Transcription

• Speaker #0

  Vos indicateurs peuvent être verts pendant que votre entreprise brûle lentement. Et je crois que c'est probablement l'un des pièges les plus dangereux du pilotage moderne. Parce que, vu de loin, tout peut sembler parfaitement normal. Vous ouvrez votre tableau de bord, les délais sont à peu près tenus, le taux de service est correct, la productivité est stable, les courbes sont propres, les pastilles sont vertes, personne ne panique. Et pourtant, quand vous descendez sur le terrain, c'est parfois une autre entreprise que vous découvrez. Les équipes compensent, les clients rappellent, Les managers passent leur temps à arbitrer des urgences, les problèmes qualité sont corrigés discrètement avant de devenir visibles, et la marge, elle, disparaît dans des endroits que personne ne regarde vraiment. Alors, maintenant qu'on ajoute de l'IA dans les systèmes de pilotage, la question devient encore plus importante. Est-ce qu'elle va enfin nous aider à voir la réalité telle qu'elle est, ou est-ce qu'elle va simplement rendre l'illusion encore plus convaincante ? Depuis l'épisode 6, on s'intéresse à quelque chose de très concret, le coût réel du désordre opérationnel. On a vu que le chaos coûte cher, même quand il ne se voit pas directement dans les comptes. Aujourd'hui, j'aimerais qu'on regarde un piège encore plus subtil, parce que parfois le chaos est bien là, mais le tableau de bord, lui, vous dit que tout va bien. Hello Nadia, hello Eric, aujourd'hui, quand vos KPI vous mentent.

• Speaker #1

  Hello, et je sens déjà qu'on va se faire quelques amis, parce que personne n'aime vraiment entendre que son joli tableau de bord, préparé avec amour pour le comité de direction, ne raconte peut-être pas toute la vérité.

• Speaker #0

  Oui, c'est un sujet sensible. Eric, je suis sûr que tu veux déjà mettre une nuance.

• Speaker #2

  Oui, enfin, une nuance, et peut-être même un avertissement, parce que, pour moi, le vrai problème n'est pas seulement qu'un indicateur puissent être mauvais. C'est surtout qu'un indicateur influence les décisions. Et quand on commence à piloter toute une organisation avec une mesure incomplète ou mal construite, on peut très sincèrement pousser les équipes dans la mauvaise direction sans que personne ne cherche à tricher.

• Speaker #0

  Exactement, et je veux le préciser tout de suite, les KPI ne sont pas le problème. Le problème commence quand on oublie qu'un indicateur n'est qu'une représentation partielle de la réalité.

• Speaker #1

  Attends. Là tu viens déjà de faire une phrase de consultant. Traduis.

• Speaker #0

  Très simplement, ton tableau de bord peut dire que tout va bien, alors que les gens qui font vraiment le travail savent parfaitement que ça ne va pas.

• Speaker #1

  Voilà, là on parle.

• Speaker #0

  Et dans l'industrie, j'utilisais souvent une image pour expliquer ça. Je parlais des indicateurs pastèques. Pardon ? Les indicateurs pastèques. Vert à l'extérieur, rouge à l'intérieur. Sur la slide, c'est vert. Dans Excel, c'est vert. En réunion de direction, c'est vert. Et puis tu descends sur le terrain. Et là, tu découvres les reprises, les retards masqués, les managers qui compensent, les clients qui rappellent, les équipes qui bricolent des solutions pour que le système tienne encore. Donc oui, à l'extérieur, tout semble rassurant. Mais dès qu'on ouvre la pastèque, on découvre autre chose.

• Speaker #1

  Et l'IA là-dedans, elle améliore la situation ou elle rend juste la pastèque plus brillante ?

• Speaker #2

  Très bonne question. Et honnêtement, les deux sont possibles. Parce qu'avec l'IA, on peut aujourd'hui produire beaucoup plus facilement des synthèses Des prévisions, des scores, des alertes. Et tout ça peut être très utile. Mais il ne faut pas oublier une chose. Si la mesure de départ est mauvaise, l'IA ne va pas magiquement la rendre pertinente. Elle risque simplement d'industrialiser une mauvaise lecture.

