De la donnée brute à la décision augmentée : Maîtriser la chaîne de valeur Data à l’ère de l’IA générative. 

À l’occasion d’un dîner VIP organisé par Agora Managers Groupe, Pascal Bizzari, directeur général d’Avisia, et Xavier Garbajosa, légende du rugby, aujourd’hui directeur sportif du Stade Toulousain, parcourent toute la chaîne de valeur de la data en trois temps :

Structurer la valeur – de la data et l’impact métier – IA et IA générative vers la décision augmentée – Gouvernance, confiance et leadership de la data.

Un échange croisé entre conseil en intelligence décisionnelle — modèles prédictifs, IA générative et écosystèmes agentiques, sur des références comme L’Oréal, Club Med… et management sportif de haut niveau, qui pose en creux une question structurelle pour les DSI et CDO : à mesure que l’IA générative traite aussi bien la donnée tabulaire que la connaissance textuelle non structurée, le rôle glisse de responsable de la donnée vers responsable de l’information de l’entreprise — avec une dimension de gouvernance de la connaissance qui n’existait pas il y a trois ans.

Jérôme Papin (animateur) : Xavier Garbajosa, tu as marqué de ton empreinte le Stade Toulousain avec trois titres de champion de France et de Coupe d’Europe. Tu es vice-champion du monde en 1999 avec l’équipe de France et tu as ensuite été manager à La Rochelle, Montpellier, puis à Lyon.

Et aujourd’hui, tu occupes un nouveau rôle au sein du Stade Toulousain. Tu es revenu à la maison…

Xavier Garbajosa (directeur sportif, Stade Toulousain) : Un retour aux sources, effectivement. Aujourd’hui, je m’occupe de la direction sportive du Stade Toulousain, toutes catégories confondues, de la formation jusqu’aux missions de scoutisme et de recrutement.

Jérôme Papin : Pascal, Avisia naît en 2007. Si on devait résumer votre société ?

Pascal Bizzari (Avisia) : Avisia est un cabinet de conseil basé à Paris, Bordeaux, Lille, Lyon et Nantes, spécialisé dans la prise de décision en entreprise en s’appuyant sur la data, l’IA et aujourd’hui l’agentique, pour augmenter les prises de décision dans les directions métiers. Nous avons plus de 350 consultants qui accompagnent les grandes entreprises sur toute la chaîne de valeur de la data – depuis le niveau Comex et C-level pour la décision stratégique, jusqu’au déploiement opérationnel auprès des équipes métier et informatique.

Jérôme Papin : Avisia est-elle aussi présente dans le sport ?

Pascal Bizzari : Oui, tout à fait. Dans ce métier de la data et de l’IA, nous avons aussi une mission d’évangélisation et d’acculturation auprès du plus grand nombre, car ce sont des sujets qui nous touchent déjà dans notre vie quotidienne et qui vont nous toucher de plus en plus.

Le moyen que nous avons trouvé pour acculturer les gens, c’est de traiter des sujets grand public qui parlent à tous : on prédit les Miss France, on prédit les résultats de matchs de football, on travaille sur le scoutisme. Cela nous permet d’expliquer des concepts parfois complexes de façon très concrète, et les gens comprennent ainsi comment fonctionne la data, comment fonctionne l’IA, et comment cela peut s’appliquer à leur quotidien.

Jérôme Papin : Entrons dans le vif du sujet avec notre première thématique : Structurer la valeur : de la data à l’impact métier. La performance ne vient pas de la donnée elle-même, mais peut-être de sa structuration ?

Pascal Bizzari : Tout à fait. La data, c’est comme une matière première brute qui, prise de façon isolée, ne sert pas à grand-chose. C’est en la travaillant, en la transformant et en la rendant utilisable par des humains dans la prise de décision qu’elle crée de la valeur. Cette valeur ajoutée apparaît dès lors qu’on réussit à influencer un comportement ou une décision grâce à un éclairage de la donnée qui n’aurait pas existé sans elle. On vient ainsi éclairer ce qui, à la base, pouvait être purement intuitif — un feeling — et la data vient le confirmer et aider dans la prise de décision.

Jérôme Papin : Dans le rugby, comment structurez-vous concrètement ces informations autour des joueurs et des performances ?

Xavier Garbajosa : Il y a plusieurs volets. Le premier, c’est le suivi physique des joueurs via des capteurs GPS qu’ils portent à chaque séance, ce qui nous permet de calculer les volumes de courses, les intensités et les chocs — utile pour la gestion des charges d’entraînement tout au long de la semaine.

