De l'anecdote au modèle économique : bâtir l'argumentaire pour la localisation d'expertise à l'échelle de l'entreprise.

À propos du client

La Société Z est un fabricant pharmaceutique mondial. La division industrielle de la Société Z supervise la formulation, le conditionnement et la distribution de son portefeuille mondial de produits à travers un réseau de production interdépendant. Au début des années 2020, le centre d'excellence en gestion des connaissances de la Société Z menait plusieurs initiatives parallèles pour moderniser la façon dont les scientifiques et ingénieurs de la division trouvent les contenus et se trouvent les uns les autres. Ce dossier économique de localisation d'expertise était l'un de ces chantiers.

Contexte sectoriel

Gartner définit la localisation d'expertise comme l'identification de l'expertise humaine, la détermination du statut de cette ressource et l'intégration de la personne ou de l'expertise dans le processus d'interaction ; en pratique, un inventaire des compétences, des localisations géographiques, des disponibilités et d'autres paramètres pertinents pour mobiliser cette expertise. Le défi est particulièrement aigu dans la production des sciences de la vie, où le savoir précieux est technique, tacite et inégalement réparti au sein d'un vaste effectif mondial. En conséquence, la personne la mieux armée pour résoudre un problème donné peut se trouver dans une autre fonction ou un autre pays que celle qui cherche. Les outils du commerce conçus à cette fin ont un historique bien documenté de faible adoption : Delve de Microsoft lui-même, l'un des deux systèmes évalués par Iknow dans cette mission, a finalement été retiré du marché en décembre 2024 après des années de traction limitée. Cela confirme que corriger la localisation d'expertise exige plus que le déploiement d'un outil : il faut des structures de données et des taxonomies qui reflètent la façon dont un effectif donné cherche réellement l'expertise.

Situation actuelle

L'équipe du COE KM de la Société Z disposait de nombreux exemples d'experts métier trouvés via des réseaux personnels, mais manquait d'un dossier économique définitif pour justifier d'investir dans des processus et systèmes normalisés. Les systèmes existants de la Société Z, Delve et Workday, étaient truffés de problèmes : ils manquaient des structures de données habituellement utilisées pour rechercher des experts ; leurs compétences et aptitudes n'étaient alignées ni sur la terminologie scientifique et d'ingénierie de la Société Z ni sur sa taxonomie de recherche d'entreprise ; et le déploiement avait été si médiocre que les systèmes ne contenaient des profils que pour moins de 15% des effectifs. Le COE KM de la Société Z a demandé à Iknow de recueillir des cas d'usage détaillés sur la recherche d'experts et d'élaborer un dossier économique pour améliorer les processus et outils de localisation d'expertise.

• Aucun dossier économique formel malgré un besoin anecdotique manifeste. Le COE KM de la Société Z pouvait citer de nombreux exemples individuels de recherche d'experts via des réseaux personnels, mais ne disposait de rien d'assez rigoureux pour justifier de nouveaux investissements.
• Des systèmes présents mais fonctionnellement absents. Delve et Workday existaient, mais leurs structures de données ne correspondaient pas à la façon dont les employés cherchaient réellement des experts, et leurs compétences et aptitudes n'étaient pas alignées sur la terminologie scientifique et d'ingénierie de la Société Z.
• Un échec de déploiement quasi total. Les systèmes de profils existants couvraient moins de 15% des effectifs, si bien que même un outil de recherche techniquement solide n'aurait presque rien eu à interroger.
• Un besoin de preuves assez rigoureuses pour emporter l'investissement. Bâtir un dossier économique défendable supposait de traduire une recherche d'experts plus rapide en valeur économique crédible, pas seulement en meilleures anecdotes.

• Recueillir des cas d'usage détaillés et réels décrivant comment les employés de la Société Z recherchent et mobilisent l'expertise.
• Élaborer un modèle pour estimer la valeur métier d'une localisation d'expertise améliorée.
• Analyser les systèmes existants de la Société Z liés à l'expertise, Microsoft Delve et Workday, pour identifier les lacunes actuelles.
• Livrer un dossier économique solide et fondé sur des preuves pour soutenir de nouveaux investissements dans les processus et outils de localisation d'expertise.

Comment Iknow a structuré la mission

Iknow a construit le dossier économique par couches : des entretiens structurés pour faire émerger des cas d'usage réels, une synthèse de ces cas d'usage en schémas validés et en sources de valeur, un modèle économique traduisant ces schémas en dollars, et des analyses complémentaires pour ancrer les recommandations dans les systèmes et les effectifs réels de la Société Z.