• Speaker #1

  Donc on peut, en fait, se raconter une histoire complètement fausse, avec des chiffres parfaitement vrais.

• Speaker #0

  C'est exactement ça, et c'est ce qui rend le problème si difficile. Parfois le chiffre est juste, il répond simplement à la mauvaise question. Je vais vous donner un exemple très simple. Sonia dirige une équipe de relations clients d'une trentaine de personnes. Chaque lundi matin, elle ouvre son tableau de bord. Et honnêtement, sur le papier, elle peut être satisfaite. Le délai moyen de réponse est bon, les équipes répondent rapidement, le capillier principal est au vert, la direction est rassurée.

• Speaker #1

  Je sens arriver le « oui mais » .

• Speaker #0

  Oui, évidemment. Un matin, Sonia traverse l'Open Space et elle entend Inès, une de ses collaboratrices, Parler avec un client qui est visiblement très agacé. Et le client lui dit quelque chose de très simple. « Madame, c'est la troisième fois que je vous appelle. À chaque fois, quelqu'un me répond rapidement. Mais à chaque fois, je dois tout recommencer. » Et là, Sonia commence à regarder ses chiffres autrement. Elle découvre que certains clients rappellent deux ou trois fois, que certains dossiers sont clôturés puis réouverts, que les réponses sont rapides, mais qu'elles ne résolvent pas toujours le problème.

• Speaker #1

  Donc l'équipe est performante sur le KPI. mais pas forcément sur ce qui intéresse réellement le client.

• Speaker #0

  Exactement, et surtout, faut pas tomber dans le piège de dire que les collaborateurs travaillent mal. Ils font ce que le système leur demande. On leur dit que la vitesse de réponse est importante. On les mesure là-dessus. Donc naturellement, ils optimisent la vitesse de réponse.

• Speaker #2

  Si tu me permets, j'aimerais ajouter une chose. Là, on voit très bien la différence entre l'activité et la valeur. Répondre à un client, c'est une activité. Résoudre réellement son problème, c'est la valeur qui l'attend. Et parfois, les deux peuvent être... très éloigné.

• Speaker #1

  Donc finalement, un KPI peut pousser des gens sérieux et compétents à faire quelque chose qui n'est pas vraiment utile ?

• Speaker #2

  Oui, mais je mettrais quand même une nuance. Je ne dirais pas qu'ils font quelque chose d'inutile. Je dirais plutôt qu'ils optimisent une partie du système au détriment du système complet. On gagne peut-être 30 secondes sur la première réponse, mais ensuite le client rappelle. Une autre personne reprend le dossier. Il faut relire l'historique. Le client doit réexpliquer. Il s'énerve. Le collaborateur absorbe cette frustration. Le manager finit parfois par intervenir. Et au final, les 30 secondes gagnées au départ coûtent 20 minutes ailleurs.

• Speaker #1

  Voilà. Et ça, évidemment, le KPI principal ne le montre pas.

• Speaker #0

  Exactement. Et l'IA, dans ce cas-là, peut jouer deux rôles très différents. D'un côté, elle peut vraiment aider à analyser ce qui se répète, repérer les clients qui rappellent plusieurs fois, détecter les dossiers qui se rouvrent, analyser les verbatims. identifier les mots ou les tournures qui traduisent de la frustration. Et là, oui, elle peut apporter énormément de valeur. Mais de l'autre côté, elle peut aussi permettre de générer des réponses encore plus vite et donc au final de répondre encore plus rapidement à côté de la plaque.

• Speaker #1

  C'est quand même assez fascinant. On devient extrêmement performant pour ne pas résoudre le problème.

• Speaker #0

  C'est exactement le risque. Si la question managériale reste « combien de temps mettons-nous à répondre ? » , l'IA va naturellement nous aider à répondre plus vite. Mais si on change la question et qu'on demande Est-ce que le client a réellement obtenu ce dont il avait besoin ? Alors là, on commence à piloter autre chose. Eric, toi concrètement, tu regarderais quoi ?

