Le digital et la technique

Introduction

Nous l’avons vu dans le chapitre précédent, la technique est bien une composante systémique du digital et elle doit même être data centric. « De l’autre côté du miroir », le terme « technique », sous-entend la « data » et tout ce qui lui est associé. En effet, pour réussir une transformation digitale, il faut impérativement prendre en compte les données, les faire « parler » et travailler notre patrimoine « data ». La data est effectivement un patrimoine et doit être considérée comme un actif important de l’entreprise.

L’association entre la data et le pétrole¹ a été popularisée durant le forum de Davos (Forum Economique Mondial ou FEM, fondation à but non lucratif dont le siège est à Genève) qui prédisait que « le Big data constituait désormais une nouvelle ressource, comparable au pétrole sur le plan économique ». Sans vouloir entrer dans le débat du lien entre la donnée et le pétrole², cette phrase illustre parfaitement l’importance que la donnée doit avoir dans nos entreprises et nos organisations. Pour en être convaincus, regardons quelques chiffres :

Comprendre la data

Nous en parlons souvent, mais savons-nous exactement ce que c’est  ? À en croire Wikipédia, une donnée, en informatique, « est la représentation d’une information dans un programme (…) Les données peuvent être conservées et classées sous différentes formes : textuelles (chaîne), numériques, images, sons, etc. »⁹. Voici une définition simple et assez pragmatique. Cependant, nous permet-elle de bien comprendre toutes les notions qui y sont attachées ?

Entrer dans l’univers de la data, c’est un peu comme gravir une montagne. Elle est constituée de haut, de bas, de crevasses que nous devons éviter, elle peut être couverte de neige ou parsemée d’arbres… Disons-le, elle a son caractère. Ainsi, pour gravir cette montagne, il faut connaître notre environnement, mesurer nos compétences, se faire accompagner et bien entendu, connaître la réglementation. Nous ne partons pas faire l’ascension du Mont-Blanc sans préparation, sans équipement, ni sans un bon guide.

Représentation 1 de la data montagne

Deux éléments sont importants :

De même, pour gravir notre « data montagne », nous allons dans un premier temps nous focaliser sur les parties intrinsèques de la donnée. Pour ce faire, nous allons regarder trois aspects de la donnée :

De la data au Big data

Après avoir défini et étudié la data, nous pouvons aborder la notion de Big data. Bien souvent, nous passons très rapidement sur tous les concepts que nous venons de voir pour mettre en place un système Big data car nous préférons séparer ces deux notions : la data d’un côté et le Big data de l’autre. Combien de sujets Big data ou DMP ou encore data lake avons-nous lancés en pensant que cela va résoudre tous les problèmes de reporting ? Combien de fois avons-nous entendu : « avec le Big data, plus besoin de qualité ou autre car tout se fait en automatique » ? Ce terme semble être la réponse à tous les problèmes liés aux données. Ceci est accentué par la nébuleuse qui s’installe autour d’un certain nombre de termes pas toujours bien compris : deep learning, machine learning, data lake, DMP, Intelligence Artificielle, etc. Reconnaissons que nous aimons utiliser ces termes même si nous n’en maîtrisons pas véritablement le sens ; après tout « on se comprend, c’est le « machin » qui fait tout, tout seul ! ».

Mais le Big data engendre une sorte de méfiance ou du moins quelque chose de chimérique ; ce « je-ne-sais-quoi », probablement né de tous les films de science-fiction que nous avons pu voir, peut faire que cette notion nous dépasse et, du coup, nous fasse peur. Nous pourrions également nous dire : « ce sujet n’est pas pour nous car notre entreprise ne fait pas partie de ces grands groupes numériques qui ont un CA aussi gros que le PIB d’un pays ! » Nous ne sommes pas à même de le mettre en place et, de toute façon il faudrait dépenser des sommes faramineuses et un temps infini pour déployer quelque chose de trop futuriste, loin de nos problématiques actuelles.

Le Big data serait la solution idéale à tous nos problèmes, mais probablement trop à la pointe technologiquement parlant pour que nous puissions l’utiliser. Il est temps d’essayer d’y voir plus clair sur cette solution « magique ». Nous n’allons...

La data : quels défis ?

