{"id":45246,"date":"2025-09-26T12:25:25","date_gmt":"2025-09-26T10:25:25","guid":{"rendered":"https:\/\/www.gereso.com\/actualites\/?p=45246"},"modified":"2025-12-04T15:27:09","modified_gmt":"2025-12-04T13:27:09","slug":"data-literacy-lire-interpreter-donnees","status":"publish","type":"post","link":"https:\/\/www.gereso.com\/actualites\/2025\/09\/26\/data-literacy-lire-interpreter-donnees\/","title":{"rendered":"\u00ab\u00a0Data literacy\u00a0\u00bb : savoir lire et interpr\u00e9ter les donn\u00e9es, un nouvel imp\u00e9ratif professionnel"},"content":{"rendered":"\n

La data literacy, la nouvelle comp\u00e9tence fondamentale<\/strong>\u00a0<\/H2>\n\n\n\n

D\u00e9finir la data literacy en entreprise<\/strong><\/H3>\n\n\n\n

Le terme \u00ab data literacy \u00bb,<\/strong> que l\u2019on pourrait traduire en fran\u00e7ais par \u00ab datalphab\u00e9tisation \u00bb<\/strong>, se d\u00e9finit par la capacit\u00e9 \u00e0 lire, comprendre et communiquer avec les donn\u00e9es<\/strong>. Cela implique de savoir d’o\u00f9 elles proviennent, d’\u00e9valuer leur fiabilit\u00e9 et de les interpr\u00e9ter avec justesse. <\/p>\n\n\n\n

C\u2019est un enjeu cl\u00e9 des entreprises d\u2019aujourd\u2019hui. Avec l\u2019apparition du Big Data, des algorithmes et autres intelligences artificielles, le monde professionnel est satur\u00e9 d\u2019informations et il devient indispensable d\u2019utiliser les donn\u00e9es \u00e0 bon escient<\/strong>. Cela ne signifie pas forc\u00e9ment assimiler des comp\u00e9tences pointues, mais plut\u00f4t \u00e0 savoir lire un tableau de bord, comprendre un indicateur cl\u00e9 de performance (KPI) ou encore d\u00e9crypter un graphique. <\/strong>\u00c0 composer avec ce nouvel alphabet moderne, en somme.<\/p>\n\n\n\n

Or, selon une \u00e9tude r\u00e9alis\u00e9e par Qlik<\/strong><\/a> <\/mark>en 2024, seulement 24 % des salari\u00e9s se consid\u00e8rent comme  \u00ab data literate \u00bb. La data literacy a donc encore une belle marge de progression.<\/p>\n\n\n\n

Le changement de paradigme de la data literacy<\/strong><\/H3>\n\n\n\n

L\u2019environnement de travail ne cesse de se transformer  : ce qui est la norme aujourd\u2019hui ne sera plus celle de demain. Il est donc important d\u2019anticiper ces changements et de comprendre comment s\u2019adapter<\/strong>, et l’usage de la data literacy illustre parfaitement cette n\u00e9cessit\u00e9.<\/p>\n\n\n\n

En effet, elle change radicalement la mani\u00e8re de diriger. Pendant de nombreuses ann\u00e9es, seuls l\u2019instinct, l\u2019intuition ou l\u2019exp\u00e9rience comptaient dans la prise de d\u00e9cision et l\u2019\u00e9laboration de strat\u00e9gies. Or, cette approche, bien que pr\u00e9cieuse, montre aujourd\u2019hui ses limites. Avec la data literacy, on dispose d\u00e9sormais d\u2019indicateurs concrets<\/strong> qui permettent d\u2019appuyer ses choix et de proposer des analyses objectives et cadr\u00e9es.<\/p>\n\n\n\n

On assiste ici \u00e0 un v\u00e9ritable changement de paradigme  : ressentir une situation ne suffit plus, il faut \u00e9galement la comprendre gr\u00e2ce \u00e0 des faits mesurables. \u00c0 condition, bien s\u00fbr, de bien savoir les lire.<\/p>\n\n\n\n

Les risques d’une lecture na\u00efve des donn\u00e9es<\/strong><\/H3>\n\n\n\n

La donn\u00e9e inspire confiance. Elle est souvent class\u00e9e comme objective et incontestable, ce qui peut donner l\u2019impression qu\u2019il existe une \u00ab science infuse \u00bb bas\u00e9e sur les chiffres. En r\u00e9alit\u00e9, la data literacy n\u2019est pas inn\u00e9e et aucune donn\u00e9e n\u2019est infaillible. <\/strong>Certaines informations peuvent \u00eatre mal interpr\u00e9t\u00e9es, partielles ou fauss\u00e9es, et conduire \u00e0 des erreurs aux cons\u00e9quences parfois lourdes pour l\u2019entreprise.<\/p>\n\n\n\n

