Julio Martínez, Co-fondateur et PDG d’Abacum – Série d’entretiens

Julio Martínez, co-fondateur et PDG d’Abacum, est un entrepreneur fintech avec près de deux décennies d’expérience couvrant la banque d’investissement, le développement d’entreprise, la création de entreprises et le leadership technologique dans les principaux centres financiers mondiaux. Il a commencé sa carrière dans des rôles financiers couvrant les marchés des capitaux, les fusions et acquisitions et le capital-investissement avant de passer à la fintech, où il a aidé à lancer et à développer de multiples produits et plateformes financiers numériques. Avant Abacum, il a co-fondé et développé le bras de capital-risque de Banco Sabadell, dirigeant les lancements de produits, les investissements stratégiques et les acquisitions en Europe, en Amérique et en Asie. Aujourd’hui, en tant que PDG d’Abacum, il applique une expertise opérationnelle financière approfondie pour construire des outils qui modernisent la façon dont les équipes financières planifient, prévoient et stimulent la performance commerciale.

Abacum est une plateforme de planification et d’analyse financière (FP&A) native AI conçue pour aider les équipes financières du marché intermédiaire à simplifier et à moderniser la planification, la prévision, la déclaration et la budgétisation en connectant les données opérationnelles et financières avec des flux de travail collaboratifs et des insights automatisés. Conçue pour remplacer les processus manuels basés sur les tableurs, la plateforme centralise les données en temps réel, prend en charge la modélisation de scénarios avancée et la modélisation financière multidimensionnelle, automatise les tâches répétitives telles que la déclaration et la mise à jour des prévisions, et s’intègre à des centaines de systèmes pour donner aux équipes une source unique de vérité. Les fonctionnalités d’Abacum stimulent l’exactitude, l’efficacité et la prise de décision stratégique, permettant aux organisations financières de réduire le travail manuel, d’accélérer les cycles de planification et de se concentrer sur les insights axés sur la croissance

Vous avez passé près de deux décennies à travailler dans la finance et la fintech avant de fonder Abacum. Quelles étaient les frustrations spécifiques avec la façon dont les équipes financières planifiaient, prévoyaient et rapportaient les performances qui vous ont fait réaliser, vous et Jorge, que les outils que vous utilisiez n’étaient pas adaptés et que vous deviez construire le produit que vous auriez aimé avoir vous-mêmes ?

J’ai réalisé que la finance perdait son influence non pas parce que l’analyse était incorrecte, mais parce qu’elle arrivait trop tard. Dans les banques, la fintech et les startups à forte croissance, je me suis constamment heurté au même problème. Lors d’une réunion de direction, quelqu’un posait une question raisonnable comme : « Combien de mois de trésorerie avons-nous vraiment si nous ralentissons les embauches ? » ou « Que se passe-t-il si les revenus chutent au prochain trimestre ? » Et je ne pouvais pas répondre à la salle en temps réel.

Ce n’était pas parce que je ne comprenais pas l’entreprise ou que les mathématiques étaient difficiles. Le problème était structurel. La trésorerie vivait dans un système, le nombre de salariés dans un autre, les revenus ailleurs et les dépenses dans des tableurs. Pour répondre avec confiance, il fallait tout rassembler, reconstruire le modèle, réconcilier les disparités et espérer que rien ne se briserait.

Lorsque je pouvais enfin revenir avec une réponse, la fenêtre de décision s’était fermée. C’était le véritable problème. La finance gagne sa place à la table grâce à la rigueur, mais conserve sa place grâce au timing. Si vous ne pouvez pas vous présenter avec un soutien décisionnel confiant en quelques minutes ou heures, vous perdez l’influence, même si votre analyse est parfaite une semaine plus tard.

Ce qui rendait les choses pires, c’est que les équipes financières étaient confrontées à un faux choix. Elles utilisaient soit des tableurs flexibles et rapides, mais fragiles et non réglementés, soit des plateformes legacy puissantes mais statiques qui supposaient une entreprise statique et nécessitaient une administration lourde pour fonctionner.

Pendant ce temps, les entreprises modernes opèrent en sprints, même au niveau de la direction. Les plans changent constamment. Les décisions s’accumulent. La finance ne peut pas se permettre d’être l’équipe qui est toujours « en train de revenir avec la réponse ».

