Réponse courte : Définissez d'abord la décision que la direction doit prendre ; puis enregistrez les événements de terrain avec identité unique, horodatage et responsable. Produisez les indicateurs avec une granularité fixe, une porte de qualité des données et une approbation humaine.
Pourquoi une donnée de terrain n'est-elle pas directement un indicateur ?
Chaque ligne d'un formulaire sur tablette est un événement mesurable ; mais ce n'est pas en soi une réponse pour la direction. L'ouverture d'un ordre de travail, le début d'une visite de terrain, l'achèvement d'un point de contrôle, la validation d'une non-conformité et la publication du rapport sont des événements métier différents. Les regrouper dans un unique champ « terminé » confond vitesse et qualité, charge de travail et résultat.
Le guide du schéma en étoile de Microsoft indique que les tables de faits stockent des observations ou des événements, tandis que les dimensions fournissent filtrage et regroupement. Le même guide exige notamment que les tables de faits soient chargées à une granularité cohérente. La conclusion technique est nette : ordre de travail, visite, point de contrôle et rapport ne doivent pas être comptés comme s'ils étaient du même type de ligne.
Un bon indicateur explique d'abord quelle décision il soutient ; puis quels événements il compte, dans quelle fenêtre temporelle et selon quelle règle.
Première étape : choisir une seule question de gestion
On ne commence pas la conception d'un tableau de bord en choisissant des graphiques. On écrit d'abord la question décisionnelle : « À quelle étape s'accumulent les travaux en retard ? », « Quelle est la cause commune des travaux nécessitant une nouvelle visite ? » ou « Pourquoi la publication du rapport dévie-t-elle de la date planifiée ? » Chacune de ces questions exige des événements, un périmètre et un responsable différents.
La section Measure 2.5 du Playbook NIST AI RMF aborde, dans le cadre de la validité de construit, la vérification qu'un indicateur mesure réellement le concept qu'il prétend mesurer. L'équivalent dans la conception de Vizyon AI est de ne pas tenir pour vérité, à elle seule, la sortie produite par le modèle ou la règle. L'indicateur doit être présenté avec les enregistrements sources, la règle de calcul, les limites d'usage et la revue humaine autorisée.
Remplissez la fiche KPI avant de la calculer
| Champ | Question à poser | Exemple |
|---|---|---|
| Décision | Quelle action cet indicateur déclenche-t-il ? | Le responsable de planification modifie la répartition des travaux. |
| Événement | Quel enregistrement compte ? | Une visite de terrain clôturée par un utilisateur autorisé. |
| Granularité | Que représente une ligne ? | Une visite de terrain unique dans un ordre de travail. |
| Temps | Quels début, fin et fuseau horaire sont utilisés ? | Début planifié et clôture réelle, heure d'Istanbul. |
| Périmètre | Quels enregistrements sont inclus ou exclus ? | Les travaux annulés font l'objet d'un rapport séparé hors dénominateur. |
| Propriétaire | Qui approuve la définition et le seuil ? | Le responsable des opérations et le responsable des données. |
| Preuve | Vers quels enregistrements le résultat est-il traçable ? | Les identités de l'ordre de travail, de la visite et de l'historique des opérations. |
Construisez le modèle d'événements sur un squelette immuable
Chaque événement de terrain doit être conservé au minimum avec une identité d'événement unique, l'identité de l'ordre de travail, le type d'événement, l'heure d'occurrence, l'heure d'enregistrement, le rôle responsable, la source et l'historique d'état. En cas de correction, établissez un lien vers une nouvelle version ou une correction plutôt que d'écraser silencieusement l'ancien événement. Ainsi, on peut expliquer pourquoi un indicateur de gestion a changé après coup.
Le modèle de données de métriques stable d'OpenTelemetry traite comme des concepts distincts l'événement au moment de l'enregistrement, la série temporelle stockée et le flux de métriques transporté. Cette distinction s'applique aussi aux opérations de terrain : l'événement brut est la preuve, la métrique est une vue calculée sur une fenêtre et une unité données, et le tableau de bord est la présentation décisionnelle. Compteur, état instantané et distribution de durées ne doivent pas être employés comme s'il s'agissait du même nombre.
Exécutez la porte de qualité des données avant le calcul des KPI
Des données manquantes ne sont pas une faible performance ; une synchronisation différée n'est pas non plus un retard opérationnel. L'ISO 8000-8:2015 définit les concepts de qualité de l'information et des données ainsi que les prérequis nécessaires à leur mesure dans le management de la qualité. La norme a été publiée en 2015 et sa validité a été confirmée en 2022. Ce référentiel justifie l'instauration, en amont de chaque indicateur, d'un contrôle mesurable de la qualité des données.
