Pourquoi les managers sont le maillon faible de l’acculturation data ?

Dans beaucoup d’entreprises, l’acculturation à la donnée est devenue un objectif affiché. On lance des projets BI, on déploie des dashboards, on parle de “data-driven”, on crée des formations, parfois même un Data Office. Sur le papier, tout est là.

Et pourtant, dans la réalité, la culture data progresse rarement aussi vite que prévu. La donnée circule, mais elle ne transforme pas toujours les décisions. Les outils existent, mais les usages restent limités. Les équipes data produisent, mais les métiers ne s’approprient pas vraiment.

Dans ce contexte, on accuse souvent les outils, la qualité des données ou le manque de compétences. Mais il existe un facteur beaucoup plus déterminant, et souvent sous-estimé : le rôle des managers.

Car entre la stratégie et le terrain, entre la donnée et l’action, le manager est un passage obligé. C’est lui qui pilote, arbitre, fixe les priorités, structure les rituels d’équipe et donne le ton. Et c’est précisément pour cette raison que, dans de nombreuses organisations, les managers deviennent malgré eux le point de friction principal de l’acculturation data.

Acculturation data : définition et enjeux pour les entreprises

Dans une entreprise, l’acculturation data est souvent pensée comme un sujet de compétences. On se dit qu’il faut former les collaborateurs, améliorer la compréhension des KPI, démocratiser les outils, rendre la donnée plus accessible. Tout cela est vrai.

Mais dans la pratique, la culture data ne se diffuse pas uniquement parce que les équipes “savent” utiliser des chiffres. Elle se diffuse surtout parce que les décisions changent. Et ces décisions, dans une organisation, ne sont pas prises par la BI. Elles ne sont pas prises par un dashboard. Et elles ne sont pas prises par la plateforme data, aussi performante soit-elle.

Elles sont prises par des humains. Et parmi eux, les managers occupent une place stratégique.

Le manager est celui qui transforme une information en action. Celui qui peut décider qu’un indicateur est prioritaire, qu’un problème mérite d’être creusé, qu’un signal faible doit être pris au sérieux, ou au contraire que l’on va “avancer quand même” parce qu’on n’a pas le temps. Autrement dit : il est l’un des principaux points de passage entre la donnée et l’impact.

C’est justement pour cette raison que les managers deviennent souvent le maillon faible de l’acculturation data. Pas parce qu’ils sont “contre la donnée”. Pas parce qu’ils sont incapables. Mais parce que, dans beaucoup d’organisations, la culture managériale, les attentes de performance et les conditions de travail ne sont pas compatibles avec une vraie appropriation de la donnée.

Et c’est là que le sujet devient intéressant : dans une entreprise, la culture data ne se heurte pas tant aux équipes métiers qu’aux couches intermédiaires du management. Celles qui doivent absorber la stratégie, gérer l’opérationnel, répondre à des injonctions contradictoires, tenir les délais, arbitrer en permanence… tout en pilotant avec des indicateurs qu’elles n’ont parfois pas choisis, pas construits, pas compris, ou pas confiance.

Résultat : dans beaucoup de cas, le manager n’est pas un moteur de la culture data. Il devient un frein silencieux. Pas un frein visible, pas un frein volontaire. Un frein du quotidien, beaucoup plus difficile à traiter : celui des habitudes, des réflexes, des contraintes et des décisions prises “comme on a toujours fait”.

On pourrait même dire que les managers sont le maillon faible de l’acculturation data pour une raison simple : ce sont eux qui ont le plus à perdre si la donnée change réellement les règles du jeu.

Car une culture data, ce n’est pas seulement “utiliser des chiffres”. C’est accepter de rendre visibles des réalités qu’on pouvait jusque-là contourner : la performance réelle d’un processus, les causes d’un retard, la qualité d’un delivery, l’efficacité d’un plan d’action, ou la cohérence entre un objectif et les moyens disponibles.

Et cette transparence, même lorsqu’elle est bénéfique, n’est jamais neutre. Elle peut mettre un manager face à des zones d’inconfort : devoir justifier une décision passée, reconnaître un problème structurel, remettre en question des habitudes, ou simplement admettre qu’il manque des informations fiables.

C’est exactement pour cela que l’acculturation data est un sujet aussi politique qu’opérationnel. Et c’est exactement pour cela qu’elle ne peut pas réussir sans les managers, ni contre eux.

