun historique fourni | [à vérifier : relancer à 0 % et 5 %] | La relier aux recrutements commerciaux prévus et à leur quota |
| 3 | Churn du chiffre d'affaires | 1 % par mois | Historique 2,2 % | [à vérifier : relancer à 2,2 %] | Nommer les actions de rétention qui diviseraient le churn par deux |
Problèmes de structure
- L'effectif fait plus que doubler d'ici le mois 12, mais la croissance du nouveau MRR n'est pas reliée aux recrutements commerciaux ; les 2 devraient évoluer ensemble.
La suite de ce résultat, toutes les étapes et les vérifications que fait l'IA avant de répondre sont dans votre pod une fois la skill ajoutée.
Utiliser ce skill dans votre IAPartagez-la avec votre équipe
Ajoutez-la au pod de votre équipe sur AI Skill Pod : toute l'équipe, prestataires compris, utilise la même version depuis sa propre IA. Lire les meilleures façons de partager des skills d'IA dans une équipe
Historique des modifications
- v1.0.0 · · First release.
Sources
- The Aqua Book (consultée le 2026-11-04)
- What is Sensitivity Analysis? (consultée le 2026-11-04)