Retour d’expérience sur l’organisation d’un data office, la mesure de la valeur de la donnée, et les méthodes mises en place pour transformer les projets data en véritables leviers de performance avec Paul Gallavardin, Directeur du pôle Data & IA chez Autodistribution, acteur clé de la distribution automobile.
À travers son modèle opérationnel, nous explorerons les coulisses d’une organisation data mature : de la structuration des équipes à la sélection des projets, en passant par la définition de KPIs pertinents et la monétisation des données.
La donnée est-elle encore perçue comme un centre de coûts, ou un levier de création de valeur ? Comment éviter les écueils classiques, et quels sont les prérequis pour réussir cette transition ?
Un éclairage concret et opérationnel.
Julien Merali : Paul, pour commencer, pourriez-vous nous présenter Autodistribution pour celles et ceux qui ne connaissent pas encore l’entreprise ? Quel est votre cœur de métier et peut-être quelques chiffres clés ?
Paul Gallavardin :
Autodistribution fait partie du groupe PHE, Parts Holding Europe. Certaines de nos marques sont plus connues du grand public, comme Oscaro.com, qui représente notre activité B2C, ou encore les garages AD, visibles notamment à la télévision.
Le groupe (Autodistribution, AD, ACR Group, Cora Automobile, Oscaro) réalise environ 3 milliards d’euros de chiffre d’affaires, et sur un périmètre européen, fait de la distribution de pièces détachées automobiles et poids lourds.
Concrètement, nous achetons des pièces auprès de fournisseurs comme Valeo ou Bosch, et ceux qui fournissent l’industrie de façon général, puis nous les distribuons à nos clients : les garagistes, qui doivent disposer très rapidement de ces pièces pour réparer les véhicules de leurs clients.
Julien Merali :
Cela suppose évidemment une grande quantité de données. Comment est organisé votre data office, et quels sont les grands types de données que vous traitez ?
Paul Gallavardin :
Chez nous, le data office est hébergé à la DSI et couvre non seulement l’activité d’Autodistribution, qui est la plus importante du groupe, mais aussi les autres entités. Nous travaillons de manière assez transverse. On y retrouve l’ensemble des profils habituels : chefs de projets, data scientists, data analysts, data engineers… tout l’écosystème classique.
Concernant les données, nous traitons deux grandes catégories. D’abord, les données communes à toutes les entreprises : finances, pricing – puisque c’est métier hautement guidé par les marges que l’on peut dégager – ou encore les données issues du parcours web, puisque nous avons des sites aussi bien pour nos garagistes que pour le grand public. Nous collectons également des données liées aux call centers. Enfin, nous nous orientons de plus en plus vers les données des véhicules connectés. L’Europe va bientôt ouvrir l’accès à ces données, jusqu’ici réservées aux constructeurs.
Julien Merali :
Pour un data office, est-il si important de s’attarder sur la notion de valeur et de valorisation de la donnée ?
Paul Gallavardin :
La réponse est assez simple : nous ne sommes pas une ONG. Notre équipe représente un coût direct, d’autant plus que nous avons recours à de nombreux consultants. Ce coût dépasse largement les seuls frais de personnel. Nous devons donc justifier un retour sur investissement sur nos projets, éviter de nous disperser et nous assurer que nos actions sont alignées sur la stratégie de l’entreprise.
Julien Merali :
Cette demande vient-elle plutôt des métiers, des clients internes, ou bien de la direction générale ?
Paul Gallavardin :
Chez nous, c’est assez conjoint. Dans d’autres structures, la logique ROI peut être imposée de manière très stricte. De notre côté, nous avons plutôt développé une prise de conscience : il s’agit d’identifier les projets réellement importants, et de démontrer la valeur que nous apportons à l’organisation.
Julien Merali :
La grande question est donc : comment mesurer la valeur de la donnée ? Est-ce uniquement une approche financière ? Quels KPIs avez-vous mis en place ?
Paul Gallavardin :
Les indicateurs financiers sont évidemment les plus simples et les plus parlants, d’autant plus que la DSI est rattachée à la direction financière du groupe. Mais ce n’est pas toujours possible. Prenons un exemple : personne n’a jamais calculé la valeur d’Excel, et pourtant, on ne pourrait pas travailler sans. La valeur peut donc être diffuse.
En termes de KPI, cela peut être du gain de temps, de l’efficacité accrue, pas toujours mesurable en euros. Mais si un meilleur service après-vente fidélise un client, cela reste une création de valeur, même indirecte.
Julien Merali :
En interne, l’IT est souvent perçue comme un centre de coûts plus que de revenus. Est-ce la même chose pour la data chez vous ?
