Onze ouvertures en six mois. C’est le compteur d’accès du tableau de bord commandé l’année précédente par ce grossiste en fournitures pour la restauration installé à Chelles, cent dix-huit salariés, un peu moins de trois mille clients actifs. Quarante indicateurs, des couleurs, une actualisation quotidienne, et personne pour le regarder. L’outil n’était pas mauvais. Il ne répondait à aucune question que quelqu’un se posait vraiment, et c’est le point de départ du travail d’un expert IA en data analytics des PME.
Pourquoi les tableaux de bord finissent oubliés
Trois causes reviennent, toujours les mêmes.
Le tableau a été conçu à partir de ce que le logiciel savait produire, et non à partir de ce que la direction avait besoin de décider. Il affiche des indicateurs qui n’appellent aucune action : savoir que le chiffre d’affaires a progressé de deux pour cent ne dit à personne quoi faire lundi matin. Enfin, il n’a pas de propriétaire, donc personne ne le corrige quand un chiffre devient faux, et la première erreur repérée par un commercial suffit à discréditer l’ensemble pour de bon.
Un indicateur sans décision associée est une décoration coûteuse.
Partir des décisions, pas des données
Nous demandons au dirigeant de formuler trois questions auxquelles il aimerait pouvoir répondre chaque semaine. Pas dix, trois. À Chelles, elles se sont imposées en une demi-heure : quels clients consomment de la marge sans qu’on s’en aperçoive, quelles références dorment en stock depuis plus d’un trimestre, et quels comptes ont commencé à réduire leurs commandes sans rien dire.
Ces trois questions ont une propriété commune : chacune débouche sur une action concrète, une renégociation, un déstockage, un appel du commercial. C’est le critère de tri. Une question qui ne débouche sur rien ne mérite pas qu’on construise une chaîne de traitement pour y répondre, même si la donnée est disponible et le graphique séduisant.
Le travail ingrat des définitions
Vient ensuite l’étape que personne n’anticipe. Qu’est-ce qu’un client actif ? Celui qui a commandé une fois dans l’année, ou celui qui commande tous les mois ? Le chiffre d’affaires s’entend-il avant ou après remises de fin d’année ? Une commande annulée puis repassée compte-t-elle pour une ou pour deux ?
Tant que ces définitions ne sont pas écrites et validées, deux services arriveront en réunion avec deux chiffres différents, et la réunion portera sur les chiffres au lieu de porter sur le sujet. Nous consacrons régulièrement une demi-journée entière à ce seul travail. Les dirigeants la trouvent longue sur le moment, puis la citent comme le moment utile de la mission six mois plus tard. Un glossaire de quinze lignes, affiché à côté du tableau de bord, règle des années de discussions stériles.
Ce que l’intelligence artificielle apporte par-dessus
Une fois les définitions posées et les sources raccordées, quatre traitements se révèlent rentables dans une PME de cette taille.
- La segmentation automatique des clients selon leur comportement d’achat réel, qui ne correspond presque jamais au découpage commercial hérité de l’histoire de l’entreprise.
- La détection des baisses d’activité, silencieuses par nature. Un restaurant qui espace ses commandes de trois jours ne prévient personne, et la perte se constate au trimestre suivant.
- La prévision de la demande sur les références à forte saisonnalité, utile pour les achats, à condition d’avoir au moins deux ou trois cycles complets d’historique.
- L’interrogation en langage courant, qui permet à un responsable de secteur d’obtenir une réponse chiffrée sans passer par la personne qui maîtrise les extractions.
Le troisième point a nourri une priorisation commerciale confiée à Prospect’IA : plutôt qu’une liste d’appels par ordre alphabétique, le commercial reçoit chaque lundi les quinze comptes qui méritent son attention cette semaine-là, avec le motif. Les données de sollicitation du support téléphonique alimentent la même logique, sujet que nous détaillons dans notre article sur le chatbot IA au service du support technique.
Une remarque sur la forme, qui a plus d’effet qu’on ne l’imagine. Un résultat envoyé automatiquement le lundi à sept heures dans la boîte du responsable concerné est consulté ; le même résultat rangé derrière trois clics dans un portail ne l’est pas. Nous poussons donc l’information vers les gens plutôt que d’attendre qu’ils viennent la chercher, et nous supprimons sans état d’âme les envois que personne n’ouvre au bout de deux mois.
Quatre pièges à connaître
Une donnée sale produit une analyse fausse, présentée avec la même assurance qu’une analyse juste. C’est le danger principal, et il justifie de commencer par un audit rapide de la qualité des saisies plutôt que par l’achat d’un outil.
La corrélation, ensuite, que les tableaux mettent en évidence sans jamais expliquer. Deux courbes qui montent ensemble n’ont pas nécessairement de rapport, et une entreprise a déjà réorganisé une tournée de livraison sur la foi d’un lien qui n’existait pas. La prévision, ensuite, qui suppose que demain ressemble à hier : une rupture d’approvisionnement, un changement réglementaire ou la fermeture d’un concurrent rendent le modèle muet, et un expert IA en data analytics de PME honnête le signale au lieu de laisser croire à une boule de cristal. Le scoring des clients, enfin, qui reste un traitement de données personnelles dès qu’il porte sur des personnes physiques et doit être documenté comme tel.
Une première boucle en six semaines
Une question, une source, un utilisateur. Voilà le format que nous recommandons pour démarrer. Le grossiste de Chelles a commencé par la seule question du stock dormant, alimentée par son logiciel de gestion commerciale, avec la responsable des achats comme unique utilisatrice. Six semaines entre le premier entretien et la première décision prise à partir du résultat, en l’occurrence une opération de déstockage sur quatre-vingts références.
Deux conditions rendent cette boucle courte possible. Une personne qui accepte de dire ce qui lui manque et de critiquer les premières versions sans ménagement. Et un minimum de vocabulaire commun, que la formation Initiation IA installe en une journée pour l’ensemble des participants, prise en charge possible par votre opérateur de compétences à l’appui.
Le reste s’ajoute ensuite, question par question, en gardant la même discipline. Ce métier n’a rien de magique : il consiste à ranger, définir, mesurer, puis à accepter d’être contredit par les chiffres. MINOBIA accompagne les PME et ETI franciliennes sur ce chemin, en commençant systématiquement par ce qu’elles ont déjà, et non par ce qu’il faudrait acheter.
Questions fréquentes
Faut-il un entrepôt de données pour commencer ?
Pas pour une première boucle. Une extraction régulière de votre logiciel de gestion suffit largement. L’entrepôt se justifie quand plusieurs sources doivent être croisées durablement.
Nos données sont incomplètes, est-ce bloquant ?
Cela dépend du champ concerné. Une famille d’articles mal renseignée sur un tiers du catalogue interdit certaines analyses et pas d’autres. Nous le vérifions avant de promettre quoi que ce soit.
Qui doit utiliser ces analyses au quotidien ?
Les responsables opérationnels, pas uniquement la direction. Un indicateur consulté seulement en comité de direction ne change jamais les pratiques sur le terrain.
Combien coûte le maintien dans le temps ?
Peu en licences, davantage en attention. Comptez une demi-journée par mois pour vérifier la cohérence des chiffres et retirer ce qui ne sert plus.
Peut-on interroger ses données en langage courant sans risque ?
À condition de restreindre le périmètre interrogeable et de conserver un journal des questions posées. La commodité ne doit pas ouvrir l’accès à tout le monde sur tout.
Formez vos équipes à l’IA et au data analytics
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
