Le « Machine Learning » est entré dans l’entreprise. On en voit certes les opportunités, mais en mesure-t-on bien les enjeux sociétaux ? Peut-être est-il utile d’interroger les usages de cette nouvelle génération d’algorithmes d’apprentissage utilisant des bases géantes de données empiriques ? Existe-t-il un risque épistémologique à reproduire les biais et stéréotypes humains ? A titre d’exemple, nous interrogerons le tri de CV par le « machine Learning ». Ne véhicule-t-il pas des schémas sexistes existants ? Dit autrement, est-il équitable ?
La restitution comme l’analyse des données n’est aujourd’hui plus l’apanage du marketing ou du commerce. Cette activité s’étend désormais très largement au domaine des Ressources Humaines.
Les managers RH sont devenus de véritables protagonistes attachés à la production de reportings sexy et d’analyses plus efficientes. Ils participent en cela autant à la définition de la trajectoire stratégique globale qu’au management quotidien de la performance.
Ici comme ailleurs, l’importance d’un reporting performant prend tout son sens. Alors pourquoi et comment réaliser un reporting efficace dans le cadre d’une stratégie RH pertinente ? Et donc comment extraire des données du SIRH toute leur «intelligence» ?Nous nous efforcerons d’y apporter une réponse.
Et contrairement à ce qui se pratique dans de nombreuses entreprises, c’est une erreur de croire qu’un tableur Excel est en mesure d’être aussi performant que les logiciels de data visualisation.
Qu’est-ce que la Data visualisation ?
La Data visualisation renvoie tout d’abord à une discipline, d’aucuns parlant même d’un art, et dans un second temps à des solutions technologiques (intégrées à l’informatique décisionnelle) qui accompagnent la transformation digitale de nos organisations.
La datavisualisation se retrouve ainsi à la croisée des besoins métiers qui doivent produire et analyser plus vite, de la technologie avec des solutions que l’on veut self-service et friendly-user pour en faciliter la maîtrise et des sciences cognitives qui relèvent de la manière que nous avons de percevoir et d’interpréter.
L’un n’allant pas sans l’autre. Mettre entre les mains des collaborateurs des outils sans leur avoir donné les règles d’usage qui commandent l’art de la Data visualisation ne ferait pas sens.
S’agissant d’une discipline couplée à des outils : "La data visualisation est l’utilisation de représentations visuelles interactives et informatisées de données pour simplifier la connaissance. Elle permet en effet de faciliter la lecture de données en les présentant sous formes d’images, de graphiques, de pictogrammes, de cartes..." : on en conclut assez facilement que la Data visualisation renvoie à un enjeu de simplification dans la présentation du message et donc d’efficience dans sa lecture. Et de considérer par conséquence que si nous disposons d’informations explicites, incontestables, nous allons pouvoir prendre les bonnes décisions, agir avec plus d’agilité et de rapidité. Nous sommes alors sur la bonne voie….
Se poser et valider les bons indicateurs de performance….
L’enjeu prioritaire de la data visualisation est de produire des reportings qui donnent vie et sens aux indicateurs de performance.
Ces indicateurs de performance qui coordonnent le lien entre la stratégie et les plans d’actions doivent impérativement s’appuyer sur l’existence d’informations fiables et donc incontestables, pertinentes car utiles, complètes et régulières dans le temps, intelligibles en ce que compréhensibles de tous, et rapidement disponibles.
La parfaite connaissance et maîtrise de vos datas est dès lors essentielle pour un utilisation efficace de la data visualisation.
Ces indicateurs seront la base de la tenue de votre trajectoire, les leviers de vos ajustements et actions correctives directement en lien avec vos objectifs. Il s’agit de permettre aux managers de conduire en temps réel leur activité en lien direct avec leurs équipes. D’où l’enjeu de ne retenir que ceux dont vous avez strictement besoin.
Les apports majeurs des outils de data visualisation….
Sans entrer dans des considérations trop techniques et au-delà d’offrir les capacités de collecte et de raffinage d’informations de plus en plus volumineuses, variées comme complexes, les solutions de data visualisation sont clairement des outils facilitant la restitution de l’information et donc de communication, outils de management des organisations et d’aide à la prise de décision. Techniquement, ces solutions offrent notamment des fonctionnalités telles que :
Drill-down : permet de zoomer dans les données et de rentrer en granularité pour apporter du détail aux analyses
Filtres sur les axes d’analyse : permet de personnaliser les axes d’analyse
Affichage d’informations en survol : par simple survol sur le graphique on peut afficher les données associées
S’agissant de l’art de la data visualisation….
