7044.1 Méthode en huit étapes pour effectuer un sondage non statistique

juin-2021

Directives du BVG

L’objectif du test est une description de ce que l’on veut conclure au sujet de la population, à partir de l’échantillon; il est directement lié aux assertions contenues dans les états financiers testés (p. ex. l’existence, l’exactitude). Le fait de déterminer l’objectif du test et de considérer la nature des éléments probants recherchés et des anomalies possibles, ainsi que les conditions et autres caractéristiques liées à ces éléments probants, permettent de franchir d’autres étapes du processus de sondage (à savoir la définition de ce qui constitue une anomalie et la population devant être utilisée pour le sondage).

Un plan de sondage pour les tests de détail est généralement conçu pour fournir un niveau particulier d’éléments probants concernant le caractère raisonnable d’une ou de plusieurs assertions au sujet d’un montant dans les états financiers (p. ex. l’existence de comptes clients). Il faut relever soigneusement les caractéristiques d’intérêt (c’est‑à‑dire les éléments probants qui corroborent) qui sont compatibles avec l’objectif du test. Puis il faut déterminer que la population d’où provient l’échantillon est appropriée quant à l’objectif d’audit précis. Par exemple, il ne serait pas possible de détecter les sous‑évaluations d’un compte en raison d’éléments omis au moyen d’un sondage des éléments enregistrés. Un plan de sondage conçu pour détecter de telles sous‑évaluations permettrait de sélectionner des éléments d’une source qui inclurait des éléments probants appropriés pour tous les éléments omis.

Dans les cas où d’autres procédures d’audit suffisantes ont été mises en œuvre à l’égard des assertions pertinentes, un sondage en audit à un niveau d’assurance « Complémentaire » peut être approprié pour obtenir le niveau d’éléments probants souhaité lorsqu’il est combiné à des procédures d’audit au niveau des assertions.

Directives du BVG

Population

L’auditeur doit déterminer si la population de laquelle il veut tirer l’échantillon est appropriée au regard de l’objectif particulier de l’audit et si elle est exhaustive.

On a tendance à prendre comme population l’ensemble du solde d’un compte ou d’une catégorie d’opérations. Toutefois, la population peut se limiter à un groupe d’opérations effectuées au cours de la période pertinente pour le sondage, qui sont soumises aux mêmes systèmes de contrôles et qui sont pertinentes pour les objectifs du test. Par exemple, la population visée dans un test de l’assertion « évaluation » peut se limiter aux créances en souffrance au lieu de toutes les créances. De même, si l’objectif est de tester les soldes de comptes clients restants à la suite des tests ciblés (p. ex. les tests ciblés des soldes importants et inhabituels), alors la population testée sera formée des soldes de comptes clients restants après le retrait des éléments soumis à un test ciblé.

Lorsque l’auditeur détermine si la population est appropriée pour la procédure d’audit prévue, il doit examiner :

• L’objectif du test. Par exemple, si le test vise à déterminer si les marchandises livrées ont été facturées, il serait inapproprié d’utiliser les factures enregistrées comme unité d’échantillonnage. Dans ce cas, l’unité d’échantillonnage devrait être les bons d’expédition).

• L’orientation donnée aux tests. Par exemple, si l’objectif est de tester l’existence d’une surévaluation des comptes fournisseurs, la population pourrait être définie comme la liste des comptes fournisseurs. Par contre, si les tests concernent une sous‑évaluation des comptes fournisseurs, la population ne devrait pas être la liste des comptes fournisseurs, mais plutôt les décaissements effectués après la clôture de l’exercice, les factures impayées, les relevés des fournisseurs, les bons de réception non rapprochés et/ou d’autres populations qui fournissent des éléments probants sur une sous‑évaluation des comptes fournisseurs.

L’auditeur doit obtenir des éléments probants quant à l’exactitude et l’exhaustivité des informations produites par le système d’information de l’entité lorsque cette information est utilisée dans la mise en œuvre de procédures d’audit. Par exemple, s’il sélectionne son échantillon à partir d’une liste des factures des comptes clients, l’auditeur doit tester l’exactitude mathématique de la liste et effectuer un rapprochement entre tous les comptes clients ouverts figurant sur la liste et le solde du compte figurant dans le grand livre général.

Se reporter à la section BVG Audit 4028.4 pour obtenir des directives sur la fiabilité de l’information générée par une application TI utilisée dans un audit.

Homogénéité des populations

En général, l’auditeur définit la population comme étant l’ensemble des éléments comptabilisés qui composent le solde d’un compte ou une catégorie d’opérations. Pour déterminer la population qui sera testée, l’auditeur doit définir l’ensemble complet et approprié de données (p. ex. des opérations ou des soldes) dans lequel il sélectionnera  l’échantillon à partir  duquel il pourra tirer une conclusion. Il pourrait être possible de regrouper plusieurs comptes de la balance de vérification pour constituer une seule population si leurs caractéristiques et leurs facteurs de risque sont similaires et si elles sont visées par les mêmes contrôles et systèmes. L’auditeur exerce son jugement professionnel pour déterminer la population appropriée pour un test de détail en tenant compte des facteurs qui sont expliqués en détail ci‑après.

L’auditeur pourrait avoir tendance à désigner toutes les occurrences de certaines opérations traitées de manière centralisée comme une seule et même population aux fins de ses tests de corroboration. Toutefois,  une population homogène aux fins de la réalisation d’un test de corroboration est une population dont les données sous‑jacentes ont une nature suffisamment similaire et reposent sur un modèle comptable suffisamment similaire (p. ex. toutes les opérations de l’ensemble de données sont traitées selon les mêmes critères de constatation des produits, à savoir une seule obligation de prestation est comptabilisée à « moment précis »). Lorsqu’une population est jugée suffisamment homogène pour servir lors d’un test de corroboration, c’est dire que l’auditeur a conclu que les caractéristiques des éléments de la population sont suffisamment similaires pour lui permettre de tirer une conclusion sur l’ensemble de la population en fonction des résultats des tests menés sur les éléments de l’échantillon prélevé.

L’auditeur doit faire preuve de vigilance lorsqu’il définit les populations dont il se servira pour ses tests et détermine si elles sont suffisamment homogènes. L’expérience et la compréhension qu’a l’auditeur des processus, des contrôles et de la nature des opérations sous‑jacentes, notamment des modèles comptables appliqués, sont primordiales pour déterminer si une population donnée est homogène. Un certain nombre de facteurs doivent être pris en considération et tous les facteurs n’ont pas la même importance pour chaque détermination. De plus, l’évaluation de l’homogénéité d’une population est généralement plus complexe pour les tests de corroboration que pour les tests des contrôles, car les soldes qui doivent être testés peuvent comprendre des processus ou des contrôles multiples, ce qui force l’auditeur à examiner divers facteurs pertinents. Alors que pour évaluer l’homogénéité d’une population sous‑jacente à un contrôle, l’auditeur procède contrôle par contrôle.

