La mesure commence avant le reporting

Un tableau de bord ne peut pas résoudre a posteriori la question du pilotage

La mesurabilité commence par une question commerciale et une décision prévue. Ce n'est qu'ensuite que sont définis l'objectif, l'hypothèse, l'indicateur de mesure, l'événement, la source de données, la règle de qualité et la responsabilité.

Le reporting est l'aboutissement de cette préparation, non son remplacement. Si le concept de mesure fait défaut, un rapport visualise avant tout l'opacité du système.

Situation de départ

De nombreuses entreprises commencent leur travail de mesure par l'outil. Une solution d'analyse est mise en place, un système de gestion des balises est ajouté et un tableau de bord est construit. Ensuite, les pages vues, les sessions, les clics, les campagnes, les événements de formulaire et les coûts se côtoient.

L'interface semble professionnelle. Pourtant, des questions fondamentales surgissent lors de la réunion :

• Laquelle de ces métriques décrit réellement l'impact commercial ?
• L'appel d'un formulaire constitue-t-il déjà un progrès ou seulement une interaction technique ?
• Un événement a-t-il été enregistré de la même manière de tous les côtés ?
• Les accès internes, les données de test et les déclenchements en double sont-ils exclus ?
• Quelle décision doit découler d'un changement ?
• Qui vérifie si les données correspondent encore au site web actuel et au processus réel ?

Ces questions ne relèvent pas d'un problème de reporting. Elles montrent qu'aucune logique de mesure commune n'a été définie avant la collecte des données.

En octobre 2021, cette différence était particulièrement pertinente. Le nombre de points de contact numériques augmentait, les campagnes et les sites web étaient instrumentés de manière plus granulaire et Google avait introduit un modèle de mesure davantage basé sur les événements avec la nouvelle génération d'Analytics. Cela a ouvert la voie à une collecte plus flexible. Mais cela ne répondait pas automatiquement à la question de savoir quels événements étaient pertinents pour une entreprise donnée.

Plus d'interactions saisies ne conduisent donc pas nécessairement à un meilleur pilotage. Sans lien avec les objectifs, ce niveau de détail supplémentaire pouvait même augmenter le nombre d'indicateurs sans améliorer la prise de décision.

Ce qui se cache derrière le problème

Les données disponibles sont confondues avec les données pertinentes

Les outils fournissent des indicateurs standard. Ceux-ci sont techniquement facilement disponibles et donc rapidement intégrés dans les rapports. Cependant, leur disponibilité ne dit rien sur la question de savoir s'ils répondent à une question commerciale.

Les vues de pages peuvent être importantes pour l'utilisation d'une base de connaissances. Pour la qualité d'une demande B2B complexe, elles ne constituent qu'un signal indirect. Un taux de clics élevé peut indiquer une pertinence. Il peut également résulter d'une attente ambiguë.

La pertinence ne naît pas de l'indicateur lui-même. Elle naît du lien entre l'objectif, le comportement de l'utilisateur et la décision prévue.

Indicateur, KPI et objectif sont confondus

Une mesure décrit une valeur observée. Un KPI est une mesure sélectionnée, utilisée pour évaluer un objectif ou un processus important. Un objectif décrit l'état souhaité ou le changement intentionnel.

Quiconque décrète que chaque valeur disponible est un KPI perd la priorité. Quiconque formule un objectif uniquement sous forme de chiffre sans nommer l'impact sous-jacent sème également la confusion.

« Plus de conversions » ne constitue pas encore un objectif suffisant. Il faut clarifier quelle action est considérée comme une conversion, quelle qualité elle doit posséder et quel résultat commercial elle sert.

Les événements sont définis techniquement plutôt que métier

Un événement est d'abord une action observable ou un état du système. Techniquement, un clic, le début d'un formulaire ou un téléchargement peuvent être enregistrés. Du point de vue métier, il faut en outre clarifier ce que signifie cet événement.

Un téléchargement peut montrer de l'intérêt. Il ne prouve pas une intention d'achat. Un envoi de formulaire peut représenter une demande. Il ne dit encore rien sur son adéquation ou sur le processus commercial suivant.

La saisie technique doit donc reposer sur une définition d'événement qui décrit le nom, le déclencheur, la signification, les conditions, les exclusions et la conséquence attendue.

La qualité des données reste sans responsabilité

Les erreurs de mesure ne proviennent pas seulement de balises défectueuses. Elles résultent également de modifications de formulaires, de nouveaux paramètres de campagne, de déclencheurs en double, de dénominations incohérentes, d'exclusions manquantes et de changements apportés ultérieurement aux processus.

Sans responsabilité, la qualité des données n'est vérifiée que lorsque les résultats semblent impl：“. À ce stade, il n'est souvent plus possible de reconstituer clairement depuis quand l'écart existe.

La qualité des données n'est donc pas un test technique unique. C'est une tâche récurrente de contrôle, de documentation et de correction.

Les rapports sont établis sans préparer les décisions

Un rapport régulier peut créer de la transparence. Il ne devient cependant pas automatiquement un outil de pilotage.