👉À lire aussi : Comment instaurer une culture data ?

Dans une organisation, la culture data ne se diffuse pas uniquement grâce aux outils ou aux équipes data. Elle se diffuse surtout à travers les décisions, les arbitrages et les habitudes de pilotage. Et sur ces sujets, le manager est un acteur central : il peut transformer la donnée en action ou la laisser dormir dans un dashboard.

‍

Quel est le rôle d’un manager dans une culture data ?

Le manager comme relais entre stratégie et équipes

Le manager joue un rôle de traduction. Il transforme les ambitions stratégiques de l’entreprise en objectifs opérationnels compréhensibles, et il aide ses équipes à relier les indicateurs à leur quotidien. Sans ce relais, la donnée reste souvent un sujet abstrait : trop haut niveau pour être actionnable, ou trop technique pour être approprié.

C’est aussi lui qui peut donner du sens aux KPI : expliquer pourquoi on mesure, ce que l’on cherche à améliorer, et comment ces mesures doivent influencer les priorités. Autrement dit, il ne s’agit pas seulement de “suivre des chiffres”, mais de construire un pilotage cohérent entre la direction et le terrain.

Le manager comme décideur : KPI, arbitrages et priorités

Un manager passe son temps à arbitrer : où mettre l’énergie, ce qu’on traite en premier, ce qu’on accepte de repousser. Dans une culture data, son rôle est de s’appuyer sur des faits pour prendre des décisions plus solides, et surtout pour éviter que les décisions soient guidées uniquement par l’urgence, les perceptions ou les rapports de force internes.

C’est également lui qui doit apprendre à utiliser les KPI correctement : distinguer un indicateur utile d’un indicateur décoratif, comprendre les limites d’un chiffre, poser les bonnes questions quand un résultat semble incohérent, et relier un écart à une action concrète. Car un KPI sans décision derrière, c’est juste un chiffre qui prend de la place.

Le manager comme influenceur : adoption des outils et des usages

Le manager est un amplificateur culturel. Il influence directement la manière dont ses équipes perçoivent la donnée : comme un levier, un support de discussion, un outil d’amélioration ou comme une contrainte de reporting imposée par “la data”.

Dans les faits, les équipes observent très vite les signaux managériaux : est-ce qu’on parle des chiffres en réunion ? est-ce qu’on s’en sert pour décider ? est-ce qu’on challenge les résultats ? est-ce qu’on valorise une analyse bien menée ? Si le manager s’approprie les usages, la culture data progresse. Sinon, elle stagne — même avec les meilleurs outils du monde.

‍

Pourquoi les managers freinent l’acculturation data ?

Dans beaucoup d’entreprises, les managers ne freinent pas l’acculturation data par opposition ou par manque d’intérêt. Le frein est plus subtil : il vient d’un mélange de réflexes culturels, de contraintes très concrètes du quotidien, et parfois d’un inconfort difficile à verbaliser. Voici les causes les plus fréquentes.

• Une culture managériale encore basée sur l’intuition et l’expérience : de nombreux managers ont construit leur légitimité sur leur capacité à décider vite, à “sentir” une situation, à s’appuyer sur leur expérience du terrain. Dans ce contexte, la donnée peut être vue comme un support secondaire, ou comme une tentative de remplacer le jugement par des chiffres.
• Un manque de temps et une surcharge permanente : entre les réunions, l’opérationnel, les urgences, le management d’équipe et les arbitrages, la donnée devient souvent un sujet “en plus”. Même un manager convaincu n’a pas toujours l’espace mental pour analyser, challenger des indicateurs ou faire évoluer son pilotage.
• Des formations data mal adaptées aux managers : beaucoup de programmes sont trop orientés outils ou trop techniques, alors que le besoin d’un manager est surtout d’apprendre à décider avec la donnée : interpréter un indicateur, détecter un biais, poser les bonnes questions, comprendre ce qu’un chiffre ne dit pas.
• Une peur implicite : perdre le contrôle ou être jugé : la donnée rend visibles des réalités parfois inconfortables : un retard, une baisse de performance, un problème de qualité, une organisation inefficace. Pour certains managers, cela crée une crainte silencieuse : celle d’être évalué sur des chiffres qu’ils ne maîtrisent pas totalement, ou de devoir se justifier en permanence.
• Trop de KPI, pas assez de sens : le piège des tableaux de bord : beaucoup de managers subissent une inflation d’indicateurs. On mesure beaucoup, mais on ne sait plus ce qui compte vraiment. Résultat : les dashboards deviennent lourds, confus, et finissent par être consultés uniquement pour “faire le point”, pas pour piloter.
• Une culture d’entreprise qui valorise la rapidité plutôt que la qualité des décisions : dans certaines organisations, on valorise le fait d’aller vite, de livrer, de répondre rapidement, même si l’on décide avec peu d’éléments. Dans ce contexte, prendre le temps de vérifier, analyser ou challenger les chiffres peut être perçu comme un ralentissement alors que c’est souvent un gain à moyen terme.