Pour effectuer cette évaluation, l’auditeur examine les facteurs décrits dans le tableau ci‑dessous et documente la justification globale et les jugements posés pour déterminer l’homogénéité de la population à tester. L’auditeur est invité à utiliser les facteurs d’homogénéité et à consulter les membres expérimentés de l’équipe de mission lorsqu’il procède à ces évaluations.

Homogénéité — Facteurs à prendre en considération

Il y a divers facteurs à considérer au moment d’évaluer l’homogénéité d’une population à des fins de tests de corroboration, qui sont présentés dans le tableau ci‑après. L’auditeur évalue les similarités entre les processus, notamment les contrôles exécutés dans le processus de bout en bout, et leur homogénéité respective lorsqu’il évalue l’homogénéité des populations connexes qui lui serviront pour ses tests de corroboration. Pour ce faire, l’auditeur devra probablement procéder à une évaluation distincte pour chaque procédure de corroboration et la population sous‑jacente.

Les facteurs qui doivent être pris en considération pour définir les populations qui serviront à des tests de corroboration sont notamment :

Incidence sur les tests des conclusions tirées sur l’homogénéité de la population

L’auditeur tient compte des facteurs décrits précédemment pour déterminer si une population est homogène. S’il conclut qu’une population n’est pas homogène, il devra définir et tester des populations distinctes. Si une population n’est pas entièrement homogène, il pourra tout de même apprécier si certaines sous‑populations sont homogènes à l’aide des facteurs décrits précédemment.

Par exemple, une entité a désigné une fonction centralisée pour traiter la facturation et la constatation des produits tirés des activités ordinaires pour deux flux de rentrées différents. Le premier flux suit le modèle « expédition et facturation » pour chaque obligation de prestation remplie à un moment précis et le deuxième flux de rentrées représente les produits générés par des services rendus qui sont considérés comme une seule obligation de prestation remplie progressivement. Après avoir évalué les facteurs décrits précédemment dans le tableau, l’auditeur conclut que les populations à tester pour certains contrôles exécutés centralement peuvent comprendre les deux types de flux de rentrées à la fois, car la mise en œuvre des contrôles est jugée suffisamment homogène. Ainsi, les contrôles visant les recouvrements reçus de clients et les analyses chronologiques des comptes clients peuvent être les mêmes pour les deux flux de rentrées. Toutefois, les deux flux de rentrées ne seraient pas traités comme une population homogène aux fins des tests de corroboration parce qu’il y a des différences majeures dans les accords générateurs de produits et les modèles comptables sous‑jacents. Dans ce cas de figure, vu la différence majeure dans la nature des accords générateurs de produits et des modèles comptables sous‑jacents, l’auditeur déciderait de traiter les deux flux de rentrées comme des populations distinctes pour réaliser ses tests de corroboration.

Considérations supplémentaires — Les populations qui contiennent des soldes débiteurs et créditeurs

Vu que la nature des opérations qui donnent lieu à des débits dans un compte donné peut différer de la nature des opérations qui donnent lieu à des crédits dans le même compte, les risques et les assertions pertinentes, et par le fait même les considérations relatives à la réponse de l’auditeur, peuvent aussi différer. Il est donc nécessaire de déterminer s’il est approprié de définir une seule population qui réunit à la fois des débits et des crédits (c’est‑à‑dire une population « au net »), notamment d’évaluer l’homogénéité de la population au net, ou de traiter les débits et les crédits comme deux populations distinctes. Par exemple, les produits présentés par une entité peuvent comprendre à la fois des soldes créditeurs et des soldes débiteurs. Les soldes créditeurs peuvent résulter de produits constatés après que des obligations de prestation contenues dans des contrats ont été remplies; tandis que les soldes débiteurs peuvent résulter de notes de débit liées à des changements dans le montant de la contrepartie variable. Les objectifs de l’audit et les assertions pertinentes peuvent différer pour les tests de soldes créditeurs et les tests de soldes débiteurs. Ainsi, l’auditeur peut concevoir un test pour vérifier l’exactitude et l’existence du montant des crédits constaté dans les produits (surévaluation des produits), concevoir un autre test pour vérifier l’exhaustivité des notes de débit (c.‑à‑d. sous‑évaluation des notes de débit et, par conséquent, surévaluation des produits), et concevoir d’autres tests pour les autres assertions pertinentes.

Si le montant cumulé des crédits et le montant cumulé des débits contenus dans une seule population au net sont tous deux significatifs, il peut être plus approprié de tester séparément les soldes débiteurs et les soldes créditeurs pour contrer convenablement les différents risques et atteindre des objectifs d’audit qui ne sont pas les mêmes pour les deux soldes. Dans ce cas‑là, il faudrait définir deux populations distinctes pour les soldes débiteurs et les soldes créditeurs afin de pouvoir procéder aux sondages en audit.

Pour évaluer une population au net, l’auditeur doit aussi examiner isolément s’il est approprié de présenter un solde de compte ou une catégorie d’opérations pour son montant net, selon le référentiel d’information financière applicable. Dans le cas contraire, il doit déterminer s’il y a une anomalie. Si tel est le cas, l’auditeur doit aussi apprécier s’il pourrait y avoir une déficience du contrôle.

Il faut porter une attention particulière aux éléments négatifs/compensateurs au sein d’un solde de compte ou d’une catégorie d’opérations avant de tester tous les éléments comme une seule population au net. Définir une  seule population d’échantillonnage contenant des soldes positifs et des soldes négatifs peut ne pas aboutir à un échantillon dont la taille calculée permet de ramener le risque d’échantillonnage à un niveau suffisamment faible. Ainsi, lorsque la population d’échantillonnage proposée contient à la fois des éléments positifs et des éléments négatifs dont les montants cumulés bruts sont importants, mais que le montant net de la population elle‑même est faible/négligeable, un échantillon dont la taille serait calculée en utilisant le montant net de la population ne constituerait pas une base suffisante pour ramener à un niveau suffisamment faible le risque d’échantillonnage lié à la population. De plus, l’évaluation des anomalies dans le cas où des éléments négatifs ont été inclus dans une population peut obliger l’auditeur à faire appel à un spécialiste des sondages statistiques (p. ex. pour extrapoler les écarts découlant des éléments qui ont des soldes négatifs à l’ensemble de la population). Lorsqu’une population d’échantillonnage contient des débits et des crédits compensateurs enregistrés à la suite de l’annulation d’éléments (p. ex. éléments annulés du fait d’une erreur d’écriture, comme des factures dont l’adresse postale est erronée), l’auditeur étudie la possibilité d’exclure les éléments annulés (et les débits et les crédits compensateurs) de la population d’échantillonnage après avoir mis en œuvre des procédures appropriées pour corroborer le fait que les éléments se compensent.