• Speaker #2

  Personnellement, je ne regarderais jamais le temps de réponse tout seul. Je le croiserais avec d'autres signaux. Par exemple, est-ce que le problème est résolu au premier contact ? Est-ce que le dossier est rouvert ? Est-ce que le client rappelle ? Combien de temps s'écoule réellement entre sa première demande Et la résolution complète. Parce qu'en réalité, un indicateur isolé ne ment pas forcément. Mais il ne raconte qu'un morceau de l'histoire.

• Speaker #1

  Et parfois, le morceau qui arrange tout le monde.

• Speaker #0

  Parfois oui, et c'est là que le Lean devient extrêmement utile. Parce qu'on arrête de regarder uniquement le chiffre final, on regarde le parcours réel. Qu'est-ce qui entre ? Comment la demande circule ? Où est-ce qu'elle attend ? Pourquoi elle revient ? A quel moment l'information se perd ? Et très souvent, c'est là que la vraie performance apparaît.

• Speaker #2

  Et sur ce sujet, il y a un principe assez connu qu'il faut évoquer, la loi de Goudart.

• Speaker #1

  Je t'arrête tout de suite, version française.

• Speaker #2

  Oui, j'allais y venir. En gros, quand un chiffre devient une cible absolue, on finit parfois par optimiser le chiffre au lieu d'optimiser le vrai résultat. Je vais prendre un exemple volontairement caricatural. Imagine une usine de clous. Si tu récompenses uniquement le nombre de clous produits, elle risque de fabriquer énormément de petits clous. Tu charges ensuite la règle et tu récompenses le poids total produit. Cette fois, elle peut se mettre à fabriquer quelques clous gigantesques. Dans les deux cas, l'objectif chiffré est atteint, mais le besoin réel est complètement raté.

• Speaker #1

  Donc un KPI, finalement, ce n'est pas seulement un thermomètre, c'est aussi une consigne cachée.

• Speaker #0

  Ouais, et j'aime beaucoup cette formulation, parce que ce qu'on mesure finit par être perçu comme important. Ce qu'on récompense devient prioritaire, et ce qu'on ne mesure pas peut progressivement disparaître de l'attention. Donc avant de choisir un KPI, il faudrait toujours se demander qu'est-ce qu'on est en train d'encourager, parfois sans même le vouloir.

• Speaker #1

  Je vais être un peu provoquante. Est-ce que certains dirigeants aiment autant les KPI parce que ça leur permet de piloter sans vraiment aller voir ?

• Speaker #0

  Tu touches un point sensible, et oui, parfois. Pour moi, un bon KPI de donner envie d'aller voir. Un mauvais KPI donne l'impression qu'on peut comprendre l'entreprise sans jamais quitter son bureau.

• Speaker #2

  Je suis assez d'accord, et j'ajouterais même que le tableau de bord devrait être le début de la discussion,

• Speaker #0

  pas sa conclusion. Quand un indicateur bouge, la question n'est pas seulement « de combien ? » .

• Speaker #2

  Il faut essayer de comprendre pourquoi il bouge, où le phénomène commence, depuis combien de temps, dans quelle partie du flux, et surtout ce que cela change concrètement.

• Speaker #1

  Et quand il ne bouge pas ? Parce que parfois, c'est ça qui me fait peur. Tout est stable, mais tout le monde est épuisé.

• Speaker #0

  Exactement, et c'est un cas très fréquent. Tu peux avoir un délai client stable parce que les équipes font des heures supplémentaires. Tu peux avoir un taux de service stable parce qu'un manager reprend tous les dossiers problématiques à la main. Tu peux avoir une qualité stable parce qu'un contrôle final corrige silencieusement toutes les erreurs produites en amont. Donc le chiffre dit stable, mais le système, lui, est peut-être complètement à bout.

• Speaker #1

  C'est terrible en fait, parce que tant que les gens compensent, le problème reste invisible.

• Speaker #2

  Oui. Et c'est là qu'il faut être très attentif aux efforts cachés, les contournements, les reprises, les arbitrages permanents, les urgences, les heures invisibles, toute cette énergie humaine que le système consomme juste pour continuer à donner une impression de normalité.

