TCD ou IA ? Les deux !

Le point de vue d'Alexis Manso, Career & Reward – Global Director chez OVHcloud

Excel demeure l’un des outils les plus utilisés par les contrôleurs de gestion sociale. Sa souplesse, sa prise en main rapide et sa capacité à répondre à un besoin ponctuel en font encore un outil incontournable. Les équipes connaissent son fonctionnement, en maîtrisent les formules et ont souvent déjà automatisé une partie importante de leur travail.

L’arrivée de l’intelligence artificielle ne signifie donc pas la disparition d’Excel. Elle invite plutôt à redéfinir son rôle dans la chaîne d’analyse. Excel reste particulièrement adapté à l’exploration, aux contrôles et aux traitements ciblés. L’IA ouvre, quant à elle, d’autres possibilités en matière d’automatisation, de traitement à grande échelle et de création d’outils.

Opposer Excel et l’IA constitue ainsi un faux débat. Ces technologies ne répondent pas exactement aux mêmes besoins et n’interviennent pas nécessairement au même moment. L’enjeu consiste moins à choisir l’un contre l’autre qu’à déterminer comment les associer pour améliorer la qualité, la rapidité et la fiabilité du pilotage social.

Le TCD : compréhension fine, granularité et maîtrise du geste métier

Le tableau croisé dynamique conserve une place centrale dès lors qu’il faut examiner une base de données sans connaître à l’avance tous les enseignements qui pourront en être tirés. En quelques manipulations, il permet de modifier un périmètre, de croiser plusieurs critères ou de comparer des populations. Cette souplesse est particulièrement utile au début d’une étude, lorsque les hypothèses doivent encore être testées et affinées.

Le TCD favorise également une lecture détaillée des données. Un indicateur global peut être décomposé par établissement, métier, ancienneté ou catégorie de salariés afin d’identifier l’origine d’un écart. Le contrôleur de gestion sociale ne se contente pas d’observer un résultat : il peut en suivre la construction, revenir aux données sources et vérifier la cohérence de chaque niveau d’analyse.

Cette capacité à manipuler rapidement les données explique en grande partie la longévité de l’outil. Alexis Manso, Career & Reward – Global Director chez OVHcloud, souligne ainsi :

« Les TCD sont particulièrement simples à utiliser. Ils permettent de manipuler les données dans tous les sens afin d’en vérifier la fiabilité et d’obtenir rapidement des informations. L’analyse est rapide, visuelle et facile à réaliser. »

Cette proximité avec la donnée contribue à la maîtrise du geste métier. Elle permet de comprendre la logique d’un indicateur avant d’en interpréter les résultats ou de le partager avec d’autres interlocuteurs. Elle facilite aussi les échanges : une analyse encore en cours peut être complétée, discutée et ajustée sans nécessiter la construction préalable d’un processus totalement automatisé.

Le TCD demeure ainsi pertinent pour les analyses ponctuelles, les contrôles de cohérence, les segmentations ou les recherches d’anomalies. Il est également précieux pour challenger les résultats issus d’un SIRH, d’un outil de datavisualisation ou d’une solution d’IA. La capacité à refaire le chemin jusqu’à la donnée source reste une garantie essentielle de fiabilité.

Les limites du TCD

La pertinence du TCD dépend toutefois de la nature du besoin. Tant que l’analyse reste ponctuelle, évolutive ou exploratoire, sa souplesse constitue un véritable avantage. En revanche, lorsqu’un traitement est stabilisé et doit être reproduit régulièrement, le maintien d’un fonctionnement manuel peut mobiliser du temps sans renforcer la qualité de l’analyse. La question n’est alors plus de savoir si Excel permet de réaliser le traitement, mais s’il demeure l’outil le plus efficient pour le faire.

« Les tâches répétitives sont chronophages. Lorsqu’il faut reprendre les mêmes analyses ou produire les mêmes graphiques chaque mois, le recours à Excel n’est plus pertinent : ces traitements doivent être automatisés. »

La volumétrie constitue un autre point de bascule. Plus les bases s’élargissent et se multiplient, plus les risques de lenteur, d’erreur ou de rupture dans la chaîne de traitement augmentent. La multiplication des fichiers et des versions peut également fragiliser la traçabilité. Lorsque les règles de calcul sont stabilisées, une solution automatisée ou un outil de datavisualisation connecté aux données sources devient généralement plus adapté.