Ensuite, il y a un travail analytique sur des données factuelles. La problématique, comme le disait Pascal, c’est l’interprétation : comment utiliser ces données pour décider, par exemple, de sortir un joueur dont les performances sont en dessous de son niveau habituel ? Est-il en état de fatigue ? A-t-il un problème ailleurs ? Ces données nous questionnent autant qu’elles nous aident dans la prise de décision – et la décision finale reste, à un moment donné, le fruit de notre expérience.

Ce qui est certain, c’est que dans le sport de haut niveau aujourd’hui, notamment en rugby, le scoutisme, le profilage de joueurs, la gestion des remplacements, des jokers médicaux, de l’équilibre d’une équipe – tout cela s’appuie sur des signaux factuels et mesurables. Nous en sommes encore aux prémices de l’utilisation de la data dans notre sport, qui est riche en règles et génère une multitude de données qu’il faut savoir gérer et interpréter le plus simplement possible.

Jérôme Papin : Comment Avisia pourrait-elle s’intégrer dans un contexte comme celui du Stade Toulousain ?

Pascal Bizzari : Dans ce type de cas, on interviendrait en plusieurs étapes. D’abord, on récupère l’ensemble des données évoquées par Xavier pour les centraliser dans un stockage unifié – tout regrouper au même endroit. Ensuite, on transforme chaque donnée brute en indicateur de performance : les données GPS donnant l’allure de course des joueurs deviennent, par exemple, un nombre de courses à haute intensité.

On restitue ensuite ces indicateurs de deux façons. En self-service d’abord, sous forme de reportings ou d’analyses prêtes à l’emploi permettant de comprendre le profil d’un joueur. Puis via des indicateurs plus complexes, alimentés par des algorithmes, qui permettent de créer des typologies de profils – segmenter les joueurs entre ceux qui sont plutôt créatifs et ceux qui sont plutôt besogneux, par exemple.

Ces macro-insights peuvent alors être injectés directement auprès du coach pour une prise de décision en temps réel, ou auprès du staff pour bâtir un plan d’entraînement personnalisé selon les qualités et les axes de progression du joueur. On gravite ainsi de la donnée brute vers une matière exploitable par chaque type d’utilisateur.

Jérôme Papin : Xavier, toi qui as vécu la transition joueur-manager, as-tu vu arriver cette exploitation de la donnée, et comment le milieu rugby l’appréhende-t-il ?

Xavier Garbajosa : Aujourd’hui, à l’image de la société et des nouvelles technologies, le sport de haut niveau ne passera évidemment pas à côté de cette évolution. La performance ou l’échec sur un match reste multifactorielle, avec une part d’incertitude que l’on ne maîtrise pas entièrement, mais que l’on essaie de réduire au maximum.

Toutes ces données, toutes ces analyses, sur l’adversaire, par exemple, nous permettent d’établir un mapping du terrain pour identifier les zones où l’équipe adverse est plus vulnérable sur les jeux au pied. Cela peut nous inciter à construire une stratégie autour de cet espace. Sur les rideaux défensifs également.

Notre sport est relativement complexe et nous avons peu d’antériorité sur ces données, mais elles nous intéressent parce qu’en tant qu’entraîneur et manager, tout est bon à prendre pour se donner de nouvelles visions, de nouvelles méthodologies d’entraînement. Chaque jour, on se demande comment mieux faire. Ces données nous aident sur la prévention des blessures, sur la gestion de la fraîcheur, sur la motivation intrinsèque des joueurs. Chaque donnée traitée n’est pas en elle-même une décision, c’est un élément supplémentaire qui vient nous éclairer sur une décision à prendre ou pas.

Jérôme Papin : Des entreprises peuvent-elles échouer dans leur projet data, et que proposez-vous pour l’éviter ?

Pascal Bizzari : Oui, beaucoup de projets data échouent aujourd’hui. Et ce qu’il faut comprendre, c’est que dans un projet data, comme dans tout projet technologique, 20 % relève de la partie technologique, et 80 % de la partie humaine et organisationnelle.

Les projets qui échouent sont souvent ceux où l’on se concentre uniquement sur la technologie, en cherchant à construire le meilleur produit ou le meilleur algorithme. Mais si l’on n’intègre pas la dimension humaine, ces produits finissent dans un tiroir. On dit alors que « ça ne marche pas », alors qu’en réalité, ils n’ont pas été utilisés, ou on n’a pas accompagné les utilisateurs pour bien s’en servir, et on n’a pas fait ce travail pédagogique indispensable.

