L’organisme de formation de demain sera-t-il piloté comme une entreprise de données ?

Les organismes de formation disposent déjà d’une quantité considérable de données sur leur activité : clients, devis, remplissage des sessions, coûts, intervenants, satisfaction, qualité, facturation ou encore historique commercial. Pourtant, ces informations sont encore souvent utilisées avant tout pour administrer et justifier l’activité. Et si la prochaine étape de leur transformation numérique consistait moins à collecter davantage de données qu’à apprendre à mieux exploiter celles qu’ils possèdent déjà pour orienter leurs décisions ?

Depuis plusieurs années, la transformation numérique des organismes de formation s’est principalement concentrée sur l’automatisation et la sécurisation des processus administratifs. Gestion des inscriptions, conventions, convocations, émargements, évaluations, certificats, facturation, suivi documentaire : les outils métier ont profondément modifié le quotidien des équipes et permis de structurer une activité historiquement très consommatrice de temps et de documents.

Cette digitalisation a cependant produit un effet moins visible. À mesure que les processus ont été numérisés, les organismes de formation ont accumulé une quantité croissante d’informations sur leur propre fonctionnement. Chaque devis envoyé, chaque inscription, chaque annulation, chaque session réalisée, chaque intervention d’un formateur, chaque retour stagiaire ou chaque facture enrichit désormais une mémoire numérique de l’activité. Pourtant, ces données restent encore souvent consultées de manière isolée, lorsqu’il faut retrouver une information précise, produire un indicateur ou répondre à une exigence administrative.

Or leur potentiel va bien au-delà. Croisées entre elles, elles peuvent permettre de mieux comprendre pourquoi certaines sessions se remplissent et d’autres non, quels clients sont susceptibles d’avoir de nouveaux besoins, où se situent les tensions sur le réseau d’intervenants, quelles activités sont réellement rentables ou encore quels signaux faibles annoncent une dégradation de la qualité. La question n’est donc peut-être plus seulement de savoir comment mieux gérer un organisme de formation, mais comment transformer progressivement les données produites par son activité en véritables outils de pilotage.

C’est ce changement de perspective qui pourrait marquer la prochaine étape de la digitalisation du secteur : passer d’outils qui enregistrent ce qui s’est passé à des systèmes capables d’aider les équipes à décider de ce qu’elles doivent faire ensuite.

Les organismes de formation savent déjà énormément de choses

Lorsqu’un organisme de formation dispose de plusieurs années d’activité, il possède souvent bien plus d’informations qu’il ne l’imagine. Il sait quels clients ont commandé, quelles formations ils ont achetées, à quelle fréquence, pour quels montants et à quelles périodes. Il dispose également d’un historique de devis acceptés ou refusés, de sessions pleines ou annulées, de reports, de taux de remplissage, d’intervenants mobilisés, de coûts engagés et de niveaux de satisfaction.

À cela s’ajoutent les données plus opérationnelles : localisation des sessions, disponibilités des formateurs, typologie des entreprises clientes, saisonnalité de certaines demandes, fréquence des renouvellements ou encore évolution de la participation à certaines formations. Pris séparément, chacun de ces éléments semble répondre à un besoin précis. Ensemble, ils décrivent pourtant de manière assez fine la réalité commerciale, pédagogique et économique de l’organisme.

Le sujet n’est donc pas forcément d’enregistrer davantage d’informations. Il est surtout de sortir d’une logique où chaque donnée reste enfermée dans son usage d’origine. Une donnée saisie pour éditer une convention peut aussi enrichir la connaissance client. Une inscription peut contribuer à comprendre le remplissage d’une session. Une évaluation stagiaire peut devenir un signal qualité. Un historique d’intervention peut aider à mieux choisir un formateur. La valeur apparaît lorsque ces informations commencent à dialoguer entre elles.

Passer de la donnée administrative à la donnée décisionnelle

Cette évolution peut sembler assez théorique, mais elle devient immédiatement concrète dès que l’on observe les décisions quotidiennes d’un organisme de formation. Un CRM, par exemple, permet aujourd’hui de retrouver un contact, une opportunité ou un historique d’échanges. C’est évidemment utile, mais la même base pourrait aussi aider à identifier les clients dont le comportement laisse penser qu’un nouveau besoin est probable à court terme.

Il ne s’agit plus alors simplement de répondre à la question « qui est mon contact chez ce client ? », mais de se demander « quels clients devrais-je probablement relancer cette semaine ? ». La différence est importante : dans le premier cas, l’outil restitue une information ; dans le second, il contribue à orienter l’action.