Pour cela, il faut clarifier au préalable :

• Quel changement est pertinent ?
• À partir de quel écart procède-t-on à un contrôle ?
• Quelles sont les causes examinées en premier ?
• Quelle personne est autorisée à adapter les mesures ?
• À partir de quand une observation n'est-elle plus une tendance fiable ?
• Quelles informations supplémentaires sont nécessaires ?

Sans ces règles, le rapport reste descriptif. Il explique ce qui est affiché, mais pas ce qui doit en découler.

Positionnement stratégique

Un concept de mesure fiable relie sept niveaux :

1. Question métier : Que doit savoir l'entreprise ?
2. Décision : Quelle action doit être améliorée grâce à cette découverte ?
3. Objectif et hypothèse : Quel changement est attendu et pourquoi ?
4. Indicateurs de mesure et événements : Quels signaux observables sont adaptés à cet effet ?
5. Sources de données et qualité : D'où proviennent les données et comment sont-elles vérifiées ?
6. Interprétation : Dans quelle période, quel segment et quel cadre de comparaison les valeurs sont-elles lues ?
7. Mesure et apprentissage : Quelle adaptation s'ensuit et comment son effet est-il à nouveau vérifié ?

Cet ordre n'empêche pas d'utiliser les données existantes. Il les associe simplement à une fonction métier.

La méthodologie de service britannique a formulé un principe similaire dès avant 2021 : les métriques doivent être dérivées de l'objectif, de l'utilité et des hypothèses d'un service. Ce n'est qu'ensuite que les sources de données, l'analyse et la présentation sont définies. Les tableaux de bord et les rapports y apparaissent délibérément tard dans la chaîne.

Le modèle basé sur les événements de la nouvelle génération de Google Analytics introduite en 2020 n'a rien changé à cette responsabilité. Il a rendu les interactions plus flexibles à décrire. La signification des événements devait toujours être définie par l'entreprise.

La chaîne de mesure

Agrandir le graphique

La qualité des données doit être suffisante pour l'usage visé

Des données parfaites sont rarement atteignables dans les systèmes numériques réels. Il n'en découle cependant pas que chaque déviation est acceptable.

La qualité nécessaire dépend de la décision. Pour une observation approximative de l'intérêt porté à un domaine thématique, une mesure de tendance stable peut suffire. Pour des transferts de budget, des prévisions de ventes ou l'évaluation de campagnes individuelles, des exigences plus élevées sont nécessaires.

Au moins cinq questions de qualité devraient trouver une réponse :

Exhaustivité

Les événements pertinents sont-ils enregistrés dans toutes les situations prévues ou manque-t-il des appareils, des pages, des étapes de processus ou des canaux ?

Exactitude

L'événement enregistré correspond-il à l'action réelle ou y a-t-il des doublons, des données de test et de fausses activations ?

Cohérence

Les termes, paramètres, périodes et définitions sont-ils utilisés de la même manière dans tous les systèmes et rapports ?

Actualité

Les données sont-elles disponibles à temps pour la décision prévue et sait-on quels sont les retards existants ?

Contexte

Le segment, la période de comparaison, la référence (baseline), les effets saisonniers et les modifications de processus sont-ils documentés ?

L'ISO 8000 classait déjà la qualité des données comme une tâche de gestion avant 2021. Le point décisif pour les systèmes de mesure numériques n'est pas la certification en soi. Ce qui est pertinent, c'est la conséquence organisationnelle : la qualité nécessite des processus, des rôles et des contrôles répétables.

La protection des données fait partie intégrante du concept de mesure

Un concept de mesure ne doit pas seulement clarifier ce qui peut être techniquement enregistré. Il doit aussi justifier quelles données sont nécessaires pour l'objectif défini.

Le Règlement général sur la protection des données mentionne entre autres la limitation des finalités, la minimisation des données et l'exactitude comme principes. Pour la planification pratique des mesures, cela signifie :

• ne pas collecter par précaution chaque information possible,
• ne traiter les données personnelles ou identifiables qu'avec une base juridique clarifiée,
• Limiter la conservation et les accès,
• Documenter de manière compréhensible les objectifs de mesure,
• impliquer tôt l'examen juridique et technique.

Cet article ne remplace pas un conseil juridique. Pour des questions concrètes concernant la licéité, le consentement ou la mise en œuvre technique, un cabinet spécialisé ou un délégué à la protection des données doit être consulté.

La protection des données n'est pas l'opposé de la mesurabilité. Une définition claire de l'objectif améliore les deux. Elle limite la collecte de données superflues tout en augmentant la pertinence technique des données restantes.

Perspective pratique

Dans les systèmes existants, l'amélioration commence rarement par un tableau de bord entièrement nouveau. Il est plus judicieux de faire un inventaire des décisions qui doivent être prises régulièrement.

À partir de là, il est possible de vérifier à rebours :

• Quelles sont les questions réellement posées aujourd'hui ?
• Quels indicateurs sont utilisés à cet effet ?
• Quelles définitions se cachent derrière ?
• Quels événements et sources de données alimentent ces valeurs ?
• Quels contrôles sont effectués ?
• Où apparaissent des corrections manuelles ou des doutes ?
• Quels indicateurs sont certes rapportés, mais ne sont jamais utilisés pour une décision ?

