Mesurer la performance est devenu un réflexe dans les organisations. Tableaux de bord, KPI, OKR, balanced scorecard... Les outils ne manquent pas. Pourtant, une étude Deloitte menée auprès de 14 000 répondants dans 95 pays révèle que seules 17 % des organisations estiment mesurer efficacement la valeur créée au-delà du simple suivi d'activité[1]. 17 %. Ça veut dire que 83 % des organisations mesurent... sans vraiment savoir quoi.
Le problème n'est pas le manque d'indicateurs. C'est souvent l'inverse : trop d'indicateurs, mal choisis, qui finissent par mesurer l'agitation plutôt que le résultat. Ce que j'observe en mission, c'est que les organisations confondent « mesurer beaucoup » et « mesurer bien ». Alors clarifions les notions, identifions les pièges, et voyons comment construire un système qui éclaire réellement la décision.
Quelle différence entre performance et efficience ?
Ces deux notions éclairent des dimensions distinctes du pilotage. Les confondre conduit à des choix de mesure inadéquats et, au final, à un pilotage bancal.
La performance mesure l'atteinte d'un objectif : a-t-on produit ce qu'on devait produire ? A-t-on atteint les cibles fixées ? C'est une mesure d'efficacité : faire les bonnes choses.
L'efficience mesure le rapport entre les résultats obtenus et les ressources mobilisées : a-t-on bien utilisé les moyens disponibles ? C'est une mesure d'optimisation : faire les choses de la bonne manière.
Pourquoi la distinction est-elle cruciale ?
Une organisation peut être performante sans être efficiente (elle atteint ses objectifs mais en consommant trop de ressources) ou efficiente sans être performante (elle optimise ses processus mais pas sur les bons sujets). Le pilotage complet suppose de suivre les deux dimensions.
J'ai vu ce schéma des dizaines de fois. Un service produit 100 % des reportings dans les délais (performance maximale), mais chaque reporting mobilise trois personnes pendant deux jours (efficience catastrophique). À l'inverse, une équipe qui produit ses reportings en deux heures grâce à l'automatisation mais ne répond qu'à la moitié des besoins des décideurs est efficiente sur la production, pas performante sur le service rendu.
Ce que montrent les études
McKinsey, dans une étude portant sur 1 800 grandes entreprises, montre que les organisations qui combinent investissement dans le capital humain et performance financière ont des revenus qui croissent 2 fois plus vite que celles focalisées uniquement sur la performance chiffrée[2]. Les études de productivité publiées par l'INSEE[7] vont dans le même sens : la qualité du travail (conditions, outils, formation, autonomie) produit de meilleurs résultats financiers que se contenter de fixer des objectifs chiffrés.
Combien d'indicateurs faut-il suivre ?
La réponse courte : moins qu'on ne le pense. La tentation du « toujours plus » est forte. Chaque partie prenante a ses besoins, chaque projet génère de nouveaux indicateurs… et le tableau de bord finit par ressembler à un cockpit d'avion que personne ne sait lire.
Le paradoxe de la mesure exhaustive
Gartner recommande de se limiter à 5 à 9 KPI par niveau de pilotage[3]. Au-delà, les rendements sont décroissants : les indicateurs supplémentaires diluent l'attention plus qu'ils n'éclairent la décision. Et même dans les organisations très instrumentées, l'analytique n'influence que 53 % des décisions[3]. La moitié des décisions se prend par l'expérience, le jugement, le dialogue — rappel utile que la mesure est un outil, pas une fin.
Multiplier les indicateurs donne l'illusion de la maîtrise. En réalité, au-delà d'un certain seuil, l'information noie le signal dans le bruit. Le décideur ne sait plus où regarder et finit par se fier à son intuition, ce qui revient au même que ne pas avoir d'indicateur.
Distinguer tableau de bord et reporting
Le tableau de bord est un outil de pilotage : quelques indicateurs clés, actualisés fréquemment, destinés à déclencher des actions. Le reporting est un outil de suivi : plus détaillé, plus exhaustif, consulté ponctuellement pour analyser ou rendre compte. Quand on essaie de faire les deux avec le même outil, on obtient un compromis insatisfaisant. La solution : séparer les deux usages et calibrer chacun pour sa fonction.
