Sondage par variables

Fonctionnement

L'échantillonnage par variables repose sur l'idée que si vous testez un échantillon aléatoire représentatif d'une population, l'erreur moyenne dans cet échantillon approximera l'erreur moyenne dans la population entière. Vous pouvez donc prendre l'erreur moyenne observée, la multiplier par le nombre total d'éléments de la population, et obtenir une estimation de l'erreur totale.
L'ISA 530.5 exige que vous dimensionniez votre échantillon de manière à obtenir une assurance suffisante que l'erreur projetée, plus une marge pour l'erreur d'échantillonnage, ne dépassera pas l'anomalie tolérable. Contrairement au sondage par unités monétaires (MUS), qui privilégie les gros postes, l'échantillonnage par variables traite chaque élément de la population avec une probabilité égale d'être sélectionné. Cela fonctionne bien pour les populations où les erreurs sont réparties de façon relativement uniforme.
La formule de dimensionnement initiale dépend de trois facteurs : la variabilité des montants (l'écart type), le risque d'anomalies non détectées que vous êtes prêt à accepter, et l'écart entre l'anomalie tolérable et l'erreur attendue. Si vous vous trompez dans l'une de ces estimations à la planification, votre échantillon peut être insuffisant.

Exemple pratique : Bruyère Négoce S.A.R.L.

Bruyère Négoce est un distributeur régional de matériaux de construction basé à Lyon. Exercice clos le 31 décembre 2024. Chiffre d'affaires 67 M EUR. Les clients doivent être confirmés. Population testée : 2 847 comptes clients, solde brut 12,4 M EUR.
Étape 1 : Estimez la variabilité de la population.
Lors d'un test de contrôle antérieur ou d'une revue analytique, vous avez observé que les erreurs sur les comptes clients varient entre 0 EUR et 18 500 EUR. L'écart type estimé des erreurs est de 3 200 EUR.
Note de documentation : « Écart type estimé basé sur la revue de dix comptes clients représentatifs du cycle de ventes de 2024, testés lors de la phase de planification. »
Étape 2 : Déterminez les paramètres d'échantillonnage.
Vous avez défini l'anomalie tolérable à 400 000 EUR (3 % du solde). L'erreur attendue est de 80 000 EUR (basée sur les résultats de l'année précédente). Vous êtes prêt à accepter un risque d'anomalies non détectées de 10 % (soit un coefficient de confiance de 1,645 pour une distribution à une queue).
Formule simplifiée : n = (Z × σ / (TA − E))²
où Z est le coefficient de confiance, σ est l'écart type, TA est l'anomalie tolérable, et E est l'erreur attendue.
n = (1,645 × 3 200 / (400 000 − 80 000))² = (5 264 / 320 000)² = 0,0165² ≈ 270 éléments
Note de documentation : « Taille d'échantillon dimensionnée en utilisant la formule ISA 530.A22. Coefficient de confiance 1,645 (risque d'anomalies non détectées 10 %). Écart type 3 200 EUR. Anomalie tolérable 400 000 EUR. Erreur attendue 80 000 EUR. Résultat : 270 comptes à tester. »
Étape 3 : Testez l'échantillon aléatoire.
Vous sélectionnez 270 comptes clients par générateur aléatoire systématique. Vous confirmez chacun auprès du client. Vous trouvez 8 erreurs : 1 200 EUR, 2 100 EUR, 950 EUR, 3 400 EUR, 500 EUR, 1 800 EUR, 450 EUR, et 1 600 EUR. Erreur totale observée : 12 000 EUR.
Note de documentation : « 8 différences identifiées lors de la confirmation directe. Montants cités ci-dessus. Aucune indication de fraude. Les clients ont confirmé que les différences étaient dues à des facturations en transit ou à des corrections non reflétées dans le grand livre à la date de coupure. »
Étape 4 : Projetez l'erreur sur la population.
Erreur moyenne de l'échantillon : 12 000 EUR ÷ 270 = 44 EUR par compte.
Population totale : 2 847 comptes.
Erreur projetée : 44 EUR × 2 847 = 125 268 EUR.
Note de documentation : « Erreur projetée : 125 268 EUR. Calcul : erreur moyenne observée 44,44 EUR par unité × 2 847 unités = 125 268 EUR. »
Étape 5 : Évaluez la marge d'erreur d'échantillonnage.
La marge d'erreur d'échantillonnage (précision) est calculée comme suit :
Marge = Z × σ × √(N − n) / √n, où N est la taille de la population et n est la taille de l'échantillon.
Marge = 1,645 × 3 200 × √(2 847 − 270) / √270
Marge ≈ 1,645 × 3 200 × √(2 577 / 270)
Marge ≈ 1,645 × 3 200 × 3,09 ≈ 16 250 EUR
Note de documentation : « Intervalle de confiance : erreur projetée (125 268 EUR) ± marge d'erreur (16 250 EUR) = plage acceptable entre 109 018 EUR et 141 518 EUR. »
Étape 6 : Concluez.
Erreur projetée 125 268 EUR + marge 16 250 EUR = 141 518 EUR (limite supérieure).
Anomalie tolérable : 400 000 EUR.
Conclusion : la limite supérieure de l'erreur (141 518 EUR) est bien en dessous de l'anomalie tolérable. L'échantillon ne révèle aucune indication qu'une anomalie significative existe dans la population des comptes clients. Le solde de 12,4 M EUR peut être accepté.