Par ailleurs, notre propre perception influence la mani\u00e8re dont nous lisons les donn\u00e9es. Il est fr\u00e9quent de retenir uniquement celles qui confirment nos id\u00e9es, au risque de passer \u00e0 c\u00f4t\u00e9 d\u2019\u00e9l\u00e9ments importants ou d\u2019effectuer des choix biais\u00e9s.<\/p>\n\n\n\n

Pour \u00e9viter cela, il est primordial de d\u00e9velopper la ma\u00eetrise des donn\u00e9es \u00e0 tous les niveaux de l\u2019entreprise<\/strong>. Quand tous les collaborateurs partagent un m\u00eame niveau de lecture et une compr\u00e9hension commune des indicateurs, les d\u00e9cisions deviennent plus fiables et coh\u00e9rentes.<\/p>\n\n\n\n

Ainsi, la donn\u00e9e retrouve sa vraie valeur  : un outil au service de l\u2019intelligence collective.<\/p>\n\n\n\n

Les RH et les managers : moteurs de la data literacy<\/strong><\/H2>\n\n\n\n

Le recrutement pr\u00e9dictif : un atout pour les RH<\/strong><\/H3>\n\n\n\n

La data literacy a commenc\u00e9 \u00e0 transformer en profondeur la fonction RH. Comment  ? Avec la naissance du recrutement pr\u00e9dictif<\/strong>, une approche innovante qui consiste \u00e0 acqu\u00e9rir de nouveaux collaborateurs en se basant sur les donn\u00e9es et les statistiques. L\u2019objectif est d\u2019analyser la performance d\u2019un candidat sur un poste donn\u00e9 afin de pr\u00e9dire au mieux sa r\u00e9ussite. En d\u2019autres termes  : l\u2019IA sert \u00e0 identifier les soft skills<\/strong><\/a>.<\/mark><\/p>\n\n\n\n

Pour cela, les outils de recrutement pr\u00e9dictif s’appuient sur plusieurs \u00e9l\u00e9ments, notamment l\u2019analyse de CV, de parcours et de comp\u00e9tences, de quoi identifier dans les potentiels profils les plus adapt\u00e9s. C\u2019est un moyen d\u2019effectuer un premier tri et de r\u00e9duire le risque d\u2019erreurs<\/strong> de casting. Cependant, cette m\u00e9thode exige imp\u00e9rativement une ma\u00eetrise impeccable de la lecture des r\u00e9sultats.<\/p>\n\n\n\n

Attention \u00e9galement \u00e0 voir dans le recrutement pr\u00e9dictif un moyen, et non une finalit\u00e9. Le risque est que les recruteurs, en se fiant uniquement \u00e0 la data, accordent trop de confiance aux algorithmes et n\u00e9gligent l\u2019aspect humain. Tout est une question d\u2019\u00e9quilibre.<\/p>\n\n\n\n

Mesurer l\u2019engagement et les comp\u00e9tences<\/strong><\/H3>\n\n\n\n

Enqu\u00eates internes, taux de turnover, analyses d\u2019absent\u00e9isme\u2026 Les donn\u00e9es sont \u00e9galement pratiques pour mesurer l\u2019engagement des collaborateurs et dresser un \u00e9tat des lieux pr\u00e9cis des comp\u00e9tences disponibles<\/strong>. <\/p>\n\n\n\n

C\u2019est un excellent moyen de comparer les besoins futurs de l\u2019entreprise avec ses ressources actuelles  : au m\u00eame titre qu\u2019un data scientist va analyser les KPI de ses clients, les RH et les managers vont surveiller les donn\u00e9es intrins\u00e8ques \u00e0 l\u2019entreprise pour adapter leur strat\u00e9gie interne. Cette lecture facilite l\u2019identification de signaux n\u00e9gatifs<\/strong>, comme une baisse de motivation ou des lacunes dans certains postes cl\u00e9s. Ainsi, il est possible de proposer des solutions plus rapidement et de pr\u00e9server la productivit\u00e9 des collaborateurs.<\/p>\n\n\n\n

Analyser l’engagement pour construire la fid\u00e9lisation<\/strong><\/H3>\n\n\n\n