Nous l’avons vu, pour maîtriser la dimension technique du digital, il est important d’avoir une bonne compréhension des enjeux qui sont liés à la donnée. C’est ce que nous avons fait en travaillant la data alphabétisation. En maîtrisant mieux le contexte, nous serons plus sereins et pourrons nous dire : « allez c’est parti, on va implémenter tout ça ! ». Mais, avant de se lancer, il faut encore identifier quelques défis à relever pour éviter les risques d’échec car mettre en place tout un écosystème data, va nécessairement transformer votre organisation et la perception des sujets. Ainsi, il est important de bien identifier les points de blocage.

Le premier défi, nous le qualifierons de structurel. Ayant identifié le sujet comme technique, nous allons naturellement demander à la DSI d’implémenter la partie data. Nous savons qu’il ne suffira pas d’appuyer sur un bouton pour que tout fonctionne ! Ainsi, il faut se poser deux questions :

Cette dernière question peut paraître surprenante. En effet, dans notre organisation d’entreprise, nous savons bien que les sujets dits « informatiques » relèvent de la DSI et ce, depuis toujours, alors pourquoi se poser cette question ? C’est justement ce que nous allons essayer de comprendre dans cette section.

Le deuxième défi auquel nous devons faire face, nous le définirons comme organisationnel. Lorsque nous avons travaillé la data alphabétisation, nous avons évoqué de nombreux « nouveaux » rôles : Chief Data Officer (à ne pas confondre avec l’autre acronyme identique Chief Digital Officer), Data Stewart, Data Scientist, Dev Ops, Data Protection Officer, etc. Nous pourrions penser : « lançons-nous dans l’aventure et nous verrons bien comment nous intégrerons ces nouveaux postes. Au pire, nous...

La data : un avantage concurrentiel

Nous avons vu jusqu’ici ce qu’est la data, l’importance de mettre une structure, une organisation et les moyens qui permettront de traiter la donnée. Nous avons également évoqué les défis qui s’ouvrent lorsque nous voulons mettre en place une telle organisation. Mais il reste un point à évoquer et qui est bien souvent compliqué lorsque nous nous lançons dans cette aventure : pourquoi le faisons-nous ?

Nous aurions pu commencer par cette question mais il était nécessaire au préalable de bien comprendre cet univers et de démystifier le sujet. Nous découvrons ici un autre principe systémique que la technique a sur le business car, bien souvent, la première réponse à cette question est : « Pour faire du profit ! ». Mais quelque part, un peu comme dans la fable « Le laboureur et ses enfants » de Jean de La Fontaine (poète français), dans laquelle « le père fut sage de leur montrer, avant sa mort, que le travail est un trésor », le vrai « trésor » de la gestion des données n’est pas nécessairement dans la monétisation (ce que beaucoup de personnes pensent) mais dans toutes les actions mises en place pour structurer l’approche data. Nous en avons eu un premier aperçu lorsque nous avons parlé des usages : une bonne gestion des données nous permet de mieux analyser notre activité et, nous aide à prendre les bonnes décisions. Mais ceci, bien qu’essentiel, n’est qu’une partie de réponse à la question du « pourquoi ».

La data monétisation est la première réponse car la majorité des entreprises se sont fixé comme but de générer du profit. Vouloir rentabiliser le patrimoine data comme n’importe quel produit à vendre est donc évident et, la data monétisation est bien souvent la première raison pour se lancer dans l’aventure de la data. Mais elle peut être également la première désillusion et la principale raison d’un arrêt brut du projet. Il nous faut donc aborder...

Écosystème Data centric

Dans la section précédente, nous avons présenté une vue d’ensemble de l’univers de la donnée (la data alphabétisation) ainsi que les liens systémiques existant entre les univers technique, humain et business (la maîtrise de ces liens permet d’avoir une vision véritablement data oriented). J’aurais pu détailler plus mais il existe beaucoup de littératures sur ce sujet qui approfondissent chacun des points présentés ici. Ce que je souhaitais faire dans cet ouvrage c’est vous donner une vision globale de l’univers de la data pour vous aider à comprendre pourquoi il est si important de le mettre au coeur de votre stratégie. Nous avons également souvent évoqué l’importance de mettre en place un écosystème data centric, mais si vous comprenez bien maintenant l’intérêt et les enjeux de la data, savez-vous bien ce que nous signifie ce terme ?

