L’ubiquité du numérique a mis sur le devant de la scène un sujet majeur pour la compétitivité des entreprises et des systèmes socio-économiques, les données, dans un contexte dominé de grands changements technologiques (l’intelligence artificielle), organisationnelles (le cloud) et sociétales (la protection de la vie privée). La question des données n’est cependant pas nouvelle. Elle a fait l’objet de multiples développements, notamment dans le cadre de modèles de la décision ou au plan de l’analyse statistique. La nouveauté est certainement dans la démultiplication des potentiels de combinaison des données, dans une perspective de création de valeur. Cet article propose un cadre méthodologique permettant de structurer le raisonnement et les décisions des entreprises autour de la question de la valorisation des données. Il est structuré autour de trois points : la nécessité de développer un raisonnement en termes d’actifs numériques (I.) ; la proposition d’un cadre méthodologique pour le déploiement d’une approche de la valeur de donnée – autour de la méthode DVM (Data Value Modelling) (II.) ; enfin, l’illustration de la valorisation des données autour d’un actif propriétaire (III.).
I. POURQUOI RAISONNER EN TERMES D’ACTIFS NUMERIQUES ?
Passer d’un raisonnement en termes de données à un raisonnement en termes d’actifs numériques amène le décideur à se poser la question de la valeur –
la donnée n’a de valeur qu’associée à un processus de décision, dans un contexte déterminé. C’est trivial de le souligner, mais le discours général sur les données comme « pétrole du XXIe siècle » tend à passer cette question essentielle sous silence. C’est la raison pour laquelle nous recommandons de développer un raisonnement en termes d’actifs numériques, car une telle interrogation permet de faire le tri entre données, en tenant compte du contexte de la décision. Rappelons qu’un actif est une ressource dont l’entreprise contrôle l’usage, notamment par des droits de propriété spécifiques. Par ailleurs, la donnée est une ressource numérique, à statut de plus en plus conjoint. Ce point est essentiel. La véritable valeur de la donnée se crée par l’organisation de la transversalité : transversalité interne entre fonctions et activités internes (R&D, innovation, production, marketing, distribution…), mais également transversalité écosystémique (avec les fournisseurs, les clients, les plateformes, les complémenteurs). On devine ici toute la difficulté de l’exercice, les modes de management de nos organisations étant, pour l’essentiel, peu habitués à la transversalité. En termes concrets, comment une entreprise peut-elle demander à ses responsables d’activités (BU) de partager leurs données commerciales par exemple, alors que les modes d’évaluation de la performance sont individualisés. Le même raisonnement s’applique aisément aux relations avec les fournisseurs, les clients, les concurrents et complémenteurs, avec lesquels il devient nécessaire de partager les données, alors même que la rivalité est la règle. Comment par exemple partager les données des moteurs d’avions entre transporteurs, maîtres d’œuvre et équipementiers alors que le statut de la donnée n’est généralement pas défini, et que chacun des partenaires de l’écosystème cherche à s’approprier la rente relative à ces données ? On voit bien ici se dessiner la nécessité d’un changement fondamental des règles de gouvernance de la donnée et de leur alignement sur une véritable économie du partage de la rente conjointe.
Une donnée devient un actif numérique dès lors qu’elle comporte un potentiel de création de valeur selon des modalités diverses, qu’il convient de définir. En effet, un raisonnement en termes d’actif numérique appelle à considérer d’assez près les dimensions de la valeur. L’analyse de la dynamique de transformation des systèmes de production de la valeur nous a amenés à définir six dimensions de la création de valeur par la donnée, qui seront développées plus
L’importance des données est aussi liée aux systèmes de production émergents, surtout les plateformes, qui ont été grandement favorisés par la nature générative de la révolution numérique, comme l’ont montré les travaux du programme de recherche international ISD.
L’émergence de l’accéluction comme mode de production dominant est à noter ; concept que j’ai proposé pour caractériser les modes de production de la valeur portés par le numérique. La théorie économique considère la valeur du seul point de vue de la transaction, par exemple à travers la vente d’un produit ou d’un service. Selon ce principe, pour une entreprise – une banque, par exemple – la valeur ne se crée que dès lors qu’il y a transaction, à savoir une prestation facturée à un client. Le mode de production de l’entreprise accéluée suggère que la valeur est certes transactionnelle, mais de plus en plus portée un mode de production singulier : la production accélérée de liens dans des espaces de production de valeur désormais multiples et au sein desquels les données jouent un rôle fondamental. Ce mode de production vise également à caractériser l’instabilité des rôles des acteurs, qui est l’un des ingrédients essentiels du plein déploiement de l’accéluction. Les clients d’une entreprise sont souvent également concurrents, les complémenteurs (fournisseurs de services intermédiaires) sont également tantôt concurrents, tantôt partenaires, et les grandes plateformes tendent à jouer tous les rôles à la fois (comme en atteste la stratégie des GAFA). La donnée, dans ce contexte, joue un rôle fondamental et c’est la raison pour laquelle nous recommandons de l’évaluer à l’aune de son potentiel d’actif numérique.
Au cœur de la transformation des systèmes de création de valeur se trouvent à l’évidence les plateformes numériques, d’abord en tant qu’organisations dominantes (les GAFA et les BATX), mais également en tant que mode d’organisation : les entreprises industrielles, les banques et les compagnies d’assurance, les sociétés de services, en réaction, cherchent à installer la stratégie plateformique au cœur du design de leur modèle organisationnel.
