John Glasgow, PDG, directeur financier et fondateur de Campfire – Série d’entretiens

John Glasgow est PDG, directeur financier et fondateur de Campfire. Il possède une expérience dans la finance, les fusions-acquisitions dans le secteur technologique et la stratégie d’entreprise. Avant de fonder la société, il a travaillé chez Adobe, Invoice2go et Bill.com, notamment en contribuant à mener à bien l’acquisition d’Invoice2go pour 625 millions de dollars. Son expérience au sein de services financiers a orienté son ambition : remplacer les processus tributaires des feuilles de calcul par des systèmes comptables qui conservent le détail des transactions et prennent en charge l’automatisation.

Campfire développe une plateforme ERP conçue dès l’origine pour l’IA, destinée aux équipes financières et comptables. Elle réunit le grand livre, l’automatisation des revenus, le reporting et la gestion de la clôture. Ses agents Ember exploitent les données comptables sous-jacentes pour effectuer des tâches telles que le rapprochement et la catégorisation des transactions, tandis que Forecast distingue les données réelles comptabilisées, les montants engagés et les estimations générées par l’IA. Dans cet entretien, Glasgow évoque l’architecture de la comptabilité conçue dès l’origine pour l’IA, les limites entre l’autonomie des agents et l’approbation humaine, ainsi que les moyens pour les équipes financières de préserver la traçabilité à mesure que l’automatisation se développe.

Votre carrière vous a conduit à travailler dans la finance, les fusions-acquisitions dans le secteur technologique et la stratégie chez Adobe, Invoice2go et Bill.com, avant que vous ne fondiez Campfire. Qu’avez-vous observé à plusieurs reprises au sein des services financiers qui vous a convaincu qu’il fallait reconstruire l’ERP sous-jacent plutôt que simplement l’améliorer en lui ajoutant une couche logicielle ?

La vente d’Invoice2go à Bill.com pour 625 millions de dollars m’a permis de constater le problème de près. Pendant la vérification préalable, j’ai traité plus de 500 demandes à partir de feuilles de calcul, car notre comptabilité des revenus, notre reporting SaaS et nos consolidations s’y trouvaient, et non dans un système dédié. Une entreprise de cette taille gérait encore des tâches financières essentielles à l’aide de feuilles de calcul.

Chez Bill, où je dirigeais les partenariats stratégiques et travaillais en étroite collaboration avec le directeur financier, j’ai constaté le même problème chez les clients. La paie, la gestion des dépenses et les comptes fournisseurs et clients (AP/AR) avaient été modernisés, mais les équipes financières devaient toujours revenir à un ERP conçu pour une autre époque.

Le problème vient du grand livre lui-même. Les ERP traditionnels reçoivent des écritures récapitulatives provenant de la facturation, des paiements, de la paie et d’autres systèmes ; le détail des transactions a donc disparu lorsqu’elles arrivent dans le grand livre. Ajouter une autre couche logicielle ne peut pas compenser l’absence de données. Je voulais un grand livre qui conserve le détail et soit capable d’effectuer le travail, ce qui impliquait de reconstruire l’ERP de fond en comble.

La formule « conçu dès l’origine pour l’IA » est de plus en plus courante dans les logiciels d’entreprise. Sur le plan architectural, en quoi un ERP conçu dès l’origine pour l’IA diffère-t-il fondamentalement d’un ERP traditionnel auquel on ajoute un grand modèle de langage ou un copilote d’IA ?

La différence fondamentale, c’est qu’un ERP conçu dès l’origine pour l’IA s’articule autour des données dont les flux de travail liés à l’IA ont besoin pour agir.

Un copilote ne peut lire que ce qu’un ERP traditionnel stocke. Si l’ERP ne contient que des synthèses mensuelles au lieu du détail des transactions, l’IA peut trouver un chiffre ou rédiger une explication, mais elle ne peut pas rapprocher les transactions de manière fiable, effectuer le rapprochement des comptes ni expliquer comment une écriture a été créée. Campfire conserve le détail complet des transactions et gère à la fois le grand livre et les livres auxiliaires, ce qui fournit à ses agents Ember les données nécessaires pour effectuer réellement le travail.

