Une demande qui prenait autrefois un après-midi à un analyste (extraire les données, bâtir le graphique, rédiger quelques lignes sur ce qui a changé) peut aujourd’hui être ébauchée par l’IA le temps de la décrire. Copilot dans Power BI ébauche des pages de rapport et des calculs, des assistants rédigent une première version des commentaires sur les écarts, et les dirigeants posent de plus en plus leurs questions à un assistant plutôt que de les envoyer à l’équipe d’analytique.
Il est tentant d’en conclure que les analystes comptent moins. C’est l’inverse, mais le métier change. Produire une première ébauche, la partie du travail que l’IA fait bien, n’a jamais été l’essentiel de la valeur. Les parties qu’elle ne sait pas faire, comme savoir ce que signifie un chiffre, juger si une réponse est juste et la relier à une décision, deviennent le métier. Les dirigeants qui voient l’IA seulement comme un moyen de réduire l’équipe découvrent souvent que les ébauches vont plus vite, sans que les décisions soient meilleures.
Ce que l’IA retire du bureau de l’analyste
Les premières ébauches partent en premier : graphiques standards, requêtes courantes, commentaires qui répètent ce que montre déjà un graphique, et la documentation que personne n’avait le temps d’écrire. Une bonne partie de la production mensuelle des dossiers de rapports suit le même chemin, tout comme les questions simples qui arrivaient par courriel et attendaient dans une file.
Les ébauches doivent toujours être vérifiées, et c’est là l’essentiel. Un analyste qui passait la majeure partie de la semaine à construire en consacre maintenant davantage à revoir, à corriger et à décider de ce qui mérite l’attention. Une ébauche qui semble terminée est facile à accepter; vérifier une réponse plausible demande plus de rigueur que la produire, et cette rigueur est désormais au cœur du métier. Le temps libéré n’a de valeur que s’il est réaffecté délibérément; sinon, il se remplit d’autres demandes du même genre, livrées plus vite.
De la production de rapports à la gestion des définitions
Quand l’IA répond aux questions à partir du modèle sémantique, la couche qui contient les mesures et les règles d’affaires derrière chaque rapport, les définitions de ce modèle deviennent le produit. Quelqu’un doit décider de ce qui compte comme un client actif, de la date que suit une réservation et des raisons pour lesquelles une marge est certifiée et pas les autres, puis l’écrire dans des noms et des descriptions qu’un assistant peut utiliser.
Ce quelqu’un, c’est l’analyste. Gérer les définitions, c’est convenir du sens de chaque mesure avec la finance, les ventes et les opérations, tenir à jour les descriptions et les synonymes, retirer les doublons et remarquer quand l’organisation change plus vite que le modèle. C’est un travail plus discret que la construction de tableaux de bord, et c’est lui qui détermine si chaque réponse de l’IA dans l’organisation est juste. Il commence souvent par un glossaire : les termes que les dirigeants emploient vraiment, chacun avec un responsable, une définition et la mesure qui le met en œuvre.
De la réponse aux questions au contrôle des réponses
À mesure que les dirigeants interrogent directement les assistants, l’analyste passe de répondre à chaque question à s’assurer que l’assistant répond bien. Cela suppose de tenir un jeu de vraies questions dont les réponses sont connues, de l’exécuter chaque fois que le modèle ou l’assistant change, et d’analyser chaque échec.
L’analyse des échecs est une compétence à part entière. Une mauvaise réponse peut venir des données, d’une définition absente ou ambiguë, d’une relation qui permet deux chemins, ou des instructions données à l’assistant. Trouver la cause, et la corriger à la source au lieu de traiter le symptôme, constitue le nouveau contrôle de la qualité de l’analyste. Avec le temps, la répartition des échecs montre où le modèle est le plus faible et quelles questions reviennent sans cesse chez les dirigeants sans que rien n’y réponde encore.
Des graphiques aux décisions
Le travail le plus précieux se rapproche de la décision. Avant toute analyse, l’analyste aide les dirigeants à cadrer le choix : ce qui est à décider, quelles options sont réalistes et quelles données changeraient l’issue. Ensuite, il explique les arbitrages, comme le prix contre le volume, le service contre les stocks ou la croissance contre la marge, et dit franchement ce que les données ne peuvent pas dire.
L’IA décrit bien ce qui s’est passé. Elle est beaucoup moins fiable pour juger ce qui compte, ce qui relève du bruit et ce qu’un dirigeant devrait faire la semaine prochaine. Ce jugement, ancré dans la connaissance des activités, est ce que les dirigeants apprécient le plus et ce que l’analyste est le mieux placé pour offrir. Un test simple du nouveau rôle : après une réunion, l’analyste peut-il dire quelle décision a été prise et quelles données l’ont fait pencher?
Les compétences à développer
Le profil d’un bon analyste évolue en conséquence. Voici les compétences dans lesquelles il vaut la peine d’investir :
- Connaissance des affaires et de la finance : savoir comment l’organisation gagne de l’argent et comment chaque mesure se rattache aux états financiers.
- Modélisation et définitions : concevoir des modèles sémantiques simples, bien décrits et que l’IA peut lire sans risque.
- Évaluation : rédiger des questions test, vérifier les réponses par rapport aux chiffres certifiés et remonter les erreurs jusqu’à leur cause.
- Rédaction pour les machines et pour les gens : des descriptions claires, des instructions précises pour les assistants et des commentaires courts et simples pour les dirigeants.
- Animation : mener les échanges au cours desquels les fonctions s’entendent sur une définition ou une décision.
La profondeur technique compte toujours, mais elle ne suffit plus à elle seule. Les analystes qui réussissent la combinent avec le jugement et la communication que l’IA ne peut pas fournir. À l’embauche, cherchez la curiosité pour les activités de l’organisation autant que les compétences techniques : les outils s’enseignent plus vite que l’instinct.
Comment les équipes se réorganisent
Les équipes qui s’adaptent bien font généralement les mêmes choix. Elles séparent l’exploitation du changement : maintenir les rapports disponibles, corriger les incidents et traiter les demandes courantes devient un service assorti de niveaux de service clairs, assuré par une équipe de plateforme ou par un partenaire de services analytiques gérés. Elles intègrent les analystes aux domaines d’affaires comme partenaires de décision plutôt que comme producteurs de rapports. Et elles conservent un groupe central responsable des modèles sémantiques, des définitions et des normes dont dépend chaque assistant.
L’exploitation gérée comme un service tend à devenir plus fiable et plus visible, et elle libère les analystes pour le travail à plus forte valeur. Évaluez les analystes sur les décisions appuyées et les réponses fiables, pas sur les rapports livrés. Les cheminements de carrière doivent suivre : si les promotions récompensent encore le nombre de tableaux de bord construits, les meilleurs analystes continueront d’en construire.
En définitive
L’IA ne supprime pas le besoin d’analystes. Elle supprime l’excuse pour consacrer leur temps aux premières ébauches. Les organisations qui orientent leurs analystes vers les définitions, les tests et les décisions, et qui rebâtissent leurs équipes autour de ce travail, tireront davantage de l’IA et davantage de leurs gens. Celles qui demandent simplement à la même équipe de produire plus, plus vite, obtiendront plus de rapports et pas de meilleures décisions. Le virage ne se fera pas tout seul : il faut des dirigeants qui demandent à leurs analystes du jugement, et pas seulement de la production.