C’est pourquoi nous avons fondé Abacum. Nous voulions un système de planification conçu pour la vitesse et la confiance en même temps, afin que la finance puisse appliquer la rigueur suffisamment tôt pour façonner la direction tandis que les choix sont encore négociables.

Lorsque vous avez commencé à construire Abacum en 2020, comment avez-vous validé que ce problème s’étendait loin au-delà de votre propre expérience et était partagé par les entreprises à forte croissance du marché intermédiaire ?

La première validation est venue d’une conversation que je pensais démentir ma thèse. J’ai appelé mon co-fondateur Jorge parce qu’il était la personne la plus intelligente en finance que je connaissais, et je supposais qu’il me dirait qu’il y avait une meilleure façon que j’avais quelque part manquée.

Au lieu de cela, nous avons comparé des notes pendant des heures et réalisé que nous avions vécu le même schéma dans différents environnements. Les équipes financières se noient dans la réconciliation, reconstruisent constamment des modèles et sont toujours une étape derrière l’entreprise. C’est le moment où cela a cliqué pour nous. Ce n’était pas un échec personnel ou un problème de processus, c’était un problème structurel partagé entre les entreprises.

Nous avons ensuite parlé à des CFO et à des dirigeants financiers à travers les industries, les géographies et les étapes de croissance. Le langage a changé, mais l’histoire n’a pas changé. « Nous sommes toujours en train de reconstruire au lieu de conseiller ».

L’insight plus profond pour nous a été que cet échec se répète en cycles. Chaque quelques années, une nouvelle plateforme prétend avoir résolu la planification et l’analyse financière. Puis le rythme des affaires s’accélère à nouveau. De nouveaux outils, de nouvelles métriques, de nouveaux intervenants, de nouveaux rythmes de planification. Le système gonfle et se brise sous le changement.

Cette réalisation a façonné notre direction. Nous n’avons pas voulu construire une solution statique pour un seul modèle opérationnel. Nous voulions une plateforme qui resterait pertinente à mesure que l’entreprise évolue, ce qui devient encore plus critique à l’ère de l’IA. L’avoir été admis à YC plus tard a renforcé que c’était un problème mondial, et non un problème de niche.

Abacum prend désormais en charge la prévision en temps réel, la modélisation de scénarios et la planification de l’effectif. À quel moment l’intelligence artificielle est-elle passée d’un concept futur à une partie fondamentale de l’architecture de la plateforme ?

L’IA n’a jamais été une après-pensée pour nous, mais nous avons été très délibérés sur quand et comment l’appliquer. La finance est un métier de confiance. Vous ne pouvez pas mettre de l’intelligence sur le chaos et attendre de la crédibilité. Si les données sont désordonnées, les définitions sont incohérentes et le modèle est fragile, l’IA ne le corrigera pas. Elle ne fera que propager la confusion plus rapidement.

Nous avons donc commencé par les fondamentaux : une solide couche de données, des intégrations fiables et des primitives de modélisation qui reflètent la façon dont les entreprises fonctionnent réellement. Dès le premier jour, la stratégie d’IA était d’intégrer l’intelligence là où elle crée un véritable levier.

Cela signifiait appliquer l’IA à des travaux de haute volumétrie et de faible jugement qui consomment historiquement du temps et créent des erreurs. Nettoyage et normalisation des données entrantes. Réconciliation des disparités entre les systèmes. Classification et étiquetage à grande échelle. Détection précoce des anomalies, et non à la fin du mois.

Une fois que cette fondation est en place, l’IA change les économies de la planification. L’exploration de scénarios devient rentable. Les compromis peuvent être testés sur le moment, et non programmés pour une réunion de suivi des jours plus tard.

C’est là que l’IA devient fondamentale. Non pas lorsqu’elle peut générer un joli graphique ou un résumé, mais lorsqu’elle permet à la finance d’appliquer la rigueur suffisamment tôt pour influencer une décision tandis qu’elle est encore ouverte.

Dans les entreprises à forte croissance, les données financières vivent souvent dans de nombreux systèmes et sont mises à jour constamment. Quels étaient les défis techniques ou organisationnels les plus difficiles pour transformer ces données fragmentées en un système de planification fiable en temps réel ?