Il ne s’agit donc pas de renoncer à Excel dès qu’un traitement devient récurrent. Il convient plutôt d’identifier le moment où sa flexibilité ne compense plus le temps nécessaire à la mise à jour et au contrôle des fichiers. Ce seuil dépend de la fréquence du besoin, du volume de données, du nombre d’utilisateurs et du niveau de sécurisation attendu.

L’IA : automatisation, détection et traitement à grande échelle

L’intelligence artificielle devient pertinente lorsque le besoin dépasse l’analyse ponctuelle. Elle peut contribuer à automatiser des tâches répétitives, rapprocher des données provenant de plusieurs sources, détecter des évolutions inhabituelles ou générer une première synthèse. Elle peut également accompagner la création de formules, de scripts ou d’outils adaptés à un usage spécifique.

Ces possibilités ne doivent toutefois pas conduire à regrouper sous une même appellation des usages très différents. Demander à une IA d’expliquer une formule, l’utiliser pour coder un traitement ou lui confier l’identification d’anomalies ne présente ni le même niveau de complexité ni les mêmes risques. Chaque cas d’usage doit donc être apprécié au regard de sa valeur ajoutée, de la sensibilité des données et des contrôles qu’il nécessite.

L’un des apports les plus intéressants réside dans la possibilité de concevoir une solution lorsque les outils standards ne répondent pas précisément au besoin. L’IA peut faciliter le prototypage, accélérer le développement et permettre un degré élevé de personnalisation. Elle ne remplace pas la définition du besoin métier, mais peut réduire la distance entre une idée et sa traduction opérationnelle.

Chez OVHcloud, cette logique a notamment été mobilisée sur des sujets liés à la transparence des rémunérations et au développement de carrière. Dans ce second cas, l’objectif était de croiser les référentiels, les compétences attendues, les compétences disponibles et leur niveau de maîtrise. L’ampleur du sujet rendait le traitement sous Excel difficile.

« Nous avons utilisé l’IA pour coder un outil permettant d’exploiter l’ensemble de ces données rapidement, facilement et de manière visuelle. L’IA offre un niveau de personnalisation très élevé et permet de concevoir une solution véritablement unique. »

Cet exemple illustre un changement de logique : l’IA ne sert pas uniquement à produire plus vite un résultat existant. Elle peut aussi permettre de structurer un nouvel outil d’analyse ou de répondre à un besoin qui n’était pas couvert. Son intérêt doit alors être évalué non seulement en termes de gain de temps, mais aussi d’amélioration du service rendu et de capacité à éclairer l’action.

Des conditions de réussite qui ne peuvent être contournées

La performance d’une IA reste étroitement liée à la qualité des données qui lui sont soumises. Une base incomplète, mal structurée ou construite à partir de référentiels incohérents ne devient pas fiable parce qu’elle est traitée par une technologie plus avancée. L’automatisation peut même donner une apparence de robustesse à des résultats qui reposent sur des données fragiles.

Le contrôle humain demeure donc indispensable. Une formule générée doit être testée, une anomalie doit être vérifiée et une synthèse doit être confrontée au contexte social de l’entreprise. La pertinence d’un résultat ne dépend pas uniquement de sa cohérence technique : elle suppose aussi de comprendre les règles de gestion, les événements intervenus sur la période et les réalités des populations étudiées.

La confidentialité constitue un second enjeu majeur. Avant de transmettre des données RH à une solution d’IA, l’entreprise doit savoir où elles sont hébergées, qui peut y accéder, pendant combien de temps elles sont conservées et dans quelles conditions elles peuvent être réutilisées. Les questions de souveraineté, de propriété des contenus, de coût et d’impact environnemental doivent également être intégrées au choix de la solution.

Ces précautions rappellent que l’IA doit rester une aide à l’analyse et à la décision, et non un substitut au jugement professionnel.