Il s'avère souvent que peu de métriques ont une forte pertinence décisionnelle, tandis que beaucoup d'autres valeurs ne servent que de matériel d'observation. Cette distinction ne dévalorise pas les données supplémentaires. Elle évite simplement qu'un rapport ne traite chaque chiffre avec la même importance.

Il est tout aussi important d'établir le lien entre le comportement numérique et les processus en aval. Une demande sur le site web n'est compréhensible d'un point de vue commercial que si l'on sait si elle était pertinente, si elle a été traitée et à quel résultat elle a abouti. Pour cela, le marketing, les ventes et, le cas échéant, le service client doivent utiliser des définitions communes.

Cadre d'action

1. Nommer la décision à améliorer

Ne commencez pas par vous demander quelles mesures sont disponibles. Décrivez quelle décision récurrente doit être mieux préparée.

2. Séparer l'objectif et l'effet attendu

Formulez l'état commercial souhaité. Ajoutez ensuite l'hypothèse sur la manière dont une mesure concrète doit y contribuer.

3. Sélectionner quelques KPI pertinents pour le pilotage

Sélectionnez uniquement des indicateurs clés de performance (KPI) essentiels à l'objectif et qui soutiennent une décision. Les autres mesures restent des valeurs de diagnostic ou de contexte.

4. Documenter les événements et les définitions

Définissez pour chaque événement pertinent les déclencheurs, la signification, les paramètres, les exclusions, la source de données et la personne responsable. Utilisez des noms cohérents dans tous les systèmes.

5. Définir les règles de qualité avant l'exploitation normale

Déterminez les intervalles de contrôle, les cas de test, les limites de plausibilité et la gestion des modifications. Documentez les lacunes connues au lieu de créer une fausse précision.

6. Compléter les rapports par des règles de décision

Définissez quelles déviations déclenchent un contrôle, quels segments sont examinés et qui peut décider des mesures. Un rapport ne doit pas seulement rendre visibles des valeurs, mais aussi leur signification dans le contexte respectif.

7. Organiser l'apprentissage comme un cycle fermé

Après une mesure, ne vous contentez pas de vérifier la valeur cible. Évaluez également si l'hypothèse, la mesure et la qualité des données étaient solides. Adaptez le concept de mesure en cas de modification du processus, du site web ou du modèle économique.

Ce que les entreprises ne doivent pas faire

Les entreprises ne devraient pas mettre en place une architecture de mesure complexe simplement parce qu'un outil peut capturer de nombreux événements.

Vous ne devriez pas non plus qualifier chaque interaction positive de conversion, choisir des indicateurs a posteriori pour qu'ils correspondent à un résultat, ni comparer des valeurs historiques alors que les définitions et la collecte ont été modifiées.

Un tableau de bord ne doit pas prétendre à une précision que ses sources de données ne possèdent pas. L'attribution ne doit pas être traitée comme une preuve complète de cause à effet. Et un rapport mensuel ne doit pas être maintenu si ses destinataires n'en tirent ni décisions ni ordres de mission.

Conséquence pour les entreprises

La mesurabilité ne naît pas d'un maximum de chiffres. Elle naît d'un lien solide entre l'objectif, le comportement, les données et la décision.

Un bon concept de mesure ne réduit pas nécessairement la base de données. Il la structure :

• peu de KPIs pour le pilotage,
• indicateurs complémentaires pour le diagnostic et le contexte,
• événements définis pour des actions observables,
• règles de qualité documentées,
• des responsabilités claires,
• cycles d'apprentissage et d'adaptation récurrents.

La manière dont les clients naviguent entre recherche, vérification des reçus et contact personnel montre « Les décisions des clients suivent rarement un entonnoir rectiligne ». Pourquoi la mesure n'agit que comme élément d'un système interconnecté est approfondi « Des mesures individuelles à un système d'impact numérique ». L'évaluation annuelle ultérieure « Ce que 2025 a réellement révélé sur la maturité numérique » intègre la capacité de pilotage dans le contexte organisationnel global.

La vue d'ensemble est fournie par Domaines thématiques Données et Pilotage.

Connexion technique

examiner conjointement le concept de mesure, la base de données et la logique de décision

Un système de KPI et de pilotage commence par les questions commerciales, et non par le choix d'un tableau de bord. Une phase de découverte structurée permet d'associer les objectifs, les événements, les sources de données, les lacunes de qualité et les responsabilités pour former une architecture de mesure fiable.

Clarifier de manière structurée le concept de mesure et la base de données numérique

Auteur

À propos de Göke Frerichs

Göke Frerichs associe depuis 1999 stratégie numérique, communication, technologie et mise en œuvre. En tant que stratège numérique et Smart Digital Creative, il aide les entreprises B2B gérées par leurs propriétaires à développer des systèmes numériques clairs et solides à partir de mesures individuelles. Sa perspective repose sur de nombreuses années d'expérience en conseil et en mise en œuvre dans la région DACH et en Amérique du Nord.

En savoir plus sur Göke Frerichs