Défini simplement, le Process Mining (ou fouille de procédés) est une discipline analytique composée d’outils (ou assistants) automatisés et intelligents, qui interviennent au niveau des procédés de l’entreprise pour en dresser une cartographie complète et précise. Le but ultime de la démarche est d’optimiser au maximum les performances opérationnelles de l’entreprise, en exploitant des informations factuelles et vérifiables, observées en aval des processus d’exploitation. Le Process Mining va donc permettre une confrontation entre les comportements observés en entreprise et les modèles de processus métier existants, afin d’en vérifier la conformité, de mesurer la performance, de détecter les écarts ou encore d’aider à la prise de décision et d’apporter des corrections aux procédés en vigueur.
A la croisée des chemins du BPM (Business Process Management) et du Data Mining, le Process Mining s’appuie sur une ressource très peu utilisée par les entreprises : les « event logs », ou journaux d’événements, qui sont les empreintes des actions laissées sur les systèmes d’information. Bien que le Data Mining et le Process Mining aient en commun le fait d’exploiter les mégas données pour optimiser la performance opérationnelle des entreprises, ils se différencient par leur approche de la chose : à la différence du Data Mining, qui « fouille » les données pour résoudre un problème particulier, le Process Mining utilise des algorithmes spécifiques sur les « event logs » pour déterminer les tendances générales d’un procédé dans sa globalité.
« Chemours Company », l’ex-division « Performance Chemicals » du géant américain DuPont, est capitalisée à 6,6 milliards de dollars (en 2018), emploie plus de 7 000 personnes dans 37 usines, et compte près de 4 000 clients dans plus de 120 pays. Groupe indépendant de DuPont, Chemours a toutefois hérité d’une culture de l’optimisation continue de sa société mère. L’entreprise a aussi hérité d’un ancien système ERP qui ne permettait pas de dresser une cartographie précise du processus interne dans sa globalité.
Après son indépendance, Chemours a donc décidé d’implémenter une démarche de Process Mining pour y remédier, mais aussi pour accompagner la transformation vers une meilleure agilité des procédés. En l’espace de 4 mois, le Process Mining a permis de dévoiler le fonctionnement « réel » du processus entier du leader mondial du dioxyde de titane et des produits fluorés. La démarche a ainsi permis de détecter une faille importante au niveau du processus O2C de Chemours : pour permettre une étape manuelle du processus, des grands clients étaient inutilement placés en arrêt de crédit, avec ce que cela impliquait en matière de perte de CA et de détérioration des relations de l’entreprise avec ses partenaires stratégiques. Tout le contraire de l’optimisation prônée par le Process Mining.
Vous l’aurez compris, le Process Mining permet de détecter des failles et réduire des écarts qui peuvent, à terme, menacer l’existence même d’une entreprise. Grâce à sa proactivité, Chemours a pu recenser une multitude de goulots d’étranglement dans ses procédés et recours au Process Mining pour gagner en simplicité et en autonomisation des procédures. Sung Lee, directeur Business Process Transformation chez Chemours, en charge de la supervision de la démarche de Process Mining, estime que « le Process Mining a également contribué à améliorer la clarté des rôles et à renforcer la collaboration inter-fonctionnelle. Pour la première fois, les équipes ont une vision intégrée du processus dans sa globalité, y compris des écarts par rapport à la norme par activité et par ligne de produits ».
Selon l’étude « Process Analytics Market by Process Mining Type, Global Forecast 2023 », le marché du Process Mining passera de près de 160 millions d’euros en 2018, à un peu plus de 1,200 millions d’euros en 2023, enregistrant une croissance annuelle de près de 50% durant cette période. L’Europe est actuellement le plus grand marché mondial du Process Mining, en raison de la présence des principaux acteurs de la profession sur son territoire (Celonis, Logpickr, Scheer, Monkey Mining, Fluxicon…). C’est l’implémentation grandissante des stratégies de transformation digitale, le RPA (Robotic Process Automation) et le DTO (Digital Twin of an Organization) qui tirent le marché de l’analyse des procédés.
Pour réussir la transformation digitale d’une organisation, il est un préalable indispensable : analyser et comprendre les procédés de fonctionnement actuels de l’entreprise. Dans la dernière version du rapport de l’IDC (International Data Corporation), les dépenses consacrées à la transformation digitale atteindront un peu plus d’ 1 milliard d’euros en 2019, soit une augmentation de 17,9% par rapport à 2018. Le Process Mining suit tout naturellement cette tendance en permettant une plus grande traçabilité des activités via les fameux « journaux d’événements » (event logs), et une mise en place de procédures globales tirées de l’analyse factuelle des procédés.
Pour schématiser, le RPA permet d’automatiser les tâches administratives redondantes, de telle sorte à en libérer les collaborateurs pour qu’ils puissent se consacrer à des tâches à plus haute valeur ajoutée. En ce sens, le Process Mining est un préalable indispensable à l’implémentation effective du RPA, car c’est l’analyse de processus qui va permettre d’identifier les inefficacités procédurales, les risques et les failles du système sur lesquels le RPA va agir.
D’ici 2050, 50% des grandes entreprises mondiales auront recours au DTO pour optimiser la performance de leurs processus (selon un rapport de Gartner). Le DTO est une copie digitale conforme de l’organisation dans ses moindres recoins (business model, fiches de postes, infrastructure…). A l’instar du RPA, c’est le Process Mining qui va servir de base à l’application de la stratégie du « Digital Twin of an Organization ».
L’essor du Process Mining et du Data Mining, principalement en Europe, augure d’excellentes opportunités d’emploi dans la discipline. L’EPSI propose des parcours de spécialité au choix à ses formations de pointe en ingénierie informatique, notamment un parcours Big Data et Analytique qui inclut l’intégration des données, le Big Data et traitement par IA ainsi que le Data Mining et la visualisation des données !