~/teaching · data analytics · séance 6, vendredi 8 janvier 2027
Présenter ses résultats à des décideurs : la recommandation d'abord, trois preuves, des réponses honnêtes
Ouvrir sur la décision recommandée, faire porter chaque diapositive sur elle, et tenir les questions pour la vraie épreuve.
Résumé
C'est la séance de clôture de Data Analytics for Business, un cours du M2 International Management de l'Université Catholique de Lille (2026-2027). Chaque groupe a passé le cours sur une commande de direction (management brief) bâtie sur l'historique de commandes ouvert d'Olist, une place de marché brésilienne, et défend maintenant une recommandation devant la classe, comme il le ferait devant un comité de direction : dix minutes de présentation, puis quatre minutes de questions.
Cette page fait de la séance un guide pratique pour quiconque doit présenter une analyse à ceux qui décideront. Elle couvre l'ordre d'un pitch court, la phrase unique qui doit survivre à la réunion, ce qui rend une preuve convaincante, la manière de répondre aux questions, les erreurs qui coulent le plus souvent une bonne analyse, et la suite après le cours. La méthode se prépare dans l'atelier de soutenance de la séance précédente et s'exécute ici.
Elle mobilise toutes les séances : le cadrage par la décision de la séance 1, les titres-constats de la séance 2, les requêtes de la séance 3 et la lecture de modèles de la séance 4.
Plan du deck
- L'après-midi et ses objectifs. Ce que demande chaque bloc, et l'ordre du pitch en quatre parties arrêté le matin en atelier.
- Les soutenances. Des créneaux de quinze minutes : dix de présentation, quatre de questions, une pour passer la main, sur les diapositives déposées.
- Écouter les autres. Une courte fiche par soutenance : la recommandation comprise, la meilleure preuve, la question qu'on aurait posée.
- Bilan et suite. Retour sur la note d'évaluation de modèle, des moyens gratuits de continuer, des certifications et les métiers qui emploient ces compétences.
- Six questions à garder. Une question par objectif d'apprentissage du cours, pensée pour durer plus longtemps que les outils.
- Clôture. Le rapport final, rendu quelques jours plus tard à dessein, et la première et dernière règle du cours.
Partir de la décision, en une phrase
Avant toute diapositive, écrire la phrase unique que la salle doit pouvoir répéter en sortant : quoi faire, pourquoi, et ce que cela doit changer.
Un pitch d'analyse n'est pas une visite guidée du travail. L'auditoire vient décider de quelque chose ; la première chose dont il a besoin est donc la décision que vous proposez. Le cours donne un gabarit à remplir avant de toucher aux diapositives, et la recommandation (recommendation) qui en sort va sur la première diapositive de contenu.
Remarque (Le gabarit en une phrase). Nous recommandons [l'action], parce que [la preuve principale], ce qui devrait [l'effet attendu].
Le test est simple et un peu rude : après la présentation, un auditeur peut-il redire votre recommandation en une phrase ? Pendant la séance, chaque auditeur l'écrit sur une fiche de retour. Si la moitié de la salle écrit autre chose que ce que vous vouliez dire, le message n'est pas passé, aussi bonne que soit l'analyse derrière.
Exemple : la commande sur les livraisons
L'une des commandes du cours demande quelle étape de livraison d'Olist (validation, préparation par le vendeur, transport) doit recevoir le budget d'amélioration du trimestre suivant. Une phrase d'illustration, pas un résultat : nous recommandons de placer le budget sur l'étape où les commandes en retard perdent le plus de jours, parce que la décomposition des délais par étape le montre, ce qui devrait réduire la part des commandes livrées après la date promise. En remplaçant chaque crochet par ses propres chiffres, la phrase est prête à ouvrir le pitch.
Dix minutes en quatre blocs
Recommandation, preuves, effet attendu, puis limites et suites : l'auditoire sait où l'on va avant de voir le moindre graphique.
C'est l'ordre qu'emploient consultants et analystes quand le temps est compté : la conclusion d'abord, les appuis ensuite. Le support propose un découpage des dix minutes, explicitement indicatif ; ce qui ne se négocie pas, c'est que la recommandation soit entendue dans la première minute.
| Bloc | De | À | Contenu |
|---|---|---|---|
| Recommandation | 0 | 1 | Une phrase, dite d'emblée |
| Preuves | 1 | 6 | Trois au plus, chacune reliée à la décision |
| Effet attendu | 6 | 8 | Ce qui change, pour qui, dans quel ordre de grandeur, avec les hypothèses |
| Limites et suites | 8 | 10 | Ce que les données ne disent pas, ce que l'on vérifierait ensuite |
Chaque créneau de la séance comprend aussi quatre minutes de questions et une minute de changement, d'où un chronométrage strict : à zéro, l'orateur termine sa phrase et les questions commencent.
