Cet article clôt une série. Depuis janvier, j'ai publié une vingtaine d'exercices de pensée sur la data, l'IA, le pilotage et la gouvernance. Chacun traite d'un sujet précis. Ensemble, ils dessinent quelque chose qu'il me paraît utile de nommer : un ensemble de convictions de fond, forgées par 17 ans de pratique au CHU de Reims, dans des missions de conseil et, plus récemment, dans la conception d'effectivo. Je les rassemble ici en sept points. Ce n'est pas une synthèse ; c'est une prise de position.
Ces convictions ne sont ni des prédictions, ni des tendances. Elles ne disent pas ce qui va arriver. Elles disent ce que je crois vrai aujourd'hui pour une organisation qui veut piloter sérieusement son activité dans la décennie qui s'ouvre. Libre à chacun d'être en désaccord ; l'intérêt est précisément que ce soit dit clairement plutôt que dissimulé derrière un vocabulaire consensuel.
1. Piloter, ce n'est pas mesurer
Dans la plupart des organisations que je rencontre, on mesure beaucoup et on pilote peu. Les tableaux de bord s'allongent, les cubes OLAP se multiplient, les dashboards se démultiplient. Et pourtant, quand j'interroge les dirigeants sur la dernière décision effectivement prise grâce à un indicateur, le silence s'installe souvent pendant quelques secondes. Mesurer est devenu un réflexe ; décider reste un acte rare.
La donnée n'a pas de valeur intrinsèque. Elle n'en acquiert qu'au moment où elle modifie une décision qui, sans elle, aurait été prise autrement. Un indicateur qui ne change jamais de comportement chez ses lecteurs est, au sens strict, un coût sans contrepartie. C'est la raison pour laquelle je commence presque toutes mes missions par la même question : quelles décisions cherchez-vous à éclairer ? La réponse est souvent floue, parfois même embarrassée. Mais elle est le seul point de départ qui permet de construire un pilotage utile plutôt qu'un reporting décoratif.
Dit autrement : on ne pilote pas une organisation comme on surveille un thermomètre. On pilote pour agir. Quand la mesure précède l'intention d'agir, elle produit de la documentation ; elle ne produit pas de décision.
2. Le dialogue de gestion précède le tableau de bord
C'est la conviction que je défends avec le plus d'obstination, parce qu'elle est celle qui rencontre le plus de résistance. Un chiffre sans conversation ne décide rien. L'indicateur est un support ; la décision est un acte collectif. Ce qui transforme réellement une organisation, ce n'est pas la qualité de ses dashboards, c'est la régularité et la franchise du dialogue de gestion qui les entoure.
J'ai vu des PME sans aucun outil BI mais avec un rituel mensuel solide entre dirigeant et responsables opérationnels produire de meilleures décisions que des ETI équipées de plateformes à six chiffres. Ce qui fait la différence, c'est la discipline de se poser ensemble, chaque mois, devant les mêmes chiffres, avec un ordre du jour stable et la liberté de dire ce qui ne va pas. Cette discipline n'a presque aucun coût. Elle est pourtant l'un des leviers les plus puissants du pilotage.
Construire un outil avant d'avoir installé ce rituel, c'est presque toujours une erreur de séquence. Parce que l'outil sans rituel devient un musée d'indicateurs. Parce que le rituel sans outil peut déjà produire 70 % de la valeur visée. Et parce que l'outil, quand il arrivera, servira mieux s'il répond à des questions déjà posées plutôt que de chercher à créer ses propres usages.
3. La maturité data se construit par paliers — jamais par sauts
La promesse marketing des éditeurs est claire : passer directement de l'intuition à l'IA prédictive en 90 jours. La réalité des organisations, elle, suit un chemin plus lent : intuitif, puis descriptif, puis diagnostic, puis prédictif, puis prescriptif. Chaque palier repose sur le précédent. Sauter un barreau, c'est construire sur du vide.
