Toutes les notes9 min de lectureEn construction

Prévisions de trésorerie pour les clubs de football : 18 % des clauses contractuelles corrigées à la main

En directfootball-club-cash-forecast.x2labs.aiOuvrir
Démo avec des données fictives : un club, des contrats et un historique de paiements inventés. Les clauses extraites et les estimations de retard sont illustratives, pas des sorties des modèles.

Mise à jour, : Ajout d’une démo avec des données fictives qui montre les trois volets sur un club inventé.

Posez une question simple au directeur financier d’un club de football : quelle est notre position de trésorerie aujourd’hui, et quelle sera-t-elle fin janvier ?

La première moitié est généralement facile. Le solde bancaire est connu. La seconde est plus difficile qu’il n’y paraît.

L’argent arrive de nombreuses sources, selon de nombreux calendriers. Distributions de la ligue, paiements des droits de diffusion, primes de l’UEFA, versements des sponsors, billetterie, hospitalités, indemnités de transfert dues par d’autres clubs. L’argent sort aussi selon son propre calendrier : salaires, primes, échéances de transfert dues à d’autres clubs, commissions d’agents, fournisseurs.

Une grande partie est régie par des contrats aux clauses inhabituelles. Une indemnité de transfert peut être payée en quatre échéances, avec des bonus déclenchés par le nombre de matchs joués, un pourcentage sur la revente et un montant différent si le club acheteur est relégué. Un contrat de sponsoring peut prévoir des primes en cas de qualification pour la Ligue des champions. Des milliers de factures s’ajoutent à cela.

Illustration d’un ballon de football sur la pelouse d’un stade au coucher du soleil, avec des graphiques lumineux en courbes, en barres et en points flottant au-dessus, et des contrats avec un stylo sur un bureau au premier plan

Une illustration générée par IA, réalisée avec ChatGPT. Les graphiques qu’elle contient sont décoratifs, il ne s’agit pas de données réelles.

#Pourquoi cela devient plus difficile

Le football est discrètement devenu un marché du crédit. Les indemnités de transfert sont rarement payées d’avance. Elles sont étalées sur plusieurs années, ce qui signifie que les clubs se doivent mutuellement des sommes importantes selon des calendriers fixes.

Une analyse de Paul Quinn pour The Esk chiffrait, au 30 juin 2025, à 3,50 milliards de livres les dettes de transfert des vingt clubs de Premier League, contre 1,25 milliard de livres de créances. La même analyse estimait que les clubs de Premier League avaient engagé un montant record de 3,48 milliards de livres d’indemnités brutes lors du seul mercato de l’été 2026.

Outre les transferts, les autres grandes sources de revenus arrivent selon leur propre calendrier. Les distributions de la ligue suivent les dates de paiement de la ligue. Les primes de l’UEFA dépendent des résultats et arrivent par étapes. Les contrats de sponsoring et les contrats commerciaux ont leurs propres échéances, souvent assorties de primes de performance. Les recettes des jours de match suivent le calendrier des rencontres.

Une partie de cet argent sert aussi de base à des emprunts avant même d’arriver. La même analyse décrit des clubs qui empruntent en s’appuyant sur leurs créances de transfert, y compris auprès de prêteurs alternatifs. Cela ajoute une couche supplémentaire : une créance qui a été financée n’est plus de la trésorerie sur laquelle le club peut compter en totalité.

Et les règles se sont durcies. La règle de l’UEFA sur le coût des effectifs et les règles nationales en matière de dépenses font qu’un club doit savoir non seulement s’il peut payer, mais aussi comment une opération se situera par rapport à ses limites à la prochaine date de reporting.

#Ce que coûte un retard de paiement

Prenons un exemple simplifié. Un club vend un joueur pour 20 millions d’euros, payés en quatre échéances égales de 5 millions d’euros sur deux ans. Il planifie son mercato de janvier en supposant que la deuxième échéance arrivera en décembre.

Le club acheteur paie avec six semaines de retard. Juridiquement, rien de spectaculaire ne se produit. Il peut y avoir une relance, peut-être une réclamation plus tard. Mais entre-temps, le club vendeur dispose de 5 millions d’euros de moins que prévu, pendant le seul mois où il a le plus besoin d’agir.

