Le problème ne vient pas de votre couche de métriques, mais de votre modèle de données.

Chaque année, un nouvel outil promet de résoudre enfin le problème des métriques. Looker. dbt metrics. Cube. Et celui qui suivra. Ils sont tous performants. Mais aucun d’entre eux ne résout le véritable problème.

Voici un test. Embauchez dès demain un analyste brillant. Donnez-lui accès aux mêmes données que celles sur lesquelles repose votre système d'indicateurs. Pas de formation initiale. Pas d'accès à Slack. Pas de « demande à Sarah, elle sait comment fonctionne ce champ ».

Peuvent-ils définir ce qu’est un « chiffre d’affaires comptabilisé » d’ici la fin de la journée ?

Dans la plupart des entreprises, la réponse est non. Non pas parce que l’analyste manque de compétences, mais parce que le CRM donne une première version du client, l’ERP une autre, et le système de facturation une troisième. La logique de traitement qui permet de les concilier n’existe que dans l’esprit de quelqu’un. Les relations entre les entités ne sont pas clarifiées. L’ordre chronologique est ambigu.

Une couche métrique uniformise la manière dont vous interprétez les données. Elle ne peut pas modifier le sens de ces données. Il s'agit d'un guide d'interprétation ajouté aux données brutes non traitées.

C'est pour cela que les disputes sur Slack ne s'arrêtent jamais. Les équipes pensent qu'elles se disputent au sujet des définitions des indicateurs. En réalité, elles se disputent sur ce qui s'est passé : quelle version du client est la bonne, quelle séquence de transactions fait autorité, quelle règle métier s'applique.

Le décalage entre les indicateurs n'est qu'un symptôme. C'est le manque de cohérence dans la modélisation qui est le véritable problème.

Lorsque les activités sous-jacentes sont clarifiées — entités harmonisées, contexte de processus explicite, ordre chronologique clair —, les définitions deviennent étonnamment incontestables. Les gens cessent de se disputer sur la signification du terme « chiffre d'affaires » lorsque les éléments factuels qui le sous-tendent sont sans ambiguïté.

Le secteur ne cesse de mettre au point de meilleurs « prismes » pour analyser les données. Mais personne ne s'occupe de ce vers quoi ces prismes sont dirigés.

C'est là le problème. Et aucune mesure, qu'il s'agisse de processus de gouvernance, de chaînes d'approbation ou de réorganisation structurelle, ne permettra de combler cette lacune structurelle au cœur même du système.

Si votre analyste n'est pas capable de tirer des conclusions à partir des seules données, votre couche d'indicateurs n'en est pas capable non plus.

Votre LLM n'en est pas capable non plus.

Vos agents non plus.

L'outil n'est jamais un frein.

Le modèle ci-dessous est le suivant :