La même logique vaut pour la programmation des sessions. Savoir qu’une formation compte actuellement six inscrits est une information de suivi. Savoir si ce niveau de remplissage est habituel à trois semaines du démarrage, s’il permet déjà d’atteindre le seuil de rentabilité ou si une action commerciale devient nécessaire constitue une information de pilotage. Le nombre d’inscrits ne change pas, mais son interprétation devient beaucoup plus utile.

Cette évolution peut également concerner le choix des intervenants. Une base de formateurs contient souvent des compétences, des habilitations, des coordonnées et des tarifs. Croiser ces informations avec la disponibilité, la localisation, les coûts de déplacement, l’expérience passée ou la qualité des interventions permet d’aller plus loin que la simple recherche d’un profil « compétent ». L’enjeu devient alors de déterminer quel intervenant est réellement le plus pertinent pour une mission donnée, dans un contexte précis.

Des décisions déjà accessibles avec les données existantes

Les usages possibles ne nécessitent pas forcément des modèles prédictifs complexes. Dans de nombreux cas, quelques rapprochements simples suffisent déjà à faire émerger des informations beaucoup plus utiles.

Un organisme peut, par exemple, identifier les sessions nécessitant une action commerciale en rapprochant leur niveau de remplissage actuel, le délai avant démarrage, les historiques comparables et leur seuil de rentabilité. Il peut repérer les clients qui devraient être relancés en observant ceux qui commandent habituellement à intervalles réguliers mais dont le comportement vient de changer.

Il peut aussi anticiper un manque de formateurs dans une zone géographique en croisant le volume de sessions prévues, les compétences nécessaires et la disponibilité de son réseau. De la même manière, il peut mieux apprécier la rentabilité d’une activité en mettant en regard chiffre d’affaires, nombre de participants, coûts pédagogiques, déplacements, locations de salles ou autres charges directement associées.

Enfin, la qualité elle-même peut être lue autrement. Une moyenne de satisfaction annuelle renseigne sur une tendance générale, mais elle peut masquer des évolutions plus fines. Une baisse progressive sur une formation, un écart persistant entre deux sites ou la répétition de commentaires similaires peuvent être beaucoup plus utiles qu’un indicateur global qui reste stable.

Toutes ces situations ont un point commun : elles reposent rarement sur des données inexistantes. Elles supposent surtout de mieux exploiter celles qui sont déjà produites au fil de l’activité.

Du constat à l’anticipation

Pendant longtemps, les tableaux de bord des organismes de formation ont surtout permis d’observer ce qui s’était déjà produit. Combien de stagiaires ont été formés ? Quel chiffre d’affaires a été réalisé ? Quel est le taux de satisfaction ? Quel est le taux de transformation des devis ? Ces indicateurs restent indispensables, mais ils regardent principalement dans le rétroviseur.

Une exploitation plus avancée des données permet d’aller un cran plus loin et de chercher à comprendre les causes. Pourquoi certaines formations fonctionnent-elles mieux dans une zone géographique ? Pourquoi certaines sessions se remplissent-elles presque toujours au dernier moment ? Pourquoi un client historique ne commande-t-il plus ? Pourquoi une activité génère-t-elle beaucoup de chiffre d’affaires mais peu de marge ?

La vraie rupture apparaît cependant lorsqu’on commence à utiliser ces informations pour anticiper. Il devient alors possible de détecter une session qui risque de ne pas atteindre son seuil de rentabilité, d’identifier une zone où le réseau de formateurs sera probablement insuffisant dans quelques mois, de repérer un client dont le cycle d’achat laisse présager un besoin prochain ou de constater qu’une activité se dégrade avant que le problème ne soit visible dans les résultats globaux.

C’est sans doute à ce moment que la donnée prend le plus de valeur : lorsqu’elle n’explique plus seulement ce qui s’est passé, mais aide à décider ce qu’il faut faire ensuite.

Le remplissage des sessions est un bon exemple

La programmation des formations interentreprises illustre particulièrement bien cette évolution. Dans de nombreux organismes, une partie importante du pilotage repose encore sur l’expérience des équipes. Une personne habituée à gérer les sessions sait qu’une formation avec trois inscrits un mois avant son démarrage peut être parfaitement normale, tandis qu’une autre, dans une situation identique, a peu de chances d’atteindre un remplissage satisfaisant.

