Bonjour à tous, ravie de vous retrouver pour cette nouvelle interview. Aujourd’hui, je reçois Chloé Navarro, Data Translator Manager au sein de l’équipe Data Analytics chez Carrefour. Avec son équipe, elle déploie la data et l’IA au cœur des opérations en magasin physique : computer vision pour la sécurité, machine learning pour optimiser les réductions, dashboarding pour piloter la performance, tout le spectre.
Mais ce qui m’a particulièrement intéressée, c’est un choix organisationnel assez fort : créer une couche de profils hybrides, à mi-chemin entre expert data et métier, pour casser le fameux syndrome de la tour d’ivoire. Alors aujourd’hui, on va parler diagnostic, immersion terrain, recrutement, animation d’équipe et pièges à éviter.
On observe que beaucoup d’équipes data restent encore très tech. Quel est l’impact concret de ce dialogue de sourds entre la tech et les métiers ?
Pour moi, l’impact est malheureusement très concret : c’est une perte d’efficacité. Quand on sépare réellement la tech du business, on ne comprend pas le terrain et on priorise mal. On retrouve des équipes qui développent des fonctionnalités sans réel impact. On se retrouve aussi avec des métriques déconnectées de la réalité du terrain, surtout en magasin, qui est mon cœur de métier. Et enfin, on a du mal à voir le retour sur investissement et à analyser le coût complet de nos projets.
Pourquoi avoir décidé de créer cette couche intermédiaire, plutôt que de simplement former les experts tech à mieux communiquer avec les métiers ?
Cette question est très intéressante, parce qu’il ne s’agit pas seulement d’ajouter une compétence de communication à des profils tech. Cette compétence, on la retrouve d’ailleurs chez beaucoup de profils tech qui savent vulgariser.
Là, il s’agit de créer un véritable rôle incarné, un rôle d’interface : ce que nous appelons des Data Translators. C’est un nom encore peu connu dans le monde de la data. Ce sont des personnes qui ont déjà un socle solide en data science, en data analysis ou en data visualisation, et qui veulent aller plus loin, être davantage au contact du business. Ce qu’il faut comprendre, c’est que ce n’est pas que de la communication : c’est un réel rôle d’interface entre le business et la tech.
Vos managers passent du temps sur le terrain, en magasin. Et vous avez une organisation que vous appelez le « 4 in a Box ». Tu nous racontes ?
Le 4 in a Box a été créé pour réunir à la fois le produit, le design, le métier qui porte le besoin et les irritants, et la tech et la data qui apportent les solutions techniques. Toutes les décisions de priorisation, tous les points projet se font en 4 in a Box.
Le 4 in a Box dans son entièreté s’intéresse au terrain, mais pour la tech et la data en particulier, c’est tellement formateur : on formule des hypothèses, on fait nos analyses et nos algorithmes de notre côté, puis on les confronte à la réalité du terrain. Et on voit si ça fonctionne, ou si ça ne fonctionne pas.
Ces profils 50 % business, 50 % data, c’est quoi leur super pouvoir ? De quels soft skills ont-ils besoin ?
La communication et le relationnel, évidemment, parce que c’est un rôle d’interface. Il faut aussi une grande curiosité : ce sont des profils qui ont déjà un pied dans la data, mais qui s’intéressent aux opérations, au métier, à ce qui se joue sur le terrain, « sur le carrelage » comme on dit en retail.
Et pour moi, le plus grand soft skill, c’est de savoir faire le grand écart. On parle à des personnes très tech, qui nous parlent d’un champ dans une table, du « comment », puis à des opérationnels qui nous parlent d’impact et de valeur business. Il faut pouvoir switcher de cerveau, avec une vraie souplesse intellectuelle.
Les Chief Data Officers qui nous écoutent se demandent sûrement où trouver ce type de profil. Selon toi, quels profils sont parfaits pour ce rôle hybride ?
Ce qui est intéressant, ce sont des personnes qui ont une forte expérience data. Ce ne sont pas des juniors : plutôt des data analysts ou des data scientists avec trois à cinq années d’expérience, qui ont envie de voir autre chose, de s’essayer au pilotage de projets, de jouer l’orchestrateur.
Et puis il y a les doubles compétences, les doubles casquettes : des personnes qui sortent d’une école d’ingénieur et d’une école de commerce, par exemple. D’autant que les écoles de commerce proposent aujourd’hui de plus en plus de véritables modules de formation en data.
Comment anime-t-on ce type d’équipe ? Ce sont des profils assez particuliers. Quelles seraient les bonnes pratiques ?
Ce sont des profils qui doivent être très proactifs et autonomes. Typiquement, dans notre équipe, nous gérons tous notre budget, nous avons un budget pour nos projets et nous gérons les recrutements, par exemple. L’animation repose donc plutôt sur du coaching et sur l’autonomie.
Imaginons un Chief Data Officer à côté de nous. Quel piège lui conseillerais-tu d’éviter ?
Le piège le plus important, c’est le flou sur ce rôle particulier. Data Translator, ce n’est pas forcément un intitulé qu’on entend. Il faut donc être très clair sur ce qu’est ce rôle, vis-à-vis des métiers et du reste de l’organisation. Il faut dire : c’est le rôle d’interface, il aura un rôle de pilotage sur ce projet, et ce n’est pas seulement un tech qui sait bien communiquer. Il y a un périmètre à définir, pour que chacun sache ce qu’il peut attendre de l’autre, les métiers comme les Data Translators.
Vous avez un peu de recul sur cette organisation. Quel bilan tires-tu de la mise en place de ces profils de managers hybrides ?
Cette dynamique avait déjà été impulsée par notre CDO, Arnaud Gourgeon, et elle avait fait ses preuves. Nous l’avons donc répliquée sur toute la verticale des magasins. Le bilan est très positif, comme dans les autres verticales, surtout sur le lancement et l’industrialisation de nos projets. On lance à l’échelle beaucoup plus vite parce qu’on connaît notre impact et qu’on sait bien prioriser.
Et surtout, notamment grâce au 4 in a Box, on observe un réel taux d’adoption des solutions que nous déployons. Et ça, c’est le Graal.
Merci beaucoup, Chloé, pour cet échange. La petite pépite que je retiens, la sémantique étant un peu mon dada, c’est le 4 in a Box : data, design, métier et produit, ensemble, du début jusqu’à l’adoption. Ce n’est pas seulement une organisation efficace, c’est une vraie vision : un projet data n’est pas fini quand le modèle tourne, mais quand il est utilisé, quand il y a de l’usage.
Et personnellement, j’irais même un cran plus loin. Qui dit produit dit marketing du produit. Un use case data, c’est un produit interne : il a besoin d’un positionnement, d’un lancement, d’un plan d’action. C’est évidemment l’une des expertises de Datalogy : construire des plans d’action et des kits marketing pour ces produits data, afin de les proposer au plus grand nombre. Et cela participe aussi au côté scalable de l’histoire et au déploiement à grande échelle.