« L’IA reste un outil : elle ne se substitue pas au professionnel. Elle peut proposer des pistes de réflexion, mais l’être humain reste le seul à pouvoir décider d’engager une démarche entièrement nouvelle. »

L’avenir n’est pas l’un ou l’autre, mais l’un avec l’autre

La complémentarité entre TCD et IA repose d’abord sur une répartition claire des rôles. Excel permet d’explorer, de contrôler et de comprendre. L’IA peut aider à cadrer une réflexion, puis à automatiser ou à reproduire à plus grande échelle un traitement devenu suffisamment fiable. Le contrôleur de gestion sociale conserve, quant à lui, la responsabilité d’interpréter les résultats, de les contextualiser et de déterminer les suites à donner.

Cette articulation suppose de ne pas automatiser trop tôt. Un traitement doit d’abord être compris, testé et stabilisé. Sans cette étape, les erreurs risquent d’être reproduites plus rapidement et sur un périmètre plus large. La maîtrise manuelle d’une analyse ne constitue donc pas une étape dépassée : elle permet de définir les règles qui pourront ensuite être traduites dans un processus automatisé.

Prenons l’exemple d’une étude sur l’absentéisme et le turnover. Une IA peut d’abord servir de point d’appui pour structurer la démarche : préciser la question, identifier les indicateurs possibles et repérer les principaux biais. Excel permet ensuite de construire et de contrôler le jeu de données, de tester les indicateurs et d’explorer les premiers résultats. Une fois la méthode validée, l’IA peut être mobilisée pour automatiser certains traitements ou développer un outil de restitution adapté.

Cette succession est résumée par Alexis Manso en trois temps :

« L’IA, puis Excel, puis de nouveau l’IA : une fois que le besoin est cadré et les indicateurs définis, le traitement peut être automatisé. »

L’association des outils peut ainsi déplacer progressivement le centre de gravité du métier. En réduisant le temps consacré à la production récurrente, elle peut libérer davantage de temps pour l’interprétation, le dialogue avec les décideurs et la proposition de plans d’action. Ce gain n’est toutefois réel que si l’automatisation porte sur des tâches maîtrisées et si les contrôles nécessaires sont eux-mêmes organisés.

La connaissance métier reste déterminante

Le contrôleur de gestion sociale n’a pas nécessairement vocation à devenir un expert technique de l’IA. Il doit en comprendre les possibilités et les limites, savoir formuler un besoin précis et conserver un regard critique sur les réponses obtenues. La qualité des consignes compte, mais elle ne remplace ni la connaissance des données ni la compréhension des mécanismes sociaux.

Les compétences les plus importantes restent donc la capacité à poser la bonne question, à identifier les données utiles, à contrôler un résultat et à l’expliquer clairement. S’y ajoutent une culture suffisante des outils pour choisir le bon niveau d’automatisation et une vigilance constante face aux résultats qui paraissent plausibles sans être nécessairement justes.

Enfin, aucune technologie ne doit faire oublier la nature des informations manipulées. Un taux d’absentéisme, un écart de rémunération ou une projection d’effectifs renvoient à des situations humaines et à des décisions susceptibles d’avoir des conséquences concrètes. Le regard métier sert précisément à relier les chiffres à cette réalité.

Conclusion

Le sujet n’est pas de déterminer quel outil remplacera l’autre, mais de choisir celui qui correspond au besoin rencontré. Une analyse ponctuelle, un contrôle ou une exploration peuvent parfaitement être réalisés dans Excel. Un traitement répétitif, un volume important de données ou la création d’un outil très personnalisé peuvent, en revanche, justifier le recours à l’IA.

Cette complémentarité ne dispense jamais de comprendre les données avant de les automatiser. Elle renforce au contraire l’importance du regard critique, de la connaissance métier et de la capacité à replacer les résultats dans leur contexte. Les outils peuvent accélérer le traitement et élargir le champ des possibles ; ils ne portent ni l’interprétation ni la responsabilité de la décision. Excel est la main. L’IA est le moteur. Mais le contrôleur de gestion sociale reste le pilote.