Prenons un exemple : le texte ci-dessous est extrait d’un nouveau « code de conduite » écrit en 2020, d’une grande entreprise française à propos de la protection de ses actifs. Cette entreprise revendique le fait que la donnée est importante et qu’il faut absolument la mettre au cœur de sa stratégie. Toutefois, voici ce qui était mis dans la liste résumée sur les actifs de cette société :

Exemple d’actifs d’une grande entreprise

La donnée apparaît en 4^e position, après les fournitures, perdue dans la masse des biens incorporels et, là encore, listée après les logiciels. Pourtant, cette entreprise n’est pas un éditeur de logiciels. Malgré tout, la donnée est quand même citée comme actif, ce qui n’est malheureusement pas le cas pour toutes les entreprises. Cet exemple est un exemple parmi tant d’autres car hélas ceci est fréquent. Je regarde souvent les valeurs et les actifs qui sont affichés dans les entreprises où je dois intervenir, cela me donne un bon indice sur le niveau de maturité du point de vue de la data. N’hésitez pas à faire ce test sur votre entreprise, peut-être vous rendrez-vous...

Ce qu’il faut retenir

L’aspect technique du digital se réfère principalement à la notion de data. Il y a trois étapes à franchir.

La première étape consiste à dompter le databerg afin de diminuer la part des données inutilisées (comme les ROT ou les Dark Data) et de fournir le socle qui permettra d’aller plus loin. Cette première étape est ce que nous avons appelé la data alphabétisation.

Le databerg

La deuxième étape est de comprendre les enjeux associés et de bien identifier le principe systémique qu’il y a entre cette partie technique, l’humain et le business. Ce principe nécessite obligatoirement de revoir notre organisation et notre façon d’aborder ce sujet de manière générale. Vouloir s’appuyer sur ses croyances sans modifier son mode de fonctionnement risque à moyen/long terme d’aboutir à un échec. Pour passer « de l’autre côté du miroir » et embrasser cette transformation, il est très important d’avoir une démarche novatrice. Ainsi, vouloir impérativement confier ce sujet technique à la DSI peut être contre-productif. De même, vouloir impérativement tout externaliser car « ce n’est pas notre cœur...

Notes et références

¹ L’association de la data avec le pétrole ; cette association aurait été faite par David McCandless (né en 1971) qui aurait prononcé « Data, le nouveau pétrole ». David McCandle

ss est un journaliste anglais de données, spécialiste du design de l’information. Il est connu pour son ouvrage « Information is beautiful » (source Wikipédia).

² L’association de la data avec le pétrole, il peut y avoir quelques controverses concernant cette comparaison car en effet, la donnée n’est pas du pétrole. À lire : https://www.lesechos.fr/2017/12/les-donnees-ne-sont-pas-le-petrole-du-xxie-siecle-189755

³ « L’humanité produit actuellement en deux jours autant de données qu’elle en a produites pendant toute son histoire jusqu’en 2003 ». Article Les échos : http://archives.lesechos.fr/archives/2012/Enjeux/00294-036-ENJ.htm ou libération https://www.liberation.fr/futurs/2012/12/03/donnees-le-vertige_864585

⁴ La sphère mondiale de données passera de 33 Zettaoctets (Zo) en 2018 à 175 Zo. Livre blanc consultable ici : https://www.seagate.com/fr/fr/our-story/data-age-2025/

⁵  En 2020, il y a près de 4,54 milliards d’internautes à travers le monde (soit 7 % de plus depuis janvier 2019). Lire l’ensemble des chiffres clés 2020 sur les utilisateurs Internet ici : https://www.e-works.fr/blog/chiffres-cles-2020-internet-reseaux-sociaux-monde-france/

⁶ On estime en 2025 que le nombre d’IoT dans le monde serait de 75,44 milliards. Source Statista de 2020 : https://fr.statista.com/statistiques/584481/internet-des-objets-nombre-d-appareils-connectes-dans-le-monde--2020/

⁷ Près de 65 % des personnes considèrent que leur entreprise n’est pas ou peu mature en matière d’exploitation de la donnée. Étude PwC France/L’Usine Digitale « Intelligence artificielle & Big Data 2018 ». https://www.usine-digitale.fr/article/data-et-ia-la-moitie-des-entreprises-exploite-moins-de-25-de-la-donnee-collectee-et-analysee.N756829

⁸ La moitié des entreprises exploitent moins de 25 % des données analysées...