• Speaker #0

  Et c'est exactement le lien avec l'épisode 6. Le chaos opérationnel coûte cher, mais si vos indicateurs ne regardent que le résultat apparent, ils ne montrent pas le prix humain et opérationnel. payer pour maintenir ce résultat. Prenons un autre cas. Julien est responsable maintenance dans un site industriel. Son indicateur principal est plutôt bon. Le temps moyen de réparation diminue. Quand une machine tombe en panne, son équipe intervient rapidement. Et, vu de la direction, c'est plutôt rassurant.

• Speaker #1

  Jusque là, difficile de critiquer.

• Speaker #0

  Oui, sauf que Luc, qui conduit une des lignes, vit une autre réalité. Toutes les semaines, il appelle pour la même machine. L'équipe maintenance arrive. Elle redémarre l'équipement. La production repart. le ticket est clôturé, le temps d'intervention est excellent. Et puis, deux jours plus tard, la machine s'arrête encore.

• Speaker #1

  Donc on mesure très bien la vitesse à laquelle on éteint l'incendie, mais pas le fait qu'il y ait un incendie tous les trois jours.

• Speaker #0

  C'est exactement ça. Et du point de vue de Luc, chaque arrêt signifie autre chose. La ligne ralentit, les collègues attendent, le planning commence à glisser, on récupère une partie du retard plus tard, parfois avec des heures supplémentaires. La pression monte, et petit à petit... il ne croit plus vraiment au tableau qui lui dit que la maintenance progresse.

• Speaker #2

  Là, pour moi, le problème n'est pas vraiment la maintenance. Le problème, c'est la manière dont on définit sa performance. Si on valorise uniquement la vitesse de remise en route, on peut devenir excellent pour réparer très vite le même symptôme, sans jamais éliminer la cause.

• Speaker #1

  Donc on peut avoir une équipe extrêmement performante dans un système qui, lui, ne s'améliore jamais.

• Speaker #2

  Exactement. Et c'est pour ça que je regarderai aussi la récurrence des pannes, le temps entre deux défaillances, les micro-arrêts, les causes dominantes, et surtout, quelque chose que j'aime beaucoup, combien de problèmes avons-nous réellement éliminés de façon durable ?

• Speaker #0

  Et l'IA peut vraiment apporter quelque chose ici, parce qu'elle peut croiser des données qui, aujourd'hui, restent parfois dans des silos différents. La maintenance, la qualité, la production, le planning, la formation. et peut-être repérer qu'une panne apparaît plus souvent dans certaines conditions, après un changement de série ou sur certaines équipes. Là, elle peut ouvrir des pistes qu'un humain n'aurait pas forcément repérées seul. Mais ça ne remplace pas le terrain.

• Speaker #2

  Non, clairement pas. Et si tu me permets, j'insisterai même là-dessus. Quand l'IA détecte une anomalie, la première réaction ne devrait pas être de décider immédiatement. Il faut aller voir, parler à Luc, observer la machine. comprendre ce qui se passe juste avant l'arrêt et juste après. Sinon, on risque de traiter le signal sans comprendre le système qui le produit.

• Speaker #1

  Je reviens sur les équipes, parce qu'on parle des indicateurs qui mentent, mais j'ai l'impression qu'il y a autre chose derrière. Souvent, les équipes savent déjà, elles préviennent, elles remanquent les problèmes, elles disent que le process ne fonctionne pas. Et parfois on ne les écoute pas parce que le dashboard dit l'inverse.

• Speaker #0

  Oui. Et humainement, c'est extrêmement destructeur. Tu imagines que chaque semaine, tu expliques que quelque chose ne fonctionne pas. La première fois, on te répond, on va regarder. La deuxième fois, les chiffres sont pourtant bons. La troisième fois, tu es sûr que le problème est vraiment généralisé. Et au bout d'un moment, tu ne dis plus rien. Tu compenses, tu contournes, tu trouves ta petite solution de côté.