Les produits et le coût des ventes sont le plus souvent considérés comme des catégories d’opérations distinctes et, par conséquent, constituent des populations distinctes aux fins des sondages en audit. Par conséquent, il n’est généralement pas approprié de chercher à réduire la taille des échantillons en planifiant un sondage en audit à l’égard des produits ou du coût des ventes à partir d’une seule et même population nette définie comme étant la marge brute. Ce serait comme tenir pour acquis qu’une anomalie dans les produits est forcément compensée par une anomalie dans le coût des ventes, et vice‑versa, ce qui n’est pas nécessairement le cas. Par exemple, dans un cas de fraude, des produits fictifs pourraient avoir été comptabilisés sans qu’un coût y soit associé. De même, une erreur dans la séparation des périodes a pu entraîner une anomalie dans les produits ou dans le coût des ventes, mais pas nécessairement dans les deux. La sélection d’échantillons à partir d’une population représentant une marge brute est exposée à un risque, car les échantillons seraient généralement trop petits pour fournir le niveau souhaité d’assurance que les sources des anomalies pourraient être détectées.

Unité d’échantillonnage

Il faut déterminer l’unité d’échantillonnage. Par exemple, si la procédure d’audit vise une confirmation expresse des montants des comptes clients, l’auditeur doit sélectionner une unité d’échantillonnage (comme le solde du compte, une facture impayée ou une opération de vente particulière) qui, selon lui, donnera l’échantillon le plus efficace et le plus efficient tout en étant conforme à l’objectif du test. Si l’auditeur choisit le solde du compte client comme unité d’échantillonnage, il doit tester le compte client au complet. S’il ne reçoit pas la confirmation d’un client particulier et que le solde du compte de ce client est composé de 25 factures, il doit alors mettre en œuvre les procédures de remplacement nécessaires afin de tester les 25 factures pour parvenir à une conclusion valable aux fins du sondage en audit. Tester moins de 25 factures équivaudrait à « échantillonner un échantillon », ce qui ne permettrait pas de tirer une conclusion valable compte tenu de l’unité d’échantillonnage retenue. Par contre, l’auditeur pourrait décider, lors de la conception des procédures d’audit, qu’il serait plus efficient d’utiliser des factures impayées individuelles comme unité d’échantillonnage.

Il faut déterminer la valeur monétaire totale de la population et la nature des éléments à échantillonner. En outre, il faut déterminer ou estimer le nombre d’éléments dans la population (généralement, nous obtenons cette information auprès du client ou nous nous appuyons sur l’expérience de l’année précédente), étant donné qu’il convient d’utiliser différentes méthodes pour déterminer la taille de l’échantillon dans le cas de petites populations.

De plus, la source d’où sera sélectionné l’échantillon doit être adéquate pour le test. Par exemple, si l’objectif du test est de déterminer si les marchandises livrées ont été facturées, il serait inadéquat de sélectionner l’échantillon à partir d’une liste des factures enregistrées comme unité d’échantillonnage. Dans ce cas, la source serait la population des bons d’expédition.

Exclusions de la population

Directives connexes

Se reporter aux directives connexes sur la pertinence et la fiabilité des éléments probants, qui se trouvent à la section BVG Audit 1051.

Directives du BVG

Une anomalie est la différence entre les valeurs monétaires dans les registres de l’entité et les valeurs monétaires étayées par les éléments probants obtenus grâce au sondage. Il est essentiel de définir clairement ce qui constitue une anomalie avant d’exécuter le plan de sondage. Les définitions d’une anomalie doivent être précises (ni trop contraignantes, ni trop générales) afin que le sondage soit efficace. Par exemple, normalement, l’auditeur ne considérerait pas les écarts observés comme des anomalies s’ils peuvent être expliqués et justifiés par les circonstances (p. ex. les écarts de dates pour les confirmations). De plus, lorsque l’entité relève des anomalies de manière indépendante au moyen de ses systèmes courants de contrôle interne et les corrige avant que l’auditeur ne mette en œuvre des procédures d’audit sur les éléments de l’échantillon, ces éléments ne sont pas habituellement considérés comme des anomalies dans l’échantillon. Généralement, lorsqu’il effectue des sondages, la principale préoccupation de l’auditeur concerne les surévaluations.

Directives du BVG

Afin de déterminer le nombre d’éléments à sélectionner dans un échantillon pour un test de détail particulier, il faut tenir compte de l’anomalie acceptable et de l’anomalie attendue, du risque d’audit, des caractéristiques de la population et de l’évaluation du risque concernant d’autres procédures de corroboration liées à la même assertion. Il faut exercer son jugement professionnel lorsque l’on relie ces facteurs pour déterminer la taille appropriée de l’échantillon.

L’anomalie attendue (l’erreur attendue) est la valeur totale des erreurs que l’on s’attend à trouver dans la population échantillonnée, excluant les éléments clés ou de valeur importante qui sont évalués séparément.

L’erreur attendue est fondée sur le jugement professionnel, notamment la prise en compte de l’expérience historique, et l’évaluation du risque.

Afin d’être efficiente, la valeur de l’anomalie attendue devrait être inférieure à la moitié de la valeur de l’anomalie acceptable. Lorsque la somme de la réduction du seuil de signification global et des anomalies prévues pour une population échantillonnée particulière est supérieure à 50 % du seuil de signification global, il faut consulter les Services d’audit.

Formule de calcul de la taille de l’échantillon

Cette formule est utilisée pour des populations de 200 ou plus et ne comprend pas les éléments soumis à un test ciblé ou les éléments supprimés qui étaient non significatifs dans l’ensemble.

Visionner en taille réelle

Si la taille de l’échantillon calculée n’est pas un nombre entier, il faut l’arrondir au nombre entier supérieur.

La taille de l’échantillon obtenue au moyen de la formule est la taille minimale permettant d’obtenir le niveau d’assurance souhaité : « Complémentaire », « Faible », « Modéré » ou « Élevé ». Il est permis d’utiliser un échantillon de plus grande taille que ce que suggère la formule, mais les raisons doivent être consignées. Si l’auditeur estime qu’il est nécessaire d’utiliser des échantillons de plus grande taille pour obtenir plus d’éléments probants ou une estimation plus exacte, il doit envisager l’utilisation de sondages statistiques. Pour obtenir des directives supplémentaires sur les sondages statistiques, se reporter à la section BVG Audit 7044.2.

Facteur d’assurance (des éléments probants)

La détermination du niveau d’éléments probants approprié au niveau d’une assertion est une question de jugement professionnel et dépend principalement des risques inhérents et des éléments probants obtenus à partir d’autres procédures d’audit, dont les tests des contrôles et les procédures de corroboration.