La traçabilité constitue une autre différence. Chaque action d’un agent renvoie aux données sous-jacentes du grand livre et peut être examinée avant sa comptabilisation.

La troisième différence tient au modèle lui-même : Accounting Intelligence de Campfire est entraîné sur des données comptables et écrit du code pour effectuer des tâches financières, ce qui rend les résultats reproductibles. C’est ce qui permet aux agents d’agir au lieu de se contenter de faire des suggestions.

Campfire a récemment lancé Forecast, qui distingue les données réelles, les montants engagés et les estimations générées par l’IA pour le mois en cours, au lieu de demander à l’IA de prévoir toute la période. Pourquoi l’avez-vous conçu ainsi, et selon vous, dans quelle mesure l’IA est-elle réellement utile aux prévisions financières, par opposition aux données comptables déterministes qui devraient rester la référence ?

En tant que directeur financier, je cherche à savoir où en sera le mois cinq jours ou plus avant son terme ; à ce stade, une grande partie des données est déjà connue. Demander à l’IA de prévoir toute la période reviendrait à remplacer des chiffres connus par des suppositions. Forecast répartit donc le mois en trois catégories :

Réalisé : ce qui a déjà été comptabilisé dans le grand livre.

Engagé : les montants futurs connus issus de contrats, de factures, d’actifs et de contrats de location qui n’ont pas encore été comptabilisés.

Estimé : la projection d’Ember pour la part réellement inconnue, fondée sur l’historique et la saisonnalité de l’entreprise.

C’est là que l’IA a sa place dans les prévisions, selon moi : pour la partie que personne ne peut encore connaître. Les données comptables déterministes devraient régir tout ce qui est déjà connu. Mélanger les deux rend plus difficile la distinction entre les faits et les estimations. Si les deux sont mélangés, il devient impossible de savoir quels chiffres on peut défendre lorsqu’on présente les prévisions au conseil d’administration.

Quand on me demande comment j’ai obtenu un chiffre, je peux ouvrir n’importe quelle donnée et en montrer les composantes réelles, engagées et estimées, ainsi que les hypothèses d’Ember. Forecast est un outil d’aide à la décision : rien de ce qu’il produit n’est automatiquement comptabilisé dans le grand livre, mais il permet aux équipes financières d’anticiper l’évolution du mois suffisamment tôt pour prendre des décisions avant sa clôture.

Forecast permet à Ember d’estimer la part inconnue du mois à partir des tendances historiques et de la saisonnalité, tout en expliquant les hypothèses qui sous-tendent ces estimations. Comment gérez-vous les situations où les tendances historiques cessent soudainement d’être pertinentes, par exemple en cas de croissance rapide, de perte d’un client important, d’acquisition ou d’un autre événement inhabituel ?

Ce sont les mois où un directeur financier a le plus besoin de prévisions, et c’est pourquoi elles sont réparties en plusieurs couches. Seule la part estimée de Forecast dépend des tendances historiques et de la saisonnalité. La couche des engagements s’appuie sur les contrats, les factures, les actifs et les baux déjà enregistrés dans le grand livre de Campfire. Ainsi, une acquisition, la perte d’un client ou une croissance rapide ne modifie pas ce qui est déjà connu.

Lorsque la tendance change, l’équipe financière sait généralement pourquoi avant que les données ne le révèlent, et peut donc apporter le contexte nécessaire. Elle peut ajouter une note expliquant ce qui a changé, joindre un document comme un plan d’effectifs, ou connecter une source telle qu’un CRM ou un SIRH par l’intermédiaire de notre intégration MCP. Ember utilise ce contexte pour réestimer la part inconnue.

Chaque estimation comprend également une explication d’une phrase de ses hypothèses. Ainsi, lorsque je présente les prévisions, je peux montrer ce qui relève des faits, ce qui est engagé et ce qui est projeté.

Campfire a développé son propre grand modèle comptable, ou LAM, au lieu de s’appuyer entièrement sur des modèles généralistes. Qu’avez-vous appris sur les limites de l’IA généraliste en comptabilité, et que doit comprendre un modèle spécialisé qu’un grand modèle de langage classique ne comprend généralement pas ?