• Speaker #2

  Et c'est là que le système commence vraiment à devenir fragile. Parce que les signaux faibles disparaissent. Les gens n'alimentent plus le système officiel. Ils travaillent à côté. Ils créent leurs propres fichiers, leurs propres règles, leurs propres méthodes. Et le système officiel semble continuer à fonctionner, alors qu'en réalité, il tient grâce à tout ce réseau invisible.

• Speaker #1

  Et puis le jour où ça casse, tout le monde dit « on ne l'avait pas vu venir » .

• Speaker #0

  Alors qu'en réalité, le problème était visible. Il n'était simplement pas visible dans le bon indicateur.

• Speaker #1

  Ça, c'est une phrase à garder. Le problème était visible. Mais pas dans le bon indicateur.

• Speaker #0

  Oui, et c'est exactement là que l'IA peut être utile, si on l'utilise intelligemment. Elle peut aller chercher des signaux qui jusque-là étaient dispersés, des commentaires clients, des réouvertures de dossiers, des incidents qualité, des retards, des comptes rendus, des messages internes, des verbatims terrain. Mais il faut accepter une chose, la vérité de l'entreprise n'est pas toujours concentrée dans le KPI officiel. Troisième situation, Marc et DSI. Claire dirige les opérations. Leur entreprise décide de mettre en place un tableau de bord de direction augmenté par l'IA. Chaque lundi matin, le comité de direction reçoit une synthèse claire. Les ventes, la production, les retards, les risques, les prévisions. En quelques minutes, l'IA résume des centaines de données. Et franchement, ce papier, c'est séduisant.

• Speaker #1

  Je vais être honnête, si on me promet d'éviter 3 heures de compilation Excel le lundi matin, je signe tout de suite.

• Speaker #0

  Moi aussi, le problème n'est pas là. Le problème arrive quelques semaines plus tard. Claire commence à remarquer que la synthèse dit que certains projets sont sous contrôle, alors que ses responsables terrains lui racontent autre chose. Elle creuse, et elle découvre que toutes les équipes ne déclarent pas les retards de la même manière. Certains mettent les statuts à jour chaque jour, d'autres le vendredi. Les causes d'écart sont parfois saisies librement. Des priorités commerciales changent oralement sans être tracées. L'IA fait donc quelque chose de très impressionnant. Elle produit une synthèse... extrêmement propre à partir d'une réalité qui, elle, est beaucoup moins propre.

• Speaker #1

  Et justement, comme c'est bien écrit, on a envie d'y croire.

• Speaker #0

  Exactement. C'est ce que j'appelle l'illusion d'autorité. Quand une analyse est bien formulée, bien structurée, accompagnée de beaux graphiques, on lui accorde naturellement plus de confiance, même lorsque la base est fragile.

• Speaker #2

  Et là, on touche vraiment à un point de gouvernance majeur. L'IA peut améliorer la lecture. Elle peut rendre l'information plus accessible. Elle peut faire gagner énormément de temps. Mais elle ne garantit pas la qualité de la donnée qu'elle analyse. Donc il faut savoir d'où vient le chiffre, quand il a été mis à jour, qui en est responsable, comment il est calculé et quelles sont ses limites. Sinon, on fabrique une sorte de boîte noire de reporting. Très élégante, très convaincante, mais une boîte noire quand même.

• Speaker #1

  Donc la vraie question n'est pas... Est-ce que l'IA sait faire un dashboard ? Mais plutôt, est-ce que l'entreprise sait réellement ce que ces chiffres veulent dire ?

• Speaker #0

  Exactement. Et on revient à l'approche Ivoline. Simplifier, structurer, digitaliser, automatiser, puis autonomiser. Si tu automatises le reporting avant d'avoir structuré la mesure, tu obtiens une illusion premium. Eric, je suis persuadé que tu as quelque chose à ajouter sur la stratégie.