Se pose là principalement la question des choix graphiques, de l’usage des couleurs et de la manière de «raconter une histoire» : quand la data visualisation devient data storytelling.
Le graphique est la «caricature» des données et la vitrine de notre bon sens critique. Il existe en cela une multitude de types de visualisation et chacune devra être adaptée à un cas d’usage et un type de données différents
La Data visualisation impose donc de bien maîtriser le choix des types de graphiques en fonction de ce que l’on veut montrer. Un graphique efficace est un graphique qui utilise le minimum d’encre et dont le message clé peut être compris et mémorisable en moins de cinq secondes. C’est une erreur que de se laisser guider aveuglément par des représentations graphiques proposées par défaut.
Si on veut illustrer une tendance, on utilisera plutôt un graphique linéaire,
pour faire des comparaisons, les diagrammes en bâtons notamment pour marquer des changements d’une année sur l’autre, seront plus appropriés.
S’agissant d’une approche sensorielle, il est très important de ne pas créer de surcharge cognitive comme nous avons que trop souvent tendance à le faire dans nos powerpoints.
Les couleurs doivent être appréhendées avec précaution. Elles peuvent certes être utilisées pour rendre les visuels moins ternes. Mais attention elles n’ont souvent alors aucune signification pour la compréhension du lecteur. Il n’existe que quelques cas dans lesquels la couleur peut avoir un sens par convention : un écart positif en vert, négatif en rouge par exemple. On pourra aussi s’appuyer sur une couleur clé pour faire ressortir l’information essentielle (l’orange est par exemple la couleur complémentaire du bleu), ou associer les dégradés de couleurs aux valeurs pour marquer le poids de catégories pour une même famille de références.
Il convient de respecter une hiérarchie visuelle dans la taille des polices de caractères.
La légende se met toujours au-dessus d’un graphique, car elle aide immédiatement à sa lecture. Elle doit se présenter sous la forme d’un «titre-conclusion» qui est le message qui ressort du graphique
Par le biais du Data StoryTelling nous allons nous attacher à écrire et raconter une histoire, dérouler un scénario en construisant un cheminement fluide et pertinent, en donnant vie aux données, en s’appuyant sur le filtrage, la hiérarchisation par niveau de détail, l’ergonomie et le design. On conceptualise les graphiques pour ensuite les mettre en scène.
Et comme tout art il faut combiner apprentissage et entraînement pour pleinement le maîtriser au quotidien.
Pour conclure…..
N’oublions pas que derrière chaque information habillée grâce à la Data Visualisation, il y a une action humaine, une donnée transactionnelle issue des processus métiers. Et grâce à des supports «humanisés», l’utilisateur devra être en mesure de percevoir directement l’évènement, les actions qui transparaissent dans la donnée.
L’outil de Data Visualisation s’avèrera un formidable outil de stimulation collective qui décloisonne les organisations et permet à chacun de mesurer l’impact réel de ses actions sur l’activité, et donc la réalisation des objectifs stratégiques. C’est en cela un outil de bonne gouvernance.
La Data Visualisation démocratise l’accès à la donnée, introduit une culture du chiffre et laisse les collaborateurs aller davantage vers l’information plutôt que de la laisser venir à eux : filtres personnalisés selon les profils d’utilisateurs, et cela sans toucher au cœur même des données.
Sans compter que la Data Visualisation moderne contribue à réduire significativement les échanges de mails et la diffusion à profusion de documents source de gaspillage peu éco-responsable dans nos organisations.
Cédric FRADIN
Cédric FRADIN a occupé pendant plus de 20 ans des postes de CFO dans des grands groupes et PME principalement dans la distribution et les services. De formation en Droit (DESS Droit Privée) et Finance (DESS CAAE et Master CCA), Cédric FRADIN est actuellement DAF d’Altitude Infrastructure Holding, premier opérateur alternatif sur les réseaux d’infrastructure publics (RIP) en fibre optique. Président de la DFCG Normandie, Cédric FRADIN dispense également des cours d’enseignement sur la transformation digitale de la fonction Finance en Master Contrôle de Gestion. Il accompagne aujourd’hui les directions financières dans leur transformation digitale, rédige des tribunes et livres plans sur les enjeux de la transformation digitale sur l’optimisation du management de la performance en coordination avec les éditeurs et intégrateurs de solutions
Notes
L’informatique décisionnelle dite aussi Business Intelligence (BI) renvoie aux solutions informatiques permettant de mettre à la disposition des managers décideurs des informations fiables et pertinentes pour des prises de décisions éclairées