C’est pourquoi nous partons systématiquement du besoin de l’utilisateur et du métier pour qualifier comment la technologie peut aider à gagner du temps et à prendre de meilleures décisions. C’est à partir de là que l’on construit le produit technologique, en l’adaptant au maximum à l’utilisateur final.

Jérôme Papin : Les besoins évoluent vite et les outils aussi avancent et proposent des solutions pour accompagner vos projets. Il y a l’IA générative, la data descriptive, la data prédictive, la décision augmentée… Quelle différence faites-vous entre automatiser une analyse et augmenter une décision ?

Pascal Bizzari : Quand on automatise une analyse, on cherche à remplacer une tâche de bout en bout. Augmenter une décision, c’est différent : on apporte des éléments à un humain qui, à la fin, les prend en main, les valide ou non, et s’en sert pour accomplir son action et prendre sa décision.

Jérôme Papin : En coulisses, tu disais, Xavier : On est dans un monde de « oui, mais. » Et tu expliquais que lors des entretiens avec les joueurs, même les jeunes en devenir, la data permet justement de contrer ce fameux « oui mais. »

Xavier Garbajosa : La nouvelle génération, constamment sur leur téléphone, s’alimente, s’instruit et comprend davantage par les images que par les textes. C’est une réalité à laquelle il faut s’adapter. La data, ce sont des chiffres. Lors d’un entretien individuel ou collectif, on utilise déjà la vidéo parce qu’elle permet de montrer des actions concrètes, positives ou à améliorer, de façon factuelle.
Et on s’appuie aussi sur les chiffres : volumes de courses, indicateurs de performance atteints ou non. Ces éléments ne suscitent pas le « oui mais ». Le standard, c’est ça ! Voilà où tu en es aujourd’hui ! On peut le « rankiser » par des couleurs, c’est un peu moins barbare. Et derrière, ça découle sur un travail physique, technique ou mental, en fonction des carences identifiées, avec les différents services du coaching.

Donc effectivement, aujourd’hui, c’est un outil dont on se sert aussi pour que ce soit clair. Parce que les chiffres parlent d’eux-mêmes.

Jérôme Papin : Avisia va par exemple développer des outils spécifiques pour chaque entreprise – dans le cas du Stade Toulousain, pour Xavier et le staff sportif – en robotisant les tâches répétitives pour mieux augmenter celles qui ont de la valeur, et ainsi contrer le fameux « oui mais. » Cela vaut dans le sport comme ailleurs.

Pascal Bizzari : Exactement. Dans l’exemple cité par Xavier, l’analyse vidéo mobilise beaucoup de temps pour l’analyste : il regarde le match, identifie manuellement chaque séquence impliquant un joueur et les classe dans un répertoire. C’est typiquement une tâche qu’on automatise, car elle n’a pas de valeur ajoutée en elle-même. Libéré de cette contrainte, l’analyste peut se concentrer sur l’essentiel : analyser chaque séquence, y apposer un ranking, des couleurs, une vraie lecture pour ensuite faire la pédagogie auprès du joueur.

Jérôme Papin : Vous évoquez l’IA générative depuis le début . Où en sommes-nous concrètement dans les usages en entreprise aujourd’hui ?

Pascal Bizzari : On a évoqué la data descriptive, prédictive, IA générative et maintenant on va encore plus loin avec l’IA agentique, où l’on vient exécuter des tâches de façon complète et autonome. Nous partons toujours des besoins des utilisateurs. On a mis en place un outil qu’on appelle la Fresque de l’IA générative et agentique, qui permet à chacun de s’approprier ces concepts et de se demander : dans mon métier, comment ça va se mettre en place et à quoi ça va me servir ? C’est à partir de ces besoins qu’on construit nos projets et cas d’usage.

Un exemple concret : nous accompagnons le Club Med. Ils avaient une problématique sur comment rendre accessibles les indicateurs de performance et de ventes au Comex, souvent des personnes qui n’ont pas envie d’ouvrir des reportings ou des fichiers Excel, et qui veulent la réponse immédiatement.

On a donc créé un outil baptisé le Gentil Requêteur, un agent qui centralise l’accès à l’ensemble des bases de données et à qui on peut poser des questions en langage naturel : « Combien de ventes avons-nous réalisées hier sur ce resort ? » L’agent transforme automatiquement cette question en analyse, restitue le chiffre, et peut même l’afficher sous forme de graphique à la demande. Résultat : des réponses en temps réel, sans passer par un outil de reporting ou de data visualisation.