Au final, le sujet n’est pas que les managers “n’aiment pas la data”. Le vrai problème, c’est que la culture managériale et le fonctionnement de l’entreprise ne leur donnent pas toujours les bonnes conditions pour s’approprier la donnée. Et tant que ce point n’est pas traité, l'acculturation data restera un sujet porté par quelques experts, plutôt qu’un réflexe collectif.

Que se passe-t-il quand les managers ne s’approprient pas la donnée ?

Quand les managers ne s’approprient pas la donnée, le problème n’est pas seulement culturel. Il devient très vite opérationnel. La data continue d’exister dans l’entreprise, parfois même en grande quantité, mais elle n’est plus un levier de décision. Elle devient un sujet parallèle, géré par quelques experts, sans réel impact sur le quotidien des équipes.

Les conséquences sont souvent progressives : au début, on ne s’en rend pas compte. Puis les usages se figent, les dashboards perdent leur valeur, les projets data deviennent difficiles à défendre, et l’organisation finit par associer la donnée à un effort coûteux plutôt qu’à un avantage concret.

La data reste un sujet “expert” réservé aux équipes data

Quand les managers ne prennent pas le sujet, la donnée reste naturellement dans les mains de ceux qui la produisent : les équipes data. Ce sont elles qui portent les analyses, les KPI, les tableaux de bord, et parfois même l’interprétation. L’entreprise se retrouve alors dans une situation paradoxale : elle veut démocratiser la donnée, mais elle la maintient dans un cercle restreint.

À terme, cela crée une dépendance : dès qu’un métier a une question, il doit “demander à la data”. Les équipes data deviennent un support interne permanent, souvent saturé, et les métiers se désengagent. La culture data ne progresse pas, parce qu’elle n’est pas intégrée dans les rituels managériaux. Elle reste un sujet d’experts, et donc un sujet fragile.

Les dashboards deviennent du reporting, pas du pilotage

Sans appropriation managériale, les dashboards deviennent un outil de constat. On regarde les chiffres, on commente, on explique les écarts, puis on passe au sujet suivant. Le dashboard sert à raconter le passé, pas à décider du futur. Et dans ce format, il finit souvent par devenir une obligation de reporting plutôt qu’un outil utile.

Le problème n’est pas le dashboard lui-même. Le problème, c’est l’absence de lien entre indicateur et action. Quand un KPI monte ou baisse, personne ne sait vraiment quoi faire, ni qui doit agir, ni quelle décision en découle. Résultat : on mesure beaucoup, on suit, on observe mais on ne pilote pas. Et très vite, les équipes se demandent pourquoi elles passent autant de temps à produire des chiffres.

‍

Les projets data deviennent des projets IT sans valeur métier visible

Quand les managers ne portent pas les usages, les projets data sont souvent cadrés et exécutés par la DSI ou les équipes data, avec des objectifs techniques : migration, plateforme, ingestion, qualité, modèle, gouvernance. Ce sont des sujets importants, mais ils deviennent vite difficiles à valoriser si aucun bénéfice métier clair n’est associé.

Dans ce contexte, la data devient un projet d’infrastructure, parfois très coûteux, et rarement “vendu” en interne. Les métiers ne voient pas l’impact, les sponsors se lassent, et les priorités changent. Les équipes data, elles, se retrouvent à défendre des projets indispensables mais invisibles. Et sans managers pour incarner la valeur métier, la data reste perçue comme un sujet IT.

Les équipes se démobilisent et la culture data stagne

Quand la donnée ne sert pas réellement à décider, les équipes finissent par le sentir. Les analystes se lassent de produire des tableaux de bord peu utilisés. Les métiers se lassent de remplir des fichiers ou de justifier des chiffres sans impact. Et les managers, pris dans l’urgence, reviennent naturellement à leurs anciens réflexes : intuition, expérience, arbitrage rapide.