Ce que les réviseurs et praticiens se trompent

Dimension 1 : Négliger la marge d'erreur d'échantillonnage.
Les équipes calculent l'erreur projetée, la comparent à l'anomalie tolérable, et concluent. Elles oublient la marge (aussi appelée précision). ISA 530.8 exige que vous évaluez « l'erreur projetée »: mais la marge d'erreur d'échantillonnage fait partie intégrante de cette évaluation. Si votre erreur projetée est de 100 000 EUR mais votre marge est de 150 000 EUR, votre limite supérieure dépasse peut-être votre anomalie tolérable, même si la projection brute ne le ferait pas. Ce point d'inspection apparaît régulièrement dans les constats de l'AFM.
Dimension 2 : Dimensionner l'échantillon sur la base d'une règle empirique plutôt que sur des calculs écrits.
Les cabinets utilisent souvent un pourcentage fixe (« toujours 300 éléments ») ou une taille arbitraire (« 5 % de la population ») sans justifier cette taille par rapport à l'écart type, l'anomalie tolérable et l'erreur attendue. L'ISA 530.5(a) exige une documentation explicite de la façon dont la taille a été déterminée. Une taille d'échantillon déduite par calcul et documentée se défend. Une taille d'échantillon arbitraire ne le fait pas.
Dimension 3 : Confondre le sondage par variables avec le sondage par unités monétaires (MUS).
Le MUS est une méthode d'échantillonnage par attributs appliquée aux montants en dollars. Elle demande moins de calculs statistiques. L'échantillonnage par variables exige des statistiques plus complètes. Si vous appliquez la logique du MUS à l'échantillonnage par variables (par exemple, en projetant une erreur sans calculer une marge), vous contrevenez à l'ISA 530.A22, qui exige que vous évaluez l'erreur projetée « plus la marge pour l'erreur d'échantillonnage ».

Sondage par variables vs sondage par unités monétaires (MUS)

| Aspect | Sondage par variables | Sondage par unités monétaires (MUS) |
|---|---|---|
| Présomption de distribution | Distribution normale des erreurs | Pas de présomption ; teste par montants en dollars |
| Sélection des éléments | Probabilité égale (aléatoire systématique) | Probabilité proportionnelle au montant en dollars |
| Populace cible | Les erreurs sont réparties de façon uniforme | Les gros postes sont surreprésentés dans l'erreur |
| Calculs | Écart type, coefficient de confiance, intervalle de confiance | Taux de déviation, facteur d'échantillonnage |
| Marge d'erreur | Calculée explicitement | Implicite dans le taux d'erreur maximal probable |
| Quand l'utiliser | Créances clients, stocks, charges d'exploitation | Lorsqu'une anomalie probable est concentrée dans quelques gros montants |
La distinction importe. Le sondage par MUS est plus efficace si vous vous attendez à trouver une grosse erreur unique (un bon de commande mal saisi de 500 000 EUR). L'échantillonnage par variables est plus efficace si vous vous attendez à de nombreuses petites erreurs (centaines de petites factures mal imputées). Choisir le mauvais outil signifie que votre échantillon est soit trop grand, soit insuffisant.

Quand la distinction importe sur une mission

Vous auditez une manufacture de pièces métalliques. Vous testez un compte client de 8,2 M EUR contenant 1 876 factures ouvertes. Vous dimensionnez initialement sur 150 unités en utilisant le MUS, attendant une erreur concentrée dans quelques gros postes. Vous testez. Vous trouvez 34 petites erreurs (entre 200 EUR et 4 500 EUR chacune), totalisant 52 000 EUR. Aucune erreur isolée n'est close à votre anomalie tolérable.
Votre approche MUS dit : « Le taux d'erreur est faible. Nous avons assez d'assurance. » Votre approche par variables dirait : « Votre échantillon de 150 était dimensionné pour un profil d'erreur que vous n'avez pas trouvé. L'erreur est diffuse, pas concentrée. Vous avez besoin d'un échantillon plus grand pour obtenir une assurance suffisante quant à la diffusion observée. »
La première approche conclut trop tôt. La deuxième vous force à reconnaître que votre dimensionnement initial était basé sur une hypothèse erronée. Vous avez besoin de plus de tests ou d'un changement de méthode.

Termes connexes

• Anomalie tolérable : le seuil de matérialité appliqué à une transaction ou une classe, utilisé pour dimensionner l'échantillon et évaluer les résultats
• Erreur attendue : l'erreur que vous prévoyez de trouver, basée sur les résultats antérieurs ou les essais de contrôle, utilisée pour dimensionner l'échantillon
• Sondage par unités monétaires (MUS) : une méthode statistique alternative où la probabilité de sélection d'une unité est proportionnelle à son montant en dollar
• Intervalle de confiance : la plage de valeurs (erreur projetée ± marge) dans laquelle vous êtes raisonnablement sûr que l'erreur réelle se situe
• Coefficient de confiance : le multiplicateur utilisé pour calculer la marge d'erreur d'échantillonnage en fonction du risque d'anomalies non détectées

Ressources connexes

---

• Calculatrice d'échantillonnage par variables : automatisez les calculs de taille d'échantillon et de marge d'erreur
• Modèle de documentation MUS vs variables : comparez les deux méthodes côte à côte et décidez laquelle utiliser
• Feuille de travail de confirmation client (ISA 505) : intégrez l'échantillonnage par variables avec les procédures de confirmation directe

Libellés de l'interface

• `variablesSamplingDefinition`: Sondage par variables
• `keyTakeawaysLabel`: Points clés
• `howitworksLabel`: Fonctionnement
• `workedExampleLabel`: Exemple pratique
• `reviewerMistakesLabel`: Ce que les réviseurs et praticiens se trompent
• `comparisonSectionLabel`: Sondage par variables vs sondage par unités monétaires (MUS)
• `relatedTermsLabel`: Termes connexes
• `relatedResourcesLabel`: Ressources connexes