• Speaker #2

  Oui, parce que je pense qu'il ne faut pas oublier une question très simple. Pourquoi mesure-t-on ? On parle beaucoup de bons et de mauvais KPI, mais avant de choisir l'indicateur, il faudrait déjà être clair sur ce qu'on cherche à accomplir. C'est là qu'une approche comme le Ausha Kaneri devient intéressante. On ne commence pas par dire « Quelles données avons-nous ? » On commence par demander « Quelle stratégie voulons-nous réellement exécuter ? » Ensuite, on traduit cette stratégie en priorité, puis en objectif. puis en plan d'action. Et seulement après, on choisit les indicateurs qui permettent de savoir si on avance réellement.

• Speaker #1

  Donc on ne crée pas un dashboard juste parce que les chiffres sont disponibles.

• Speaker #2

  Exactement, parce que sinon, chaque service peut optimiser son propre KPI tout en dégradant l'entreprise dans son ensemble.

• Speaker #0

  Un exemple très simple, le service achat obtient 3% de baisse sur un composant. Sur son tableau, c'est vert, très vert même. Mais le fournisseur choisi est moins fiable. Les retards commencent. Ensuite les ruptures, puis les transports express, puis les changements de planning. Et au final, l'entreprise dépense trois fois l'économie réalisée pour gérer les conséquences.

• Speaker #1

  Donc les achats gagnent leur KPI. La finance perd de l'argent. La logistique court partout. La production râle. Et le client attend.

• Speaker #0

  Voilà. Verte pour le service, rouge pour l'entreprise. Encore une pastèque.

• Speaker #1

  Bon, je suis dirigeante, manager, DSI ou responsable transformation. Je fais quoi lundi matin ? Parce qu'on ne va pas jeter tous les dashboards à la poubelle.

• Speaker #0

  Non, surtout pas. Je te propose quelque chose de très simple. Tu prends un KPI important. Un seul. Pas les 50 indicateurs de la tour de contrôle. Un indicateur qui influence réellement les décisions. Le délai client, le taux de service, la qualité, la satisfaction, la productivité, la marge, peu importe. et tu commences par le regarder autrement.

• Speaker #2

  Moi, personnellement, je poserai d'abord une question très simple. À quelle décision cet indicateur sert-il ?

• Speaker #0

  Parce que si personne n'est capable de répondre clairement,

• Speaker #2

  déjà, il faut se poser des questions.

• Speaker #0

  Ensuite, demande-toi quel comportement il encourage.

• Speaker #1

  Par exemple, est-ce que je pousse les équipes à répondre vite plutôt qu'à résoudre ?

• Speaker #0

  Exactement, puis essaie de comprendre ce qu'ils ne voient pas. Parce qu'un indicateur montre toujours quelque chose, mais il cache aussi forcément autre chose.

• Speaker #2

  Et si tu me permets, j'ajouterais une question que je trouve essentielle. Quels efforts invisibles permettent de maintenir ce KPI au vert ?

• Speaker #1

  Celle-là, elle peut faire mal.

• Speaker #0

  Oui, mais souvent c'est là que la vérité commence. Si ton KPI est vert parce qu'il y a des heures supplémentaires cachées, des reprises, des contre-rendements, du stress, alors ton indicateur n'est peut-être pas vraiment vert. Il est simplement subventionné par l'énergie des équipes.

• Speaker #2

  Et c'est seulement après ça que j'utiliserai l'IA. Pas pour générer 15 nouveaux graphiques, mais pour enquêter. Pour chercher les signaux faibles autour du KPI. Voir ce que disent les clients. Comprendre pourquoi certains dossiers reviennent. Repérer les variations par équipe ou par segment. Identifier les anomalies de délai. Croiser les reprises avec les causes déclarées. Là, l'IA devient vraiment intéressante.

• Speaker #1

  Donc l'IA devient un outil d'enquête, pas un outil de maquillage.

• Speaker #0

  Exactement, elle doit nous aider à poser de meilleures questions. Pas seulement à produire de plus belles réponses. Le piège de la semaine, c'est très simple. Confondre un indicateur vert avec un système 5.

• Speaker #1

  Et confondre un dashboard intelligent avec une décision intelligente.