La documentation Microsoft Purview traite la qualité des données selon des dimensions distinctes : exactitude, complétude, conformité, cohérence, actualité et unicité. Sur l'écran opérationnel, plutôt que de comprimer toutes ces dimensions en un score synthétique unique, mettez en évidence celles qui sont critiques pour la décision :
- Complétude : La présence des champs obligatoires et des liens de preuve.
- Unicité : Le même événement n'est pas compté deux fois en raison d'une synchronisation hors ligne ou d'une nouvelle tentative.
- Cohérence : Le statut de l'ordre de travail ne contredit pas les statuts de visite et de rapport.
- Actualité : L'heure du dernier flux de données réussi et la fenêtre de latence acceptée.
Si le contrôle de données n'est pas franchi, le résultat de Vizyon AI ne doit pas être affiché comme un KPI ordinaire ; il doit indiquer le nombre d'enregistrements hors périmètre, l'heure de la dernière mise à jour et le besoin de vérification. Ainsi, le responsable peut distinguer une mauvaise opération d'une couverture de données insuffisante.
Comment délimiter la couche d'analyse de Vizyon AI ?
Vizyon AI peut être utilisé pour détecter des schémas sur des événements métier définis, prioriser les exceptions et classer les causes probables pour examen. Toutefois, une prédiction ou une recommandation ne se substitue ni à une décision de conformité ni au rapport publié. En particulier, des conditions telles que petit échantillon, formulaire terrain modifié, nouvelle équipe ou flux de données retardé doivent être présentées avec le résultat.
Cette approche est conforme aux fonctions de gouvernance, de cartographie, de mesure et de gestion du NIST AI RMF 1.0. Dans la mise en œuvre technique, la trace suivante est conservée pour chaque résultat d'analyse :
- La fenêtre de données et les filtres utilisés,
- La version du dictionnaire des indicateurs,
- La version du modèle ou de la règle,
- L'heure de génération de la recommandation,
- Le rôle du vérificateur et la décision prise,
- La justification d'une correction effectuée ultérieurement.
Pour examiner séparément les limites de rôle entre l'intelligence artificielle et la validation humaine, vous pouvez consulter le guide intelligence artificielle et validation humaine dans les processus d'inspection . Si la protection des identités d'intégration est requise, l'article transfert de données vers l'ERP et la comptabilité sans double saisie complète le socle technique.
Choisissez un périmètre restreint et auditable pour le premier tableau de bord
Dans la première version, plutôt que de transposer toute l'opération sur un seul écran, choisissez un cycle de décision. Par exemple, suivez ensemble les visites terrain planifiées et réalisées, les causes d'attente et la complétude des données. Vérifiez que l'on peut descendre de chaque carte jusqu'à l'ordre de travail source et à la liste des événements.
Liste de contrôle avant publication
- Chaque KPI est-il rattaché à une seule question de décision ?
- Numérateur, dénominateur, fenêtre temporelle, fuseau horaire et exclusions sont-ils documentés ?
- La granularité des événements est-elle identique sur toutes les périodes ?
- Les données manquantes, en double et retardées sont-elles affichées séparément ?
- L'utilisateur peut-il remonter du total jusqu'à l'enregistrement source ?
- La recommandation de l'IA est-elle présentée avec sa source, ses limites et un avertissement de confiance ?
- La validation technique et la décision opérationnelle relèvent-elles d'une personne responsable ?
- En cas de changement de définition ou de modèle, l'ancien résultat peut-il être reproduit ?
Ce contrôle transforme le tableau de bord d'un rapport décoratif en un outil de décision auditable. Pour évaluer un modèle de données et un flux d'analyse adaptés à votre organisation, vous pouvez découvrir les solutions d'intelligence artificielle de VizyonTech ou définir un périmètre pilote à partir de votre processus terrain actuel.
Sources
- NIST — Cadre de gestion des risques liés à l’intelligence artificielle (AI RMF 1.0), 26 janvier 2023.
- NIST AI Resource Center — Guide de mise en œuvre de l’AI RMF, version intégrale du 30 mars 2023.
- ISO — ISO 8000-8:2015, Qualité des données — Concepts et mesurage, novembre 2015 ; confirmée en 2022.
- OpenTelemetry — Modèle de données des métriques, documentation du modèle stable en vigueur.
- Microsoft Learn — Comprendre le schéma en étoile et son importance pour Power BI, dernière mise à jour le 30 décembre 2024.
- Microsoft Learn — Rapport sur l’état de la qualité des données dans Unified Catalog, documentation en vigueur.