Une organisation qui décide à l'intuition ne passera pas à l'IA prédictive. Elle passera d'abord par une phase où elle apprend à produire un reporting descriptif fiable, puis à diagnostiquer les écarts, puis à projeter. Et c'est tant mieux. Parce que chaque palier développe des compétences — lire la donnée, la contester, en reconnaître les limites — qui ne se décrètent pas. L'industrie a mis un siècle à passer de l'empirisme taylorien au Six Sigma^[1]. Le pilotage par la donnée suit une trajectoire plus courte mais de même nature : celle d'un apprentissage organisationnel.
Concrètement, cela change la manière de concevoir un plan de route data. Plutôt que d'ambitionner le sommet de la pyramide en 24 mois, je travaille presque toujours avec les organisations sur un seul palier à la fois, avec un objectif de consolidation avant tout passage au suivant. C'est moins spectaculaire, beaucoup plus soutenable, et infiniment plus efficace dans la durée.
4. L'IA n'est pas un levier — c'est une infrastructure
Dans les discours actuels, l'intelligence artificielle est souvent présentée comme un levier : on l'active, on récolte des gains. Je crois que cette image est trompeuse. L'IA n'est pas un levier ponctuel qu'on actionne pour une tâche donnée ; elle est en train de devenir une infrastructure diffuse, au même titre que l'électricité ou le web l'ont été à leur époque. Sa valeur ne se mesure pas dans l'outil qui l'héberge ; elle se mesure dans la transformation des pratiques qu'elle rend possible.
L'étude MIT Sloan 2024 est édifiante sur ce point : 78 % des organisations utilisent l'IA, mais seulement 6 % en tirent un impact mesurable sur leur performance^[2]. Ce qui distingue ces 6 %, ce n'est pas la sophistication des modèles, c'est la qualité des fondations data, la maturité du pilotage existant et la capacité à déléguer progressivement. Autrement dit : ce sont les organisations déjà disciplinées qui profitent le plus de l'IA. Elle amplifie ce qui existe ; elle ne corrige pas ce qui manque.
La conséquence pratique est contre-intuitive : une organisation qui veut tirer profit de l'IA doit investir en priorité sur ce qui n'a pas l'air d'être de l'IA — la qualité des données, le dialogue de gestion, la clarté des décisions visées. Le reste viendra naturellement. La délégation à l'IA suit la même logique : on ne délègue bien que ce qu'on comprend déjà soi-même.
5. La dette technique du pilotage est le pire ennemi
Après le dialogue, c'est probablement la conviction que je défends avec le plus de constance. Simplifier avant d'ajouter. Dans la plupart des organisations matures, le vrai frein au pilotage n'est pas l'absence d'outils, c'est leur prolifération. Les reportings s'empilent, les fichiers Excel deviennent illisibles, les sources se multiplient et les équipes passent 50 % de leur temps à fiabiliser une donnée qu'elles ne peuvent plus analyser^[3].
J'ai consacré à ce sujet un article entier sur la dette technique du pilotage. L'idée centrale : comme en développement logiciel, la dette s'accumule silencieusement, par couches successives, sans qu'aucun acteur n'en soit individuellement responsable. Au bout de quelques années, le système devient incompréhensible, les utilisateurs reconstruisent leurs propres tableaux à côté, et le pilotage devient un coût plutôt qu'un levier.
La discipline consiste donc à rembourser régulièrement cette dette. Un audit annuel du portefeuille de reportings, une décision collective sur ce qu'on garde, fusionne ou supprime, un rituel de documentation minimal pour ce qui reste. Rien de spectaculaire. Simplement refuser le confort de l'empilement et assumer le coût politique de la suppression. Sans cette discipline, chaque nouvelle vague d'outils (IA comprise) alourdit un système déjà trop chargé.
