Interviews

Sébastien Hidocq, chief data officer de Decathlon : « Les données doivent servir à augmenter notre capacité de décision. »

Sébastien Hidocq, chief data officer groupe, Decathlon Technology : « Nous avons trois piliers : la data value, la technologie et la gouvernance. Il faut une cohésion entre ces trois sujets. »

Sébastien Hidocq est chief data officer du groupe Decathlon. Dans cette interview, il explique la vision et la stratégie data de l'enseigne spécialisée dans le sport. Il décrit également l'organisation, les dispositifs et les rôles mis en oeuvre pour diffuser une culture data dans l'ensemble du groupe.

PublicitéCIO : Vous êtes devenu chief data officer du groupe Decathlon début 2020. Pouvez-vous revenir sur la genèse de ce rôle ?

Sébastien Hidocq : Le projet Data de Decathlon a démarré sous un angle technologique, en migrant dès 2012-2013 sur le cloud. Avoir un data lake dans le cloud public nous a donné beaucoup d'avantages, dont le fait de ne pas avoir un legacy indigérable. L'entreprise a eu une préoccupation data dès le début de cette transformation, qui est devenue une vraie préoccupation globale, portée au plus haut niveau par les dirigeants du groupe. La data était l'un des sept ou huit grands enjeux de l'entreprise, il fallait investir plus de temps et d'énergie sur ces sujets.

Je suis un ancien CIO. J'ai pris la fonction de CDO pour deux raisons : la forte empreinte technologique et la dimension de transformation essentielle, à la fois sur les métiers, les processus et les pratiques, tout devant être combiné pour que cela serve l'entreprise. Ce rôle permet une création de valeur humaine, pour les utilisateurs, les collaborateurs et les clients, mais aussi une valeur environnementale et économique.

Que représente l'organisation data au sein de Decathlon ?

A l'échelle mondiale, environ 400 collaborateurs exercent des métiers en lien direct avec les données, auxquels il faut ajouter environ une centaine d'employés côté métier qui ont des fonctions autour de la donnée. Parmi ces derniers, nous avons ainsi des data managers, des data owners, des data quality managers, afin que les métiers soient responsables de la disponibilité, de la bonne définition et de la qualité de leurs données pour le plus grand nombre. Ces éléments sont clefs pour que les données puissent ensuite être exploitées par la business intelligence, par nos data analysts et nos data scientists.

400, c'est à la fois beaucoup et assez peu. Nous avons beaucoup recruté et intégré dans ces fonctions. Nous nous développons aussi à l'international, car le groupe Decathlon est présent dans des pays très différents, en Amérique, en Asie, où les enjeux data doivent être traités localement. Nos talents sont très répartis. Il s'agit de trouver un équilibre entre des ressources davantage dispersées et la rationalisation des solutions, afin d'éviter que tout le monde réinvente le même algorithme.

Quelles ambitions poursuit le groupe Decathlon autour de l'usage des données ?

Nous avons la certitude que beaucoup de nos activités peuvent être augmentées par l'intelligence artificielle (IA). L'une de nos convictions, c'est que les données doivent servir à augmenter notre capacité de décision, de façon à être plus efficace. En effet, les décisions sont de plus en plus complexes, avec des crises et des pénuries difficiles à prévoir et qui ont un impact sur les produits. Nous devons gérer aujourd'hui des dizaines de paramètres dans nos processus de décision. Si nous voulons faire ça à l'échelle, dans des dizaines de pays, sur des dizaines de sports, nous sommes obligés d'industrialiser. Notre objectif est de fournir une data propre, accessible, avec une data literacy au bon niveau et des modèles d'IA qui vont aider les métiers à prendre les bonnes décisions. La data n'est pas là pour imposer des décisions, mais pour les éclairer, avec des processus d'entreprise qui doivent être AI-driven plus que data-driven.

