Les décisions en temps réel exigent des données fiables

La rapidité de décision dépend des conditions de décision

L’étude Quick Thinking 2.0 de Confluent indique que 92 % des dirigeants affirment que les décisions stratégiques de l’entreprise se sont accélérées au cours des trois dernières années. Elle indique également que 75 % regrettent d’avoir agi trop vite, tandis que 71 % regrettent d’avoir trop attendu et d’avoir laissé passer une opportunité.

Confluent vend une infrastructure de streaming de données, et a donc un intérêt commercial à défendre les arguments en faveur des données en temps réel. Ses conclusions doivent être lues en gardant cet intérêt à l’esprit.

Ces chiffres mettent en évidence un problème de management très concret. Des décisions différentes exigent des rythmes différents. Un incident cyber peut exiger une action rapide, tandis qu’un investissement à fort enjeu peut justifier davantage de délibération. Pour les dirigeants, la vraie question est de savoir ce qui mobilise leur attention limitée pendant qu’ils prennent leur décision.

Une partie de cette attention peut être absorbée par une question plus en amont : les éléments dont ils disposent sont-ils exploitables ?

Avant la décision métier vient une décision sur les éléments de preuve

Imaginez une réunion de direction où deux équipes arrivent avec des chiffres différents pour une même question métier. Avant que les dirigeants puissent discuter tarification, risque, investissement ou opérations, ils doivent déterminer quel chiffre est à jour, complet et pertinent. Quelqu’un demande un autre rapport ou contacte une autre équipe. La décision attend, ou avance sans que l’écart soit résolu.

Quick Thinking 2.0 fait état de plusieurs constats liés.

Ces chiffres montrent que les dirigeants interrogés déclarent subir ces contraintes simultanément. Ils n’établissent pas que la difficulté d’accès aux données ou des informations obsolètes entraînent une plus grande dépendance à l’instinct.

Pour un dirigeant, un écart entre deux chiffres crée une tâche supplémentaire : déterminer quel nombre s’applique avant de l’utiliser pour évaluer le chiffre d’affaires, l’impact client, l’exposition réglementaire ou le risque. Résoudre cet écart consomme du temps qui pourrait être consacré à l’examen du choix métier lui-même.

La réunion met en lumière une question de conception des systèmes d’information : combien de questions sur les éléments de preuve restent sans réponse lorsqu’ils parviennent au décideur ?

La fraîcheur et la confiance sont deux propriétés distinctes

Faire arriver l’information plus vite ne répond qu’à une partie de cette question. L’exactitude, la pertinence et une gouvernance appropriée exigent leurs propres contrôles.

Un dashboard peut se mettre à jour chaque seconde alors que deux équipes continuent de ne pas s’accorder sur ce que représente un indicateur. La fréquence de mise à jour s’est améliorée, mais le désaccord dans la réunion demeure.

Quick Thinking 2.0 indique que 91 % des dirigeants se sentiraient plus confiants dans leurs décisions s’ils avaient accès à des données en temps réel. Cela mesure un niveau de confiance déclaré. La qualité de la décision exige des preuves distinctes.

Pour les dirigeants qui évaluent des systèmes en temps réel, la fraîcheur et l’aptitude à soutenir une décision sont deux propriétés distinctes. La fraîcheur concerne le caractère actuel de l’information. L’aptitude à soutenir une décision exige aussi suffisamment de contexte pour comprendre ce que représente l’information et comment elle doit être utilisée.

Cette distinction suggère un objectif plus clair. L’information pertinente doit parvenir au point de décision avec un sens et une gouvernance suffisamment clairs pour que le dirigeant puisse l’évaluer.

Déplacer l’incertitude sur les données en amont

Les contrôles de qualité des données et de gouvernance peuvent être placés plus près du point où les données sont créées. Cette conception opérationnelle traite les questions de qualité, de sens et d’usage autorisé avant qu’elles n’atteignent une réunion de direction ou une autre application en aval.