Le bon nombre dépend du niveau
Pour un comité de direction, 3 à 5 indicateurs stratégiques suffisent. Pour un responsable opérationnel, 5 à 9 couvrent les dimensions essentielles. Pour un analyste, le reporting détaillé peut contenir des dizaines d'indicateurs — mais ce n'est plus un tableau de bord, c'est un outil d'investigation. La règle reste la même à chaque niveau : chaque indicateur doit répondre à « quelle décision cela éclaire-t-il ? ». Si la réponse est vague, l'indicateur est de confort.
Quels sont les risques d'une mesure mal calibrée ?
Mesurer n'est pas neutre. La mesure influence les comportements, et pas toujours dans le sens souhaité. Trois types de risques méritent d'être identifiés.
L'effet Goodhart : quand la mesure devient l'objectif
La loi de Goodhart s'énonce simplement : « quand une mesure devient un objectif, elle cesse d'être une bonne mesure ». Jerry Muller, dans The Tyranny of Metrics[4], illustre les effets pervers avec des cas concrets :
- Des chirurgiens évalués sur leur taux de réussite qui refusent les cas complexes
- Des policiers incités sur les arrestations qui se concentrent sur les délits mineurs
- Des enseignants qui enseignent pour le test plutôt que pour l'apprentissage
Chaque exemple suit le même mécanisme : on optimise le KPI au lieu du résultat réel. Le chirurgien sélectionne ses patients, le policier gonfle ses statistiques. En contrôle de gestion, j'ai vu la même chose : un service évalué sur le respect de son budget sous-estime ses besoins pour afficher un écart favorable, au prix d'une construction budgétaire déconnectée de la réalité.
La confusion entre mesure de performance et mesure d'efficacité
Le CNA (Center for Naval Analyses) distingue les mesures d'efficacité (pertinentes mais difficiles à mesurer) des mesures de performance (faciles à mesurer mais faciles à détourner)[5]. Les organisations se rabattent systématiquement sur les secondes. Le nombre de réunions est facile à compter, il ne dit rien sur la qualité des décisions. La mesure facile est rassurante, mais elle peut être trompeuse.
Le coût humain de la sur-mesure
La mesure permanente a un coût humain. Quand chaque action est tracée, les équipes développent des comportements défensifs : l'énergie se déplace de « faire bien » vers « paraître bien ». Les systèmes de mesure excessifs signalent un déficit de confiance, et ce signal devient auto-réalisateur : moins on fait confiance, plus on mesure ; plus on mesure, moins les équipes se sentent dignes de confiance. Le bon système informe sans surveiller, éclaire sans étouffer.
Comment ont évolué les grands cadres de mesure ?
Les outils de mesure de la performance évoluent, et comprendre leur trajectoire aide à choisir le bon cadre pour sa propre organisation.
Le Balanced Scorecard : de l'engouement à la maturité
Conçu par Kaplan et Norton dans les années 1990, le Balanced Scorecard reste pertinent quand il est utilisé pour ce qu'il est : un cadre de dialogue entre les quatre dimensions de la performance (financière, clients, processus, apprentissage). Son échec le plus courant est sa réduction à un simple tableau de bord, vidé de la réflexion stratégique qui lui donne son sens.
Les OKR : la promesse de l'alignement
Les OKR (Objectives and Key Results), popularisés par Google, reposent sur une structure simple : un objectif qualitatif (« améliorer l'expérience client ») assorti de 2 à 5 résultats clés mesurables (« réduire le délai de réponse de 48h à 24h »). Cette structure force la clarté et l'alignement, mais elle ne fonctionne que si les objectifs sont choisis avec soin et si les résultats clés mesurent ce qui compte, pas ce qui est facile à compter.
Le point commun
Aucun cadre de mesure ne fonctionne en mode automatique. C'est toujours la qualité du dialogue autour des indicateurs qui fait la différence. Un BSC rempli sans discussion est une coquille vide ; des OKR fixés sans débat sont des objectifs imposés déguisés en co-construction. Un système imparfait mais compris et discuté vaudra toujours mieux qu'un système élégant mais ignoré. Le cadrage stratégique doit prendre en compte cette dimension humaine, pas seulement la dimension technique.
