La pratique habituelle dans ce secteur est de publier des success stories. Elles sont propres, rassurantes et constituent un bon matériel marketing. Nous en publions aussi. Mais il y a une question que chaque client potentiel se pose en silence en les lisant : que se passe-t-il quand ça ne se déroule pas comme prévu ?
Ce récit répond à cette question. Il porte sur un cabinet comptable à quatre associés à Zurich, une implémentation qui a duré près de trois fois plus longtemps que prévu, et un problème de qualité des données que nous n'avons pas détecté assez tôt. La mission s'est bien terminée. Le chemin parcouru n'était pas celui planifié.
Le cabinet et le périmètre
Le cabinet gérait des déclarations fiscales, des bilans annuels et des missions de conseil pour environ 140 entreprises clientes: principalement de petites entreprises commerciales, des cabinets médicaux et des commerces familiaux dans le canton de Zurich. Ils opéraient depuis 22 ans et avaient accumulé des processus comme la plupart des cabinets établis : un contournement à la fois.
La Clarity Scan a identifié trois cibles d'automatisation prioritaires :
Le périmètre était convenu : deux sprints sur quatre semaines. Le premier traiterait la collecte de documents et le suivi des échéances. Le second automatiserait les rapports d'état clients. Le devis avait été fourni par écrit. La date de démarrage était confirmée.
Ce qui a dysfonctionné en deuxième semaine
L'automatisation de la collecte de documents nécessitait une liste clients propre : noms, emails de contact, documents attendus de chaque client, et l'échéance fiscale associée à chaque dossier. Nous l'avions demandé lors du briefing. On nous avait dit que tout se trouvait dans leur logiciel de gestion de cabinet.
C'était le cas. En trois versions différentes.
En 22 ans, le cabinet avait migré son logiciel deux fois. Chaque migration avait transféré les données précédentes sans les nettoyer. Le résultat était une base de données clients avec 140 clients actifs, environ 60 clients archivés jamais supprimés, des doublons pour 11 clients ayant changé de structure juridique, et des adresses email reflétant dans certains cas des comptes personnels abandonnés depuis des années.
Nous l'avons découvert à la fin de la deuxième semaine, lorsque le premier test du workflow de collecte a fait rebondir 23 messages et a envoyé une demande de documents au mauvais contact pour un client.
Nous avons immédiatement arrêté l'automatisation.
La conversation honnête
L'appel avec l'associé gérant le lendemain matin n'était pas confortable. Nous avons expliqué ce que nous avions trouvé, ce qui l'avait causé, et, point crucial, ce que nous aurions dû faire différemment lors du cadrage.
L'audit des données aurait dû être une phase distincte. Nous avions supposé que la liste clients était suffisamment propre pour être utilisée. Cette hypothèse était fausse et nous aurions dû la vérifier avant de convenir d'un calendrier. Le périmètre de quatre semaines avait été tarifé sur des données propres. Nous faisions maintenant face à un projet d'assainissement des données avant que l'automatisation puisse tourner en sécurité.
La réponse de l'associé gérant était mesurée. Il a dit : « Je soupçonnais que la base de données avait des problèmes. Je ne savais pas comment les quantifier. J'aurais dû vous le dire d'emblée. »
Les deux parties avaient manqué quelque chose. Nous avons convenu de partager le coût de l'assainissement : MEIKAI a absorbé le travail analytique supplémentaire ; le cabinet a contribué trois jours de temps d'un collaborateur pour passer en revue et corriger les fiches clients. Nous avons révisé le calendrier à onze semaines et documenté le périmètre révisé par écrit avant de continuer.
« Nous aurions dû intégrer une étape de vérification des données dans chaque mission où l'automatisation dépend d'une base de données clients existante. Ce n'était pas le cas. C'est désormais systématique. »
Ce que l'assainissement a révélé
Travailler sur les fiches clients n'était pas seulement une précondition à l'automatisation. C'était utile en soi. Le cabinet a découvert :
- 14 clients dont les coordonnées n'avaient pas été mises à jour depuis plus de deux ans
- 7 clients dont les contrats de service n'avaient jamais été formellement clôturés après qu'ils avaient cessé d'être actifs
- 3 entrées de facturation en double qui généraient de légères discordances dans le rapprochement mensuel
- Une nomenclature incohérente des documents qui, une fois corrigée, a réduit le temps de recherche des fichiers historiques d'environ 20 minutes par semaine pour l'ensemble de l'équipe
Le nettoyage de la base de données était, avec le recul, attendu depuis longtemps. Le travail d'automatisation a forcé sa réalisation.
Le résultat à la onzième semaine
À la fin de la mission, les trois workflows initiaux étaient opérationnels.
L'automatisation de la collecte de documents a complété son premier cycle complet, couvrant 140 clients sur une fenêtre de collecte de huit semaines, sans une seule relance manuelle d'aucun associé. Le tracker d'échéances tournait depuis six semaines à la fin de la mission sans échéance manquée et, selon l'associé gérant, avec une anxiété sensiblement réduite au bureau pendant la haute saison.
Les rapports d'état clients sont passés de 25–40 minutes chacun à environ 8 minutes : un modèle structuré, alimenté depuis le logiciel de gestion, revu et envoyé par l'associé. Pas supprimés: revus. Les associés voulaient maintenir un contrôle humain sur les communications sortantes aux clients. C'était le bon choix.
Ce qui a changé dans notre cadrage
Chaque mission touchant à une base de données clients existante inclut désormais un audit des données comme étape nommée et tarifée avant le début du travail d'automatisation. Ce n'est pas optionnel. Si les données sont propres, l'audit prend une demi-journée et coûte peu. Si elles ne le sont pas, et elles ne le sont souvent pas dans des entreprises opérant depuis plus d'une décennie: l'audit est la chose la plus utile que nous faisons avant d'écrire une seule ligne de logique d'automatisation.
Nous avons également ajusté le questionnaire de la Clarity Scan. Il y a désormais une question spécifique sur l'ancienneté et l'historique des migrations de toute base de données clients ou contacts dont dépendra l'automatisation. La réponse oriente le périmètre avant que nous ne tarifions quoi que ce soit.
Le bilan honnête
Nous avons manqué une étape de cadrage qui a coûté plusieurs semaines aux deux parties. Nous avons détecté le problème avant qu'il ne cause un véritable échec. Nous avons partagé le coût de sa résolution. Le résultat a dépassé la valeur projetée initiale. L'associé gérant a renouvelé avec le plan de continuité.
Une Clarity Scan qui lance un projet propre est utile. Un projet qui met au jour un problème de données caché, force l'assainissement et livre quand même l'objectif initial est sans doute encore plus utile: même si personne ne voulait que ça se passe ainsi.
Nous publions ceci parce que les clients potentiels méritent de savoir ce qui se passe quand quelque chose tourne mal. Voilà comment ça se passe : nous nous arrêtons, nous vous disons ce que nous avons trouvé, nous partageons la responsabilité là où elle est partagée, et nous terminons le travail.