Le tableau ci‑après présente les éléments probants qu’il peut être nécessaire d’obtenir au moyen de sondages en audit, compte tenu du risque inhérent et des éléments probants obtenus au moyen d’autres procédures. Par exemple, un niveau d’éléments probants plus élevé serait obtenu d’un sondage en réponse à un risque inhérent plus élevé (élevé ou important), ou lorsque les autres procédures d’audit procurent moins d’éléments probants.

Directives du BVG

Sélection aléatoire

Dans le cas de la méthode de sélection aléatoire, tous les éléments de la population ont une probabilité égale d’être sélectionnés. Pour appliquer cette méthode, on peut utiliser des tables de nombres aléatoires, des générateurs de nombres aléatoires ou la sélection aléatoire offerte des logiciels d'échantillonnage tels que Microsoft Excel et IDEA.

Sélection empirique

La méthode de sélection empirique permet de sélectionner un échantillon représentatif au jugement, sans dépendre d’un processus véritablement aléatoire ou d’une technique structurée. Le terme « empirique » ne signifie pas que le processus se fait sans effort ou sans réfléchir. Les éléments de l’échantillon sont choisis sans aucun biais conscient (c.‑à‑d. sans raison particulière pour inclure ou omettre des éléments de l’échantillon) ou sans suivre un modèle prévisible, car sinon cela ne permettrait pas à tous les éléments de la population testée d’avoir une probabilité égale d’être sélectionnés. Ainsi, il ne serait pas approprié :

• de sélectionner des opérations génératrices de produits qui se rattachent uniquement à un client à ou quelques clients lorsqu’une entité a plusieurs clients. Par exemple, lorsque la population se compose de lots d’opérations quotidiennes, mais que l’auditeur a choisi les opérations individuelles comme unité d’échantillonnage, il sélectionnait des opérations provenant de lots d’opérations effectuées tout au long de la période (mais on ne s’attend pas généralement à ce que chaque élément provienne d’un lot différent);

• d’éviter de choisir certains éléments parce que l’auditeur estime qu’il sera difficile pour la direction de fournir des documents justificatifs;

• de toujours sélectionner ou d’éviter des éléments en fonction d’un modèle, comme la première ou la dernière écriture sur une page.

Lorsque les méthodes de sélection aléatoire peuvent être appliquées efficacement, elles sont préférables parce qu’elles permettent d’éviter les biais potentiels. Cependant, la sélection empirique peut être une solution acceptable pour remplacer la sélection aléatoire lorsque les données électroniques ne sont pas facilement accessibles et lorsque l’auditeur est convaincu que les conditions de sélection ne donneront pas lieu à des biais, que la sélection est représentative de la population et que chaque élément de la population a la probabilité égale d’être sélectionné. La sélection empirique est incompatible avec le sondage statistique.

Sélection systématique

La méthode de sélection systématique permet de choisir chaque énième élément (intervalle d’échantillonnage) indépendamment de la taille ou de la valeur monétaire. Par exemple, s’il y a 600 créances commerciales et si l’on souhaite sélectionner 20 soldes, on peut choisir chaque trentième solde. Pour effectuer une sélection systématique, il faut choisir, de manière empirique ou aléatoire, le premier élément de l’échantillon du premier intervalle de 30 éléments, puis chaque trentième élément par la suite. Selon cet exemple, si le premier élément choisi de manière empirique est le treizième, les éléments suivants seraient le 43^e, puis le 73^e, et ainsi de suite. Microsoft Excel permet d’effectuer une sélection systématique : dans Excel, choisir Options Excel puis Compléments Analysis Toolpak. Par la suite, sur la barre d’outils choisir Utilitaire d’analyse et Échantillonnage.

Le recours à la sélection systématique n’est pas approprié lorsque les caractéristiques ne sont pas distribuées de façon aléatoire dans une population. Les documents relatifs à la paie d’une entreprise de construction où le journal des salaires est organisé par équipe constituent un bon exemple d’une population dont l’ordre n’est pas aléatoire; chaque équipe est composée d’un chef d’équipe et de neuf autres travailleurs. Dans ce cas, une sélection de tous les dixièmes employés inclurait tous les chefs d’équipe ou n’inclurait aucun d’eux, selon le choix initial déterminé aléatoirement.

Stratification

La stratification est la division d’une population en sous‑populations ou strates, chacune regroupant des unités d’échantillonnage ayant des caractéristiques similaires (p. ex. des valeurs au sein d’une fourchette monétaire ou des caractéristiques de risque similaires). Chaque strate est examinée séparément. De cette façon, les éléments ayant des caractéristiques similaires sont inclus dans chaque sous‑population (strate). Diviser les populations en strates peut réduire l’ampleur des variations des éléments dans chaque strate. Cela peut comporter deux avantages potentiels : 1) la stratification augmente la précision des résultats des tests, car les erreurs observées sont extrapolées uniquement à la strate dans laquelle des écarts ont été relevés; 2) la stratification permet de diminuer la taille de l’échantillon sans pour autant augmenter proportionnellement le risque d’échantillonnage. Les sous‑populations doivent être soigneusement définies de sorte que chaque unité d’échantillonnage ne peut appartenir qu’à une seule strate.

Toutefois, ne pas réduire l’ampleur des variations des éléments au sein d’une strate, par rapport à la variation de l’ensemble des éléments de la population, n’apporte aucun avantage. Toute réduction prévue de la taille de l’échantillon devrait alors être compensée par la réalisation de travaux d’audit supplémentaires.

La méthode de sondage non statistique du Bureau est fondée sur l’hypothèse qu’aucune stratification n’est utilisée; par conséquent, la formule d’échantillonnage intègre une compensation pour tenir compte de l’absence de stratification. L’auditeur n’a donc pas besoin d’effectuer une stratification, sauf s’il juge que procéder de la sorte serait plus efficace et efficient. Le cas échéant, si la stratification réduit la variabilité des éléments au sein de la strate par rapport à la variabilité des éléments de l’ensemble de la population, l’auditeur peut ajuster la taille de l’échantillon produit par la formule (c.‑à‑d. réduire la taille de l’échantillon de 10 %). Toutefois, si la stratification est fondée sur le risque et que le risque ne diminue pas l’ampleur de la variation monétaire, il n’y aura aucune diminution de la taille de l’échantillon. Des détails supplémentaires et des exemples sont présentés plus loin.

Lorsqu’une population est stratifiée, les anomalies détectées lors du test sont extrapolées séparément à chaque strate. Les anomalies extrapolées à chaque strate sont ensuite cumulées pour former l’anomalie extrapolée cumulée pour l’ensemble de la population cumulée, conformément aux seuils prévus à l’Étape 8 : Évaluation des résultats du sondage.

