Yves Cointrelle , Homsys : « en matière d’EIM l’enjeu clé repose sur la confiance dans le système »

Au niveau des utilisateurs finaux quels sont les enjeux en termes de qualité et de fiabilité des données ? Le premier enjeu est celui de la confiance que l’on peut avoir dans les informations transmises. La quantité d’information a explosé et pour parvenir à en sortir un ensemble pertinent,  il faut se doter d’une véritable stratégie orientée sur la valeur ajoutée. Un autre point est celui du temps, puisque le temps disponible pour analyser et comprendre ces données s’est considérablement réduit. Le système doit répondre quasiment instantanément là où auparavant on était sur des cycles quasiment comptables. Ces deux phénomènes permettent évidemment de prendre plus de décisions, mais ils portent également en eux un risque plus important d’erreurs. Du coup, les utilisateurs en entreprise disent souvent « j’ai bien compris que désormais la donnée était fraiche mais le système d’information me garanti-t-il sa fiabilité et celle de sa source ? » Il s’agit vraiment de l’enjeu clé : « je sais que je peu atteindre une quantité importante de données en quasi temps réel mais quelle confiance puis-je accorder à l’information pour prendre ma décision ? » Dans ce contexte, quels sont les cas d’usage les plus fréquemment rencontrés dans les entreprises actuellement en matière d’exploitation des données ? Et par conséquent quels sont les axes de création de valeur autour de la donnée en termes de business ? Pour les entreprises du secteur privé, la fiabilité est surtout recherchée au niveau de la finance et des ventes. Il s’agit de viabiliser les outils de gestion afin d’être sûr de prendre les bonnes décisions, bien documentées, dès lors qu’il s’agit de parler de centres de coûts, de rentabilité ou d’accroissement de chiffre d’affaires. Dans le secteur public, les intérêts rencontrés sont un peu différents. Les enjeux peuvent bien sur être d’ordre financier ou budgétaire mais on a également des logiques fortes coté Ressources Humaines avec des critères de qualité très importants pesant sur les données dans le cadre notamment de l’accompagnement à la gestion de carrière par les services RH des différentes administrations. Mais quel que soit le cas d’usage, l’idée est au final de pouvoir mettre en évidence des événements pas nécessairement flagrants et de pouvoir les exploiter dans le cadre de stratégies humaines, financières ou commerciales. Cela demeure l’enjeu majeur du décisionnel depuis une vingtaine d’années.

On a souvent tendance à se focaliser sur les technologies mais la méthodologie apparait comme prépondérante dans le déploiement et surtout la réussite d’un projet d’EIM. Quel est son poids réel ? Je crois que l’on peut prendre l’exemple de l’automobile pour établir un parallèle en regardant notamment ce qu’ont fait les japonais dans les années 80 en instaurant les cercles de qualité sur la chaine de montage. Cela nous montre que la qualité doit se décréter certes, mais elle doit surtout se mettre en œuvre, puis faire l’objet d’un suivi. D’accord pour parler de qualité mais où, comment et quel suivi pour l’assurer dans le temps afin qu’il n’y ait pas de dégradation voire même, pour pouvoir apporter des améliorations dans un contexte de production décisionnelle. On a donc à faire à un processus complexe, itératif et cyclique pour lequel on doit déterminer des seuils que l’on doit améliorer en permanence pour tendre vers les 100 % de qualité. Ceci doit donc naturellement faire l’objet d’une méthodologie devant permettre d’être constant dans l’effort, en intégrant des tâches d’analyse, de supervision, de mise en œuvre, de contrôle et de définition d’indicateurs et de seuils. L’ensemble de ces critères fait qu’avec une vigilance permanente, on peut et l’on doit améliorer son niveau de qualité. On le voit aujourd’hui dans les facteurs de compétitivité pour reprendre l’image de l’automobile : certaines entreprises de ce secteur ont tellement élevé leur niveau de qualité qu’en dépit d’un coût supérieur de 30 à 40% par rapport à leurs concurrentes, elles continuent de vendre leurs produits, profitant au final à plein de l’élévation de leur niveau de qualité. Le même phénomène s’impose en termes d’analyse sur les données de l’entreprise.

Par rapport aux outils dont vous disposez actuellement comment adressez-vous la problématique du Big Data ? Surtout, ces outils ont-ils aujourd’hui atteint un niveau de maturité suffisant par rapport aux besoins ? La réponse est clairement oui .La problématique du Big Data peut d’ores et déjà être adressée. Historiquement qui faisait du Big Data ? Les opérateurs télécoms, les VPCistes, le domaine bancaire… et pour y arriver ils devaient dépenser des sommes très importantes tant pour l’acquisition de données que pour leur stockage ou leur exploitation. On parle là d’investissements massifs de plusieurs millions voire, dans certains cas, de dizaines de millions d’euros. Pour avoir fait l’expérience dans le domaine des compagnies aériennes, je sais que les budgets demeurent importants. Mais toutes les technologies historiques étaient totalement inaccessibles pour, par exemple, des start-up dans le e-commerce du type CDiscount ou Pixmania. Sans un investissement lourd, il était impossible de mener à bien des projets reposant sur ces outils. Aujourd’hui, avec les nouvelles technologies de stockage, de bases de données en mémoire ou moteur parallèle, d’acquisition ou de génération de la qualité de données - comme le démontre SAP avec ses technologies Data Services ou Data Steward - on peut vraiment adresser ces problématiques, avec de très importants gains de coûts et de performances. Toutes les technologies sont désormais disponibles.