Trois équipes, un volume de production, trois chiffres différents - et aucun d’entre eux n’est faux. Lors d’une récente discussion, un client nous a demandé pourquoi ses chiffres de production ne correspondaient jamais. Les opérations avaient un chiffre, la finance un deuxième, et le reporting de gestion un troisième. Cela ressemblait à un problème de reporting. C’était en réalité un problème d’intégration de données. Le réflexe est de chercher le « bon » chiffre et de corriger le reste, mais cette quête ne s’arrête jamais - chaque valeur est fidèle au système qui l’a produite. La vraie question n’est pas de savoir qui a raison, mais pourquoi un même mot signifie trois choses différentes à travers l’entreprise.
En Bref
- Les opérations, la finance et le reporting affichent de manière routinière trois chiffres différents pour une même production - chacun étant exact dans son propre système.
- La cause est structurelle : des sources, des temporalités, des définitions et des ajustements manuels différents - et non du travail bâclé.
- Gartner estime le coût d’une mauvaise qualité de données à une moyenne de 12,9 M$ par an, dont une grande partie est brûlée dans la réconciliation des chiffres.
- La solution réside dans une définition partagée et traçable vers laquelle chaque système pointe - et non dans l’imposition d’une vue identique à tous.
Fait partie de la série , La fondation des données industrielles
- Pourquoi vos chiffres de production ne correspondent jamais - vous êtes ici
- Quand le reporting prend des jours (KPI)
- Quand Excel devient un logiciel d’entreprise
- Des silos de données au contexte opérationnel
- Données industrielles traçables
- Une fondation de données avant l’analyse avancée
- Préparation à l’IA dans l’industrie
La situation
Chacun fait confiance à son propre chiffre
Le client souhaitait comparer les performances de production à travers l’ensemble de l’entreprise. Les opérations lisaient les quantités directement depuis l’usine. La finance travaillait à partir des écritures comptabilisées dans l’ERP. Le reporting de gestion utilisait des données consolidées qui avaient déjà été ajustées, filtrées et agrégées. Chaque équipe accordait sa confiance à sa propre valeur, car chacune exploitait les données dont dépend son travail au quotidien.
Les chiffres provenaient de systèmes différents, à des moments différents, selon des définitions différentes. Personne n’a fait preuve d’inattention, et aucun rapport n’était simplement « faux ». L’écart entre eux était d’ordre structurel - et les écarts structurels ne se résolvent pas au cours d’une réunion.
Trois réponses correctes à une question que personne n’a définie de la même manière. La discussion finit par porter sur le chiffre qui est juste - au lieu de porter sur ce que chaque chiffre signifie.
Un objet - trois perspectives, un contexte partagé
| Perspective | Définition | Valeur | Source |
|---|---|---|---|
| Opérations (en direct) | production brute, avant ajustements | 12 400 t | MES |
| Finance (ERP) | nette des retours, valorisée | 11 980 t | ERP |
| Reporting (ajusté) | non vendable exclu, règles métier | 12 150 t | BI / Reporting |
Même équipement, même instant - trois attributs corrects d’un seul et même objet, chacun traçable jusqu’à sa source. La question cesse d’être « quel chiffre est le bon ? » pour devenir « que signifie chaque chiffre ? ».
Pourquoi cela se produit
Un même mot, des significations différentes
Les causes sont toujours les mêmes. Des systèmes sources différents et des horodatages distincts : une valeur représente la production en direct, une autre une écriture ERP validée, une troisième un rapport généré après corrections. Des définitions divergentes : production brute, nette et vendable, retouches et rebuts traités différemment. Des niveaux d’agrégation variables : groupés par équipe, lot, commande, usine ou période. Et des ajustements manuels dans un tableur qu’aucune autre équipe ne voit jamais. Dès qu’une donnée franchit la frontière d’un système, elle perd discrètement le contexte qui la rendait comparable.
Et ce coût n’est pas abstrait. Gartner a estimé qu’une mauvaise qualité de données coûte aux entreprises en moyenne 12,9 millions de dollars par an - une grande partie étant brûlée précisément ici, à réconcilier des chiffres qui ne concordent jamais au lieu d’agir à partir d’eux.
Le problème résumé en une image
Demandez à trois services quelle est la taille d’une pomme. Les ventes diront « moyenne », l’entrepôt dira « 180 grammes », le laboratoire qualité dira « calibre 70-75 ». Personne ne ment - chacun mesure de la façon dont son propre travail l’exige. Les chiffres de production divergent exactement pour la même raison.
La solution
Connecter les perspectives à une fondation partagée
La solution ne consiste pas à imposer une vue identique à tout le monde - les opérations, la finance et la direction ont légitimement besoin d’angles de vue différents. Elle consiste à relier ces prismes à une fondation partagée et centrée sur le métier, où les données sont référencées à leur source plutôt que copiées de toutes parts :
- Une définition, référencée partout. S’accorder une fois sur la signification partagée du terme « production » ; chaque système conserve sa propre terminologie, mappée sur cette définition.
- Lier, ne pas copier. Chaque chiffre remonte jusqu’à une source en direct, évitant ainsi aux versions de s’écarter au fil des exportations.
- Conserver les relations. Commandes, lots, matériaux, statuts de qualité et temporalités voyagent avec le chiffre, afin que le contexte survive à travers les frontières applicatives.
Un objet. Un contexte partagé. Des attributs différents. Nous ne débattons plus pour savoir quel chiffre est le bon - nous discutons de ce que chaque chiffre signifie.
Cessez de demander quel chiffre est le bon. Commencez par demander quelle définition, quelle source, quel instant.
La leçon s’applique partout
Quand vos rapports ne concordent pas, cherchez sous les rapports
Si les opérations, la finance et la direction affichent des chiffres différents pour une même réalité, le problème ne provient probablement pas des personnes qui les préparent - il réside dans l’absence d’une fondation partagée vers laquelle ces chiffres peuvent être tracés (le même manque de traçabilité exploré ici). Offrir à trois perspectives honnêtes une source incontestable est précisément la raison d’être de la boTec DataBridge.