Stratification — Valeur monétaire

La stratification monétaire est la division d’une population en deux ou plusieurs sous‑populations distinctes par valeur monétaire (généralement deux strates). Cette approche permet à l’auditeur de cibler davantage ses tests sur les éléments monétaires de valeur importante. En général, les deux strates sont de taille égale au niveau de la valeur monétaire totale et la taille de l’échantillon calculée est répartie également entre les deux strates. Toutefois, si les strates définies ont des valeurs monétaires inégales (p. ex. un grand bassin d’opérations de valeur relativement petite constitue un tiers de la valeur monétaire de la population et les deux tiers restants de la population sont constitués d’éléments de valeur plus importante), la taille de l’échantillon est répartie proportionnellement.

Stratification — Risque

Une population peut aussi être stratifiée en fonction d’une caractéristique particulière qui indique un risque plus élevé d’anomalies significatives. Par exemple, lorsque l’auditeur teste la provision pour créances douteuses lors de l’examen des créances, les soldes peuvent être divisés en plusieurs strates en fonction de l’ancienneté des créances. Avant d’effectuer une stratification par risque, l’auditeur doit d’abord déterminer si les caractéristiques du risque relevé :

1. peuvent fournir un fondement efficace et efficient pour réaliser un test ciblé fondé sur le risque;

2. sont susceptibles d’indiquer que l’auditeur n’a pas défini correctement une population homogène pour le sondage en audit, conformément à l’Étape 2 : Définition de la population et de l’unité d’échantillonnage.

Lors d’une stratification par risque, la taille de l’échantillon calculée de la population est répartie entre chacune des strates proportionnellement en fonction de leur valeur monétaire par rapport à la valeur monétaire totale de la population totale. Contrairement à la stratification en fonction de la valeur monétaire, selon laquelle les erreurs extrapolées doivent être les mêmes pour chaque strate, lorsque l’auditeur effectue une stratification par risque, il peut calculer la taille de l’échantillon en utilisant une valeur de l’erreur extrapolée différente pour chaque strate.

Directive complémentaire sur la méthode d’échantillonnage

Il faut préciser que, pour le sondage non statistique, toutes les opérations ont cependant une probabilité égale d’être sélectionnées. Lors de la sélection d’échantillons provenant de lots, il peut être acceptable de procéder à certaines combinaisons, comme de sélectionner de deux à quatre échantillons dans chaque lot. Cependant, pas plus de quatre échantillons devraient généralement être sélectionnés au sein d’un même lot.

Directives du BVG

Lorsque l’auditeur teste son échantillon non statistique, il examine les éléments probants, qui doivent être appropriés pour l’objectif du test, pour chaque élément sélectionné. Il peut constater qu’un élément initialement sélectionné n’est pas approprié ou que les éléments probants requis sont introuvables. La réponse de l’auditeur dans de telles circonstances est décrite ci‑dessous.

Éléments annulés

Il arrive à l’occasion qu’un échantillon aléatoire comprenne un élément qui a été annulé. Lorsque l’on détermine si un élément a été correctement annulé, il faut obtenir les éléments probants indiquant que l’explication sous‑jacente relative à l’annulation de l’élément est appropriée. Cela se fait normalement en confirmant que le personnel autorisé a annulé l’élément à des fins d’affaires légitimes. Les éléments annulés qui ne donnent pas lieu à un ajustement subséquent du montant enregistré ne sont généralement pas considérés comme des anomalies. Par exemple, les éléments qui sont annulés en raison d’erreurs d’écriture (p. ex. des factures dont l’adresse postale est incorrecte) et qui sont remplacés par des éléments corrigés n’ont aucune incidence sur les montants comptabilisés et ne sont pas considérés comme des anomalies. Lorsque l’on est convaincu du bien‑fondé de la procédure d’annulation, il faut normalement choisir un autre élément pour remplacer l’élément annulé dans l’échantillon. Si l’élément annulé donne effectivement lieu à un ajustement du montant comptabilisé et si le client suit correctement la procédure d’annulation et fait l’ajustement comme il se doit, il n’existe alors aucune anomalie. Dans ce cas, un montant audité peut être convenu et l’élément de l’échantillon est inclus dans la population.

Si, en raison de l’annulation de l’élément sélectionné, un ajustement du montant comptabilisé est nécessaire, mais que l’ajustement n’a pas été comptabilisé ou qu’il l’a été dans le cadre d’une période comptable ultérieure, alors l’élément doit être considéré comme une anomalie. Supposons, par exemple, que l’auditeur a sélectionné un échantillon de factures impayées de clients aux fins de confirmation. Une facture qui était en souffrance à la date de confirmation et qui, par la suite, a été annulée parce que la facture originale était erronée est considérée comme une anomalie dans le solde des comptes clients à la date de confirmation.

Documents introuvables

Les documents introuvables comprennent les demandes de confirmation d’informations auxquelles les tiers ne répondent pas ou des documents particuliers qui ne peuvent pas être trouvés dans les dossiers des clients. Dans ces circonstances, une procédure d’audit de remplacement doit être appliquée afin de déterminer si l’information enregistrée est authentique et dûment enregistrée. Les éléments pour lesquels les pièces justificatives ne peuvent pas être trouvées, et qui, par conséquent, ne peuvent faire l’objet d’un audit, sont considérés comme des anomalies indépendamment de leur valeur monétaire. Ils sont traités comme des anomalies connues dans les calculs du sondage (c.‑à‑d., incluses dans le calcul du taux d’anomalies pour l’extrapolation des anomalies à la partie non testée de la population et incluses avec les autres anomalies connues et reportées dans le SANC, si elles se situent au‑dessus du seuil de report au SANC). Il faut procéder à une investigation approfondie dans tous les cas de documents manquants, puisque, bien qu’il puisse s’agir d’un égarement involontaire de documents, il est également possible que cela indique l’existence de problèmes graves, notamment la possibilité d’une fraude. Selon les circonstances, il peut être approprié de consulter le responsable de la mission ou le gestionnaire de l’équipe si le client a perdu ou détruit des documents.

Éléments inutilisés

Il arrive, à l’occasion, qu’un échantillon comprenne un élément qui n’a pas été utilisé. Par exemple, les numéros de comptes clients ne sont peut‑être pas attribués par ordre numérique. Si l’élément sélectionné pour le test n’a pas été utilisé, il faut vérifier si l’élément n’a pas été utilisé (c.‑à‑d. s’il ne s’agit pas d’un élément annulé ou introuvable) et remplacer cet élément par un autre.

Il faut procéder à une investigation approfondie chaque fois qu’un document semble avoir été altéré. En effet, cela peut être une indication importante de l’existence de problèmes, notamment la possibilité d’une fraude.

