Quand la data sert les enjeux du développement durable

La data, c’est la représentation digitale d’un concept. N’importe quel concept. Un logo, c’est une data. La date de création de Quechua, c’est une data. Un prix, c’est une data. En bref, une data, c’est une information, une donnée.
Sinon Wikipédia indique que c’est aussi un personnage de Star Trek, mais c’est une autre histoire que nous ne traiterons pas ici.

Chez DECATHLON, on distingue pas moins de 18 types de données. Les domaines les plus "importants" pour le calcul d'impact de l'entreprise sont la conception, la supply chain et la production.

Chaque data doit être maitrisée, c'est-à-dire que quelqu’un doit bien comprendre ce que chaque data recouvre. Quel cadre, quelle limite ? Comment la calculer ? La retranscrire ? Pour certaines données, c’est simple, pour d’autres, c’est plus coton (ah oui, bon exemple, le coton : eh bien, c'est une matière première parmi le 1600 recensées chez Decath).

Une fois que le cadre est bien posé, que le concept est clair, il reste une question capitale : est-ce qu’il est correctement déployé (et utilisé) par nos équipes ?
C’est la data gouvernance : autrement dit un ensemble de règles, un cadre que chaque personne en charge d’une donnée (le ou la data owner) doit suivre. L’objectif : assurer la bonne qualité de chacune des données.

Une fois que ce cadre est posé, les données recueillies (via les “outils sources”, là où elles sont directement entrées par les ingénieurs par exemple), il convient de les “faire parler” entre elles. Et ça, ça se fait via un datalake (un référentiel de données unique et centralisé). Il s’agit alors de s’assurer de la cohérence des données entre elles au sein d’une entreprise, mais aussi “d’enrichir la donnée” : croiser l’une avec une autre et idéalement, en tirer des conclusions (c’est la partie data analyse).

Par exemple, on peut ainsi croiser les typologies de produits vendus et le taux d’éco-conception. L’analyse des résultats peut permettre d’identifier si un périmètre est en retard sur le sujet, et identifier la raison de ce retard.

Et après, c’est fini ?
Presque. Reste à rendre ça visuel : c’est le rôle de la business intelligence. La data science, elle, se chargera d’observer les performances passées pour prévoir le futur.

Le développement durable est un pôle très consommateur de données. Pour retranscrire des infos sur l’environnement, il faut des données concrètes : quelles matières ? quels process de fabrication ? quelle usine ? quel pourcentage de fabrication dans telle ou telle usine ? Le pôle développement durable est un gros consommateur de données de l’entreprise et des données transverses : logistique, conception, supply, il faut tout savoir, tout connaitre !

Et à la fin, l’évaluation environnementale, ce sera un moyen de convertir toutes ces données “réelles” en impacts. Et la justesse de cette conversion est un élément essentiel.
Car sans data ou data fiable, comment prendre des décisions ? Sans maitriser la conception des produits, comment décider où agir ? Comment savoir ce qui pèse le plus lourd sur le changement climatique, dans un cycle de vie d’un produit ?
D’autant qu’il y a d’autres enjeux puisque les impacts environnementaux sont très systémiques. Et impossible de tester “sur place” pour voir ce qu’il se passe, impossible pour une personne de l'entreprise de vérifier que toutes les données de conception, supply d'un produit sont correctes, car il faudrait suivre le produit physiquement sur tout son cycle de vie. Les équipes du Développement durable ont donc besoin que chaque métier, chaque maillon de la chaîne de valeur de DECATHLON renseigne des données de qualité dans le système d'information pour que nous puissions ensuite les convertir en impact environnemental.

Decathlon, en étant concepteur de ses produits depuis… bien longtemps (40 ans, dans ces eaux-là) est ainsi le mieux placé pour mener ce travail sur un éventail très large de produits : le textile, les chaussures, le cycle, le matériel plus “lourd” comme les tentes ou les tapis de course, ou encore la nutrition. Composition, quantité de matière, procédés de fabrication… on connait nos produits encore mieux que comme si on les avait faits.

L’autre (grand) intérêt d’utiliser la data pour une entreprise, c’est de pouvoir s’appuyer dessus au moment de la réalisation de son bilan carbone. De nombreuses entreprises se fondent sur des données financières, qu’elles convertissent en CO2. Une méthode assez moyennisante et qui ne permet pas d’identifier les leviers de baisse possibles.

En décidant de calculer son bilan carbone à partir de données réelles (matières utilisées, pays de fabrication…), des analyses de cycle de vie (réalisées pour tous nos produits) et en s’appuyant sur la méthode PEF, DECATHLON peut ainsi déterminer des stratégies, identifier les moyens qui permettraient d’accélérer sur le sujet, calculer le meilleur ratio énergie passée / “bénéfice carbone” obtenu… Et ainsi prendre des décisions significatives pour le développement durable de l’entreprise.