DataCulture data

Programmes de culture data : comment changer les comportements, pas seulement les connaissances

La plupart des programmes de culture data apprennent aux employés à lire un graphique. Très peu d'entre eux changent réellement la façon dont ces mêmes employés prennent leurs décisions au quotidien. C'est cette distinction qui détermine si un CDO peut défendre son budget devant le conseil.

Un programme de culture data qui ne change pas les comportements est une formation. C'est utile, mais ce n'est pas ce que le conseil d'administration finance quand il approuve un budget de plusieurs millions pour "devenir data-driven". La confusion entre les deux est à l'origine de la plupart des déceptions que vivent les CDOs au moment de rendre compte des résultats.

Le concept à examiner ici est précis : comment concevoir un programme de culture data qui modifie effectivement les comportements de décision, de façon mesurable, et non pas seulement les scores de satisfaction post-formation ?

Pourquoi ce sujet intéresse particulièrement un CDO

Le CDO occupe une position inconfortable dans cette équation. Il est responsable de la valeur générée par les données, mais il ne contrôle pas les comportements des équipes métier qui, elles, décident d'utiliser ou non ces données. Un responsable commercial qui continue à fixer ses prévisions "au feeling" plutôt qu'à partir du modèle de prévision que la data team a construit : voilà le problème réel.

MIT Sloan Management Review note, dans des travaux récents sur les programmes de requalification technologique, que les entreprises investissent des sommes sans précédent dans la formation aux nouvelles technologies, mais que ces programmes sont généralement construits autour de compétences projetées plutôt qu'autour des comportements observables que l'on cherche à modifier. La formation répond à la question "que doit-on savoir ?" quand elle devrait répondre à "que doit-on faire différemment, et dans quelle situation précise ?"

Pour un CDO qui doitcalculer le retour sur investissement d'une initiative data devant un comité exécutif, cette différence n'est pas philosophique. Un comportement peut être observé, compté et relié à un résultat financier. Une connaissance acquise en salle de formation ne le peut pas.

Comment ça fonctionne concrètement : la mécanique du changement comportemental

Un programme qui change les comportements repose sur quatre éléments distincts, et l'absence de n'importe lequel d'entre eux suffit à faire échouer l'ensemble.

Identifier le comportement cible avec précision. "Utiliser davantage les données" n'est pas un comportement. "Avant chaque réunion de lancement de campagne, l'équipe marketing consulte le rapport de performance des campagnes similaires des six derniers mois et note au moins une hypothèse à tester" est un comportement. Chez Schneider Electric, les équipes data ont travaillé par domaine métier pour cartographier les moments de décision récurrents, puis ont défini le comportement data attendu pour chacun de ces moments. Ce niveau de granularité est la condition préalable à toute mesure sérieuse.

Intervenir au moment de la décision, pas en amont. La formation classique crée un stock de savoir qui se dégrade rapidement. Les programmes qui changent les comportements s'insèrent dans le flux de travail réel. Certaines organisations envoient une alerte automatique dans l'outil de CRM quand un commercial s'apprête à soumettre une prévision sans avoir consulté le modèle. D'autres intègrent un "data prompt" directement dans leurs outils de reporting de gestion, visible au moment où le manager prend sa décision mensuelle. L'objectif est de réduire le coût comportemental d'agir correctement.

Mesurer le comportement, pas la compétence. Les quiz et les certifications mesurent ce que quelqu'un sait faire dans un environnement contrôlé. Pour mesurer le changement comportemental, il faut des proxies observables dans les systèmes : taux d'ouverture des rapports de BI avant les réunions d'arbitrage, proportion de projets déposés avec une analyse d'impact chiffrée, nombre de décisions documentées avec une source de données citée. Ces métriques sont imparfaites, mais elles se défendent devant un CFO.

Rendre le comportement visible socialement. Dans plusieurs études sur l'adoption des outils analytiques, la pression sociale des pairs s'est révélée plus efficace que la formation pour ancrer de nouveaux comportements. Chez Vodafone, la publication mensuelle d'un tableau de bord interne montrant quelles équipes utilisaient activement les outils d'analyse a produit un effet d'émulation mesurable sans aucune formation additionnelle. Ce mécanisme coûte peu et s'intègre dans la gouvernance existante.

Pour aller plus loin sur la manière deconstruire une dynamique culturelle autour de la donnée dans une organisation, le sujet mérite un traitement distinct de la seule dimension formation.

Quand ce type de programme fonctionne, et quand il ne fonctionne pas

Ce modèle donne de bons résultats dans trois configurations : quand les comportements cibles sont répétitifs et identifiables (processus de vente, cycles de planification budgétaire, revues opérationnelles), quand les outils de décision sont déjà en place et ne demandent qu'à être utilisés, et quand il existe un sponsor métier qui comprend que le changement de comportement prend du temps et ne se mesure pas en semaines.

Il échoue dans deux cas de figure prévisibles. Le premier : quand le programme est lancé pour justifier un outil récemment acheté. La séquence causale est alors inversée, et les équipes le sentent. Le second : quand les managers intermédiaires ne sont pas eux-mêmes ciblés comme comportements prioritaires. Un analyste qui produit des insights que son manager n'utilise jamais changera de comportement dans la mauvaise direction, vers moins d'effort, pas plus.

Il faut aussi nommer une limite honnête : ce type de programme prend généralement douze à dix-huit mois pour produire des métriques défendables devant un conseil. Les CDOs qui lancent un tel programme sous pression de résultats rapides prennent le risque de le tuer avant qu'il porte ses effets. Fixer cette attente dès le départ, explicitement, fait partie du travail de gouvernance.

Un dernier point opérationnel : les programmes les plus efficaces ne cherchent pas à changer tout le monde en même temps. Ils ciblent d'abord les quarante ou cinquante décideurs qui prennent collectivement 80 % des décisions à fort impact financier. Un changement de comportement chez ce groupe-là produit un ROI visible. Atteindre l'ensemble des collaborateurs en même temps dilue les ressources et rend la mesure impossible.

La culture data ne se construit pas avec des modules e-learning. Elle se construit en identifiant les moments précis où une décision se prend, en rendant le comportement data moins coûteux que l'alternative, et en mesurant ce qui change dans les systèmes plutôt que dans les questionnaires.

Pour aller plus loin

Les leçons qui prolongent cet article, en accès libre.

  1. 1Construire un programme de data literacyCulture data & organisation
  2. 2Data literacy : développer la capacité analytique dans toute l'organisationCulture data & organisation
  3. 3Calculer le ROI des initiatives dataData strategy et rôle du CDO
  4. 4Communiquer avec le board et la C-suiteLeadership du CDO & présence exécutive
  5. 5Conduire le changement culturel vers le data-drivenCulture data & organisation

Vous avez lu cet article ?

Validez votre lecture pour gagner de l’XP et alimenter votre radar.