À ce stade, la culture data ne progresse plus. Elle stagne. Pire : elle peut régresser, car l’organisation associe progressivement la donnée à quelque chose de lourd, de bureaucratique, voire d’inutile. C’est souvent à ce moment-là qu’on entend des phrases comme “la data, c’est bien, mais on n’a pas le temps”. Ce qui est une manière polie de dire : “on n’a pas réussi à en faire un levier concret.”

Ces conséquences ne sont pas indépendantes. Elles s’enchaînent et s’auto-alimentent, jusqu’à créer une dynamique négative durable, résumée dans le schéma ci-dessous.

5 solutions concrètes pour embarquer les managers dans la Data Literacy 

Une fois la spirale négative identifiée — data cantonnée aux experts, dashboards réduits au reporting, projets perçus comme de l’IT et équipes démobilisées — la question n’est plus pourquoi l’acculturation data échoue, mais comment la relancer concrètement. Et surtout, comment le faire sans ajouter une couche de complexité supplémentaire au quotidien des managers.

Les solutions présentées ci-dessous reposent sur un principe simple : arrêter de traiter la Data Literacy comme un sujet technique ou pédagogique, et la traiter comme un sujet de management et de décision. Elles visent à reconnecter la donnée aux priorités réelles des managers, à leurs irritants, à leurs arbitrages, et à leurs rituels de pilotage. Autrement dit, à faire de la data un outil utile — et non un objectif en soi.

Former les managers à la décision, pas aux outils

La plupart des managers ne rejettent pas la data. Ils rejettent surtout ce qu’on leur propose : des formations trop techniques, trop longues, ou trop éloignées de leur quotidien. Or un manager n’a pas besoin de savoir construire un dashboard. Il a besoin de savoir prendre une décision plus robuste, mieux arbitrer, et piloter sans se faire piéger par des chiffres mal interprétés. Autrement dit : il faut former à la décision, pas à l’outil.

• Former au raisonnement managérial avec la donnée : apprendre à interpréter une tendance, analyser un écart, structurer une discussion autour d’un chiffre, plutôt que passer du temps à apprendre des fonctionnalités d’outils qui changeront dans 6 mois.
• S’appuyer sur des cas concrets du quotidien : priorisation, budget, charge, performance, retards, qualité, turnover  car c’est sur ces sujets que les managers prennent des décisions, et c’est là que la donnée doit devenir un réflexe.
• Apprendre à lire un KPI correctement (et à le challenger) : comprendre ce que mesure réellement un indicateur, son périmètre, sa fréquence, et ses limites. Beaucoup d’erreurs viennent de KPI mal compris, pas de KPI inexistants.
• Relier systématiquement un indicateur à une action : un KPI n’a de valeur que s’il déclenche une décision. Si un chiffre monte ou baisse, le manager doit savoir ce que cela implique : quel arbitrage, quelle investigation, quel plan d’action.
• Développer une posture de pilotage, pas de justification : l’objectif n’est pas de se défendre face aux chiffres (“ce n’est pas de ma faute”), mais de les utiliser comme un support de pilotage (“qu’est-ce qu’on change concrètement ?”).

Ce type de formation a un effet immédiat : la donnée cesse d’être un sujet technique, et devient un outil de management. Et surtout, elle ne rajoute pas une couche de complexité : elle aide le manager à décider mieux, plus vite, et avec plus de clarté.

Partir de leurs irritants réels (RH, performance, qualité, delivery…)

Si l’on veut embarquer un manager dans la Data Literacy, il ne faut pas commencer par lui parler de “culture data”. Il faut commencer par lui parler de ce qui l’empêche de dormir. Les managers n’adhèrent pas à la donnée parce qu’on leur explique que c’est important. Ils y adhèrent quand ils comprennent que la donnée peut résoudre un problème concret qu’ils vivent déjà.