Comment construire un système de mesure qui éclaire sans déformer ?
La construction d'un bon système de mesure n'est pas un exercice technique. C'est un exercice de discernement. Voici les principes qui guident une démarche réussie.
Partir des décisions
Avant de choisir un indicateur, une seule question : « quelle décision cet indicateur éclairera-t-il ? ». Si la réponse est précise (« me dire s'il faut recruter au prochain trimestre »), l'indicateur a sa place. Si elle est floue, il est de confort. Cette approche inverse la logique habituelle : au lieu de partir des données disponibles, on part des décisions et on cherche les données nécessaires. Le ratio entre le temps de production et l'intérêt décisionnel doit guider toute la réflexion.
Distinguer performance et efficience dans les indicateurs
Pour chaque indicateur de performance (taux d'atteinte, volume produit, délai respecté), prévoir un indicateur d'efficience associé (coût par unité, temps consacré, ressources mobilisées). Ce couple donne une image complète que ni l'un ni l'autre ne fournit seul. Le suivi de la masse salariale illustre cette logique : mesurer le respect du budget sans mesurer le taux de remplacement donne une vision incomplète. Le budget peut être respecté grâce à des non-remplacements qui dégradent la qualité de service.
Limiter le nombre
5 à 9 indicateurs par niveau de pilotage. Si le besoin d'exhaustivité existe, c'est un reporting qu'il faut construire, pas un tableau de bord plus gros. Cette discipline est difficile mais nécessaire pour préserver la lisibilité.
Varier les types de mesure
Combiner indicateurs de résultat (performance passée) et indicateurs avancés (signaux de performance future). Un turnover qui monte annonce un problème à venir (la DARES publie des séries longues utiles pour calibrer ce type de signal[6]) ; une satisfaction qui baisse signale une dégradation avant qu'elle n'apparaisse dans les chiffres. Les indicateurs avancés sont les plus précieux et les moins suivis — ils offrent quelque chose que les indicateurs de résultat ne donnent pas : du temps pour agir.
Discuter les chiffres
Un indicateur qui n'est jamais discuté est un indicateur mort. Produire un tableau de bord et l'envoyer par email ne suffit pas. Il faut créer les espaces où les chiffres sont lus ensemble, interprétés, questionnés, contextualisés. C'est dans cette discussion que le sens émerge.
Accepter les zones d'ombre
Un bon système de mesure reconnaît ses limites. Certaines dimensions (climat social, capacité d'innovation, résilience) se prêtent mal à la quantification. Les ignorer serait une erreur ; les mesurer grossièrement serait pire. La solution : les aborder par d'autres moyens (entretiens, retours terrain, signaux qualitatifs) et les intégrer au dialogue de pilotage sans prétendre les réduire à un chiffre.
Quel rôle pour les outils dans la mesure de la performance ?
La question de l'outillage vient après celle du cadre de mesure, pas avant. Trop de projets commencent par le choix de l'outil, alors que la question fondamentale est : que veut-on mesurer et pourquoi ?
L'outil doit servir le cadre, pas l'inverse
Un outil de BI ou un logiciel de pilotage ne résout pas un problème de choix d'indicateurs. Il facilite leur production et leur diffusion, ce qui n'a de valeur que si les indicateurs choisis sont les bons. Déployer un outil sophistiqué pour diffuser des indicateurs non pertinents revient à automatiser un problème.
À titre d'exemple, l'outil Hospi-Diag (ANAP / ATIH) propose 69 indicateurs couvrant 5 axes (qualité, pratiques, organisation, RH, finances) pour 1 350 établissements. Sa valeur dépend entièrement de la manière dont chaque structure s'en empare : vrai outil de pilotage dans certaines, simple exercice de cases à cocher dans d'autres.
L'IA comme levier de lecture
L'IA apporte une dimension nouvelle : analyser des volumes d'indicateurs que l'humain ne traite plus seul, détecter des corrélations non évidentes, anticiper des tendances. Elle est un amplificateur : elle renforce la qualité du cadre de mesure s'il est bien conçu, et amplifie ses défauts dans le cas contraire. La question n'est pas « faut-il utiliser l'IA ? » mais « notre cadre est-il suffisamment solide pour que l'IA l'enrichisse utilement ? ».