Cette connaissance métier est extrêmement précieuse, mais elle est souvent diffuse et difficile à transmettre. Elle repose sur l’expérience accumulée, sur la connaissance du marché et parfois sur des habitudes de fonctionnement qui ne sont pas réellement formalisées.

L’historique permet pourtant d’objectiver une partie de cette intuition. En étudiant les délais moyens d’inscription, la saisonnalité, les annulations, les performances passées d’une formation sur un site donné ou encore le seuil de rentabilité, il devient possible de mieux distinguer une session simplement peu remplie à un instant donné d’une session véritablement à risque.

L’historique commercial constitue lui aussi une ressource considérable

Les organismes de formation accumulent souvent plusieurs années de données clients sans réellement les considérer comme un actif stratégique. Pourtant, l’historique des commandes peut révéler des habitudes particulièrement intéressantes : des entreprises qui achètent certaines formations chaque année, d’autres qui renouvellent régulièrement des habilitations ou encore des clients dont les besoins évoluent en fonction de leur croissance, de leur recrutement ou de leur activité.

Aujourd’hui, cette connaissance repose encore beaucoup sur la mémoire des commerciaux. Ils savent qu’un client achète régulièrement un produit, qu’un autre doit probablement renouveler une formation ou qu’une entreprise n’a rien commandé depuis anormalement longtemps. Cette expertise reste irremplaçable, mais elle devient difficile à maintenir lorsque les portefeuilles grossissent, que les équipes évoluent ou que plusieurs milliers de clients doivent être suivis.

L’exploitation de l’historique peut alors servir de filtre. Elle peut faire ressortir les clients récurrents devenus inactifs, les entreprises dont le cycle de commande semble arriver à échéance, les devis importants restés sans suite ou encore certains besoins complémentaires observés régulièrement après l’achat d’une première prestation.

L’objectif n’est pas de remplacer le commercial par un algorithme. Il est de lui éviter de chercher lui-même, au milieu de milliers d’informations, les quelques signaux qui méritent son attention aujourd’hui.

La qualité peut elle aussi devenir plus prédictive

Les organismes de formation collectent déjà beaucoup d’informations liées à la qualité : questionnaires de satisfaction, réclamations, évaluations, taux de réussite, commentaires stagiaires ou retours clients. La réglementation a joué un rôle important dans la structuration de ces pratiques, mais la collecte reste parfois davantage pensée comme une obligation de preuve que comme un outil d’analyse.

Une moyenne annuelle de satisfaction à 4,6 sur 5 est rassurante, mais elle ne permet pas toujours d’identifier ce qui évolue. Une baisse progressive sur un produit précis, une différence persistante entre deux sites ou la répétition de commentaires similaires peuvent être bien plus révélateurs qu’un indicateur général qui reste stable.

L’enjeu n’est donc pas forcément de multiplier les questionnaires ou les indicateurs. Il peut simplement consister à mieux lire ceux qui existent déjà, en recherchant des évolutions, des écarts et des récurrences. La qualité cesse alors d’être uniquement un bilan pour devenir un système de détection plus précoce.

La rentabilité, un angle encore trop souvent dissocié du reste

Le chiffre d’affaires d’une formation est relativement simple à mesurer. Sa rentabilité réelle l’est beaucoup moins. Entre le coût de l’intervenant, les déplacements, la location de salle, le matériel pédagogique, le temps administratif, les remises commerciales ou encore les annulations, deux formations générant le même chiffre d’affaires peuvent produire des résultats économiques très différents.

Une activité très vendue n’est donc pas forcément une activité très rentable. À l’inverse, certaines offres plus modestes peuvent contribuer davantage au résultat qu’il n’y paraît. Là encore, la donnée permet de rapprocher la performance commerciale de la réalité opérationnelle.

Cette lecture peut conduire à des décisions très concrètes : faut-il continuer à ouvrir autant de sessions sur une zone donnée ? Le prix de vente reste-t-il cohérent avec les coûts actuels ? Une formation mérite-t-elle davantage d’investissement commercial ? Certaines prestations doivent-elles être repensées parce que leur marge s’est progressivement dégradée ?

Piloter par la donnée ne signifie donc pas seulement mieux vendre ou mieux remplir les sessions. Cela consiste aussi à comprendre ce que l’on gagne réellement à produire ce que l’on vend.

Et l’intelligence artificielle dans tout cela ?

