Y a-t-il vraiment une différence entre les projets BI et les projets TI ?


Rédigé par Manon G. Guillemette, Université de Sherbrooke le 6 Février 2012

L’intelligence d’affaires (ou le business intelligence, le BI) est en pleine effervescence depuis quelques années. Il suffit de jeter un œil sur les offres d’emplois pour confirmer que ce nouveau créneau des TI est bel et bien là pour rester. Or il y a encore bien des gens qui croient qu’il n’y a pas vraiment de différence entre les technologies de l’information et l’intelligence d’affaires, que ce n’est qu’un nouveau buzzword pour parler de quelque chose qui existe depuis longtemps et qu’en fait, l’intelligence d’affaires « c’est ni plus ni moins que des rapports en couleur ». Ils se trompent. En effet, l’intelligence d’affaires diffère des TI sur de nombreux points, autant dans ses objectifs et ses technologies que sur son potentiel de valeur ajoutée.



Manon G. Guillemette, Professeure agrégée à l'Université de Sherbrooke (Photo Copyright Salon BI)
Les TI sont des outils mis en place pour gérer un grand volume de transactions (ventes, achats, paie, etc.) très détaillées. Ils s’intègrent donc aux processus de travail (les transforment parfois) et permettent d’automatiser un grand nombre de tâches répétitives avec une efficacité redoutable. Les TI agissent donc au niveau opérationnel et tactique en ne conservant pratiquement aucune information historique (pensons à un système comptable qui ne conserve bien souvent que l’année courante). Une fois complété et implanté, le système transactionnel ne subit généralement pas de changements importants puisque les besoins sont alors bien connus et relativement stables. On pourra y faire de petits développements de maintenance, mais ces systèmes sont bien souvent utilisés durant de très nombreuses années sans subir de changements majeurs.

L’intelligence d’affaires évolue dans une sphère complètement différente. En effet, l’intelligence d’affaires ne gère aucune transaction et existe uniquement pour supporter la prise de décision. Ces systèmes fournissent de l’information agrégée qui donne des indices permettant d’améliorer les revenus, limiter les coûts ou assurer un meilleur service. L’intelligence d’affaires est donc directement liée à l’établissement et au suivi de l’atteinte des objectifs d’affaires de l’organisation. Elle agit au niveau tactique et stratégique et nécessite un grand historique allant sur plusieurs années afin de permettre la génération de prédictions d’affaires fiables. L’intelligence d’affaires s’appuie sur les entrepôts et les comptoirs de données multidimensionnels et sur un référentiel de données (technique et d’affaires) pour alimenter des tableaux de bord et des rapports, soutenir les efforts de forage de données, d’analyse prédictive et de navigation OLAP.

L’intelligence d’affaires permet donc de soutenir et d’améliorer le processus ainsi que la qualité de la prise de décision tactique et stratégique d’une façon unique et grâce à des technologies particulières. C’est pourquoi l’implantation de l’intelligence d’affaires est un processus évolutif et continu. En effet, puisqu’elle a pour objet le soutien à la prise de décision et à la réalisation des opportunités d’affaires, l’intelligence d’affaires doit pouvoir évoluer avec les preneurs de décision et l’organisation. Or, les besoins des décideurs sont habituellement peu précis, car ceux-ci ont peine à évaluer la nature des informations dont ils auront besoin au cours des prochaines années pour prendre des décisions encore inconnues (qui peut réellement dire maintenant quelles décisions il aura à prendre dans 2 ans?). En effet, puisque les problématiques de gestion peuvent évoluer rapidement, l’intelligence d’affaires doit pouvoir accompagner ces changements de façon dynamique. Les applications d’intelligence d'affaires doivent ainsi être souvent modifiées à travers le temps (modifications, ajouts et retrait de données, de rapports et surtout d’indicateurs de performance) et à un rythme beaucoup plus rapide que ce que l’on peut observer dans les projets d’implantation de systèmes plus traditionnels comme les systèmes financiers et les systèmes de gestion des ventes.