6. Le scénario vaut mieux que la prévision
Depuis 2020, le monde a asséné une leçon dure aux planificateurs : l'incertitude n'est pas un bug, c'est une constante. Pandémie, énergie, taux, géopolitique, IA : les ruptures se sont enchaînées plus vite que les cycles budgétaires. Continuer à piloter avec une prévision unique — souvent optimiste, toujours fausse — revient à naviguer à l'estime dans le brouillard.
La réponse n'est pas de prévoir mieux. C'est de piloter par scénarios. Construire 2 ou 3 trajectoires exploitables, identifier les décisions robustes (celles qu'on prendrait dans tous les scénarios) et les décisions conditionnelles (celles qu'on déclenche à partir de signaux observables). C'est une technique connue des dirigeants militaires et des grands groupes depuis longtemps. Elle devient accessible aux PME et aux ETI grâce aux outils modernes de simulation.
Cette bascule de la prévision au scénario n'est pas seulement technique. C'est une bascule culturelle. Elle suppose d'accepter que l'avenir soit plural, que la planification soit un exercice d'hypothèses plutôt qu'une promesse, et que la valeur du pilotage se mesure à sa capacité à préparer l'organisation à plusieurs avenirs, pas à l'enfermer dans un seul.
7. La gouvernance data est une question de maturité organisationnelle, pas de DSI
La dernière conviction est probablement la plus mal comprise. Quand on parle gouvernance des données, la plupart des dirigeants imaginent un sujet technique : un CDO, un data catalog, des règles d'accès, une architecture. Tout cela existe et a son utilité. Mais le cœur du sujet est ailleurs.
La gouvernance, c'est qui décide quoi. Qui tranche quand deux métiers produisent le même indicateur avec deux chiffres différents. Qui arbitre quand un responsable demande un accès qu'un autre refuse. Qui valide que telle définition est la bonne. Ces questions ne se résolvent pas avec un outil ; elles se résolvent avec une instance, des règles du jeu et une culture de la décision explicite. C'est une affaire de comité, de compte-rendu et de responsabilité assumée, pas d'architecture logicielle.
L'étude Gartner 2024 confirme cette analyse : les organisations qui réussissent leur gouvernance data sont celles qui traitent le sujet comme un enjeu de management, portées par la direction générale, outillées ensuite par la DSI^[4]. Celles qui font l'inverse — confier le sujet à la DSI en premier lieu — produisent des architectures élégantes que les métiers contournent. Le même constat vaut pour les PME et les ETI, à l'échelle réduite : le premier acte de gouvernance est le plus souvent un simple tour de table mensuel où l'on arbitre les désaccords sur les chiffres.
En synthèse — ce qui relie ces sept convictions
En relisant ces sept points, un fil rouge apparaît. Toutes ces convictions tournent autour d'une même idée : le pilotage est d'abord une affaire humaine, ensuite une affaire d'outil. Les chiffres servent les décisions ; les décisions supposent des conversations ; les conversations supposent des rituels ; les rituels supposent une discipline collective. Tout le reste — IA, dashboards, modèles prédictifs, plateformes — est du câblage autour de cette colonne vertébrale.
C'est la raison pour laquelle je résiste depuis 17 ans à l'idée que tel ou tel outil va « transformer » le pilotage d'une organisation. Aucun outil ne transforme rien par lui-même. Ce qui transforme, c'est la décision d'une équipe dirigeante de s'asseoir régulièrement, honnêtement, autour de quelques chiffres soigneusement choisis, et d'accepter que ces chiffres modifient leurs choix^[5]. Les outils amplifient cette discipline quand elle existe ; ils la parodient quand elle n'existe pas.
La décennie qui s'ouvre va accélérer beaucoup de choses : la capacité à produire, à croiser, à anticiper. Elle n'accélérera pas la capacité à décider. Celle-là reste humaine, lente et exigeante. Notre travail, en tant que concepteurs d'outils ou conseils, consiste à faire en sorte que cette part humaine garde toute sa place — au cœur de systèmes de plus en plus rapides^[6].