L’intelligence artificielle rend évidemment ce sujet encore plus actuel. Les outils disponibles permettent déjà d’analyser de grands volumes de commentaires, de détecter certaines anomalies, de faire ressortir des tendances, de produire des synthèses ou d’interroger des données en langage naturel. À terme, ils faciliteront encore davantage l’accès à des informations jusqu’ici difficiles à exploiter.

Mais l’IA ne règle pas un problème fondamental : elle dépend de la qualité des données qu’on lui fournit. Un tarif obsolète, un client dupliqué, une compétence mal renseignée, un identifiant erroné ou une session annulée toujours considérée comme active continueront de fausser l’analyse, même si celle-ci est réalisée par un outil très performant.

Automatiser l’exploitation de mauvaises données ne produit donc pas nécessairement de meilleures décisions. Cela peut simplement permettre de prendre de mauvaises décisions plus vite.

La qualité des référentiels devient ainsi un sujet central. Avant de devenir des organismes pilotés par l’intelligence artificielle, les organismes de formation devront probablement devenir des organisations beaucoup plus conscientes de la valeur de leurs données, de leur fiabilité et de la manière dont elles sont structurées.

Le risque serait de vouloir tout mesurer

Le pilotage par la donnée peut toutefois conduire à un autre excès : celui de multiplier les indicateurs. Un tableau de bord contenant quarante graphiques n’est pas forcément plus utile qu’un tableur contenant quarante colonnes. Il peut même produire l’effet inverse en rendant l’information plus difficile à lire et en détournant l’attention de ce qui compte réellement.

La bonne démarche consiste probablement à partir des décisions plutôt que des données disponibles. Quelle décision métier cherche-t-on à améliorer ? Quelle information manque aujourd’hui pour la prendre plus sereinement ? Quelles données peuvent contribuer à la rendre plus fiable ?

Pour une équipe commerciale, il peut s’agir des clients à réactiver. Pour la programmation, des sessions nécessitant une action rapide. Pour un responsable pédagogique, d’un signal faible dans les évaluations. Pour un responsable de réseau, d’un manque de compétences dans une région. Pour une direction, d’une activité dont la marge se dégrade.

Quelques informations réellement actionnables ont généralement plus de valeur qu’une accumulation de KPI qui n’entraînent aucune décision.

Le logiciel métier de demain ne se contentera probablement plus d’enregistrer

C’est peut-être là que se situe la prochaine évolution importante des logiciels de gestion de la formation. Pendant longtemps, leur mission principale a été de centraliser l’activité, de sécuriser les processus et de produire les documents nécessaires. Cette fonction restera essentielle, mais elle pourrait progressivement devenir un socle plutôt qu’une finalité.

Les outils métier pourraient davantage attirer l’attention, comparer, prioriser et signaler. Ils pourraient identifier une anomalie, faire apparaître un risque ou rapprocher plusieurs informations qui, prises séparément, semblaient sans importance particulière.

Ils devront aussi probablement mieux tenir compte des rôles. Une direction générale n’a pas besoin de voir les mêmes informations qu’un commercial, un chargé de programmation ou un responsable qualité. La donnée peut être commune à toute l’entreprise, mais sa restitution doit rester liée à la décision que chacun doit prendre.

C’est à cette condition qu’un logiciel cesse d’être uniquement une base dans laquelle on saisit ce qui s’est passé pour devenir un véritable outil de pilotage.

Une évolution plus organisationnelle que technologique

La difficulté principale ne sera d’ailleurs peut-être pas technique. Les outils capables de stocker, croiser, analyser ou restituer les données existent déjà. Le changement est surtout culturel et organisationnel.

Il suppose notamment d’accepter que certaines décisions prises jusqu’ici principalement au ressenti puissent être éclairées par l’historique et par des indicateurs. Mais il suppose aussi de ne pas tomber dans l’excès inverse : la donnée ne remplacera jamais totalement l’expertise métier.

Un indicateur peut signaler qu’une session semble en danger sans savoir qu’un client doit inscrire dix salariés le lendemain. Un système peut faire ressortir un intervenant particulièrement pertinent sans connaître toutes les subtilités d’une relation construite depuis plusieurs années. Un historique peut identifier un client devenu inactif sans savoir qu’une réorganisation interne est en cours chez lui.

La donnée n’a donc pas vocation à décider seule. Elle sert surtout à mieux orienter l’attention et à apporter un niveau de lecture supplémentaire à ceux qui connaissent déjà le métier.

L’article L’organisme de formation de demain sera-t-il piloté comme une entreprise de données ? est apparu en premier sur Digiformag.