Paul Gallavardin :
Oui, naturellement nous sommes mis dans le même panier. Mais tout l’enjeu est justement d’en sortir : pas forcément en devenant un centre de profit, mais en démontrant que nous sommes au moins un levier de création de valeur, contrairement à d’autres entitées de la DSI, comme l’exploitation, l’infrastructure, qui sont indispensables mais difficiles à valoriser.
Julien Merali :
Est-ce que tous les projets data sont éligibles à un calcul de valeur ?
Paul Gallavardin :
Clairement non. Nous avons des projets très simples : un dashboard, une correction de filtres, des demandes basiques… Ça passe dans l’épaisseur du trait. Mais si l’on schématise nos projets sous forme de « longue traîne », seuls les plus visibles et les plus valorisants font l’objet d’un vrai travail de ROI que l’on valorise auprès du Comex et de l’organisation. L’idée, c’est qu’ils couvrent aussi le coût des projets de longue traîne.
Julien Merali :
Et en proportion, combien de projets arrivent à être valorisés par rapport aux autres ?
Paul Gallavardin :
Chez nous, c’est environ 20 à 30 % des projets. Ça peut sembler faible, et on essaie de progresser, mais c’est de plus en plus compliqué. Plus on avance, plus les mesures deviennent plus fines, plus difficiles à détecter et identifier. Les gros projets sont les plus faciles à flaguer et à mesurer.
Julien Merali :
Comment sélectionnez-vous ces projets ? Quelle structure avez-vous mise en place ?
Paul Gallavardin :
Nous n’avons rien inventé : nous nous appuyons sur le Data Project Canvas. C’est un canevas qui pose une série de questions sur plusieurs scopes : que se passe-t-il avant le projet, qu’attend-on après, comment mesurer l’impact, quelle valeur en retirer ?
Cela nous oblige à nous poser les bonnes questions au démarrage. Si nous arrivons à mesurer la valeur, parfait. Si ce n’est pas possible, alors nous nous demandons sérieusement si le projet doit être lancé.
Pour donner un exemple : nous avons arrêté un projet pourtant jugé stratégique par les métiers, destiné à améliorer la qualité du service client. Impossible de définir la valeur ni de la quantifier. Le métier doit donc arriver à un niveau de maturité qui lui permet de nous donner ces indicateurs et d’avancer sereinement. Car sinon, on a trop de projets, on se disperse et c’est un peu le danger.
Julien Merali :
Avez-vous des exemples concrets de projets valorisés ?
Paul Gallavardin :
On a des exemples un peu sur tout l’écosystème, c’est-à-dire que l’on a des projets sur lesquels on est très capables de quantifier, par exemple sur le churn – la capacité de détecter les clients qui vont nous quitter – et donc d’engager une démarche commerciale spécifique pour les rattraper avant qu’ils ne partent.
C’est un projet qui nous a coûté entre 40 0 000 et 50 000 €. Si nous réussissons à retenir seulement 4 % de ces clients, le gain est d’1 million d’euros. Ici, l’équilibre est évident.
Autre exemple : la disponibilité des pièces détachées. Un garagiste doit avoir sa pièce en moins de deux heures. Pour cela, il faut un stock bien réparti dans les bons entrepôts. Nous avons investi quelques dizaines de milliers d’euros dans un projet data pour optimiser ce maillage. Mais comment mesurer le gain précis ? C’est très compliqué. Le seul indicateur reste la croissance du chiffre d’affaires d’année en année, à laquelle ce projet contribue.
Julien Merali :
Quels sont les écueils à éviter ?
Paul Gallavardin :
Le premier, c’est de vouloir tout mettre dans des cases. Il faut accepter une part de flou et se concentrer sur les gros projets, ceux qui permettent de couvrir le reste.
Deuxième point : appliquer le Data Project Canvas, mais aussi savoir challenger les métiers. Parfois à la DSI, on a un peu tendance à rester sur la demande – je construis la solution et je passe à la suivante. Or, il faut questionner en amont la valeur attendue et suivre le projet après livraison pour mesurer la valeur créée. Sinon, il y a un delta entre les deux.
Julien Merali :
Quand on est Chief Data Officer, on a parfois envie de mener certains projets en faisant fi de la valeur ?
Paul Gallavardin :
Oui. Parfois, nous avons envie de travailler sur des sujets intéressants pour nous, mais dont la valeur n’est pas prouvée. Il faut trouver un équilibre. La chance que nous avons, c’est un top management agile, capable d’investir 10, 20 ou 30 000 € sur un projet exploratoire, en acceptant le risque. Cette agilité est précieuse.
Julien Merali :
Avez-vous déjà monétisé vos données ?