Le bloc de l'effet attendu (expected impact) est celui où beaucoup de pitchs deviennent flous. Une estimation utile dit ce qui bouge, pour qui et dans quel ordre de grandeur, et énonce ses hypothèses, pour que l'auditoire puisse contester une hypothèse plutôt que vous. Le bloc des limites (limits) n'est pas une excuse : il montre que vous savez où s'arrêtent les preuves, et les vérifications suivantes que vous nommez sont souvent ce qu'un décideur finance.
Ce qui convainc un décideur
Une courte chaîne de preuves qui mène droit à la recommandation convainc davantage qu'une longue suite de graphiques intéressants.
Le cours traite le fil narratif (storyline) et les preuves comme un tout : chaque diapositive doit soutenir la recommandation, et les preuves doivent y mener sans détour. Concrètement, on garde trois preuves au plus et l'on coupe le reste, y compris de bonnes analyses qui répondent à une autre question. Une diapositive qu'on ne sait pas relier à la décision en une phrase va en annexe, ou dans les notes pour les questions.
Des habitudes qui rendent une preuve convaincante
- Un constat pour titre. Chaque titre de graphique est un titre-constat (finding title), qui dit quoi voir, comme dans la séance sur la visualisation ; la diapositive se lit alors en cinq secondes.
- Des taux avec leur dénominateur. Comparer des groupes de tailles différentes se fait en taux, en laissant visible la taille de chaque groupe.
- Des chiffres vérifiés. Tout chiffre qui atteint la diapositive de recommandation a été recalculé ou rapproché d'un total connu, y compris ceux rédigés avec un assistant d'IA.
- Un modèle lu par ses erreurs. Quand une prédiction appuie le propos, dire ce que coûte chaque type d'erreur à l'entreprise, pas seulement la précision du modèle.
- Un tableau de bord qui s'ouvre. Le lien vers le tableau de bord du groupe est testé en navigation privée, pour qu'il fonctionne hors du groupe.
La prestation orale compte, mais elle n'est pas l'essentiel. Clair, assuré et dans les temps suffit. Qui présente quel bloc se décide à l'avance, la première minute se répète à voix haute, et l'ensemble passe une fois au chronomètre avant le jour J.
Les questions prouvent que l'analyse est la vôtre
Donner la réponse d'abord, puis la preuve ; et quand on ne sait pas, le dire et expliquer comment on trouverait.
Dans le cours, les quatre minutes de questions sont prises aussi au sérieux que les preuves elles-mêmes, et se déroulent sans aucune aide de l'IA. C'est le reflet des vraies réunions : un bon support suivi de réponses évasives perd la salle. Chaque membre du groupe répond au moins à une question ; l'équipe décide donc à l'avance qui couvre les données et leur nettoyage, l'analyse, la recommandation et les limites.
- Comment avez-vous nettoyé les données, et qu'est-ce que le nettoyage a retiré ?
- Quel résultat vous ferait changer de recommandation ?
- La conclusion tiendrait-elle avec les données d'aujourd'hui plutôt qu'avec le fichier historique ?
- Comment avez-vous vérifié ce que l'assistant d'IA a produit pour vous ?
Ces quatre questions viennent tout droit du cours et méritent chacune une courte réponse préparée. La réponse elle-même suit un schéma : la réponse dans la première phrase, puis la preuve. L'incertitude se dit honnêtement ; « je ne sais pas », suivi de la façon dont on le découvrirait, vaut mieux qu'une supposition assurée, et les décideurs font généralement la différence.
Remarque (La méthode, pour les questions). La façon dont les données ont été nettoyées ou la requête qui a produit un chiffre ont rarement leur place dans les dix minutes. On les prépare avec soin, et on laisse l'auditoire les demander.
Les erreurs qui coulent une bonne analyse
La plupart des pitchs ratés enterrent la recommandation, montrent trop, ou manquent de temps avant les questions.
Pas à pas
- Ouvrir sur la méthode. Commencer par le nettoyage des données est un moyen sûr de perdre la salle avant que le message n'arrive.
- Garder la recommandation pour la fin. Si le temps manque, la seule chose dont l'auditoire avait besoin est celle qu'il n'entend jamais.
- Trop de diapositives. Chaque diapositive qui ne soutient pas la recommandation lui fait concurrence ; on la coupe ou on la met en annexe.
- Déborder. Un pitch arrêté à dix minutes perd sa dernière diapositive, et les minutes de questions comptent davantage que cette diapositive.
- Un seul orateur pour tout. Quand une seule personne sait répondre, l'auditoire doute que le groupe maîtrise son travail.
- Répéter au lieu d'écouter. Les groupes qui attendent leur tour apprennent davantage en voyant quels messages passent chez les autres qu'en refaisant un dernier essai.
Écouter fait partie de l'exercice. Pour chaque soutenance autre que la sienne, chaque étudiant remplit une courte fiche de retour entre pairs (peer feedback) en trois champs calqués sur la structure du pitch : la recommandation comprise, la preuve la plus convaincante, et la question qu'il aurait posée. Le groupe qui présente reçoit les rectos sans signature, pour que les retours puissent être francs. Le rapport écrit est dû quelques jours plus tard, à dessein, pour que les questions et ces fiches puissent encore le faire évoluer.