Déplacer les données n’est pas le problème le plus difficile. La plupart des systèmes modernes sont basés sur des API, et des outils d’intégration existent. Le véritable défi commence après l’arrivée des données. Les données brutes sont incohérentes. Les revenus dans le CRM ne correspondent pas aux revenus dans l’ERP. L’effectif dans les systèmes RH ne correspond pas au salaire. Même des métriques de base comme l’ARR ou la trésorerie signifient des choses différentes pour différentes équipes.

Si les définitions ne sont pas explicites et convenues, chaque prévision se transforme en débat. Le défi est triple. Premièrement, une fondation de données qui se met à jour en continu à mesure que les systèmes sources changent. Deuxièmement, un modèle commercial géré où les calculs sont explicites et cohérents. Troisièmement, l’alignement organisationnel, car la planification en temps réel nécessite des définitions partagées et un rythme opérationnel partagé.

La gouvernance est ce qui rend la vitesse sûre. La planification en temps réel ne fonctionne que lorsque la confiance est intégrée dans le flux de travail, et non ajoutée comme un document de politique ou une liste de vérification de tableur.

À partir de ce que vous voyez chez des centaines de clients, comment la planification continue et en temps réel change-t-elle la façon dont les CFO font des décisions semaine après semaine, et non seulement lors des réunions du conseil d’administration ou du budget ?

Le rôle de la finance a évolué d’une revue périodique à un soutien décisionnel continu.

Premièrement, le volume de décisions a explosé. La finance est maintenant impliquée dans l’embauche, la tarification, les investissements de lancement sur le marché, les renouvellements, les paris sur les produits et les compromis opérationnels de manière continue.

Deuxièmement, les données ne sont jamais « terminées ». De nouveaux outils, de nouvelles métriques et de nouveaux intervenants signifient que l’ensemble de données est toujours en mouvement. L’entreprise ne peut pas attendre une clôture parfaite pour avancer.

Dans ce contexte, la planification en temps réel change la finance de la déclaration et de l’explication à la direction active. La trésorerie devient une contrainte vivante, et non une métrique trimestrielle. La planification de scénarios devient une conversation de compromis fréquente plutôt qu’un exercice annuel.

Les meilleures équipes financières ne deviennent pas moins rigoureuses. Elles deviennent plus rigoureuses plus tôt. C’est le changement.

Comment Abacum applique-t-il l’IA différemment de l’automatisation basée sur des règles traditionnelles, et quels décisions financières nécessitent encore un jugement humain fort ?

La plupart de l’IA dans la finance aujourd’hui commence à la fin du flux de travail. Elle suppose que vos données sont déjà propres et gérées, puis ajoute un chatbot pour interroger ou résumer les insights. Cela peut être utile, mais cela saute la partie la plus difficile de la planification et de l’analyse financière.

Nous commençons au début. Nous appliquons l’IA là où les humains ajoutent la moins de valeur et font le plus d’erreurs, comme le nettoyage, la réconciliation, la classification, la détection d’anomalies et l’aide à la logique de modèle. L’intelligence vit à l’intérieur du flux de travail, et non dans une interface de chat distincte.

L’IA réduit également la taxe de complexité qui retient les équipes. De nombreuses plateformes nécessitent des consultants spécialisés ou des experts, créant une dépendance à l’égard des « propriétaires de système ». L’IA devrait abaisser cette barrière. Les équipes financières devraient pouvoir exprimer leur intention et avoir le système aider à construire la logique correctement.

C’est également là que notre position intermédiaire est importante. Historiquement, les équipes financières devaient choisir entre des outils flexibles mais fragiles ou des plateformes puissantes mais lourdes à gérer. L’IA force maintenant le même faux compromis : des copilotes faciles mais superficiels, ou des systèmes d’orchestration puissants mais qui nécessitent d’apprendre une nouvelle façon de travailler. Alors que nous croyons que la bonne réponse est une IA qui disparaît dans le flux de travail, améliorant la planification sans changer la façon dont les équipes opèrent.

En ce qui concerne le jugement, la limite est claire. L’IA peut accélérer l’analyse et l’exploration, mais les décisions impliquant l’allocation de capital, les compromis d’embauche, la tarification et la priorisation stratégique nécessitent toujours un contexte humain et une responsabilité. Le CFO détient l’appel.

À mesure que les modèles deviennent plus prédictifs, comment réfléchissez-vous à la confiance et à l’explicabilité pour les dirigeants financiers qui doivent se tenir derrière les chiffres ?