Ce qui fonctionne pour la performance de l\u2019entreprise fonctionne aussi pour le bien-\u00eatre des \u00e9quipes. La data literacy permet aux managers de disposer d’une vision claire de la satisfaction des collaborateurs<\/strong>. Comment  ? Gr\u00e2ce aux donn\u00e9es issues des sondages internes ou des entretiens de feedback. Ils peuvent ainsi d\u00e9terminer des indicateurs d’engagement (Employee Net Promoter Score, taux d’absent\u00e9isme, etc.). <\/p>\n\n\n\n

Cette analyse est la cl\u00e9 pour identifier plus rapidement certains facteurs de d\u00e9motivation, anticiper les d\u00e9parts et agir de mani\u00e8re proactive pour am\u00e9liorer le bonheur et la fid\u00e9lisation des collaborateurs<\/strong>. Les donn\u00e9es deviennent un v\u00e9ritable outil qui facilite le dialogue et la construction de relations plus saines et transparentes. La data se met au service du bien-\u00eatre des salari\u00e9s.<\/p>\n\n\n\n

D\u00e9ployer la data literacy en entreprise<\/strong><\/H2>\n\n\n\n

L’\u00e9valuation et la sensibilisation aux donn\u00e9es : le point de d\u00e9part<\/strong><\/H3>\n\n\n\n

Toujours selon l\u2019\u00e9tude r\u00e9alis\u00e9e par Qlik en 2024, 85 % des cadres sup\u00e9rieu<\/strong><\/a>rs<\/a><\/strong> estiment qu\u2019\u00eatre \u00ab data literate \u00bb sera, dans le futur, aussi important que savoir utiliser un ordinateur. Il convient donc de sensibiliser les collaborateurs le plus t\u00f4t possible<\/strong>. Les r\u00e9sultats sont probants  : une enqu\u00eate McKinsey<\/strong><\/a> d\u00e9montre que les entreprises ayant mis en place une culture \u00ab data-driven \u00bb ont 23 fois plus de chances d\u2019obtenir des clients.<\/p>\n\n\n\n

Toutefois, avant toute initiative, il est essentiel de savoir d\u2019o\u00f9 l\u2019on part. En effet, il n\u2019est pas rare que les entreprises surestiment le niveau de leurs \u00e9quipes ou, au contraire, pensent qu\u2019elles sont \u00ab \u00e0 la tra\u00eene \u00bb alors que des comp\u00e9tences sont d\u00e9j\u00e0 pr\u00e9sentes. Un diagnostic pr\u00e9cis<\/strong> permet donc d\u2019identifier les services o\u00f9 la data est d\u00e9j\u00e0 bien int\u00e9gr\u00e9e, les zones de blocage ou encore les priorit\u00e9s \u00e0 court terme. \u00c0 partir de l\u00e0, il sera possible de d\u00e9finir des objectifs clairs et savoir o\u00f9 d\u00e9ployer les efforts. <\/p>\n\n\n\n

Former les collaborateurs \u00e0 la data<\/strong><\/H3>\n\n\n\n

La ma\u00eetrise des donn\u00e9es est loin d\u2019\u00eatre inn\u00e9e. Elle peut m\u00eame parfois sembler intimidante, surtout pour les profils plus \u00ab litt\u00e9raires \u00bb ou qui n\u2019ont pas l\u2019habitude de travailler avec des chiffres, des graphiques ou des indicateurs de performance. C\u2019est la raison pour laquelle la formation des collaborateurs<\/strong> est une \u00e9tape absolument incontournable du d\u00e9ploiement de la data literacy. Attention, car elle doit \u00eatre pens\u00e9e pour s\u2019adapter au poste de chaque salari\u00e9 et \u00e0 son niveau initial de connaissance \u2013  d\u2019o\u00f9 l\u2019importance de faire un \u00e9tat des lieux au pr\u00e9alable.<\/p>\n\n\n\n

Ici, il ne s\u2019agit pas de transformer tous les collaborateurs en data scientists, mais de leur donner les cl\u00e9s pour comprendre et exploiter les donn\u00e9es dans leurs t\u00e2ches quotidiennes<\/strong>. Il existe pour cela plusieurs formations pour les aider.<\/p>\n\n\n\n

\n
\n

Votre formation sur ce th\u00e8me<\/h3>\n

 COMMUNIQUER EFFICACEMENT LES CHIFFRES DE GESTION <\/h2>\n

1 jour – En pr\u00e9sentiel ou \u00e0 distance<\/h4>\n