Comment adapter le système de mesure à la taille de l'organisation ?
Les principes sont les mêmes quelle que soit la taille. Mais la mise en œuvre diffère significativement.
Grandes organisations
Le défi principal est la cohérence. Avec plusieurs niveaux hiérarchiques, des dizaines de services et des systèmes d'information hétérogènes, le risque est la prolifération d'indicateurs non coordonnés. Chaque service crée ses propres mesures, qui ne s'articulent pas avec celles des autres. Le résultat est une cacophonie de chiffres qui donne l'illusion de la mesure sans permettre le pilotage. Le benchmarking interne peut être un levier pour harmoniser les pratiques de mesure entre entités comparables.
Structures moyennes
Le défi est l'arbitrage. Avec des ressources limitées pour produire et analyser les indicateurs, chaque mesure doit justifier son coût de production. C'est le terrain où la distinction entre essentiel et accessoire est la plus critique, et où un diagnostic du pilotage apporte le plus de valeur.
Petites structures
Le défi est la régularité. Même une petite structure gagne à clarifier 3 à 5 indicateurs essentiels. L'enjeu n'est pas la formalisation lourde mais la capacité à prendre du recul régulièrement sur quelques métriques qui comptent vraiment. Un tableau suivi chaque mois vaut mieux qu'un système ambitieux consulté deux fois par an.
Questions fréquentes
KPI, OKR... c'est quoi la différence ?
Un KPI mesure une performance de manière continue (ex : taux d'absentéisme). Un OKR définit un objectif qualitatif assorti de résultats clés mesurables sur une période donnée (ex : « améliorer les conditions de travail » mesuré par « réduction de 15 % des arrêts courts en 6 mois »). Les KPI suivent le quotidien, les OKR portent le changement. Les deux sont complémentaires.
Comment éviter que les indicateurs faussent les comportements ?
En ne liant pas mécaniquement un indicateur à une récompense ou une sanction. En croisant plusieurs indicateurs plutôt qu'un seul. Et en gardant toujours un espace de dialogue où le contexte derrière le chiffre peut être expliqué. L'indicateur éclaire, il ne juge pas.
Les petites structures, ça les concerne aussi ?
Même une petite structure gagne à clarifier 3 à 5 indicateurs essentiels. L'enjeu n'est pas la formalisation lourde mais la capacité à prendre du recul régulièrement sur quelques métriques qui comptent vraiment. Un tableau suivi chaque mois vaut mieux qu'un système ambitieux consulté deux fois par an.
Comment impliquer les équipes dans le choix ?
En leur posant la question qui compte : « de quoi avez-vous besoin pour mieux faire votre travail ? ». Les indicateurs qui émergent sont rarement les mêmes que ceux imposés par la direction. Ils sont souvent plus concrets, plus opérationnels, et surtout, ils seront utilisés parce qu'ils répondent à un besoin réel.
L'IA peut-elle gérer la mesure de performance ?
L'IA peut automatiser la production et l'analyse des indicateurs, détecter des anomalies et suggérer des tendances. Mais la définition de ce qui est « performant » reste un choix humain, ancré dans la stratégie et les valeurs de l'organisation. Déléguer à l'IA la production, oui. Lui déléguer le jugement, c'est prématuré.
- Deloitte, Global Human Capital Trends 2024, 14 000 répondants, 95 pays.
- McKinsey Global Institute, Performance through People, février 2023. 1 800 grandes entreprises, 15 pays.
- Gartner, How to Measure Digital Transformation Progress, 2022 ; Marketing Analytics Survey, septembre 2022.
- Jerry Z. Muller, The Tyranny of Metrics, Princeton University Press, 2018.
- CNA, Goodhart's Law: Recognizing and Mitigating Manipulation of Measures in Analysis, septembre 2022.
- DARES, Analyses, séries longues sur le turnover, l'absentéisme et la structure d'emploi dans les entreprises françaises.
- INSEE, études sur la productivité du travail et le lien avec les investissements en capital humain (conditions, formation, autonomie).
Repenser votre système de mesure ?
Évaluons ensemble la pertinence de vos indicateurs, l'équilibre performance/efficience et la qualité du dialogue autour de vos chiffres.
Échanger sur mon projet