Après le cours : six questions, des ressources, des métiers
Les outils changeront au fil d'une carrière ; les questions apprises face à un chiffre, un graphique ou un modèle resteront utiles.
| Objectif | Question à garder |
|---|---|
| Cadrer | Quelle décision cela va-t-il changer ? |
| Préparer et extraire | Que représente une ligne, avant et après la jointure ? |
| Concevoir et communiquer | Que dit-il en cinq secondes ? |
| Interpréter les modèles | Que coûte chaque type d'erreur ? |
| Utiliser l'IA de façon responsable | Comment l'avons-nous vérifié contre les données ? |
| Évaluer la gouvernance | Qui répond de la décision ? |
Pour continuer gratuitement, le support indique trois voies : Elements of AI (Université d'Helsinki), qui explique sans code ce que l'IA sait faire ou non et forme une bonne base pour le travail de gouvernance ; Orange Data Mining, un logiciel de bureau qui construit par glisser-déposer le genre de modèles vus en séance 4 ; et les courts modules en ligne de Kaggle Learn (SQL, apprentissage automatique, visualisation), qui prolongent les séances 3 et 4 avec un peu de Python. Deux certifications sont citées, à deux profondeurs : le Google Data Analytics Professional Certificate sur Coursera, qui couvre tout le travail d'analyste, et la certification Microsoft Power BI Data Analyst Associate (examen PL-300), plus étroite et centrée sur Power BI. On choisit selon les outils cités dans les offres d'emploi visées, et l'on vérifie noms et prix avant de s'inscrire, car ils changent souvent.
Aucun des métiers qui emploient ces compétences n'exige d'être le meilleur programmeur de la salle : analyste métier (business analyst), chef de produit, traducteur analytique (analytics translator), responsable de produit de données (data product owner), gouvernance et conformité de l'IA, consultant. Les intitulés varient d'une entreprise à l'autre ; mieux vaut lire la description du poste que son titre. En Europe, l'AI Act crée un travail propre, de la maîtrise de l'IA pour le personnel aux obligations des usages à haut risque comme le recrutement assisté par IA, applicables à partir du 2 décembre 2027. Le cours se termine sur sa première règle : partir de la décision, pas des données.
À retenir
- Écrire la recommandation en une phrase avant toute diapositive, et la dire dans la première minute.
- Trois preuves au plus, chacune reliée directement à la décision.
- Énoncer l'effet attendu avec ses hypothèses, et les limites avec les vérifications à mener ensuite.
- Répondre aux questions par la réponse d'abord, puis la preuve ; avouer ce qu'on ignore et dire comment on le découvrirait.
- Garder la méthode pour les questions, et s'assurer que chaque membre de l'équipe peut en prendre une.
- Répéter au chronomètre : un pitch qui déborde sacrifie les minutes qui le mettent le plus à l'épreuve.
- Partir de la décision, pas des données.
Glossaire
- pitch
- Présentation courte et structurée qui défend une recommandation devant ceux qui décideront.
- commande de direction (management brief)
- La question de gestion confiée à un groupe, point de départ de son projet.
- recommandation (recommendation)
- L'action proposée, dite en une phrase avec sa preuve principale et son effet attendu.
- fil narratif (storyline)
- L'ordre dans lequel les preuves sont montrées pour mener sans détour à la recommandation.
- titre-constat (finding title)
- Titre de diapositive ou de graphique qui énonce ce que montrent les données, pas seulement le sujet.
- effet attendu (expected impact)
- Ce qui devrait changer si la recommandation est suivie, pour qui, et à peu près de combien.
- limites (limits)
- Ce que les données et l'analyse ne permettent pas d'établir, dit ouvertement.
- retour entre pairs (peer feedback)
- Court retour écrit des auditeurs : le message compris, la meilleure preuve, une question ouverte.
- traducteur analytique (analytics translator)
- Rôle qui fait le lien entre équipes métier et data scientists autour d'une décision.
- responsable de produit de données (data product owner)
- Personne qui répond d'un jeu de données, d'un tableau de bord ou d'un modèle pour ses utilisateurs.
Les autres fiches du cours
Un résumé public par deck, dans l'ordre du cours.
Précédent : IA générative, RGPD et AI Act
- Séance 1Des données à la décision
- Séance 2Visualisation de données et récit
- Séance 3L'essentiel du SQL pour managers
- Séance 4L'analyse prédictive pour décideurs
- Séance 5IA générative, RGPD et AI Act
- Séance 6Présenter une analyse à des décideurs
À propos de ces fiches
Écrites par l'enseignant à partir des slides du deck, comme un résumé public : les idées clés, les formules et un exemple calculé. Les exercices, leurs corrigés, les contrôles et la notation restent dans le deck, pour les élèves du cours.
Révision : .