Paul Gallavardin :
Oui. Grâce à nos sites internet, nous captons les parcours et intentions d’achat des garagistes. Nous sommes capables de valoriser ces données auprès de nos fournisseurs en leur donnant une vision du marché : quels véhicules circulent, lesquels nécessitent des réparations, quelles pièces seront demandées demain. Cette donnée a une vraie valeur pour nos fournisseurs et que l’on monétise, comme dans la grande distribution lorsqu’un Carrefour ou un Auchan fournit des insights à Danone ou Kellogg’s.
Julien Merali :
Et côté métiers, sont-ils toujours matures de vous aider à définir les bons indicateurs ?
Paul Gallavardin :
Pas toujours. Cela suppose que nos chefs de projet soient eux-mêmes acculturés et se sentent légitimes pour poser ces questions et challenger les métiers. Ce n’est pas toujours évident. Moi, avec mon passé de consultant, j’ai naturellement ce réflexe. Mais certains profils plus exécutants hésitent, et ça peut desservir le projet. Nous avons connu un cas où, après 18 mois de développement, les équipes métiers se déclaraient très satisfaites de la qualité des données mises à leur disposition. Mais lorsque nous leur avons demandé comment elles les utilisaient, la réponse a été claire : l’analyse était trop complexe… au point que les données n’étaient finalement pas exploitées. Donc oui, il y a des erreurs très clairement quand on n’arrive pas à qualifier les projets en amont.
Julien Merali :
Avec le recul, quels seraient les prérequis pour un Data Officer qui veut valoriser ses projets ?
Paul Gallavardin :
D’abord, formaliser une méthode : savoir lister et prioriser les projets, créer un portefeuille, définir comment mesurer leur valeur, que ce soit via des KPI financiers ou opérationnels. Ensuite, travailler en partenariat avec les métiers sur des projets éligibles. Car ce sont eux les premiers concernés. Si on arrive à démontrer la valeur, on peut justifier un ROI, avoir plus de budget, développer plus de data, et c’est tout bénéfice pour eux. Si on le fait uniquement dans notre coin, juste pour défendre le budget du data office, on va tourner en rond au sein de la DSI.
Julien Merali : Combien de projets menez-vous en parallèle ?
Paul Gallavardin :
Environ 40 à 50.
Julien Merali :
Sur ces projets, 70 % ne sont pas directement valorisables, 30 % le sont. Le data office a un coût. Est-ce qu’aujourd’hui vous êtes capable de dire : on coûte tant, on ramène tant ?
Paul Gallavardin :
Ce serait le Graal. Ce que nous savons en revanche, c’est que les gains générés couvrent largement notre budget, donc nous sommes confortables.
Un point clé, c’est la communication autour de cette donnée et de sa valorisation. Dès mon arrivée, j’ai créé un document simple : un slide par projet emblématique, avec trois rubriques — contexte, solution, résultat. Pas seulement des captures de dashboards, mais des explications claires, dans les mots des métiers. C’est devenu ma « Bible » pour démontrer notre valeur.
Julien Merali :
Vous êtes à ce poste depuis combien de temps ?
Paul Gallavardin :
Bientôt deux ans.
Julien Merali :
Est-ce que cette vision et volonté ont bousculé des habitudes notamment dans votre data office qui compte 35 personnes ?
Paul Gallavardin :
Oui, forcément. Tout le monde n’a pas la même approche, donc c’est intéressant d’écouter un peu ce que chacun apporte. Et j’ai la chance d’avoir le soutien de ma hiérarchie et de mes prédécesseurs. Il n’y a pas eu vraiment de frottements compliqués et il n’y a pas d’urgence à mettre ça en place. Nous travaillons sur le temps long, pour changer en profondeur la culture, à la DSI comme dans les métiers.
Julien Merali :
Et pour finir, avez-vous des projets à venir liés à la valorisation de la data ?
Paul Gallavardin :
Oui, nous travaillons sur l’IA, notamment dans nos call centers. Nous testons l’impact de l’IA sur deux dimensions : le temps de réponse des opérateurs et la qualité des réponses. Le premier peut se traduire en métrique financière, le second est plus diffus, mais tout aussi stratégique. Nous pensons que notre valeur différenciante, par rapport à des concurrents purement digitaux, est la qualité de notre service.
Propos recueillis par Julien Merali, General Manager du pôle IT d’Agora Managers Groupe
Un rendez-vous de l’Agora Club Chief Data Officer
#DataValue #ValorisationDesDonnées #DataOffice #DataStrategy #DataDriven #IA #KPIData#MonétisationDesDonnées #TransformationDigitale #DataGovernance #IAetData #RetourExperience#InnovationData #DataManagement #ValeurDeLaDonnée #DataLeadership #DataScienceCanvas