Il peut attendre, emprunter ou modifier ses plans. Attendre peut signifier perdre une cible. Emprunter a un coût. Modifier ses plans peut signifier vendre un joueur qu’il voulait garder.

Multipliez maintenant cela à l’échelle d’un vrai club : plusieurs créances de transfert, chacune avec son calendrier et ses bonus, des primes de sponsoring qui dépendent du classement, et des milliers de factures fournisseurs avec leurs propres conditions. L’équipe financière connaît généralement chaque élément. Dans les clubs avec lesquels nous avons échangé, les rassembler en une vision fiable des six prochains mois repose souvent sur des tableurs tenus par une ou deux personnes.

C’est un problème classique d’ERP. Le grand livre enregistre ce qui s’est passé. La question plus difficile est de savoir ce qui va probablement se passer ensuite, et quand.

#Ce que nous construisons

Nous construisons une couche au-dessus des systèmes financiers d’un club, qui répond bien à une seule question : quelle est notre situation financière aujourd’hui, et quelle sera-t-elle probablement à une date donnée ?

Le premier volet concerne les clauses contractuelles. Les contrats de transfert, de sponsoring et commerciaux contiennent les clauses qui déterminent quand l’argent circule : dates d’échéance, bonus, pourcentages sur la revente, primes de performance, clauses de relégation. Le système extrait ces clauses des documents et les transforme en paiements attendus. Une personne vérifie chaque clause extraite avant qu’elle soit utilisée. Nous extrayons les clauses avec Claude Sonnet 5.5, exécuté en octobre 2026.

Le deuxième volet est la prévision de trésorerie. Les clauses confirmées, les factures ouvertes, les engagements salariaux et les distributions attendues sont réunis dans un seul échéancier. Le calcul est conçu pour être déterministe : suivre les règles des contrats et les chiffres fournis, afin que chaque nombre puisse être relié à la clause ou à la facture dont il provient.

Un directeur financier peut alors demander :

« Quelle est notre position de trésorerie attendue au 31 janvier si nous atteignons les quarts de finale de la Ligue des champions, et sur quelles créances comptons-nous pour y arriver ? »

Le troisième volet est la prédiction des retards de paiement. Chaque club dispose d’un historique de qui a payé à temps et qui ne l’a pas fait. L’objectif est d’utiliser les propres relevés de paiement du club pour estimer la probabilité qu’une créance donnée arrive en retard, et avec quel retard approximatif. Nous faisons ces prédictions avec Claude Opus 5.5, exécuté en octobre 2026. Une prévision unique devient ainsi une fourchette : la date attendue, et une date plus prudente.

C’est le seul volet où un modèle fait une estimation au lieu de suivre des règles fixes, et il est signalé comme tel.

La démo de cette note montre les trois volets sur un club inventé, Northbridge FC. Tout y est fictif : le club, les dix contrats, l’historique de paiements et les chiffres. Les clauses extraites et les estimations de retard ont été rédigées pour la démo, et non produites par les modèles. Au 31 janvier, comparez les chiffres attendu et prudent, et voyez quelles créances en retard font passer le chiffre prudent sous le minimum fixé par le conseil d’administration. Déplacez ensuite la date au 30 avril et faites passer le scénario Ligue des champions des quarts de finale aux huitièmes de finale. Ouvrez Contract terms, choisissez un contrat dans la liste et survolez une clause pour voir le passage du contrat dont elle provient.

#Ce qui nécessite encore des personnes

Les contrats dans le football reposent largement sur l’appréciation. La probabilité qu’un bonus soit déclenché dépend de la question de savoir si le joueur jouera réellement, ce qui dépend de l’entraîneur. Le réalisme d’une prime de sponsoring dépend du classement final de l’équipe. Une équipe financière peut fixer ces hypothèses. Un système ne devrait pas les deviner en silence.

Les relations comptent aussi. Un club qui paie en retard chaque année peut rester un partenaire fiable sur d’autres opérations. Un modèle qui lit l’historique de paiements le signalera. Relancer, renégocier ou accepter le retard est une décision qui revient au directeur financier.

Et c’est le conseil d’administration qui décide du niveau de risque que le club est prêt à porter. Une prévision peut montrer la fourchette des résultats possibles. Elle ne peut pas décider sur quelle extrémité de la fourchette le club doit fonder sa planification.

