Si vous êtes analyste de données, j'aimerais vous poser une question.
Comment allez-vous ?
Cette année a été marquée par des changements profonds et continus, qui transforment tout, de la façon de travailler aux technologies qui rendent tout cela possible.
Aussi difficile qu'ait été ce changement, je pense que des opportunités sans précédent se profilent à l'horizon, en particulier pour ceux qui connaissent le mieux les métiers et les données, notamment les analystes de données.
Nous avons récemment commandé une étude pour mieux comprendre comment évolue le rôle de l'analyste. Le constat est clair : à l'ère de l'IA, le rôle de l'analyste de données reste indispensable. Voici pourquoi.
L'IA renforce l'efficacité des analystes
En 2023, au moment charnière de l'adoption de l'IA générative, la moitié des employés dans les fonctions de support et de logistique craignaient d'être remplacés par l'IA. Aujourd'hui, beaucoup d'analystes ont toujours cette crainte.
Cependant, les résultats de notre étude offrent une perspective très différente, et plus optimiste.
Presque tous les analystes interrogés (96 %) déclarent utiliser l'IA pour rationaliser les tâches, tandis que 47 % indiquent que l'IA contribue à réduire leur charge de travail.
- 76 % estiment que l'IA leur permet d'être plus efficaces et efficients
- 55 % déclarent que l'IA augmente leur productivité
- 87 % disent que l'IA a augmenté leur satisfaction au travail
L'IA est devenue un levier de performance. Huit analystes sur dix (83 %) influencent désormais les décisions critiques. Ils donnent un cap avec l'aide de l'IA. Ces résultats sont à la fois positifs et prometteurs.
Cependant, l'IA n'a pas seulement rendu les analystes plus efficaces dans leur rôle. Elle les a également transformés. L'adoption de l'IA en entreprise a rendu leur implication nécessaire dans presque tous les processus métier et chaque département qui souhaite mettre en œuvre l'IA.
Cela s'explique par deux facteurs. Le premier est l'absence d'une couche de logique.
La pièce manquante de l'IA d'entreprise : la couche de logique
Les modèles d'IA peuvent raisonner incroyablement bien avec les données, mais ils ne peuvent pas déduire les règles, les calculs et les connaissances institutionnelles qui définissent le fonctionnement propre à une équipe métier ou à un département.
Si un responsable vous demandait le chiffre d'affaires du premier trimestre en Californie, vous ne répondriez probablement pas tout de suite. Vous commenceriez plutôt par lui poser des questions.
Voulez-vous les recettes nettes, sans les coûts de vente ? Voulez-vous la version utilisée pour le reporting financier ou celle pour les directeurs de magasin ? Faut-il inclure le CA des partenaires ?
Ce sont des questions essentielles. Si un employé les posait à un LLM, la technologie aurait d'abord besoin de données propres et fiables, mais elle devrait aussi comprendre votre business.
La logique métier est ce qu'il y a de plus difficile à capturer dans un workflow d'IA et de plus compliqué à déployer à l'échelle, parce qu'elle est dispersée entre des feuilles de calcul, des processus non documentés et l'expertise métier forgée au fil des années.
Les analystes métier font partie des rares profils capables de vraiment comprendre à la fois les processus et les données sur lesquels reposent notamment la reconnaissance du chiffre d'affaires, les modèles de commission et la segmentation client. C'est pourquoi les entreprises s'appuient sur les analystes pour concevoir et gérer la couche de logique des systèmes d'IA d'entreprise.
Rendre l'IA fiable
Vient ensuite la question de la fiabilité. La confiance dans les systèmes d'IA ne va pas de soi. Ce qu'ils produisent doit être vérifiable et reproductible. Les décideurs doivent comprendre comment un système d'IA est parvenu à une réponse, et avoir confiance dans cette réponse pour pouvoir agir avec assurance.
Dans notre étude, les trois principaux obstacles à la réussite des initiatives IA sont :
- La difficulté à expliquer ou à interpréter ce que produit l'IA auprès des parties prenantes (55 %)
- L'insuffisance de compétences analytiques chez les utilisateurs métier (54 %)
- La mauvaise qualité des données (50 %)
Notez que ce sont les problèmes de qualité ou de gouvernance des données qui causent l'échec de presque la moitié (47 %) des projets d'IA.
Si les analystes ont toujours été au cœur du nettoyage et de la validation des données, qui sont les « entrées » des workflows d'IA, ils ont désormais un nouveau rôle, celui de « superviseurs de l'IA ».
Dans notre étude, les analystes indiquent consacrer près de quatre heures à leur nouveau rôle de supervision de l'IA, à valider ou corriger les résultats générés par l'IA. Près d'un analyste sur cinq (16 %) passe plus de six heures par semaine sur ces tâches.
Leur implication n'est pas un hasard. Les workflows d'IA ont besoin de transparence et de responsabilité à chaque étape. Il faudra toujours quelqu'un pour expliquer ce qui se passe dans les données et vérifier que l'IA a produit la bonne réponse. Partout dans le monde, les analystes endossent désormais ce rôle.
63 % des analystes indiquent que valider les résultats produits par l'IA est devenue une compétence plus importante.
Les analystes au cœur de l'intelligence d'entreprise
Si vous êtes analyste et que vous ressentez de l'incertitude face à l'avenir, cela se comprend. J'espère toutefois que notre dernière étude vous apporte une perspective plus réjouissante. Une entreprise portée par l'IA dépend fortement de l'implication des analystes.
D'abord pour nettoyer et préparer les données et poser les bases d'une IA fiable. Ensuite, pour appliquer la logique métier aux calculs et aux workflows d'IA. Enfin, pour la validation. Des analystes sont indispensables à chaque étape : au début, au milieu et à la fin.
Les entreprises de demain ne seront pas pilotées par des « vibe coders ». Les profils les plus précieux seront ceux qui maîtrisent parfaitement la donnée et le métier. Analystes métier, équipes RevOps, fonctions finance, experts de la chaîne d'approvisionnement : ce sont eux qui peuvent garantir que l'IA fonctionne correctement.
Consultez l'étude complète sur le rôle de l'analyste de données et l'essor de la logique métier pour en savoir plus sur l'évolution du rôle de l'analyste.