Série Dashboard vs BI conversationnel : comment bien bâtir ton portefeuille BI?

Cet article est le troisième et dernier volet d’une série sur le débat dashboard vs BI conversationnel. Dans les deux premiers, on a posé la question Le dashboard est-il mort? et décortiqué le vrai comparatif de coûts que personne ne fait en démo. Maintenant, on passe à la pratique : comment ça se traduit concrètement dans les décisions que tu as à prendre?

*
Comment bien bâtir ton portefeuille BI?

La vraie question : as-tu une fondation de données?

Voilà ce qu’il faut entendre derrière la question du comité de direction.

La question n’est pas vraiment dashboard vs BI conversationnel (LLM).

La question est : as-tu bâti la fondation qui permet à ces deux canaux de produire des résultats cohérents?

Comme je l’écrivais dans L’intelligence d’affaires, ce n’est pas un tableau de bord, le BI n’est pas un outil. C’est un système. Collecte. Intégration. Entreposage. Gouvernance. Et surtout, diffusion.

Les dashboards en sont un canal. Les BI conversationnels (LLM) en sont un autre. Aucun des deux ne crée la valeur. Les deux amplifient une fondation déjà en place.

Si la donnée est maîtrisée, gouvernée, fiable, la diffusion devient cohérente. Peu importe le canal. Sylvain et Manon, les deux acheteurs, prennent la même décision, qu’ils consultent le dashboard ou qu’ils posent leur question à un agent connecté aux mêmes sources.

Si la donnée n’est pas maîtrisée, on accélère seulement la confusion.

Le LLM mal connecté hallucinera proprement. Le dashboard mal construit affichera des chiffres divergents entre deux écrans. Chaque nouveau cas deviendra plus lent, plus coûteux, plus fragile.

C’est ce qu’on observe sur le terrain.

Les entreprises qui ont investi dans leur fondation de données depuis cinq ans capitalisent aujourd’hui. Quand vient le temps d’ajouter un nouveau canal (dashboard transversal, agent conversationnel, workflow automatisé), ça va vite, parce que tout est déjà en place.

Les autres rattrapent du retard à chaque nouveau cas.

Plus près du self-service BI, mais les fondamentaux restent

On se rapproche du self-service BI de plus en plus (de manière réelle!). Le LLM rend une partie de ce vieux rêve enfin atteignable. N’importe qui dans l’organisation peut, en principe, poser sa question et obtenir une réponse.

Mais les fondamentaux ne disparaissent pas. Ils deviennent plus exigeants.

Pour que le self-service fonctionne vraiment, il faut deux choses qu’on ne peut pas court-circuiter avec un modèle de langage.

Une compréhension fine des données. Ce que les colonnes veulent dire, comment elles sont calculées, ce qui est rafraîchi quand, où sont les biais, quelles sont les exclusions. Sans ça, la question naturelle qu’on pose au copilot reçoit une réponse naturelle, souvent incomplète.

Une littératie de données élevée à l’échelle de l’organisation. Savoir lire un chiffre dans son contexte. Savoir quand douter. Savoir poser la bonne question. C’est un investissement long, transversal, qui touche la formation, la culture, la gouvernance.

On ne se défait malheureusement jamais des fondamentaux. On peut juste choisir de les bâtir tôt, ou de payer pour leur absence plus tard.

Comment choisir : mini processus pour bien bâtir ton portefeuille BI

Avant tout, deux prérequis. Si tu réponds non à l’un des deux, arrête-toi là et règle ça d’abord. Aucune interface ne te sauvera.

Prérequis 1. As-tu une fondation de données solide? Sources intégrées, calculs documentés, mêmes chiffres sur deux écrans. Si non, ton dashboard mentira et ton LLM hallucinera. C’est le même fondamental dans les deux cas.

Prérequis 2. La littératie de données est-elle suffisante dans l’audience visée? Savoir lire un chiffre dans son contexte. Savoir quand douter. Savoir poser la bonne question. Si non, peu importe le canal, les chiffres seront mal interprétés.

Les deux cases cochées, quatre questions à se poser pour chaque cas d’usage.

1. La question est-elle stable ou ad hoc? Stable, qui revient chaque semaine sur les mêmes KPI: dashboard. Ad hoc, formulation variable: LLM.
2. L’audience est-elle récurrente ou ponctuelle? Plusieurs personnes qui consomment les mêmes indicateurs: dashboard. Un analyste qui creuse une hypothèse une fois: LLM.
3. Le besoin est-il de surveiller ou d’explorer? Surveiller en continu, repérer une dérive en un coup d’oeil: dashboard, ou agent avec alerte pré-programmée. Explorer, croiser des sources, formuler des hypothèses: LLM.
4. Quel coût marginal par consultation est acceptable? Quasi nul, consulté des centaines de fois par jour, par plusieurs personnes: dashboard. Positif et borné, consulté à la demande par un public restreint: LLM.

Si tu réponds majoritairement «dashboard» aux quatre questions, bâtis ou conserve un dashboard transversal.

Si tu réponds majoritairement «LLM», le copilot a sa place.

Si la réponse est partagée, tu as probablement deux cas d’usage différents cachés dans la même question: traite-les séparément.

Ces questions sont essentielles pour bien bâtir ton portefeuille BI.

Trois implications concrètes

1. Auditer le portefeuille BI selon la fonction cognitive de chaque dashboard. Un dashboard qui sert à surveiller en continu un petit nombre de KPI critiques, c’est un investissement durable. Un dashboard qui sert à répondre à une question posée une fois, consulté deux fois par année, c’est un candidat naturel au retrait, ou à la conversion en interface conversationnelle.
2. Placer le LLM là où le drill-down est attendu, bienvenu et économiquement justifié. Exploration ad hoc, croisement de sources, génération d’hypothèses, rédaction de synthèse : c’est là que le coût cognitif et le coût d’inférence sont compensés par la valeur produite. Pour la surveillance opérationnelle quotidienne, le rapport coût/bénéfice penche fortement vers le dashboard.
3. Investir dans la fondation, et dans la littératie de données (ça inclut ta sémantique), avant le canal. Aucun nouveau canal, aussi sophistiqué soit-il, ne compensera l’absence d’une fondation de données solide et d’une organisation qui sait lire ses propres chiffres.

Fast is slow, and slow is fast.

Les organisations qui ont fait ce travail difficile bénéficient maintenant d’un effet boule de neige sur chaque nouvel usage.

Vers le futur (maintenant!)

Le portefeuille BI de demain ne sera pas plus petit parce que les dashboards meurent. Il sera plutôt plus concentré.

Parce que chaque dashboard restant aura mérité sa place :

• un besoin transversal récurrent
• un mécanisme préattentif exploité intelligemment
• un coût marginal quasi nul

C’est là, là vrai complexité de bâtir des outils transversaux.

Le LLM ne vient pas remplacer ce dashboard. Il vient compléter le portefeuille de canaux qu’une fondation de données solide rend possible.

À condition qu’on réponde à la vraie question du comité de direction.

Ce n’est pas : est-ce qu’on a encore besoin de dashboards?

C’est : est-ce qu’on a la fondation, la gouvernance et la littératie, pour que tous nos canaux disent la même vérité, à chaque fois qu’on les consulte?

*

Cet article est le troisième et dernier d’une série sur le débat dashboard vs BI conversationnel.
Si tu veux comprendre le raisonnement derrière les recommandations, les deux premiers articles posent le cadre: cognitif d’abord, avec Le dashboard est-il mort?, économique ensuite, avec le vrai comparatif de coûts entre dashboard et BI conversationnel, que personne ne fait en démo.
Bonne lecture.