En comptabilité, il faut des réponses reproductibles, pas simplement plausibles. Les modèles généralistes savent bien générer du texte, mais peuvent avoir du mal avec le raisonnement numérique et les classifications comptables, pour lesquels les mêmes données doivent toujours produire la même réponse.

Au lieu de demander à un modèle de raisonner directement sur les données financières, nous lui faisons écrire du SQL ou du Python pour effectuer le travail. Le code est reproductible, ce qui est important pour l’audit et permet aux entreprises d’automatiser des actions sans qu’une personne ait à approuver chaque résultat identique.

Notre système d’intelligence comptable est entraîné sur des données comptables et comprend notamment la structure d’un plan comptable, les habitudes des fournisseurs et les caractéristiques d’une comptabilité bien tenue. Il apprend également de l’historique des transactions de chaque client. La précision dépend autant du système qui entoure le modèle que du modèle lui-même.

Les équipes financières tolèrent très peu les erreurs de l’IA. À mesure que les agents commencent à effectuer des rapprochements, à catégoriser des transactions, à préparer des écritures et à interagir avec le grand livre, où faut-il placer la limite entre l’exécution autonome et l’approbation humaine ?

La limite devrait dépendre de la possibilité de vérifier une action. Si une écriture est reproductible et peut être retracée jusqu’aux données sous-jacentes du grand livre, personne ne devrait avoir à approuver chaque occurrence. Si elle ne peut être expliquée ou reproduite, une personne devrait l’examiner avant sa comptabilisation.

C’est ainsi que nous avons conçu Ember. Chaque action d’un agent est consignée, rattachée aux données sous-jacentes du grand livre général et peut être examinée. Les équipes définissent des seuils de confiance qui déterminent ce qu’Ember traite de façon autonome et ce qui est transmis à une personne. Elles peuvent ensuite élargir cette autonomie à mesure que les résultats gagnent leur confiance.

Le jugement reste entre les mains des personnes. Les comptables décident de la part du travail qu’Ember doit prendre en charge, examinent les exceptions et expliquent les variations des chiffres. Les agents s’occupent des tâches répétitives de rapprochement, d’étiquetage et de conciliation. TwelveLabs en est un bon exemple : avec trois comptables couvrant les États-Unis et la Corée, l’entreprise a réduit de moitié la durée de sa clôture et économisé plus de 300 000 $.

Campfire a également lancé une boutique MCP qui permet à Ember d’interagir avec des systèmes externes, notamment des plateformes de paiement, de CRM, d’approvisionnement et de ressources humaines. Pensez-vous qu’à terme, l’ERP cessera d’être un système passif d’enregistrement pour devenir davantage une couche d’orchestration où les agents d’IA pourront intervenir dans l’ensemble de la chaîne financière ?

Oui, à condition que le grand livre reste le système de référence. Historiquement, l’ERP consignait des opérations effectuées ailleurs, si bien que la plupart des réponses se trouvent hors du grand livre : un renouvellement dans le CRM, une nouvelle embauche dans le SIRH, un bon de commande dans le système d’approvisionnement. Si les agents doivent effectuer le travail, ils ont eux aussi besoin de ce contexte. L’ERP doit donc se connecter directement à ces systèmes.

Depuis des années, les équipes financières établissent leurs prévisions de cette manière, en récupérant le portefeuille d’opportunités dans le CRM et les effectifs dans le SIRH. Avec Forecast, Ember le fait dès qu’une équipe connecte ces systèmes, tandis que le grand livre reste la source de référence pour tout ce qui est déjà connu. Il demeure la source de référence, et les agents peuvent intervenir dans les systèmes qui l’entourent.

Votre point de vue sur l’économie de l’IA est particulièrement intéressant, puisque vous êtes à la fois PDG et directeur financier d’une entreprise spécialisée dans l’IA qui sert d’autres équipes financières. Que constatez-vous aujourd’hui concernant la manière dont les entreprises établissent leur budget pour l’IA, et pensez-vous que la tarification de l’IA d’entreprise délaissera les abonnements par utilisateur au profit d’une facturation à l’usage, aux résultats ou selon un autre modèle ?