PublicitéNous avons aussi la volonté d'aller vers du self-BI, afin que les utilisateurs puissent eux-mêmes générer leurs dashboards. C'est un défi en termes d'outillage, mais surtout un défi sur les données elles-mêmes, car il faut des données propres, accessibles et documentées. L'utilisateur doit être certain qu'il a la bonne définition, la bonne source. Pour cela, le rôle des métiers est fondamental, ils doivent s'approprier leurs données. Si les données ne sont pas les bonnes ou qu'elles sont de mauvaise qualité, nous obtenons l'inverse de ce que nous voulons.

Nous avons aussi des projets analytiques avancés, qui dépendent étroitement de la compétence à bien stocker les données, à bien les sécuriser, à garantir qu'elles sont propres et nettoyées. Tout ceci nécessite une gouvernance forte.

Que mettez-vous en oeuvre pour parvenir à concrétiser ces ambitions ?

Nous avons trois piliers : la data value, la technologie et la gouvernance. Il faut une cohésion entre ces trois sujets. Ma mission de CDO est de réussir cet équilibre-là, avec la structure et les équipes. Il s'agit de délivrer des données utilisables, accessibles et qui puissent être enrichies, d'aller vers des modèles de plus en plus intégrés et d'accompagner l'entreprise dans cette transformation des pratiques et cette mise en place d'une culture data.

Il y a eu une prise de conscience importante : il faut compléter les investissements par l'accompagnement au changement associé, sans être brutal, mais inversement, sans que cela ne prenne trop de temps. Cela nécessite une bonne dose d'investissement des deux côtés, pour que la data soit bien utilisée, bien consommée.

Comment faites-vous pour embarquer l'ensemble des acteurs dans cette transformation data ?

Le travail sur la formation, sur la communication doit être fort. La data est un sujet d'entreprise, qui accompagne et supporte tous les autres, il doit être considéré comme tel. Les entreprises doivent avoir au plus haut des gens convaincus, pour donner de l'énergie à la transformation data. Notre mission, c'est de lancer la mécanique, mais nous avons besoin de relais, d'accélérateurs pour trouver des choses démontrables, des exemples, faire en sorte que le pivot puisse s'opérer quand l'entreprise n'était pas nativement dans ces modèles data-first. Nous avons créé des rôles de data value engineers pour développer des cas d'usage et calculer cette valeur.

Si les données collectées ne sont pas utilisées, elles doivent disparaître. En revanche, si elles sont prises en compte dans des produits data, cela crée de la valeur, en améliorant par exemple la conception de nos produits, pour concevoir des objets plus durables, réutilisables, pour ouvrir la voie à la location et réduire ainsi l'empreinte carbone.

Nous faisons aussi la promotion des cas d'usage déjà mis en oeuvre. Sur le pricing par exemple, nous avons identifié un besoin de rupture afin de continuer à être plus efficaces. Les données nous aident à déterminer le bon pricing. Il s'agit par exemple de faire de meilleurs calculs sur l'élasticité des prix, de tester, de mesurer, afin que les clients soient satisfaits et que l'entreprise gère les impacts liés à la hausse des prix sur les matières premières. Ces exemples montrent qu'en transformant des processus historiques performants, comme le pricing ou les forecasts, nous pouvons encore accroître la performance et créer encore plus de valeur, pour décider plus vite et prendre de meilleures décisions, notamment d'un point de vue environnemental.

Dans un autre cas d'usage, nous avons fourni de quoi aider les magasins à mieux s'organiser, notamment pour le click & collect, en gérant les contraintes de planning de leurs équipes. Sans prévisions de charges, c'est compliqué.

Vous avez mentionné la mise en place d'une culture data. Concrètement, quelles sont les actions mises en oeuvre pour développer et diffuser celle-ci ?

La montée en compétences et l'acculturation sont des enjeux majeurs : nous souhaitons « dataifier » l'entreprise. Pour cela, nous disposons de deux leviers : le premier est nos experts, que nous devons continuer de former car c'est ce qu'ils attendent, la data étant un monde qui évolue très vite - nos stacks techniques permettent d'attirer des talents.

