Contexte et enjeux

En entreprise, de nombreux processus métiers sont partiellement - voire complètement -  supportés par des systèmes informatiques : la digitalisation des processus représente de plus en plus d’activités, supportées par un nombre croissant de systèmes qui génèrent toujours plus de données.

Une fois ce constat effectué, il est légitime de se demander si les manières traditionnelles d’étudier les processus sont encore suffisantes :

  • Documenter une vision du processus cible est-il suffisant pour que le processus soit mis en œuvre dans les faits ?
  • Lorsque l’on pressent une déviation par rapport à un modèle, est-il optimal de chercher un consensus en groupe à partir de points de vue subjectifs ?
  • Est-il possible de mesurer la vitesse d’exécution réelle du processus de bout en bout ?
  • Le Process Mining apporte une nouvelle approche permettant de prendre en compte ces éléments.

Une première définition

Le Process Mining est à la croisée du Data Mining et du Business Process Management : c’est une approche analytique qui vise à construire une vision exhaustive et objective des processus à partir de données factuelles.

Ainsi, le Process Mining est une approche à forte valeur ajoutée lorsqu’il s’agit de construire un point de vue sur la mise en œuvre réelle d’un processus et de savoir identifier les déviations par rapport au processus idéal, les goulots d’étranglement et les potentielles optimisations du processus.

Comment cela fonctionne-t-il ?

Qu’importe la nature du processus étudié, dès lors qu’il est supporté par des outils digitaux, des informations sont créées et stockées par les systèmes informatiques (ERP, applications métier, etc.) correspondants, notamment via les logs applicatifs. Ces informations stockées présentent souvent des similitudes et permettent de retracer le parcours d’un « objet » à travers différentes étapes à différents moments dans le temps.

Le Process Mining s’appuie sur des outils qui exploitent ces « traces » digitales pour reconstruirevisualiser et analyser les processus, donnant ainsi toute transparence et objectivité vis-à-vis du processus réel.

Données nécessaires

Afin d’être exploitables, ces « traces » digitales doivent à minima comporter :

  • Objet : une instance que l’on va suivre le long du processus, avec un identifiant unique. Le choix de cet objet influence le périmètre du processus étudié.
  • Activité : une étape du processus étudié. Le choix des activités influence la granularité du processus étudié.
  • Date : détermine l’ordre des activités et le timing.

En complément, il peut être intéressant de capter des données complémentaires à sélectionner selon le processus étudié, par exemple : fournisseur, type de produit, localisation, personne/direction, canal, valeur, etc. Celles-ci permettront de mener des investigations plus poussées.

Visualisation et analyse d’un processus

À partir de ces données, il est possible de visualiser une représentation du processus idéal et de l’ensemble des déviations par rapport à celui-ci. Cela permet rapidement de détecter des inefficacités potentielles dans le processus.

Au-delà de la représentation du processus, on peut également s’intéresser aux temps d’exécution de chaque étape, ou encore ne regarder qu’un périmètre plus restreint afin d’identifier où, quand et pourquoi le processus dévie de sa version idéale.

Exemple avec un processus d’achat

Pour un processus d’achat simplifié composé idéalement de 4 étapes (enregistrer la commande, recevoir les biens, enregistrer la facture et payer la facture), on retrace le processus suivi par des commandes à partir des « traces » digitales laissées dans un ERP.

Exploitation des « traces » digitales :

Représentation du processus :

On constate rapidement que, par rapport à la commande 1 (noir) qui suit le processus idéal, les deux autres commandes sont en écart :

  • la commande 2 (mauve) suit une étape supplémentaire : « modifier le prix » ;
  • la commande 3 (bleu) suit les bonnes étapes, mais pas dans l’ordre idéal.

Cas d’utilisation et bénéfices

On distingue trois cas d’utilisation majeurs du Process Mining :

  1. La découverte : construire une vision d’un processus existant alors qu’aucun modèle n’existe a priori.
  2. La vérification de la bonne mise en œuvre et l’analyse des écarts par rapport à un modèle préalable.
  3. L’amélioration du processus.

Dans les trois cas, c’est bien la compréhension de la mise en œuvre réelle des processus, basée sur des données objectives et exhaustives qui fait la valeur ajoutée de la démarche Process Mining.

Par ailleurs, cette démarche représente une amélioration de la façon de travailler dans le domaine de la gestion des processus :

  • accélération des études (limitation du temps passé et du nombre d’interviews) pour construire une représentation des processus existants ;
  • prise en compte de plus de données, voire de l’exhaustivité des données, dans les mesures ;
  • possibilité, une fois qu’un nouveau processus est conçu, d’assurer un pilotage efficace de son utilisation et de constater les améliorations.

Le Process Mining n’est pas dédié à un secteur d’activité particulier. La démarche pourra apporter de la valeur partout où des processus sont mise en œuvre et étudiés. Au sein d’un entreprise, plusieurs fonctions peuvent être intéressées par l’approche :

  • Équipes d’excellence opérationnelle : complément aux méthodes déjà utilisées (Lean, Six Sigma, etc.)
  • Data Scientists : représentations visuelles des données permettant de dégager de nouveaux insights
  • Responsables de processus : analyses factuelles venant compléter leur vision d’expert
  • DSI : vision de l’utilisation des systèmes qu’elle met à disposition et des parcours utilisateurs correspondants
  • Audit ou contrôle interne : accélération des analyses et possibilité de se baser sur l’exhaustivité des cas plus que sur un échantillon

Facteurs clés de succès

Afin d’obtenir de bons résultats, le lancement d’une initiative Process Mining nécessite de prendre quelques précautions. On peut noter qu’il est important :

  • d’identifier dès le départ les axes sur lesquels on souhaite apporter de la valeur - réduction des coûts, amélioration de l’expérience utilisateur/client, etc. ;
  • de délimiter un périmètre d’étude bien défini en termes de processus ;
  • de fonctionner de manière itérative avec des analyses en cycles courts, dans une limite de temps total fixée ;
  • de s’assurer de la qualité des données sur lesquelles s’appuie l’étude. Pour ce faire, il est primordial de collaborer avec les experts IT des systèmes utilisés ainsi que les experts métier des processus étudiés ;
  • d’accompagner le changement en cas de redéfinition d’un processus cible.

Par ailleurs, les analyses menées grâce au Process Mining ne doivent pas être une fin en soi mais servir de point de départ factuel pour des études plus poussées sur les processus. Réintroduire un aspect humain, par exemple en employant une démarche Design Thinking, permet de compléter et d’approfondir les résultats obtenus grâce au Process Mining en prenant en compte les utilisateurs.


Auteur : Thomas Zarazik, Manager

Would you like more information?

Si vous souhaitez en savoir plus à ce sujet, nos experts sont à votre disposition.

Rechercher
Toggle location