• Identifier un irritant managérial réel, pas un cas d’usage théorique : surcharge d’équipe, retards récurrents, baisse de qualité, turnover, absentéisme, backlog qui gonfle, insatisfaction client… L’acculturation data fonctionne beaucoup mieux quand elle s’attaque à un problème visible, fréquent et coûteux.
• Transformer l’irritant en question de pilotage : au lieu de rester dans le ressenti (“on est sous l’eau”), on formule une question exploitable (“où se crée la surcharge ?”, “quelles équipes sont en surcapacité ?”, “quels types de demandes génèrent le plus de retards ?”). C’est cette étape qui fait basculer le sujet dans la décision.
• Construire des indicateurs simples et actionnables : pas un tableau de bord complet dès le départ, mais quelques KPI clés qui permettent de décider. L’objectif est que le manager puisse répondre rapidement à : “où est le problème ?”, “est-ce que ça s’améliore ?”, “qu’est-ce qui explique l’écart ?”.
• Montrer un résultat rapide (même imparfait) : un quick win sur un irritant concret crée plus d’adhésion qu’un programme complet de formation. Une fois que le manager voit un bénéfice direct, il devient naturellement demandeur de nouveaux usages.
• Faire du manager un sponsor, pas un utilisateur passif : il ne s’agit pas qu’il “consulte des chiffres”, mais qu’il porte le sujet, choisisse ce qui compte, et mette la donnée au service de son pilotage. À ce moment-là, la culture data cesse d’être un projet “data” et devient un projet métier.

Ce qui fait la différence, ce n’est pas la sophistication des analyses. C’est le fait que le manager puisse se dire : “OK, là, la donnée m’aide vraiment.” Et à partir de là, l’acculturation devient beaucoup plus naturelle (et beaucoup moins douloureuse).

‍

Mettre en place des KPI utiles et alignés sur la stratégie

L’un des freins majeurs à l’appropriation de la donnée par les managers, c’est l’inflation d’indicateurs. Trop de KPI, trop de tableaux de bord, trop de chiffres, et au final, plus personne ne sait vraiment ce qui compte. Pour qu’un manager s’approprie la data, les KPI doivent être peu nombreux, compréhensibles et directement reliés aux priorités stratégiques.

• Assumer des choix clairs sur ce qui compte vraiment : un bon KPI est un indicateur qui reflète une priorité stratégique. Cela suppose de renoncer à certains indicateurs secondaires, même s’ils sont faciles à produire ou historiquement suivis.
• Relier chaque KPI à une décision concrète : un indicateur n’a de valeur que s’il déclenche une action. Si un chiffre évolue sans que cela ne change rien dans les arbitrages, c’est un indicateur de reporting, pas de pilotage.
• Clarifier les définitions pour éviter les malentendus : périmètre, source, fréquence, méthode de calcul, niveau de fiabilité. Beaucoup de conflits autour des chiffres viennent d’indicateurs mal définis, pas de désaccords de fond.
• Aligner les KPI à tous les niveaux : un manager doit pouvoir faire le lien entre ses indicateurs opérationnels et les objectifs plus globaux de l’entreprise. Sans cet alignement, la donnée reste fragmentée et perd son pouvoir de pilotage.
• Accepter que les KPI évoluent dans le temps : un indicateur pertinent aujourd’hui peut devenir obsolète demain. Revoir ses KPI n’est pas un échec, c’est le signe d’un pilotage mature.

Des KPI bien choisis agissent comme un filtre : ils simplifient la prise de décision au lieu de la compliquer. Et quand les managers comprennent clairement pourquoi un indicateur existe et comment il influence leurs arbitrages, la donnée cesse d’être un bruit de fond pour devenir un véritable levier stratégique.

👉À lire aussi : Culture Data : peut-on vraiment la mesurer ?

Associer gouvernance des données et acculturation dès le départ

On ne peut pas demander à un manager de piloter avec la donnée si, dans le même temps, la donnée est instable, incohérente ou incompréhensible. C’est souvent là que les programmes d’acculturation échouent : on lance des formations et des dashboards alors que la base n’est pas assez solide. Résultat : le manager essaye, tombe sur des chiffres discutables, perd confiance, et revient à ses anciens réflexes (l’intuition a ceci d’avantageux : elle ne bug jamais).