Autre exemple, dans les transports en Île-de-France : les agents du service client reçoivent chaque jour des emails de clients qui posent des questions. Ils devaient auparavant chercher manuellement les informations du contrat client, vérifier la demande, consulter les règles de gestion pour formuler une réponse. Désormais, l’agent reçoit le mail, collecte toutes les informations utiles, synthétise les procédures et propose une réponse. L’agent humain n’a plus qu’à valider, personnaliser le message et répondre, sans perdre de temps à chercher des informations qu’il a déjà toutes sous la main.

Et on va encore plus loin chez L’Oréal, avec ce qu’on appelle des Compagnons Factory : plusieurs agents orchestrés ensemble. L’Oréal diffuse ses produits sur de nombreuses marketplaces, chacune ayant ses propres formats de fiches produit. Un agent remplit les descriptions, un autre gère les visuels, d’autres prennent en charge les champs spécifiques à chaque plateforme. Un agent orchestrateur compile tout et génère la fiche finale. Un humain arrive en bout de chaîne, valide que la fiche respecte la charte L’Oréal, et appuie sur le bouton pour la mettre en ligne. Beaucoup de temps économisé, grâce à de nombreux agents qui travaillent en parallèle, coordonnés en coulisses.

Jérôme Papin : Qui doit avoir le dernier mot : l’algorithme ou l’humain ?

Xavier Garbajosa : Pour moi, l’humain doit rester décisionnaire. Tous ces outils sont des éléments d’aide à la décision. Et comme le disait Pascal, ce qu’il faut retenir, c’est qu’on va limiter le temps de recherche d’informations et surtout réduire les erreurs. Même si c’est l’agent qui fait le travail préparatoire, c’est bien l’humain qui a la relation, qui envoie le message, qui porte la voix.

Au Stade Toulousain, l’initiative, la vitesse, l’adaptation sont des maîtres mots. Brider la spontanéité d’un joueur, ce serait réduire son talent. Notre philosophie, notre ADN, c’est celui-là. Dans d’autres clubs, c’est différent et peut-être que certains outils, utiles ici, pourraient nous desservir dans d’autres cas. Pour moi, l’humain reste le dernier décideur.

Pascal Bizzari : Je suis tout à fait d’accord. Dans tous les exemples que j’ai cités, c’est bien l’humain qui dispose des outils et qui a la décision en dernier ressort. On n’est pas dans une logique de remplacement. La qualité du jugement humain reste supérieure sur ces aspects-là. Et il y a aussi une notion fondamentale de responsabilité : une décision doit être portée par quelqu’un. Techniquement, seul l’humain peut assumer cette responsabilité.

Jérôme Papin : Ce qui nous amène à notre dernière thématique : gouvernance, confiance et leadership de la data. On comprend que ces outils font gagner du temps et peuvent être développés sur mesure selon vos besoins. Mais la vraie transformation ne serait-elle pas avant tout culturelle et managériale ?

Pascal Bizzari : La culture, c’est effectivement l’un des aspects les plus importants pour devenir une organisation mature dans l’utilisation de la donnée. Et cette culture se diffuse par l’exemple. On a vu des entreprises rater cette transformation parce qu’elles ont érigé la data comme une exigence pour les équipes, sans que le top management ne l’utilise lui-même, sous prétexte que c’était trop complexe ou peu intéressant à leur niveau. En termes de culture data, ça ne fonctionne pas : on infuse cette culture par l’exemple.

En revanche, quand chaque réunion s’appuie sur de la data — comme dans les entretiens individuels que tu décrivais, Xavier, où l’on s’appuie sur la vidéo et les chiffres pour analyser la performance d’un joueur — là, on commence à diffuser une vraie culture. Les gens comprennent que c’est utilisé à tous les niveaux, et par l’exemple, on embarque tout le monde dans cette vision.

Jérôme Papin : Comment crée-t-on la confiance dans un groupe lorsque les joueurs savent que les décisions, lors d’un entretien individuel ou collectif, ont basées sur des données ? Comment faire accepter ça, au-delà du palmarès ?

Xavier Garbajosa : Je pense que la confiance s’installe vraiment quand on s’appuie sur des éléments que chacun peut maîtriser et vérifier. Ma propre interprétation peut être biaisée : est-ce que je juge un joueur sur son look, sur son rugby, sur son engagement ? L’interprétation peut être distordue. Avec des éléments factuels et probants, la confiance s’établit naturellement parce qu’il n’y a pas de faille. Soit j’ai respecté mes indicateurs de performance, soit je ne les ai pas respectés. Il n’y a plus d’ambiguïté, plus de place pour le doute. Et quand il n’y a pas de doute, il y a de la confiance et de la clarté.

