Stop au data washing : pensez stratégie business et impact humain dans votre transformation data
Une stratégie business, des échecs : stop au data washing
Selon Gartner, 85 % des projets data sont des échecs. Ce chiffre énorme met en lumière la difficulté pour les entreprises à s’approprier cette technologie pour créer de la valeur. De nombreuses raisons expliquent ce taux d’échecs : une mauvaise stratégie data, un manque d’acculturation, une mauvaise prise en compte des besoins des utilisateurs, … Mais il y a deux éléments qui nous semblent très importants dans la réussite de la transformation data chez Yakadata : la stratégie de l’entreprise et l’aspect humain.
Parlons déjà de la stratégie business de l’entreprise (ou de l’entité si on se trouve dans une grosse entreprise). Cette dernière est un pilier déterminant pour pouvoir découler une stratégie data qui soutienne la stratégie business. En effet, toute initiative data et IA qui n’est pas reliée directement ou indirectement à un axe stratégique de l’entreprise a un avenir plus qu’incertain.
C’est dans ce cadre qu’on peut voir apparaître du « data washing » (à l’image du green washing pour le aspects écologiques). Cela correspond à des personnes de l’entreprise qui voudront mettre en avant le fait qu’ils utilisent de la data et de l’Intelligence Artificielle. Or, ils ne l’appliquent qu’à des cas non essentiels et non porteurs de valeur pour le business. C’est comme lorsqu’on dit que son entreprise est écologique alors qu’on a mis à disposition des employés des gobelets réutilisables. Pour vraiment réaliser sa transformation, il faut miser sur des sujets stratégiques. Et nous allons voir dans la partie suivante pourquoi ça demande de prendre en compte l’aspect humain.
Pourquoi concilier data, stratégie et impact humain ?
Dans une transformation data & IA, on veut embarquer largement. En effet, ce n’est pas comme le déploiement d’un nouvel outil simple comme la suite Office. Si c’était le cas, il suffirait de mettre l’outil à disposition, faire les formations, et ainsi de suite. Dans la data et l’IA, c’est tout un éventail de technologies et d’outils qu’on peut utiliser. C’est donc dès le départ une tâche qui met l’humain au centre. En effet, l’idée n’est pas, sauf exception, de pousser une solution prête à l’emploi. L’idée est plutôt de comprendre finement le fonctionnement de l’entreprise pour créer de la valeur. Et qui est mieux placé pour identifier cette valeur que les employés eux-mêmes ?
Comme expliqué dans la partie précédente, la stratégie data n’a de sens que si elle traite des axes importants pour le business de l’entreprise. C’est une condition nécessaire pour la réussite mais pas suffisante. Par exemple, imaginons une entreprise qui veut automatiser certaines tâches stratégiques par l’IA. Cette tâche peut permettre d’être plus efficace opérationnellement mais demande plus d’efforts aux employés notamment dans la phase d’apprentissage (champs à remplir, manipulations supplémentaires, …). Dans ce cas, le cas d’usage trouvé et la façon de la traiter ont un impact stratégique positif mais un impact humain négatif. Il y a fort à parier que le cas d’usage sera un échec, surtout si il est vu comme un moyen de remplacer les employés.
Pour maximiser les chances de réussite de sa transformation data & IA, il faut donc concilier l’impact pour l’entreprise avec l’impact pour les employés. Les cas qui auront le plus de chance d’aboutir rapidement seront ceux qui auront un impact positif sur les deux aspects.
Comment les intégrer pour augmenter la réussite des projets data ?
Il ne faut pas attendre pour intégrer les aspect humain et stratégie dans sa transformation data. Dès les étapes d’inspiration, on peut montrer sur des cas d’usage existants la valeur créée pour l’entreprise et l’impact ou la valeur pour les employés. Ensuite, sur le phase d’émergence de cas d’usages, chez Yakadata, nous conseillons d’intégrer sur le template de proposition de cas d’usage les aspects stratégiques et impact humain. Même si ce n’est pas décrit de façon très précise, le simple fait de se poser la question dès le départ est précieux. N’hésitez pas d’ailleurs à demander notre template à la fin de cette page.
Une fois ces éléments identifiés, il s’agit de les détailler, raffiner au fur et à mesure de la réalisation du cas d’usage. Pour cela, nous utilisons souvent chez Yakadata une approche de type « Minimum Viable Product » (MVP). On peut le faire pour tester l’appétence des utilisateurs à effectuer certaines tâches. On peut également y avoir recours pour tester la facilité ou la pénibilité d’utilisation. Dans tous les cas il ne faut pas attendre d’avoir finalisé une version totalement propre des outils pour les faire tester. Il faut apprendre en faisant.
Enfin, il faut mettre des indicateurs pour mesurer le succès des cas d’usage. Ces indicateurs doivent prendre en compte aussi bien la réalisation de la valeur pour l’entreprise que l’impact humain sur les employés. Pour ce dernier élément, on pourra considérer en fonction des cas le temps gagné par les utilisateurs, ou même leur satisfaction.
Demandez le template d'émergence de cas d'usage de Yakadata
Pour aller plus loin
Cet article a été écrit par Jean-François Deldon : jfdeldon@yakadata.com
Pour voir comment tout cela peut servir à votre business, réservez un prédiagnostic gratuit