Cette situation pose des défis importants pour la gestion de projet en contexte d’intelligence d'affaires. Les méthodes traditionnelles de développement en cascade ne permettent pas de tenir compte de la nature évolutive des projets et des besoins d’intelligence d’affaires. Celles-ci nécessitent que les besoins soient connus en amont avant d’entreprendre les étapes subséquentes de développement. Elles s’appuient sur un partage rigide des rôles et responsabilités entre les gens d’affaires et les gens de TI, ainsi que sur une documentation complète et exhaustive. Dans un contexte où les besoins changent très rapidement (modifier des tableaux de bord aux 6 mois à 1 an n’est pas rare), les méthodes traditionnelles sont en décalage profond avec la réalité organisationnelle. Des approches itératives et plus agiles sont beaucoup mieux adaptées à ce contexte. Ces approches incrémentales permettent de découper de grands projets en fonctionnalités à développer, lesquelles sont développées du début à la fin et livrées très rapidement. De petites équipes de développement, autogérées et multidisciplinaires, ayant en leur centre un utilisateur final, s’organisent pour réaliser un cycle complet de développement (de l’analyse de besoin à l’implantation) dans des délais très courts (allant jusqu’à 3 semaines dans le cas des méthodes agiles SCRUM). Les approches itératives permettent donc de livrer rapidement de petits succès pour l’entreprise, ce qui contribue à faire connaître la valeur ajoutée de l’intelligence d’affaires et sert de fondement dans la gestion du changement. Elles supportent donc directement l’évolution des applications d’intelligence d’affaires au même rythme que les besoins de l’organisation.

Malgré leur attrait, les approches itératives ne peuvent être efficientes que dans des contextes très précis. Les entreprises souhaitant adopter ces approches doivent posséder des professionnels en intelligence d’affaires expérimentés, une architecture d’intelligence d'affaires flexible et adaptable, construite sur un référentiel de données et un modèle de données multidimensionnel complet et à jour et incluant des données de qualité. Peu d’organisations peuvent se vanter d’évoluer dans de tels environnements. Les gestionnaires de projet souhaitant s’orienter vers les approches de développement itératives qui se trouvent dans des environnements imparfaits doivent alors sérieusement penser à procéder à un important projet de mise à jour de l’architecture d’intelligence d'affaires qui les mènera à cette flexibilité. C’est pourquoi on parlera souvent de deux environnements de projets différents : les projets de développement et de mise à jour importante de l’architecture d’intelligence d'affaires et du référentiel de données, et les projets de développement d’applications d’intelligence d'affaires (tableaux de bord et rapports). Tous ces projets se déroulent typiquement en parallèle au sein des organisations et nécessitent, de la part du gestionnaire TI, d’importantes habiletés à gérer la complexité.

Encore aujourd’hui de nombreux professionnels ignorent les différences fondamentales entre les applications TI et les applications d’intelligence d'affaires. Ils gèrent les projets d’intelligence d'affaires comme des projets TI (le plus souvent en utilisant des méthodes en cascades mal adaptées à la nature évolutive de l’intelligence d'affaires), réalisent les analyses de besoin de la même façon et en utilisant les mêmes techniques (alors que les besoins ne sont pas du tout de la même nature) et tentent de justifier les projets en utilisant les mêmes arguments. En faisant cela, les professionnels nuisent (inconsciemment) à la réalisation de la valeur de l’intelligence d'affaires pour l’organisation. En effet, quelle valeur a un tableau de bord qui n’est disponible lorsqu’il faut prendre la décision? Quelle valeur a une information qui n’arrive pas à temps et qui ne répond plus au besoin, car celui-ci a changé entre-temps? Les professionnels TI qui évoluent en intelligence d'affaires se doivent de réapprendre leur métier pour adapter celui-ci au contexte d’intelligence d'affaires et ainsi assurer que l’intelligence d’affaires constitue toujours un élément fondamental au succès de l’organisation à travers le temps.

Sylvie Fréchette, M.Sc., Conseillère en intelligence d’affaires, Services conseils SF, Membre du comité organisateur du Salon BI 2011
Manon G. Guillemette, Ph.D., professeure agrégée à l’Université de Sherbrooke et directrice du Pôle de recherche en intelligence stratégique et multidimensionnelle d'entreprise (PRISME).

Rejoignez sur LinkedIn le groupe animé par Manon G. Guillemette : Stratégie de l'Intelligence d'Affaires



Dans la même rubrique :