Incidences des résultats des premiers tests

Il n’est pas approprié de réduire la taille de l’échantillon si les résultats du sondage effectué sur les premiers éléments sélectionnés indiquent qu’il n’existe aucune anomalie. Par exemple, si, après avoir testé les 10 premiers éléments d’un échantillon en contenant 20, aucune anomalie n’est détectée, il n’est pas approprié de conclure que les 10 éléments restants n’ont pas besoin d’être testés. Un échantillon de taille plus petite ne saurait fournir le niveau d’éléments probants qui avait été jugé nécessaire au départ. Par contre, il peut être approprié de mettre fin au test si les résultats du sondage effectué sur les premiers éléments sélectionnés indiquent qu’il existe des anomalies importantes, ce qui, après extrapolation, suggère que la population comprend des anomalies significatives. Si le sondage est interrompu en raison du nombre et de l’importance des anomalies constatées, il peut être nécessaire pour le client de trouver la source de ces anomalies et de corriger la population. Dans ce cas, il faut ensuite soumettre la population à un nouveau sondage ou à d’autres procédures d’audit. Si on effectue un nouveau sondage, il faut en général augmenter la taille de l’échantillon afin d’obtenir des éléments probants suffisants indiquant que la source des anomalies identifiées à l’origine a été corrigée.

Directives du BVG

Acquisition d’une compréhension des anomalies

L’acquisition d’une compréhension des anomalies relevées au cours de sondage fait partie intégrante du processus de test et de revue et doit être consignée. En plus d’évaluer la fréquence et les montants des anomalies monétaires, l’auditeur doit examiner les aspects qualitatifs des anomalies. Ceux‑ci comprennent :

• La nature et la cause des anomalies, notamment s’il s’agit d’écarts de principe ou d’application, s’il s’agit d’erreurs ou si elles sont dues à des fraudes, à une mauvaise interprétation des directives ou à de la négligence.

• La relation possible entre les anomalies et les autres phases de l’audit. La découverte d’une fraude nécessite habituellement un examen plus large des implications possibles que ne l’exige la découverte d’une erreur. L’auditeur doit également établir un lien entre l’évaluation de l’échantillon et d’autres éléments probants pertinents lorsqu’il tire des conclusions concernant le solde du compte ou la catégorie d’opérations concernés.

Si des éléments probants donnent à penser que l’anomalie peut être considérée comme une exception, il faut en discuter avec le gestionnaire de l’équipe et éventuellement avec le responsable de la mission. Il faut consigner clairement les principes et les éléments probants appuyant la conclusion.

Si la nature et la fréquence des anomalies donnent à penser que les hypothèses élaborées au début de l’audit n’étaient pas appropriées, il faut revoir la stratégie d’audit initiale. Par exemple, un grand nombre d’anomalies découvertes dans le cadre de la confirmation de comptes clients pourrait indiquer qu’il est nécessaire de revoir la confiance qu’il était prévu d’accorder aux contrôles en ce qui concerne le processus que l’entreprise utilise pour les recettes et les comptes clients. Si une anomalie indique qu’il y a possibilité d’activités frauduleuses, il faut signaler ces constatations au responsable de la mission, puis considérer attentivement et consigner les incidences possibles des constatations sur l’audit.

Indépendamment des conclusions tirées quant à la nécessité de revoir le plan d’audit en réaction aux anomalies détectées, l’auditeur doit consigner ses conclusions et signaler ses constatations au client pour qu’il puisse prendre des mesures correctives.

Extrapolation des anomalies (erreur la plus probable)

Le but des sondages en audit est de tirer des conclusions sur une population à partir d’un échantillon. Il faut extrapoler à la population d’où provient l’échantillon les résultats relatifs aux anomalies obtenus à partir de l’échantillon.

Les valeurs des anomalies extrapolées sont des écarts dont l’existence est considérée comme probable à partir des éléments probants obtenus. Les écarts d’audit connus qui ont été identifiés au cours de l’échantillonnage sont extrapolés à toute la population testée. Parce que les conclusions fondées sur les résultats du sondage s’appliquent seulement à la population à partir de laquelle les éléments de l’échantillon ont été sélectionnés, il faut que la population ait été définie avec soin (voir étape 2). Il y a plusieurs méthodes acceptables pour extrapoler à la population les erreurs relevées dans l’échantillon; le BVG préfère toutefois utiliser IDEA.

Lorsque l’on utilise la méthode de sondage non statistique, le recours à IDEA permet de calculer l’erreur la plus probable pour déterminer la valeur totale de l’anomalie (valeur de l’anomalie extrapolée plus les écarts connus d’audit) dans l’ensemble de la population. L’échantillonnage effectué à un niveau d’assurance « Complémentaire » peut permettre d’atteindre l’objectif du test même si l’anomalie totale de l’échantillon est supérieure à l’anomalie estimée, pourvu que l’anomalie totale de l’échantillon ne dépasse pas le seuil de report au SANC. Si l’auditeur observe plus d’anomalies que prévu, cela veut dire que le test apporte un niveau de confiance légèrement moindre que ce qui avait été planifié, et l’auditeur doit tenir compte de manière appropriée du risque accru potentiel associé aux anomalies observées ainsi que du niveau de confiance légèrement moindre. Même de faibles niveaux d’anomalies détectées au moyen d’un sondage à un niveau d’assurance « Complémentaire » peuvent indiquer des écarts par rapport aux informations déjà obtenues à l’aide d’autres procédures quant à l’anomalie probable relative à la population. Si, compte tenu de la compréhension des erreurs détectées, l’auditeur juge que le risque et la confiance accordée sont acceptables, il peut conclure que l’objectif du test a été atteint. Lorsque l’anomalie totale de l’échantillon est supérieure à zéro et inférieure au seuil de report au SANC, et que l’auditeur conclut que le test n’a pas permis d’atteindre l’objectif fixé, il doit mettre en œuvre des procédures de corroboration supplémentaires comme des tests ciblés, des procédures analytiques de corroboration ou des sondages en audit à des niveaux d’assurance supérieurs à « Complémentaire ». De même, si l’anomalie totale de l’échantillon est supérieure au seuil de report au SANC, il doit mettre en œuvre des procédures de corroboration supplémentaires à un niveau d’assurance plus élevé que « Complémentaire ». Le jugement de l’auditeur et ses conclusions quant à l’évaluation des anomalies extrapolées doivent être consignés dans les feuilles de travail.

Isolement et confinement

Lorsque des anomalies sont détectées et soumises à une investigation, on leur reconnaît généralement des caractéristiques ou des qualités « inhabituelles » ou « uniques ». On aura tendance à vouloir isoler les anomalies qui sont « uniques » et à ne pas les extrapoler à tous les éléments de la population (surtout lorsque la valeur des anomalies extrapolées est d’une ampleur inacceptable). Cependant, il est inapproprié d’isoler les anomalies. Le but des sondages en audit est de tirer des conclusions sur l’ensemble de la population en examinant seulement quelques‑uns de ses éléments. Bien que certaines anomalies puissent sembler « uniques », elles peuvent être représentatives d’autres anomalies « uniques » dans la population. Le problème que pose l’isolement est que l’on peut rarement conclure que le reste de la population ne contient pas d’autres éléments « uniques ».