• Construire la confiance avant de chercher l’adoption : si les managers constatent des incohérences entre deux sources, des KPI qui changent sans explication, ou des chiffres impossibles à justifier, l’acculturation s’arrête net. La confiance est une condition, pas une conséquence.
• Clarifier les responsabilités sur les indicateurs : qui définit un KPI ? qui valide sa formule ? qui est responsable de sa cohérence ? qui corrige en cas d’anomalie ? Sans cette clarification, les managers n’ont aucun repère et les indicateurs deviennent contestables.
• Mettre à disposition des définitions simples et accessibles : dictionnaire de données, glossaire, définitions des KPI, périmètres, règles de calcul. Pas un document de 80 pages, mais un référentiel clair, consultable, et maintenu.
• Rendre visible le niveau de fiabilité des données : plutôt que de promettre une donnée parfaite, il vaut mieux dire ce qui est fiable, ce qui est en cours de stabilisation, et ce qui doit être interprété avec prudence. Cette transparence rassure plus qu’un discours “tout est sous contrôle”.
• Faire de la gouvernance un facilitateur, pas un dispositif administratif : l’objectif n’est pas d’ajouter des comités et des validations, mais de simplifier le pilotage. Une gouvernance bien pensée réduit les débats inutiles et accélère la décision.

Au fond, gouvernance et acculturation ne sont pas deux chantiers séparés. La gouvernance rend la donnée crédible, et l’acculturation la rend utile. Si l’on sépare les deux, on obtient souvent le pire des deux mondes : des dashboards consultés avec méfiance, et une culture data qui ne décolle jamais.

Adopter une approche progressive : quick wins, cas d’usage, petits pas

L’acculturation data échoue souvent quand elle est pensée comme un “grand programme” : ambitieux, complet, structuré et interminable. Or les managers n’embarquent pas sur une promesse à 18 mois. Ils embarquent quand ils voient un bénéfice concret, rapidement, et quand la démarche s’intègre dans leur quotidien sans le compliquer.

• Commencer par un cas d’usage simple mais stratégique : un sujet suffisamment concret pour produire un résultat rapidement, mais suffisamment important pour que le manager y voie un vrai intérêt (pilotage de la charge, suivi de la qualité, retards, performance commerciale, delivery, etc.).
• Chercher un quick win visible, pas un projet parfait : l’objectif n’est pas d’avoir la meilleure data plateforme du marché, mais de démontrer que la donnée peut améliorer une décision ou résoudre un irritant. Un résultat imparfait mais utile vaut mieux qu’un chantier “parfait” qui n’arrive jamais.
• Déployer par itérations courtes : tester, ajuster, simplifier, améliorer. Cela permet d’éviter deux pièges : construire des dashboards trop complexes, et créer des indicateurs déconnectés des usages réels.
• Ancrer les usages dans des rituels existants : revue d’activité, point hebdo, comité de pilotage, suivi d’objectifs. Si la donnée nécessite un nouveau rituel, elle sera perçue comme une charge supplémentaire. Si elle s’intègre dans un rituel existant, elle devient un réflexe.
• Étendre progressivement une fois la confiance installée : dès qu’un manager a un premier succès avec la donnée, il devient souvent plus demandeur. C’est à ce moment-là qu’on peut élargir : nouveaux KPI, nouveaux périmètres, nouveaux cas d’usage.

L’acculturation data fonctionne rarement par “grande transformation” descendante. Elle fonctionne plutôt comme une dynamique : un premier usage utile, puis un deuxième, puis un troisième jusqu’à ce que la donnée devienne normale. Et c’est souvent à ce moment-là qu’on se rend compte que la culture data a progressé — sans avoir eu besoin de la vendre comme une révolution.

La Fresque de la Data : un miroir des angles morts du management

La Fresque de la Data est un format particulièrement efficace pour embarquer les managers, parce qu’elle ne commence pas par des outils, ni par des concepts techniques. Elle commence par une mise en situation : comment circule la donnée dans l’entreprise, où elle se bloque, comment elle se transforme, et surtout pourquoi elle n’arrive pas toujours jusqu’à la décision. En quelques heures, les participants visualisent ce qui est souvent invisible au quotidien : dépendances, silos, incompréhensions, zones grises de responsabilité, et décalage entre l’intention (“on veut piloter”) et la réalité (“on reporte”).

Mais l’intérêt principal, côté management, c’est que la Fresque agit comme un miroir. Elle met en évidence les angles morts les plus fréquents : des KPI suivis sans être reliés à des actions, des décisions prises sans faits partagés, des projets data vécus comme de l’IT, ou encore des équipes qui produisent des chiffres sans savoir à quoi ils servent vraiment. Et le tout, sans accusation ni culpabilisation : juste un constat collectif, souvent assez parlant pour déclencher une vraie discussion, et parfois quelques prises de conscience très utiles (celles qu’on n’obtient jamais avec un dashboard, même très bien fait).