Nous constatons que les budgets passent de dépenses fixes calculées par utilisateur à une consommation variable de l’IA, à laquelle de nombreuses équipes financières ne sont pas encore préparées. À mesure que les agents prennent en charge des tâches auparavant effectuées par des personnes, les entreprises pourraient avoir besoin de moins de licences pour leurs employés, tandis que leur utilisation de l’IA augmenterait. Les fournisseurs ajoutent également des crédits et des frais de dépassement aux abonnements par utilisateur. Les équipes financières doivent donc modéliser les coûts potentiels liés à l’utilisation avant de signer.

Je m’attends à ce que les modèles hybrides deviennent plus courants que la tarification exclusivement fondée sur les résultats. En tant que directeur financier, je souhaite une base prévisible ; en tant que directeur général, j’ai besoin d’une tarification qui reflète l’utilisation réelle.

Campfire a levé 35 millions de dollars lors d’un tour de table de série A, puis 65 millions de dollars lors d’un tour de série B quelques semaines plus tard. Qu’est-ce qui a changé sur le marché ou dans la demande des clients durant cette période pour vous inciter à développer l’entreprise aussi agressivement, et où voyez-vous la plus grande possibilité d’utiliser ces fonds pour accélérer le développement du produit ?

La demande était forte avant la série A, mais elle s’est immédiatement accélérée après la clôture du tour de table. Des entreprises nous ont contactés pour des démonstrations, et nombre d’entre elles ne connaissaient pas encore Campfire. Il est alors devenu évident que la demande dépassait nos prévisions.

Cela nous a donné l’occasion d’investir plus agressivement pour répondre à cette demande, notamment parce que les entreprises étaient de plus en plus disposées à abandonner des plateformes historiques comme NetSuite et Sage Intacct. Des clients comme Replit en montrent bien l’intérêt : son chiffre d’affaires récurrent annuel est passé de 10 millions de dollars à plus de 200 millions de dollars sans que son équipe comptable, composée de quatre personnes, s’agrandisse, et la clôture de son chiffre d’affaires est passée de huit heures à 30 minutes.

Nous avons levé 35 millions de dollars lors de notre série A, menée par Accel, puis 65 millions de dollars lors d’une série B co-dirigée par Accel et Ribbit, portant le total à 100 millions de dollars en 12 semaines. Nous avons utilisé ces fonds pour répondre à cette demande et sommes passés de 10 à plus de 150 personnes, réparties entre San Francisco, New York et Londres.

La comptabilité conçue nativement autour de l’IA est rapidement devenue un secteur concurrentiel, où des entreprises comme Campfire et Rillet rivalisent avec des plateformes bien établies telles que QuickBooks, NetSuite et Sage Intacct. Si l’on se projette cinq ans dans l’avenir, quelles tâches comptables et ERP pensez-vous que les agents IA prendront presque entièrement en charge, et quelles responsabilités resteront fermement entre les mains des professionnels de la finance ?

Je m’attends à ce que les agents prennent en charge la plupart des tâches courantes : rapprocher les transactions et les paiements, catégoriser les transactions, effectuer les rapprochements et les écritures de régularisation, ainsi que gérer les aspects mécaniques de la clôture et de la production des rapports. Ce sont des tâches répétitives, fondées sur des règles, que les logiciels peuvent apprendre à réaliser.

Le jugement et la responsabilité restent du ressort des personnes. Les comptables décideront dans quelle mesure les agents peuvent agir de façon autonome, examineront les exceptions, expliqueront les variations des chiffres et conseilleront l’entreprise sur les mesures à prendre. Il faut toujours quelqu’un pour répondre de la comptabilité.

À terme, les logiciels financiers conçus nativement autour de l’IA deviendront la norme. Ce qui fera la différence, c’est la confiance que les équipes financières accorderont au système pour gérer leur grand livre et leur capacité à comprendre précisément comment il est parvenu à ses conclusions. C’est le niveau d’exigence auquel nous avons conçu Campfire pour répondre, et plus de 400 entreprises, dont Cursor, Clay, Polymarket et PostHog, tiennent déjà leur comptabilité sur la plateforme.

Merci pour cette excellente interview. Les lecteurs qui souhaitent en savoir plus sur la comptabilité conçue nativement autour de l’IA et la planification des ressources de l’entreprise devraient consulter Campfire.