L’ubiquité du numérique – à travers les objets et artefacts connectés, focalise l’attention du management sur la dimension temps réel de la décision. Le temps réel appelle à une optimisation des processus de décision, à une revisite de la hiérarchie des décisions et au développement de nouvelles compétences.
Enfin, les réseaux sociaux ouvrent des opportunités immenses de valorisation de données non structurées.
L’ensemble de ces éléments incitent à développer une approche centrée non sur la donnée in abstracto, mais sur la considération de celle-ci comme actif numérique.
Les étapes de cette approche sont spécifiées ci-après.
II. UNE DEMARCHE DE VALORISATION EN CINQ ETAPES
L’approche DVM, a pour objectif d’aider les entreprises à mieux approcher la valeur de leurs données. La méthode a été mobilisée dans différents contextes (valorisation des données pour des entreprises spécifiques, travaux du CIGREF sur la valorisation des données notamment). La méthode DVM permet une approche globale et multidimensionnelle du pilotage de la valeur des données. Elle offre notamment :
– un modèle générique de maturité pouvant s’appliquer de manière globale à une entreprise ou à un actif spécifique ;
– une évaluation d’une dimension centrale du pilotage stratégique des données : la dimension plateformique ;
– une valorisation d’actifs numériques spécifiques ;
– la conception et le déploiement d’une gouvernance globale des données.
L’approche DVM recommande cinq étapes spécifiques.
1. Lister et catégoriser les données en tant qu’actifs numériques
L’objectif ici est de classer les données en catégories spécifiques d’actifs numériques, notamment ceux qui sont la propriété de l’entreprise, et ceux qui ont été créés conjointement avec d’autres membres de l’écosystème.
Trois types d’actifs sont ici distingués : des actifs propriétaires (par exemple une carte de fidélité pour une entreprise de services, ou des moyens de paiement pour une banque), des actifs conjoints (les données des moteurs d’avion, ou les données de développement d’un équipement dans l’automobile), les actifs non propriétaires (ceux relatifs aux données des réseaux sociaux).
2. Analyser le niveau de maturité des entreprises vis-à-vis des étapes et des pratiques spécifiques
Un ensemble de pratiques est défini pour chaque actif (ou de manière générique), et un niveau de maturité leur est affecté. Les questions éthiques et l’alignement des politiques et des pratiques sont examinés ici.
3. Évaluer la valeur en termes monétaires
Pour chaque actif (par exemple, les données figurant sur une carte de fidélité d’une entreprise de services), nous définissons les composants de la création de valeur et nous affectons ou simulons les recettes associées. Cette étape permet d’attribuer une valeur à un actif, autour de six dimensions clés (voir schéma 1).
4. Définir de la stratégie générale des données de l’entreprise en termes de combinaisons
Les entreprises affectent des investissements aux actifs. Les recettes sont générées par les actifs et leur regroupement. Lors de cette étape, l’entreprise examine le potentiel réel de génération de valeur en fonction des sélections de combinaisons actuelles ou futures de leurs actifs numériques clefs.
5. Développer et simuler et de scénarios pour la valorisation des données
À partir de ces éléments, les managers et leurs équipes peuvent élaborer des simulations de création de valeur par les données. Cet exercice peut conduire à l’identification de scénarios à haut rendement, alors que d’autres peuvent se révéler de piètres candidats pour la monétisation. Cette étape est essentielle pour combler le fossé entre les attentes (et spéculations) des managers et ce qu’il est réellement possible d’accomplir par le biais de la valeur basée sur les données.
III. LA VALORISATION D’UN ACTIF PROPRIETAIRE
Un exemple d’actif est proposé pour illustration: un actif propriétaire. Ce cas fictif est fictif dans son expression, mais renvoie à un cas réel pour une entreprise de services en B2C. La question posée ici par un dirigeant est simple : que valent les données de notre actif propriétaire ? Derrière cette interrogation, au-delà de la traduction monétaire, il y a la question de l’usage de données dans la perspective de pilotage de l’entreprise par la donnée et des processus stratégiques associés. Ce point est essentiel, car il renvoie à des questions de gouvernance.
L’analyse de la valeur de la donnée nous permet la déclinaison de cette valeur autour de six composantes :
– l’éthique des usages est la première composante de la valeur, qui renvoie au respect des règles de la vie privée (dans le contexte du RGPD), mais également du signal envoyé aux clients ;
– la transversalité qui recouvre la transversalité opérationnelle amont avec les fournisseurs mais également aval avec les clients, et globale (pour l’ensemble de l’entreprise) ;
– le développement de nouveaux business models ;
– le partage de la valeur ;
– la connaissance des clients et des partenaires ;
– le partage de la valeur avec les clients et les partenaires. (voir Schéma 2).
IV. CONCLUSION
Les précédents développements visent à proposer un langage et un cadre méthodologique spécifiques pour la création de valeur, à partir des données. Au-delà d’un discours général sur l’importance des données, il est important pour les entreprises de considérer la question de la valeur dans ses multiples dimensions, de développer un langage de la valeur pour des actifs spécifiques (données R&D, données clients, données plateformes de développement de produits et services), en ayant à l’esprit que la question de la valeur de la donnée est intimement liée à celle de leur gouvernance.
