Détenu par un fonds de private equity · retail, vente en gros et e-commerce sur trois continents · mandat de 60 jours du conseil d'administration. Données client anonymisées ; tous les chiffres sont des constats réels de l'audit.
Contexte
Le conseil d'administration d'une marque de luxe internationale, dont le chiffre d'affaires approchait le demi-milliard de dollars, avait fixé un mandat clair : identifier où l'IA créerait une valeur mesurable, et présenter des options d'investissement sous 60 jours.
L'entreprise n'était pas en difficulté. La stratégie était documentée, les KPI revus chaque trimestre, et la direction s'accordait sur l'importance de l'IA. La difficulté était plus précise : les projets de transformation avaient l'habitude de s'essouffler entre la décision et l'exécution, et personne ne savait expliquer exactement pourquoi. La direction soupçonnait une cause organisationnelle plutôt que technique. Elle avait raison, mais ne voyait pas où.
C'est une situation fréquente pour les entreprises de cette taille. L'organisation est trop grande pour qu'un dirigeant l'observe directement, et le reporting, aussi exact soit-il, décrit l'entreprise telle qu'elle a été conçue, pas telle qu'elle fonctionne.
Méthode
L'audit construit la même image de l'entreprise à partir de trois sources indépendantes, puis examine les points où ces images divergent.
Données des systèmes. Un export complet de trois mois de la file du service client : 7 612 tickets et 19 986 interactions associées, classés selon une taxonomie en dix catégories et validés à 94 % de précision sur un échantillon relu à la main. Le catalogue e-commerce en ligne, lu article par article (203 modèles). Les données de coûts de la direction financière. Les flux de données reliant les deux ERP de l'entreprise et son outil de business intelligence.
Données publiques. 236 avis clients publics, analysés selon la même taxonomie que les tickets internes, et une évaluation de la façon dont la marque est représentée dans les principaux moteurs de réponse IA.
Données humaines. Des entretiens structurés sur toute la ligne hiérarchique : directeur général, directeur marketing, e-commerce, planification, logistique, et l'équipe du service client elle-même. Les entretiens portent sur la façon dont le travail est réellement fait. Ils excluent délibérément toute mesure de la productivité individuelle ; c'est un choix de méthode, et c'est ce qui permet aux collaborateurs de parler franchement.
Chaque source produit une image partielle et cohérente en elle-même. Les constats qui comptent se trouvent dans leurs écarts.
Constats
Quatre exemples tirés de cette mission, formulés comme l'écart entre ce que la direction croyait et ce que montraient les faits.
Capacité du service client. La direction pensait l'équipe support submergée par la demande des clients, et s'apprêtait à investir sur cette base. Les données des tickets ont montré que 45,6 % de la file correspondaient à une vraie demande client. Le reste était du bruit : spam, webhooks de paiement automatiques, doublons, et les propres campagnes marketing sortantes de l'entreprise qui se transformaient en tickets. Sur la demande réelle, environ un tiers pouvait être traité par automatisation avec la technologie actuelle. Il ne fallait pas agrandir l'équipe ; il fallait gérer la file. Ce sont deux investissements différents, et le second est nettement plus modeste.
Accès aux données. La direction pensait l'entreprise pilotée par la donnée, sur la foi d'un déploiement BI conséquent. Les journaux d'utilisation ont montré qu'environ 70 des 90 utilisateurs licenciés de rapports se connectaient rarement, et qu'un cadre dirigeant de la planification reconstituait les chiffres à la main dans des tableurs, cinq à dix heures par semaine. L'investissement analytique était solide ; son adoption avait échoué sans bruit, et cet échec restait invisible parce que le contournement de chacun semblait raisonnable à son niveau.
Mesure de la satisfaction client. On supposait la satisfaction suivie. Elle n'était pas mesurée du tout : l'outil avait été désactivé à un moment donné, et l'information n'était jamais remontée. Sur la même période, les délais de première réponse atteignaient 21 heures en pic. Le conseil raisonnait sur l'expérience client sans données.
Rapprochement des systèmes. Les deux ERP n'étaient pas rapprochés automatiquement. La finance et les opérations travaillaient chacune à partir de chiffres justes dans leur propre système et incohérents d'un système à l'autre. Le coût se payait en heures de rapprochement manuel et, de façon moins visible, en perte de confiance entre les deux fonctions.
Aucun de ces constats ne figurait dans un rapport. Chacun est une divergence entre sources, entre ce qui se dit dans une partie de l'organisation et ce qui est enregistré ou vécu dans une autre. Faire émerger ces divergences, chaque constat étant traçable jusqu'à un ticket, un enregistrement système ou un entretien, c'est l'objet même de l'audit.
Décisions et résultats
L'audit a produit 33 cas d'usage IA, chacun classé selon le retour attendu et l'effort de mise en œuvre, avec des responsables nommés et des hypothèses explicites. Les chiffres étaient volontairement prudents. Le conseil a financé les trois premiers dans le trimestre.
Deux aspects du processus de décision méritent d'être notés.
D'abord, le séquencement est devenu possible. Avec un ensemble d'options classées et chiffrées, le conseil a pu étaler la transformation plutôt que la lancer partout à la fois : l'automatisation d'abord là où le travail est répétitif et le retour mesurable, le jugement humain préservé là où il est le produit. Un garde-fou était explicite et non négociable : pas d'images générées par IA sur le travail créatif qui définit la marque. Le savoir-faire est la marque ; l'IA a été cantonnée aux déclinaisons répétitives qui l'entourent.
Ensuite, de façon moins tangible : l'équipe de direction a indiqué que l'effet principal de l'audit portait sur la qualité de ses propres discussions. Quand les responsables marketing et opérations examinent la même base de faits, chaque constat étant traçable jusqu'à sa source, le désaccord passe de la perception à l'interprétation. Plusieurs conversations repoussées depuis des années, sur l'accès aux données, sur la file du support, sur le rapprochement entre systèmes, ont eu lieu en quelques semaines, parce que les faits n'étaient plus contestés.
L'entreprise a depuis adopté le rythme de fonctionnement de l'audit : chaque projet livré est suivi d'un nouveau scan, et les revues du conseil se font sur l'image mise à jour plutôt que sur le plan initial. Les problèmes ont désormais tendance à apparaître tant qu'ils coûtent peu, plutôt qu'après s'être accumulés jusqu'à un KPI manqué.
Observation
Les études sectorielles constatent de façon constante que la grande majorité des initiatives IA en entreprise ne produisent aucun impact mesurable sur le compte de résultat, et que les causes sont organisationnelles plutôt que techniques. Cette mission suggère une lecture pratique de ce constat : la contrainte tient rarement à l'ambition ou à la technologie, mais à la justesse de l'image sur laquelle les décisions sont prises. Ce conseil a passé 60 jours à améliorer l'image avant de dépenser dans la technologie. Les décisions technologiques qui ont suivi ont été plus modestes, plus rapides et, jusqu'ici, justes.