Dans la finance, « dans la bonne direction » n’est pas suffisant. Les dirigeants financiers sont responsables des chiffres qu’ils présentent. Si vous ne pouvez pas expliquer une prévision, vous ne pouvez pas l’utiliser dans une conversation de décision.

La confiance commence par une fondation déterministe. Définitions cohérentes. Données réconciliées. Logique transparente. L’intelligence prédictive ne fonctionne que lorsqu’elle est construite sur quelque chose de solide.

L’explicabilité est ce qui transforme l’insight en action. Les CFO ont besoin de répondre rapidement à ce qui a changé, pourquoi cela a changé, quels moteurs ont bougé et quels hypothèses sont responsables de résultats différents.

La gouvernance ne peut plus vivre dans des contrôles statiques. Elle doit être intégrée dans le flux de travail, de sorte que les hypothèses soient visibles, la logique soit traçable et chaque scénario laisse une trace claire. L’objectif n’est pas de retirer les humains de la boucle, mais de les aider à exercer leur jugement plus tôt, avec plus de confiance.

Vous avez traversé à la fois une accélération précoce et un financement de croissance ultérieure. Comment ces phases ont-elles influencé la façon dont vous avez investi agressivement dans l’IA par rapport aux fondamentaux du produit ?

Le financement précoce a forcé la discipline. Nous ne pouvions pas poursuivre des objets brillants. Nous devions gagner la confiance en construisant les fondamentaux : des intégrations fiables, de solides modèles de données et un moteur de planification qui ne se brisait pas lorsque l’entreprise changeait.

L’IA faisait toujours partie de la stratégie, mais nous avons refusé de la traiter comme une couche de marketing. Si l’IA ne créait pas un véritable levier à l’intérieur du flux de travail, nous ne l’avons pas livrée.

À mesure que nous avons grandi, le marché a changé. L’IA est devenue un standard. Chaque fournisseur pouvait démontrer un chatbot et être « alimenté par l’IA ». Le niveau de qualité est donc passé de l’apparence à la réalisation. L’IA aide-t-elle la finance à prendre de meilleures décisions plus rapidement, avec traçabilité, ou ne produit-elle que des sorties visuellement impressionnantes ?

La croissance ultérieure a renforcé notre focus sur l’IA qui livre un levier mesurable, et non un attrait narratif.

Vous avez misé sur l’expansion aux États-Unis. Comment le marché américain diffère-t-il dans sa prédisposition à adopter des plateformes de finance natives IA par rapport à d’autres régions ?

Les entreprises américaines bougent vite, et les attentes des investisseurs sont élevées. Les CFO sont censés être profondément opérationnels, et non seulement exacts. Ils guident en permanence les plans d’embauche, les investissements de lancement sur le marché, les décisions de dépenses et les priorisations.

Cela rend la douleur d’une planification lente plus aiguë. Lorsque les décisions se prennent hebdomadairement ou quotidiennement, la finance ne peut pas se permettre de fonctionner sur un rythme mensuel. L’intelligence intégrée devient moins un luxe et plus une exigence.

Le marché américain est également plus réceptif à l’idée que les systèmes financiers devraient être dynamiques, et non statiques. L’attente n’est pas seulement l’exactitude de la déclaration, mais le soutien décisionnel au rythme dont l’entreprise a besoin pour avancer.

En regardant vers 2026, quels aspects de la planification financière pensez-vous devenir largement automatisés par l’IA, et où le jugement humain restera-t-il essentiel ?

Les couches qui deviendront largement automatisées sont les tâches répétitives et de faible jugement qui consomment un temps disproportionné aujourd’hui. La consolidation des données, le nettoyage, la normalisation, la réconciliation, la détection d’anomalies et la déclaration de base devraient fonctionner en continu.

La prévision et la génération de scénarios seront accélérées de manière spectaculaire, mais elles ne seront pas entièrement déléguées. L’IA rendra l’exploration d’options et la mise à l’épreuve des hypothèses peu coûteuse, mais le contexte, le risque et la responsabilité comptent toujours.

Le jugement humain restera essentiel partout où les enjeux sont élevés. L’allocation de capital. La stratégie d’embauche. Les décisions de tarification. Les récits du conseil d’administration. L’IA change si la finance peut suivre le rythme des décisions. Elle ne change pas qui est responsable du résultat.

Merci pour cette grande interview. Les lecteurs qui souhaitent en savoir plus peuvent visiter Abacum.