Si la valeur des anomalies extrapolées découlant du sondage est trop élevée, et si les ajustements apportés par le client ne suffisent pas à ramener le risque à un niveau acceptable, dans certains cas il peut s’avérer utile d’avoir recours à une forme de « confinement » des anomalies. Il s’agit de se demander si les informations obtenues concernant certaines anomalies détectées dans le cadre du sondage pourraient justifier la création d’une nouvelle sous‑population devant être testée séparément. Cette nouvelle sous‑population serait composée d’éléments ayant des caractéristiques similaires aux éléments de l’échantillon comportant des anomalies que l’on souhaite « contenir » pour pouvoir effectuer des tests ciblant le secteur le plus susceptible de contenir des anomalies similaires.

À titre d’exemple, prenons le cas où une anomalie plutôt importante est découverte dans un solde alors que les comptes clients d’une entreprise internationale sont soumis à un test. L’anomalie a été causée par un calcul erroné du client lors de la conversion de devises étrangères, et une investigation plus approfondie a révélé que seules 15 ventes visaient des clients étrangers au cours de l’exercice. Dans ce cas, il pourrait être justifiable de soumettre ces 15 éléments à des tests ciblés et de les retirer de l’évaluation de la population échantillonnée.

Directives du BVG

Lorsque l’auditeur évalue les résultats des sondages non statistiques, il doit faire appel à son expérience et à son jugement professionnel et tenir compte des directives ci‑dessous. Dans tous les cas d’évaluation des résultats de sondages, les échantillons de grande taille permettent d’obtenir des estimations plus exactes des anomalies réelles affectant la population.

Il faut évaluer les résultats de nos procédures avant de tirer une conclusion définitive concernant la procédure de sondage non statistique. Il faut également tenir compte de l’incidence sur les autres secteurs visés par l’audit. Même si l’anomalie totale découlant de l’échantillon est inférieure à l’anomalie acceptable, il faut tout de même bien tenir compte du risque d’échantillonnage ou du risque que les résultats du sondage puissent sous‑estimer l’anomalie réelle affectant la population testée. La taille de l’échantillon initial peut avoir été calculée en utilisant une anomalie estimée anormalement faible, ce qui donne lieu à un échantillon initial trop petit pour l’obtention des éléments probants souhaités. Lors de l’établissement de la taille de l’échantillon, il faut intégrer une provision pour le risque d’échantillonnage dans le dénominateur de la formule de calcul de la taille de l’échantillon. Il s’agit de la différence entre l’anomalie acceptable et l’anomalie estimée. L’auditeur détermine donc si la taille de l’échantillon est suffisante pour obtenir le niveau souhaité d’éléments probants en comparant l’anomalie totale découlant de l’échantillon et l’anomalie estimée utilisée pour déterminer la taille de l’échantillon initial.

Si l’anomalie totale découlant de l’échantillon est inférieure à l’anomalie estimée utilisée pour calculer la taille de l’échantillon, ou si elle s’en rapproche, l’auditeur dispose des éléments probants suffisants au niveau prévu pour conclure que la population d’échantillonnage ne contient pas d’anomalie supérieure à l’anomalie acceptable.

Facteurs à considérer concernant le risque d’échantillonnage lorsque l’anomalie totale est supérieure à l’anomalie estimée

Si l’anomalie totale est supérieure à l’anomalie estimée, l’auditeur peut encore conclure que, selon son jugement, les résultats du sondage ont atteint les objectifs fixés pour le test, mais à un niveau de confiance légèrement inférieur à celui qu’il avait prévu. Dans ces circonstances, il doit porter la question à l’attention du responsable de la mission et documenter ses décisions et ses conclusions.

Il faut utiliser les règles empiriques ci‑dessous lors de l’évaluation des résultats du sondage :

La comparaison entre l’anomalie totale et l’anomalie estimée est intégrée dans le modèle « Sondage non statistique ». Toutefois, il faut faire preuve de jugement pour déterminer si l’échantillon a permis d’atteindre les objectifs fixés pour le test. L’auditeur doit aussi consigner les motifs de ses conclusions.

L’anomalie totale est supérieure à l’anomalie estimée d’un montant inacceptable

Lorsque l’on ne peut accepter le risque d’anomalies en raison des résultats du sondage, il peut y avoir trois causes sous‑jacentes. La réponse de l’auditeur dépend de la cause probable qu’il aura déterminée. Les trois causes et les réponses recommandées sont les suivantes :

1. Le compte ou la population sont affectés par une anomalie significative

Lorsque la correction des erreurs connues ou d’autres ajustements apportés au compte ne suffisent pas à ramener le risque d’une anomalie significative à un niveau acceptable, l’auditeur peut soit effectuer un nombre plus important de tests, soit demander au client d’effectuer des tests supplémentaires qu’il sera possible d’auditer afin d’appuyer la valeur enregistrée.

Mise en garde : Le sondage non statistique est un outil conçu principalement pour obtenir des éléments probants suffisants et appropriés en vue d’appuyer l’assertion selon laquelle une population est présentée fidèlement. Il ne convient pas d’estimer des anomalies dans le but de corriger un compte comportant des anomalies significatives. Si l’anomalie totale (connue et extrapolée) de l’échantillon est supérieure à l’anomalie acceptable, les éléments probants suggèrent que le compte pourrait contenir des anomalies significatives. Il est possible que le sondage ne puisse fournir une estimation suffisamment précise pour appuyer une correction d’écriture par le client. Le client a la responsabilité d’établir une écriture de correction justifiée. Dans certains cas, cela obligera le client à mettre en œuvre des procédures supplémentaires afin d’appuyer les écritures de correction. L’exercice du jugement professionnel permet d’évaluer les écritures d’un client qui ont été faites pour corriger une anomalie significative.

2. Le compte ou la population comportent une anomalie non significative qui a été identifiée par les résultats du sondage mais, parce que la valeur de l’anomalie estimée était trop faible, la population a été rejetée.

Pour obtenir les éléments probants souhaités, l’anomalie totale de l’échantillon doit généralement être inférieure ou égale à l’anomalie estimée. Une anomalie estimée trop faible (en général, pour réduire la taille de l’échantillon) augmente la probabilité d’obtenir un résultat non valable. Voici un exemple pour illustrer ce concept :

Supposons que les résultats du sondage indiquent qu’il existe une anomalie totale (connue et extrapolée) de 7000 $. Dans ce cas, l’anomalie totale de l’échantillon est supérieure à l’anomalie estimée. Avec le recul, nous pouvons affirmer que si nous avions estimé une anomalie supérieure, disons 7000 $ (ou 0,7 %) plutôt que 0 $ et que, par conséquent, nous avions prélevé un échantillon plus gros, nous aurions accepté les résultats de notre test (en supposant que les autres éléments soumis au test aient donné lieu à des résultats semblables à ceux obtenus pour l’échantillon initial), comme indiqué ci‑dessous.