#Ce que cela ne résoudra pas

Cela ne peut pas rendre un club solvable. Si le plan de dépenses ne tient pas, une prévision plus claire le montrera plus tôt. C’est utile, mais ce n’est pas une solution.

Cela dépend de données propres. Si les factures ne sont pas correctement enregistrées, ou si des lettres annexes à un contrat dorment dans un tiroir, la prévision sera fausse d’une manière difficile à repérer.

Les prédictions de retard de paiement ont leurs propres limites. Elles reposent sur l’historique du club, et en disent donc moins sur une contrepartie avec laquelle le club n’a jamais traité. Un acheteur en difficulté financière peut payer en retard pour des raisons qu’aucun schéma historique ne permettrait de prévoir. L’estimation doit être considérée comme un avertissement, pas comme un fait.

Il y a aussi le risque bien connu qu’un graphique soigné paraisse plus certain que les chiffres qui le sous-tendent. Les utilisateurs doivent voir quels chiffres sont confirmés, lesquels sont des hypothèses et lesquels sont des prédictions.

#Ce que nous testons encore

Jusqu’ici, nous avons exécuté les trois volets. Nous avons lancé l’extraction sur 30 contrats réels fournis par des clubs partenaires, certains détails ayant été anonymisés pour des raisons de confidentialité. Nous ne nommons pas les clubs. Après que notre équipe a vérifié chaque clause extraite par rapport au contrat, 27 des 153 clauses extraites (18 %) ont dû être corrigées. Une correction signifiait un montant erroné, une date erronée, une clause manquante ou une clause mal interprétée. L’essentiel du travail de rapprochement venait du fait que les contrats présentaient les montants de différentes manières.

Nous avons exécuté la prévision de trésorerie et les prédictions de retard sur des données de test, et non sur les relevés d’un club. Elles n’ont pas encore produit de résultat que nous puissions comparer à ce qui s’est réellement passé.

Nous testons la précision avec laquelle le système extrait les conditions de paiement de contrats réels, en particulier les plus inhabituelles : bonus conditionnels, clauses de revente assorties d’exceptions, primes liées à plusieurs conditions à la fois.

Nous testons aussi si les prédictions de retard sont utiles en pratique. Un modèle peut être précis en moyenne et pourtant inutile s’il se trompe sur le seul paiement qui compte en janvier.

Et nous voulons comprendre le travail de vérification. Si l’équipe financière passe plus de temps à relire les clauses extraites qu’elle n’en passait à lire le contrat, l’outil n’a pas aidé.

Nous n’avons pas encore la preuve que cela améliore les décisions financières. Pour l’instant, la question pratique est de savoir si un directeur financier peut obtenir une réponse fiable à « où en serons-nous à cette date ? » plus vite qu’aujourd’hui.

Nous voulons encore savoir comment d’autres équipes financières de clubs abordent ce problème.

#Au-delà du football

Toute organisation dont les revenus arrivent en montants importants, irréguliers et dictés par des contrats a le même problème. Les entreprises de construction payées par jalons de projet. Les sociétés de biotechnologie financées par des subventions et des accords de licence. Les écoles et universités qui dépendent des cycles de financement public.

Les contrats et les règles diffèrent. La question, elle, ne change pas : compte tenu de tout ce que nous avons signé et de tout ce qui nous est dû, où en serons-nous réellement à la date qui compte ?

#Mon avis

Les finances du football attirent l’attention par leurs chiffres spectaculaires : indemnités records, salaires records, contrats de diffusion records. La difficulté du quotidien est moins visible. Il s’agit de savoir, avec une certaine assurance, combien d’argent sera réellement disponible à un moment précis.

Je pense que l’IA est utile ici pour deux raisons bien circonscrites. Elle peut lire les contrats et les factures plus vite que des personnes, et elle peut repérer des tendances dans l’historique de paiements propre au club. Aucune des deux ne remplace l’équipe financière. Toutes deux peuvent lui offrir un point de départ plus clair.

Je commencerais par une saison de créances et de dettes de transfert, je comparerais la prévision avec ce qui s’est réellement passé et je laisserais l’équipe financière la passer au crible.

Vous ne savez pas encore où l’IA a sa place ? C’est là que nous commençons.