Activités et décisions clés

• Entretiens avec les parties prenantes. Iknow a mené 16 entretiens avec des employés des fonctions et départements métier de la Société Z, en préparant des synthèses écrites capturant les enseignements de chaque conversation.
• Synthèse des cas d'usage. Les 16 entretiens ont produit 22 scénarios de cas d'usage décrivant des situations où les employés utilisaient leurs réseaux personnels pour accomplir un objectif ou une tâche définie. Iknow les a validés en neuf types de cas d'usage organisés en quatre groupes : obtenir la réponse à une question administrative, effectuer des tâches essentielles de son poste, trouver une personne pour effectuer des tâches essentielles du poste, et analyser les effectifs de la Société Z.
• Sources de valeur. Iknow a identifié cinq sources primaires de valeur métier de la localisation d'expertise : la réduction du temps de cycle de résolution de problèmes, des livrables de meilleure qualité, une innovation accrue, une surcharge informationnelle réduite et le soutien au développement professionnel.
• Modèle de valeur économique. Iknow a élaboré un modèle estimant la valeur de la localisation d'expertise pour la division à partir du raccourcissement des cycles de résolution des problèmes métier, en fonction de la complexité du problème (problèmes bien structurés ou mal structurés) et de l'ampleur de l'impact sur l'avancement d'une équipe projet.
• Analyse des systèmes. Iknow a analysé les données de profils d'employés existantes de Microsoft Delve et Workday de la Société Z pour documenter les lacunes de l'état actuel expliquant les mauvais résultats de recherche.
• Élaboration de personas. Iknow a développé huit personas d'employés pour ancrer les cas d'usage et les recommandations dans des types d'utilisateurs représentatifs de l'ensemble de la Société Z.

Parties prenantes et collaboration

Iknow est intervenue comme maître d'œuvre, travaillant directement avec l'équipe du COE KM de la Société Z et interrogeant des employés des fonctions et départements métier de la Société Z. La mission s'est déroulée en parallèle d'autres chantiers menés par Iknow pour le COE KM de la Société Z, reflétant l'effort plus large du centre pour moderniser la gestion des connaissances à cette époque.

Transformer des anecdotes éparses en preuves rigoureuses

Le COE KM de la Société Z disposait de nombreuses histoires individuelles sur la recherche d'experts mais manquait d'une base structurée pour une décision d'investissement. Iknow y a répondu en interrogeant systématiquement 16 employés de différentes fonctions et en synthétisant leurs apports en 22 scénarios de cas d'usage documentés et neuf types de cas d'usage validés, convertissant des impressions anecdotiques en un jeu de données structuré et défendable.

Rendre tangible la valeur d'une recherche d'experts plus rapide

Un dossier économique fondé uniquement sur des affirmations qualitatives concernant une meilleure collaboration n'aurait pas justifié un nouvel investissement. Iknow y a répondu en construisant un modèle de valeur directement lié à un résultat mesurable (le raccourcissement du temps de cycle de résolution de problèmes, pondéré par la complexité du problème et l'impact sur le projet), de sorte que le dossier économique repose sur une estimation économique plutôt que sur un recueil de témoignages.

Résultats quantitatifs

• Entretiens avec les parties prenantes : 16 employés des fonctions et départements métier de la Société Z.
• Cas d'usage documentés : 22 cas d'usage réels, validés et regroupés en neuf types de cas d'usage répartis en quatre groupes.
• Personas élaborés : huit personas d'employés qui ont ancré l'analyse dans des types d'utilisateurs représentatifs.
• Couverture de référence des systèmes : moins de 15% des effectifs disposaient de profils dans les systèmes existants Delve et Workday de la Société Z, l'écart que le dossier économique devait surmonter.

Résultats qualitatifs

Le modèle économique d'Iknow a démontré un bénéfice métier significatif, fournissant au COE KM de la Société Z le dossier économique rigoureux et défendable qui lui faisait défaut. Sur la base de ces conclusions, la Société Z a approuvé et alloué un financement supplémentaire pour les travaux ultérieurs de localisation d'expertise : un engagement organisationnel concret plutôt qu'une recommandation remisée. Le diagnostic sous-jacent s'est aussi révélé durable : des années plus tard, Delve de Microsoft lui-même a été retiré du marché après avoir buté sur les problèmes mêmes d'adoption et d'alignement que le COE KM de la Société Z avait déjà identifiés dans son propre environnement.

Délai d'impact

Iknow a livré la recherche sur les cas d'usage, l'analyse des systèmes, les personas et le dossier économique dans la période contractuelle de quatre mois, la décision de financement de la Société Z pour les travaux ultérieurs découlant directement de ces conclusions.

Compétences clés

• Stratégie de localisation d'expertise
• Recherche et synthèse de cas d'usage
• Dossier économique et modélisation de la valeur
• Élaboration de personas d'employés

Méthodes et cadres de travail

• Entretiens structurés avec les parties prenantes
• Analyse de scénarios de cas d'usage
• Modélisation de la valeur économique (temps de cycle de résolution de problèmes)
• Élaboration de personas

Technologies et outils

• Analyse des données de profils d'employés Microsoft Delve et Workday