Dans cet exemple, si la taille de l’échantillon initial avait été établie en fonction d’une anomalie estimée de 7000 $, cette taille aurait été de 55, au lieu d’une taille de 45, calculée en fonction d’une anomalie estimée de zéro. L’échantillon de plus grande taille permet d’obtenir une anomalie extrapolée plus précise. Dans les situations où la taille initiale de l’échantillon, qui est fondée sur l’anomalie estimée initiale, ne permet pas d’obtenir le niveau souhaité d’éléments probants, on peut choisir d’augmenter la valeur de l’anomalie estimée et la taille de l’échantillon et poursuivre le test. Il n’est cependant pas toujours nécessaire de faire cela. Cette décision relève du jugement professionnel.

Si l’on décide d’augmenter la taille de l’échantillon, il faut l’augmenter d’au moins 10 éléments de plus que la valeur obtenue par la formule associée à la nouvelle anomalie estimée, car il peut être problématique d’augmenter la taille d’un échantillon existant par petites quantités aux fins de réévaluation. Dans l’exemple ci‑dessus, en supposant que l’on adopte, comme nouvelle valeur d’anomalie estimée, l’anomalie totale (connue et extrapolée) calculée pour le premier sondage (7000 $), la taille de l’échantillon calculée à partir de la formule, compte tenu de l’estimation révisée, serait de 55. On ajoute 10 éléments à ce résultat pour le test supplémentaire; le test serait donc sur un échantillon supplémentaire de 20 éléments (55 éléments selon l’anomalie estimée révisée plus 10 éléments pour le test additionnel, moins les 45 éléments déjà soumis au test).

3. L’échantillon a donné lieu à une anomalie extrapolée significative

On pourrait croire que l’ensemble du compte ou de la population ne comporte pas d’anomalies significatives et que l’échantillon n’était pas représentatif de la population, même si l’on avait utilisé une procédure de sélection qui était censée fournir un échantillon représentatif.

C’est le risque de rejet injustifié. Lorsque l’on est satisfait de la méthode de sélection mais que, malgré tout, il y a de bonnes raisons de croire que l’échantillon comporte, proportionnellement, plus d’anomalies que n’en comporte la population, on peut décider d’augmenter la taille de l’échantillon afin d’obtenir des éléments probants supplémentaires en ce qui concerne les anomalies probables de la population. Si l’on croit que l’échantillon initial n’est pas représentatif et si l’on combine les résultats de l’échantillon initial et ceux de l’échantillon élargi, il faut augmenter la taille de l’échantillon suffisamment pour obtenir une estimation raisonnable de la valeur des anomalies dans la population. Généralement, l’échantillon élargi contient un nombre d’éléments additionnels équivalent à au moins la moitié de la taille de l’échantillon initial. Il faut alors combiner les résultats de l’échantillon initial et ceux de l’échantillon élargi aux fins d’évaluation.

Prise en considération des résultats de tests ciblés

Il faut établir un lien entre l’évaluation de l’échantillon et d’autres éléments probants pertinents lorsque l’on tire des conclusions concernant le solde du compte ou la catégorie d’opérations concernés. Les résultats extrapolés relatifs aux anomalies pour tous les sondages en audit et toutes les anomalies connues découlant des applications autres que les sondages sont pris en considération collectivement, en plus d’autres éléments probants pertinents lorsque l’on détermine que les états financiers pris dans leur ensemble peuvent ou non comporter des anomalies significatives.

Si l’on a effectué des tests ciblés sur des éléments d’un même compte, il faut comparer le taux d’anomalies obtenu dans ces tests ciblés au taux d’anomalies obtenu dans les sondages (taux calculé en divisant l’anomalie totale de l’échantillon par la population d’échantillonnage). Si les taux d’anomalies du sondage et les taux d’anomalies des tests ciblés sont très différents, et que les éléments soumis aux tests ciblés ont été traités selon les mêmes politiques et les mêmes procédures que les éléments soumis au sondage, il faut alors se demander s’il y a des raisons de croire que l’on n’a pas obtenu un échantillon représentatif. Si l’on constate un taux d’anomalies différent dans les tests ciblés et dans les sondages, cela ne signifie pas automatiquement que l’on n’a pas obtenu un échantillon représentatif; en fait, il peut y avoir de bonnes raisons justifiant une différence entre les taux d’anomalies. Par exemple, des éléments ont peut‑être été ciblés en fonction d’une caractéristique de risque (p. ex. comptes en souffrance, enregistrés à la fin de l’exercice).

Si l’on croit ne pas avoir obtenu un échantillon représentatif, il faut faire preuve de jugement professionnel et déterminer si d’autres travaux sont nécessaires pour remédier à l’augmentation potentielle du risque. Il faut aussi consigner les raisons des conclusions. Si le taux d’anomalies des tests ciblés est très différent de celui des sondages, il faut consigner les résultats de l’analyse des taux d’anomalies ainsi que les conclusions au sujet des résultats. Si l’on croit que l’anomalie estimée était trop faible, il faudra peut‑être augmenter la taille de l’échantillon.

Traitement des anomalies connues et extrapolées dans le Sommaire des anomalies non corrigées

Les anomalies connues qui sont découvertes dans le cadre des sondages et des tests portant sur les éléments importants pris individuellement, ainsi que les anomalies extrapolées (c.‑à‑d. le ratio entre l’anomalie découverte et les montants comptabilisés dans l’échantillon extrapolé à la partie non testée de la population échantillonnée) sont reportées séparément dans le Sommaire des anomalies non corrigées (SANC), même si l’on a atteint les objectifs des tests. Les anomalies prises collectivement (anomalies connues des tests ciblés et des sondages en plus des anomalies extrapolées des résultats des sondages) constituent l’estimation la plus objective des anomalies qui affectent la population. Le client doit alors ajuster ses documents pour remédier aux anomalies connues. L’enregistrement d’une anomalie connue découverte au moyen d’un sondage n’entraîne pas la suppression de la valeur des anomalies extrapolées connexe du SANC.

Directives du BVG

Lors des sondages non statistiques, il est fortement recommandé d’utiliser le modèle de sondage non statistique et la feuille de documentation standard appropriée contenus dans le menu des modèles Tests de détail.

Le diagramme suivant met en évidence les points importants de chacune des huit étapes à suivre pour effectuer un sondage non statistique.

Visionner en taille réelle