Le test est concret. Si deux équipes utilisent le même indicateur, elles doivent pouvoir établir ce qu’il mesure, quand il a été mis à jour et quelles règles encadrent son usage avant de le présenter pour une décision.

La gouvernance joue donc un rôle direct dans le processus de décision. Elle définit comment l’information est gérée et utilisée. Dans un système conçu pour fournir rapidement des données, ces règles aident aussi à déterminer si un dirigeant peut interpréter l’information lorsqu’elle arrive.

Le streaming de données en temps réel, c’est-à-dire le mouvement continu des données entre systèmes à mesure que les événements se produisent, peut faire circuler des informations à jour entre équipes, systèmes et applications. Confluent a un intérêt commercial dans cette approche parce qu’elle vend une infrastructure de streaming de données. La qualité et le sens des informations déplacées dépendent de contrôles distincts.

Le critère d’investissement est plus exigeant que la seule fréquence de mise à jour. Si un système fournit des données plus fraîches alors que les dirigeants doivent toujours déterminer quel chiffre est valide, la réunion commence malgré tout avec le même problème non résolu concernant les éléments de preuve.

L’IA rend la qualité des entrées plus déterminante

Quick Thinking 2.0 indique que 62 % des dirigeants utilisent l’IA pour prendre la majorité de leurs décisions. Elle indique également que 70 % remettent en question leur propre jugement lorsqu’il entre en conflit avec les recommandations de l’IA.

En tant que résultats d’enquête, ces chiffres montrent pourquoi les dirigeants doivent examiner les informations qui sous-tendent une recommandation de l’IA. Une recommandation sur le risque de fraude, la tarification, la maintenance ou une réponse de la chaîne d’approvisionnement peut dépendre des données fournies au système.

Les dirigeants doivent donc examiner la provenance des données, c’est-à-dire d’où elles viennent et comment elles sont parvenues au système, ainsi que leur fraîcheur, leur pertinence et leur gouvernance. Les conclusions de Confluent montrent que, parmi les dirigeants interrogés, l’IA joue déjà un rôle déclaré dans de nombreuses décisions et peut entrer en conflit avec le propre jugement des dirigeants. La justesse d’une recommandation de l’IA exige des preuves distinctes.

Cela fait de la traçabilité une exigence pratique. Lorsqu’une recommandation de l’IA arrive dans la salle de décision, les dirigeants ont besoin de suffisamment d’informations sur ses entrées pour juger du poids qu’elle mérite dans cette décision précise.

Points clés

• Adapter la rapidité de décision à la décision : Plus rapide n’est pas toujours mieux. Les dirigeants doivent ajuster la vitesse de décision à l’urgence, au risque et au temps nécessaire pour établir si les éléments de preuve sont exploitables.
• Résoudre les questions sur les éléments de preuve avant la réunion : Des données contradictoires, inaccessibles ou obsolètes mobilisent l’attention des dirigeants avant même que le choix métier puisse être évalué. Déplacez autant que possible en amont les questions de validité, de pertinence et de sens.
• Traiter séparément fraîcheur et confiance : Les mises à jour en temps réel ne garantissent pas des informations exactes, pertinentes ou bien gouvernées. Évaluez si les données arrivent avec suffisamment de contexte et de gouvernance pour étayer la décision.
• Déplacer l’incertitude sur les données en amont : Appliquez les contrôles de qualité et de gouvernance plus près de l’endroit où les données sont créées. Les indicateurs partagés doivent avoir des définitions claires, des informations de mise à jour et des règles d’usage avant d’atteindre les décideurs.
• Rendre traçables les entrées de l’IA : À mesure que les recommandations de l’IA influencent davantage de décisions, les dirigeants ont besoin de visibilité sur la provenance, la fraîcheur, la pertinence et la gouvernance des données. La traçabilité aide les dirigeants à déterminer le poids qu’une recommandation de l’IA mérite.