Projets data : pourquoi ça dérape (et la parade)

« 70 % des projets data échouent. » « 85 %, selon Gartner. » Ces chiffres ouvrent une conférence sur deux, et ils ont un problème : leur source. Avant de parler des vraies causes d’échec des projets data, et de la méthode qui protège, un détour s’impose par la généalogie de ces pourcentages. Elle éclaire précisément ce qui fait dérailler les projets : des affirmations que personne ne vérifie.

D’où sortent vraiment les « 70-85 % d’échec »

Cherchez la source du fameux « 85 % attribué à Gartner » : vous ne trouverez aucune étude publiée. La presse spécialisée le fait remonter à la déclaration informelle d’un analyste en 2017, sur un réseau social (message d’ailleurs supprimé depuis). Quant aux « 70 % », ils agrègent des travaux aux périmètres incomparables : transformations digitales, projets IT au sens large, big data, IA. Beaucoup sont des prédictions d’analystes ou des sondages déclaratifs, pas des mesures de terrain. Précaution méthodologique, donc : nous ne citerons ici que des chiffres publiés et consultables, et nous vous invitons à exiger la même chose de quiconque vous vend une statistique d’échec.

Car ce qui est solidement documenté est déjà préoccupant. L’étude MIT Sloan Management Review–BCG de 2019 concluait que sept entreprises sur dix ne constataient encore qu’un impact minime ou nul de leurs investissements en IA. Côté usage, l’étude BARC–Eckerson Group 2022 mesure que 25 % seulement des collaborateurs utilisent activement les outils de BI déployés : une partie des projets « livrés avec succès » sont donc des échecs d’adoption silencieux. Les travaux de McKinsey sur les transformations concluent d’année en année à un taux de réussite minoritaire. Retenez l’ordre de grandeur plutôt que le chiffre choc : une part importante des projets data ne produit pas la valeur attendue. Et comme les causes se répètent, elles se préviennent.

Échec d’un projet data : les cinq causes racines

Ce que nous constatons en mission, sur les projets que nous reprenons en cours de route : les cinq causes ci-dessous étaient presque toujours visibles dès la première semaine. Encore fallait-il regarder.

1. Un objectif sans décision derrière. « Mettre en place un data warehouse » ou « déployer un outil de BI » ne sont pas des objectifs : ce sont des moyens. Si personne ne sait quelles décisions seront prises différemment grâce au projet, l’échec est déjà programmé : il sera simplement constaté plus tard.

2. Des données jamais auditées avant l’engagement. Le planning et le budget sont signés, puis le projet découvre en semaine six un historique incomplet, des référentiels qui divergent, un champ clé rempli une fois sur deux. Tout se replanifie dans la douleur. La fiabilité des données se vérifie avant de s’engager, pas pendant. Notre article sur les contrôles de qualité des données détaille ce qu’il faut tester.

3. L’effet tunnel. Quatre mois de spécifications, six mois de construction, une livraison big bang. Et un besoin qui a changé entre-temps. Plus le premier livrable utilisable est lointain, plus le risque s’accumule en silence.

4. Personne ne porte le sujet côté métier. Le projet vit chez le prestataire ou à la DSI ; les arbitrages traînent des semaines ; les utilisateurs découvrent l’outil à la fin. Un projet data sans sponsor métier actif est un projet orphelin.

5. L’adoption traitée comme un détail final. On budgète la construction, jamais l’usage. Rituels de pilotage, propriétaires d’indicateurs, prise en main accompagnée : rien n’est prévu. L’outil fonctionne, personne ne s’en sert. Voir le chiffre BARC ci-dessus.

La parade : cadrer avant d’engager

La protection la plus efficace coûte quelques jours et s’exerce avant toute signature. D’abord, auditer les données sur le périmètre visé : existence, complétude, cohérence entre sources, profondeur d’historique. C’est exactement le rôle d’un audit data express, et c’est ce qui transforme un devis en engagement tenable. Ensuite, écrire l’objectif en termes de décisions : qui décidera quoi, à quelle fréquence, avec quelle valeur en jeu, chiffrée par le métier lui-même. Enfin, réduire le périmètre de la première version jusqu’à ce qu’il tienne en quelques semaines : un sujet, un public, des données vérifiées.

Itérations courtes, gouvernance minimale

Une fois le projet lancé, deux disciplines suffisent à sécuriser l’exécution. La première : livrer quelque chose d’utilisable toutes les deux à trois semaines, entre les mains de vrais utilisateurs. Les retours corrigent la trajectoire pendant qu’elle est encore corrigeable, et la valeur arrive par tranches au lieu d’être promise en bloc. La seconde : une gouvernance légère mais tenue, trois rôles nommés (un sponsor qui arbitre, un référent métier qui priorise, un responsable technique qui livre) et un comité mensuel de quarante-cinq minutes : avancement, risques, décisions consignées. Pas de comitologie de cathédrale : ce dispositif minimal, tenu sans exception, suffit à une PME. C’est le cœur de notre approche du pilotage de projets data, et la trame de notre roadmap data en 90 jours.

Les red flags à surveiller chez un prestataire

Puisque beaucoup de dérapages s’importent, voici les signaux qui doivent vous alerter avant de signer :

il s’engage sur un forfait ferme et un planning précis sans avoir examiné vos données ;
le premier livrable utilisable est à plus de deux mois ;
personne ne vous parle d’usage : pas de rituels, pas de propriétaires d’indicateurs, pas de plan de prise en main ;
la solution repose sur un socle « maison » dont vous seriez captif en cas de séparation ;
aucune valeur cible n’est posée avant de commencer : impossible, donc, de dire un jour si le projet a réussi.

Un prestataire sérieux acceptera sans difficulté la contrepartie : commencer petit et prouver vite, pour être jugé sur des décisions réellement mieux prises. Avant votre prochain projet, faites l’exercice inverse des conférences à chiffres chocs : ne demandez pas combien de projets échouent en général, mais lesquelles des cinq causes ci-dessus sont déjà visibles chez vous. La réponse tient rarement plus d’une semaine.

Un projet data en préparation, ou un projet en cours qui donne des signes de fatigue ? Réservez un appel de 30 minutes : nous passerons les cinq causes en revue sur votre cas, avec l’appui de notre offre de pilotage de projets data.