• Speaker #2

  Et si tu me permets, j'en rajoute un troisième. Confondre précision et pertinence. Parce qu'un chiffre peut être extrêmement précis, avec deux décimales, un joli graphique, une tendance parfaitement calculée, et être totalement inutile pour piloter la valeur.

• Speaker #1

  C'est cruel, mais assez juste.

• Speaker #0

  Ce que personne ne vous dit cette semaine, c'est que certains KPI verts sont financés par des efforts humains invisibles. Un manager qui vérifie tout le soir, une équipe qui saute régulièrement sa pause, un collaborateur qui tient son propre fichier Excel parce qu'il ne fait plus confiance au système officiel, une personne expérimentée qui corrige discrètement les erreurs avant qu'elles ne deviennent visibles.

• Speaker #1

  Et le jour où cette personne part, tout le monde découvre que le process qui fonctionnait très bien ne fonctionnait pas du tout.

• Speaker #2

  Oui ! Et c'est une vraie fragilité organisationnelle. Quand la performance dépend d'une compensation humaine invisible, elle n'est ni stable, ni réellement maîtrisée.

• Speaker #0

  Mon pari de la semaine. Dans quelques années, les meilleurs systèmes de pilotage ne seront pas ceux qui auront le plus de KPI, ce seront ceux capables de relier les résultats à la réalité du flux et aux signaux faibles humains.

• Speaker #1

  Donc moins de dashboard de sapin de Noël ?

• Speaker #0

  J'espère.

• Speaker #2

  Je te rejoins. Mais j'ajouterais que la gouvernance de la donnée va devenir aussi importante que le tableau de bord lui-même. Savoir d'où vient le chiffre, comment il est calculé, qui en est responsable, à quelle décision il sert et à quel moment il faut remettre sa pertinence en question.

• Speaker #1

  Bon, alors, révolution ou illusion ? Rachid ?

• Speaker #0

  Révolution s'il y a nous aide à relier les KPI au flux réel, aux signaux faibles, aux causes racines et à la valeur client. Illusion si elle sert simplement à produire de plus beaux tableaux de bord sur des indicateurs qui ne racontaient déjà pas toute la vérité. Eric ?

• Speaker #2

  Pour moi, révolution sous condition. Il faut des indicateurs clairement définis, une décision associée, des données traçables et surtout un lien constant avec ce qui se passe réellement sur le terrain. Sinon, on finit par piloter une représentation de l'entreprise et plus l'entreprise elle-même.

• Speaker #0

  Nadia ?

• Speaker #1

  Illusion dès que le dashboard devient plus important que la réalité. Et franchement, ça arrive beaucoup plus souvent qu'on ne veut l'avouer.

• Speaker #0

  Un KPI ne doit jamais vous dispenser d'aller voir. Il doit vous aider à savoir où regarder. Si vos indicateurs sont verts, mais que vos équipes sont épuisées, que vos clients rappellent, que vos managers compensent, et que vos erreurs sont corrigées discrètement avant de devenir visibles, alors votre système de pilotage ne voit probablement qu'une partie de votre entreprise. Cette semaine, choisissez un indicateur important et posez-vous trois questions. Qu'est-ce qu'il ne mesure pas ? Quel comportement encourage-t-il ? Et quel signal terrain pourrait le contredire ? Rien qu'en faisant cela, vous aurez déjà une meilleure base de réflexion que beaucoup d'organisations qui empilent les dashboards sans jamais questionner ce qu'ils racontent réellement. La semaine prochaine, épisode 8. Vos équipes courent, mais la valeur n'avance pas. On parlera d'activité, de vitesse, de surcharge et d'un piège très fréquent, confondre mouvement et progrès.

• Speaker #1

  Et là, j'ai le sentiment que beaucoup de réunions vont se sentir personnellement visées.

• Speaker #2

  Pas seulement les réunions, Nadia. Je pense que quelques tableaux Excel vont commencer à trembler aussi.

• Speaker #1

  Ah, Eric fait l'humour maintenant. On est vraiment dans une révolution. Ou une illusion. A très vite. IA, révolution ou illusion ?

• Speaker #0

  Taraïvoline.