L'autre levier est de diffuser un mindset et une culture data dans l'entreprise. Il faut faire en sorte que le changement ne soit pas vécu comme quelque chose de douloureux ou de compliqué, et cela demande beaucoup d'énergie. Nous avons mis en place un programme de data literacy, de data culture, afin de former plus de 105 000 collaborateurs. Nous avons une collection de programmes, allant du e-learning avec des sessions de 20 minutes jusqu'à des master class pour nos dirigeants, avec 6 sessions de 2 heures sur 6 mois. Il s'agit de faire à la fois du top-down et du bottom-up, pour que l'ensemble de l'entreprise ait conscience de ce que la data peut faire et réinventer le business. Les formations d'intégration prévues pour les nouveaux collaborateurs dans le digital incluent aussi une session sur la data de 2 heures.

Nous avons aussi créé un business transformation office, chargé de diffuser cette culture data, et d'assurer la continuité entre les équipes data et les équipes métiers, dans la mise en oeuvre concrète des projets dans leur domaine. De la même façon que ceux-ci sont accompagnés d'un DRH, d'un DAF, nous voulons qu'ils aient à leurs côtés un patron de la data, un data officer, qui soit leur interlocuteur pour chaque décision liée à la data. Pour de tels rôles, il faut trouver des personnes très appétentes avec les données, qui connaissent le domaine métier sur le bout des doigts ; mais aussi des collaborateurs qui ont cette préoccupation forte sur la valeur que l'on peut tirer des données et veulent faire évoluer les processus pour y parvenir.

Les data owners viennent des métiers, tandis que les data officers ont des profils assez variés, certains sont très axés sur la data, d'autres ont une culture métier dans un domaine où la data existait déjà et où il faut aller beaucoup plus loin.

En revanche, les tâches d'exécution et les opérations n'ont pas vocation à être réparties dans les métiers.

Est-ce que vous vous inspirez dans cette transformation de certains modèles mis en place dans des entreprises nativement centrées sur la data ?

Les Gafam ont des sujets intéressants, comme l'organisation par produit, l'énergie consacrée à la data, ces entreprises y investissent énormément de temps. Le travail des data engineers est essentiel aussi, et les Gafam l'ont compris. C'est important aussi de rappeler qu'il n'y a rien de magique derrière la data : en cas de problème sur celle-ci, on ne peut pas en faire grand-chose. C'est un exercice qu'il faut faire avec tout le monde. La data doit devenir un de plus grands assets de l'entreprise, un bien commun. Il faut y mettre de l'énergie, de l'attention et de la vigilance dès sa création. C'est un chantier passionnant, car aussi bien technologique qu'humain.

Chez Decathlon, nous faisons de la data depuis quelques années maintenant. Nous sommes en phase d'accélération, mais malgré tout il faut se forcer pour aller plus loin, changer radicalement, intégrer de nouvelles solutions aux processus, eux-mêmes revus de fond en comble. C'est un peu comme la voiture autonome, nous nous approchons de ce modèle data-driven, AI-driven, mais cela va changer fondamentalement le processus de conduite.

Si vous deviez résumer les principaux enseignements du chemin déjà accompli chez Decathlon ?

La data nécessite un effort permanent, car la technologie évolue, avec des données qui auparavant n'existaient pas et une contrainte croissante sur le temps réel et la disponibilité. Cela représente aussi un fort enjeu de gouvernance et de qualité, il faut partager des guidelines et bien garder à l'esprit le pourquoi, la finalité de cette transformation, pour éviter de mettre de la data partout. Enfin, cela nécessite un vrai effort d'acculturation et de conduite du changement, à la fois global et à 360°, avec des leaders convaincus et des collaborateurs conscients que c'est un avantage pour eux demain.