Pascal Bizzari : Je compléterai en disant qu’il y a trois facteurs essentiels pour construire cette confiance. D’abord, la qualité de l’information : quand on s’appuie sur un indicateur, il faut que la façon dont on le calcule et la qualité de la donnée utilisée soient irréprochables.

Ensuite, la traçabilité : il faut savoir d’où vient l’information pour le joueur, pouvoir lui dire « ça vient de tes données GPS » le rassure immédiatement.

Enfin, l’explicabilité : être capable d’expliquer clairement ce que signifie chaque indicateur, rouge signifie loin de l’objectif, orange signifie pas loin, vert signifie dans l’objectif. Quand ces trois faisceaux sont réunis, la confiance s’installe assez rapidement.

Jérôme Papin : Pascal, quel est aujourd’hui le rôle stratégique d’un Chief Data Officer, d’un DSI ?

Pascal Bizzari : C’est un rôle structurant et stratégique dans les organisations. Ce sont les business partners garants de la cohérence de toute la chaîne d’utilisation de la donnée, en support de la stratégie business de l’entreprise. Et c’est un rôle qui va évoluer : historiquement, on séparait ceux qui traitaient la donnée tabulaire – chiffres, bases de données – et ceux qui géraient l’informatique.

Mais avec l’IA générative, on traite désormais aussi de la donnée textuelle, des documents, de la connaissance. On voit émerger un rôle de responsable de la connaissance en entreprise, qui combine data et connaissance textuelle. On est à mon avis sur une phase de bascule : les organisations vont tendre vers un rôle de responsable de l’information de l’entreprise plutôt que de séparer responsable de la donnée et responsable de l’informatique.

Jérôme Papin : Pour conclure, Xavier, le sport en général et le rugby en particulier ont-ils pris conscience qu’on ne peut plus faire sans la data et l’IA ? Les cahiers existent encore, mais on ne peut plus s’en contenter ?

Xavier Garbajosa : On a toujours le cahier, et on écrit beaucoup ! Mais oui, on est en permanence dans la recherche de performance, dans la quête du détail qui fait la différence, parce que la réussite d’un projet collectif est multifactorielle. La data nous apporte une autre vision de choses qu’on faisait jusqu’ici un peu « au pif », à l’intuition, avec une marge d’erreur qui pouvait parfois avoir des conséquences importantes. Aujourd’hui, elle nous donne la possibilité de réduire ce champ d’erreurs et d’avoir un panel d’outils qui permettent une réflexion plus posée et plus fine.

Jérôme Papin : Une question un peu plus personnelle, Xavier : en 1999, ce parcours exceptionnel jusqu’en finale de Coupe du monde face à l’Australie, avec cette victoire historique en demi-finale contre la Nouvelle-Zélande, si ces outils avaient existé à l’époque, auraient-ils pu vous apporter ce petit plus qui vous a manqué en finale ?

Xavier Garbajosa : Je n’irais pas jusque-là, parce que si ces outils avaient existé il y a 30 ans, toutes les équipes en auraient bénéficié. Mais je pense qu’on aurait sans doute été de meilleurs joueurs individuellement, mieux monitorés, avec une meilleure prévention des blessures. On évoluait dans un monde avec très peu de suivi médical.

Aujourd’hui, quand je vois les moyens dédiés à l’accompagnement médical, à la préparation mentale et physique, c’est devenu une part considérable des ressources d’un club. L’objectif, c’est de tirer la quintessence de chaque individu au service d’un objectif collectif. Alors oui, avoir ces données il y a 30 ans aurait été intéressant et on aurait sûrement été de meilleurs joueurs.

Jérôme Papin : On parlait d’objectifs individuels et collectifs. L’objectif d’Avisia, c’est d’accompagner les entreprises, quel que soit le secteur.

Pascal Bizzari : Exactement. Dans tous les secteurs, on essaie d’accompagner cette diffusion de la culture de la data, d’évangéliser le plus grand nombre et de se positionner comme un partenaire auprès des utilisateurs, pour voir comment ces technologies peuvent soutenir la stratégie business de chaque entreprise, et mettre entre les mains des équipes les bons outils pour leur permettre de prendre des décisions augmentées.