Le contexte : une PME noyée sous les tableaux Excel
Valoris Consulting* est une société de conseil en organisation basée à Lyon, spécialisée dans l'accompagnement des PME industrielles. Avec 45 collaborateurs et un chiffre d'affaires de 6M€, l'entreprise connaît une croissance régulière mais se heurte à un problème récurrent : la production des reportings mensuels.
* Nom modifié pour préserver la confidentialité du client
Le problème : 3 jours par mois perdus en consolidation
Chaque fin de mois, la responsable administrative et son assistante passaient près de 3 jours à produire les rapports de gestion. Le processus impliquait :
- Extraction des données de 4 systèmes différents (CRM, facturation, gestion des temps, RH)
- Copier-coller manuel dans un fichier Excel "maître"
- Réconciliation des écarts (clients présents dans un système mais pas dans l'autre)
- Création des graphiques et mise en forme
- Envoi par email aux 5 associés et aux chefs de projet
"Je passais mon temps à vérifier que les chiffres étaient cohérents entre les sources. Et malgré ça, on trouvait régulièrement des erreurs après l'envoi."
Au-delà du temps perdu, le problème était aussi la fiabilité. Les erreurs de copier-coller généraient des discussions stériles en CODIR et érodaient la confiance dans les chiffres présentés.
La solution : automatisation en 3 phases
Phase 1 : Audit et diagnostic (2 semaines)
Nous avons commencé par cartographier précisément le processus existant. L'objectif n'était pas de tout automatiser, mais d'identifier les points de friction les plus coûteux.
Résultats de l'audit
- 70% du temps passé sur l'extraction et la consolidation
- 20% sur la vérification et correction d'erreurs
- 10% seulement sur l'analyse et les commentaires
Le diagnostic était clair : la valeur ajoutée humaine (l'analyse) était écrasée par des tâches répétitives mécanisables.
Phase 2 : Construction de la solution (8 semaines)
Nous avons mis en place une architecture simple mais robuste :
- Connecteurs automatiques : Des scripts programmés récupèrent chaque nuit les données des 4 systèmes sources et les centralisent dans une base intermédiaire
- Règles de réconciliation : Un module de "matching" identifie automatiquement les clients présents dans plusieurs sources et signale les anomalies
- Tableaux de bord dynamiques : Les rapports sont générés automatiquement avec les données du mois, prêts à être analysés
- Distribution automatique : Les rapports sont envoyés par email aux bons destinataires selon un calendrier défini
Technologies utilisées : Python pour les connecteurs, PostgreSQL pour la base intermédiaire, et Metabase pour les tableaux de bord. Coût total : moins de 500€/mois en infrastructure cloud.
Phase 3 : Déploiement et formation (4 semaines)
Le déploiement a été progressif :
- Semaine 1 : Exécution en parallèle (ancien et nouveau processus)
- Semaine 2-3 : Ajustements selon les retours utilisateurs
- Semaine 4 : Bascule définitive et formation des utilisateurs
Point clé : nous avons impliqué la responsable administrative dès le départ. Elle a validé chaque étape et a pu signaler des cas particuliers que nous n'aurions pas anticipés.
Les résultats : au-delà des attentes
Les bénéfices quantifiables :
- Temps : De 3 jours à 1 journée par mois (et principalement de l'analyse, plus de la saisie)
- Fiabilité : Quasi-élimination des erreurs de consolidation
- Rapidité : Rapports disponibles le 2 du mois au lieu du 5
- Évolutivité : Ajout simple de nouveaux indicateurs sans refaire le système
Les bénéfices inattendus
Au-delà des gains directs, le projet a généré des effets de bord positifs :
- Meilleure gouvernance des données : Le projet a révélé des incohérences entre systèmes, corrigées à cette occasion
- Montée en compétences : La responsable administrative a développé des compétences en analyse de données
- Effet d'entraînement : Deux autres processus ont depuis été automatisés selon la même approche
"Maintenant je peux vraiment faire mon métier : analyser les chiffres et proposer des actions. Avant, je n'avais pas le temps."
Les enseignements clés
Si vous envisagez un projet similaire, voici les leçons que nous en tirons :
- Commencez par un audit : Ne présumez pas savoir où est le problème. Mesurez avant de proposer
- Impliquez les utilisateurs : Ils connaissent les subtilités que vous ne voyez pas
- Visez l'augmentation, pas le remplacement : L'objectif est de libérer du temps pour des tâches à valeur ajoutée
- Prévoyez une phase de rodage : Les premiers mois révéleront des ajustements nécessaires
- Mesurez les résultats : C'est le seul moyen de prouver la valeur et de justifier des projets futurs
Vous vous reconnaissez dans cette situation ?
Nous pouvons réaliser un diagnostic similaire pour identifier vos opportunités d'automatisation et chiffrer les gains potentiels.
Demander mon audit IA Offert si projet lancé