Pour les dirigeants qui lisent ces lignes et se demandent par où commencer, la réponse tient en une phrase : installez d'abord le dialogue, outillez ensuite. Le reste suivra, dans l'ordre qui convient à votre organisation^[7]. Et si ce chemin vous intéresse, nous pouvons l'explorer ensemble à travers un diagnostic pilotage ou un cadrage stratégique data.
FAQ
Ces convictions sont-elles valables pour toutes les tailles d'organisation ?
Oui, dans leurs principes. Elles ont été forgées en travaillant aussi bien dans un CHU de plus de 8 000 agents que dans des PME de moins de 50 collaborateurs. Ce qui change avec la taille, c'est le degré de formalisation : une PME peut tenir un dialogue de gestion autour d'un café du lundi matin ; un groupe de 5 000 personnes doit l'outiller. Les principes demeurent, l'exécution s'adapte.
Par laquelle des sept convictions commencer concrètement ?
Par la deuxième : installer un dialogue de gestion, aussi modeste soit-il. Sans conversation régulière autour des chiffres, aucune des autres convictions ne tient. Un rituel mensuel de 60 minutes entre dirigeant et responsables opérationnels, avec 3 indicateurs et un ordre du jour stable, suffit à changer la trajectoire d'une organisation en moins d'un an.
Faut-il attendre d'avoir une équipe data pour appliquer ces convictions ?
Non, au contraire. La plupart des organisations avec qui je travaille ont 0 data scientist, 0 CDO et un contrôleur de gestion qui fait ce qu'il peut. Ces convictions sont conçues pour ces structures. Recruter un profil data sans avoir installé le dialogue de gestion, c'est mettre la charrue avant les bœufs : la nouvelle recrue passera son temps à produire des reportings que personne ne lit.
Qu'est-ce qui change vraiment avec l'arrivée de l'IA dans le pilotage ?
Deux choses : la vitesse de production des analyses et le coût marginal de l'exploration. Ce qui ne change pas : la nécessité de décider, la qualité des fondations data et la discipline du dialogue de gestion. L'IA est un amplificateur remarquable des organisations bien structurées, et un amplificateur redoutable du désordre des autres. Elle ne simplifie pas le pilotage ; elle le rend plus exigeant.
Ces convictions sont-elles réservées à la finance et au contrôle de gestion ?
Non. Elles s'appliquent à toute fonction qui produit des chiffres pour éclairer une décision : RH, supply chain, commercial, production, informatique. Le pilotage n'est pas un territoire métier, c'est une discipline transversale. D'ailleurs les meilleures pratiques circulent souvent d'un métier à l'autre : la planification capacitaire née en industrie inspire aujourd'hui les DRH ; la rigueur financière du cycle prévisionnel se transpose naturellement au pilotage opérationnel.
Sources
- George M., Lean Six Sigma — Combining Six Sigma Quality with Lean Speed, McGraw-Hill, 2002. Référence sur la progression par paliers d'une organisation vers la maîtrise de ses processus.
- MIT Sloan Management Review & Boston Consulting Group, The GenAI Divide — State of AI in Business, 2024. Étude sur l'écart d'impact entre l'adoption et la valeur effective de l'IA dans les entreprises.
- APQC, Open Standards Benchmarking — Finance Function Effectiveness, 2024. Sur la répartition du temps des équipes finance entre collecte, contrôle et analyse.
- Gartner, Data and Analytics Governance Survey, 2024. Sur les facteurs clés de succès de la gouvernance data dans les organisations matures.
- Muller J. Z., The Tyranny of Metrics, Princeton University Press, 2018. Lecture essentielle sur les dérives de l'accumulation d'indicateurs déconnectés des décisions.
- Kahneman D., Sibony O., Sunstein C., Noise — A Flaw in Human Judgment, Little Brown, 2021. Sur la part irréductiblement humaine de la décision et la manière de la structurer.
- INSEE, Les entreprises en France — Édition 2024. Données de référence sur la structure du tissu économique français (PME, ETI) et leur usage du numérique.
