Mais qui es-tu donc ? Est-ce que tu peux nous donner un aperçu de ton parcours et de ton rôle actuel chez HelloAsso ?
Avec plaisir. J’ai une double formation en mathématiques et en sciences politiques. Après mes études, j’ai rapidement rejoint l’univers des startups : d’abord comme directrice marketing, puis sur différents postes marketing dans la tech. Il y a cinq ans, j’ai intégré HelloAsso en tant que directrice marketing, avant de prendre la direction de la data il y a deux ans.
Dans quel contexte organisationnel évolues-tu ? Quelles sont les attentes vis-à-vis de la data chez HelloAsso ?
Quand je suis arrivée, la data n’était pas encore une priorité. L’objectif était surtout de développer le produit et de le mettre en ligne, sans forcément mesurer son impact. Recrutée à l’origine pour le growth, j’ai vite compris que je ne pouvais pas le faire sans data. Il fallait pouvoir piloter les investissements, mesurer les résultats, comprendre où mettre nos efforts.
C’est ainsi qu’est née l’équipe data et notre première data stack, destinée non seulement au marketing mais aussi au produit et à la finance. L’idée était simple : la data doit nous parler. En six mois, nous avions des dashboards sur Tableau et les équipes ont découvert tout ce qu’elles pouvaient faire avec leurs données. Ce fut un vrai effet waouh.
Et la deuxième étape ?
Quelques années plus tard, HelloAsso est devenu établissement de paiement. Cela a changé la donne : nous ne devions plus seulement mettre à disposition des données, mais aussi garantir leur qualité et leur conformité réglementaire.
Cela nous a amenés à travailler sur une taxonomie commune, un dictionnaire partagé de définitions et de KPIs. Car chacun parlait un langage différent : un « compte actif » n’avait pas la même signification pour deux équipes. Il fallait aligner tout le monde.
Comment as-tu accompagné et « marketé » ces deux grandes étapes ?
Pour la première phase, nous avons choisi une approche MVP (Minimum Viable Product). Nous savions que ce ne serait pas parfait ni pérenne, mais l’objectif était d’aller vite pour mettre de la donnée à disposition et enclencher la dynamique. On a assumé de prendre des raccourcis pour créer rapidement de la valeur et provoquer cet effet waouh.
Puis, avec la croissance et les contraintes réglementaires, le MVP a montré ses limites. Nous avons alors recruté une équipe dédiée (un PO devenu Data Product Manager, un Data Engineer) et décidé de reconstruire de zéro un MMP (Marketable Product). Cette fois-ci, un produit robuste, scalable, avec de la data quality et des process solides.
Nous avons aussi communiqué clairement auprès des équipes : un dashboard branché sur le MVP n’était pas pérenne ; pour des besoins critiques, il fallait basculer vers le MMP. Ce langage produit a permis à tout le monde de comprendre où l’on en était et de mieux prioriser.
Quels impacts avez-vous observés ?
Très positifs. Pour la direction générale, présenter le premier système comme un MVP a permis de légitimer sa reconstruction sans créer de résistance : ce n’était pas une remise en cause, mais la suite logique.
Pour les équipes, distinguer MVP et MMP a clarifié les choses : certains besoins pouvaient être couverts par un dashboard « 80 % fiable » du MVP, d’autres nécessitaient une migration vers le MMP. Cela a rendu les arbitrages plus simples et aligné toutes les parties prenantes.
Avec le recul, qu’aurais-tu fait différemment ?
J’aurais basculé du MVP vers le MMP plus tôt. Nous avons eu une année d’entre-deux où nous avons continué à faire évoluer le MVP, alors que nous aurions dû arrêter dès le lancement des premiers développements du MMP. Ces évolutions intermédiaires ont coûté cher, car elles n’étaient pas pérennes. Avec plus de courage, j’aurais stoppé immédiatement les évolutions du MVP, ce qui nous aurait fait gagner une année.
