Dans beaucoup de PME, le même scénario revient : les équipes font « au mieux », les clients attendent, les fichiers Excel s’empilent, et pourtant personne n’arrive à dire précisément où le process se dégrade. On sent que le processus de bout en bout s’est complexifié au fil du temps, à force d’exceptions, d’urgences et de contournements. Le process mining s’insère exactement là : non pas comme une nouvelle technologie à adopter “pour être moderne”, mais comme une façon très concrète de regarder le process tel qu’il se déroule réellement, à partir des données déjà présentes dans les systèmes et leurs journaux d’événements. Une PME n’a pas toujours le luxe de “refaire tout le monde”. Elle a, en général, besoin d’un miroir. Un miroir qui ne ment pas.
Vous sentez que « ça coince »… mais où, exactement ?
Quelques signaux ne trompent pas dans l’entreprise : délais qui s’allongent sans raison claire, ressaisies à répétition, files d’attente invisibles (mais bien réelles), et cette impression que chaque dossier suit un process différent. En pratique, le processus s’étire là où personne ne le regarde : entre deux équipes, entre deux systèmes, ou pendant une validation “simple” qui traîne. Et puis il y a les phrases qu’on connaît tous : “Ça dépend”, “On fait comme on peut”, “Ça a toujours été comme ça”. À ce stade, le bon réflexe est de partir d’un irritant tangible dans les processus — une douleur sur les opérations — pas d’une envie d’outil ou de “grande solution”.
Process mining, en mots simples (et sans jargon)
Le process mining, c’est l’art de reconstruire un process à partir des événements enregistrés par les systèmes : ERP, CRM, ticketing, WMS, outils RH, parfois même des exports. Chaque action laisse une trace. En recollant ces événements dans l’ordre (et dans le temps), le mining révèle le processus réel, ses variantes, et ses écarts par rapport à ce que tout le monde pense faire. Et c’est souvent là que l’amélioration devient évidente, parce qu’elle s’appuie sur des données et de la data, pas sur des souvenirs. Petite anecdote vécue : sur un pilote, tout le monde jurait que “personne ne repasse deux fois par la validation”. Les logs montraient trois retours en moyenne. Le débat a duré… trente secondes.
Ce que le process mining n’est pas : BI, audit, BPM… on mélange souvent
Un reporting BI raconte ce qui s’est passé via des indicateurs, mais il peine à montrer le process complet et les enchaînements. Un audit, lui, s’appuie sur des constats et des entretiens, utiles mais parfois incomplets. La cartographie “tableau blanc” décrit le processus attendu, rarement le process vécu. Le BPM formalise, la RPA exécute, et l’automatisation accélère… toutefois, aucune de ces approches ne remplace le mining quand il faut trancher : où sont les boucles, les retours en arrière, les temps d’attente entre deux événements, et comment les flux fonctionnent-ils vraiment ? Le process mining apporte ce supplément : les faits, issus des données des systèmes, sur le processus réellement emprunté. Et accessoirement, il évite les réunions où chacun “a sa version”.
De quelles données avez-vous besoin, concrètement ?
Pour démarrer un process mining, le minimum d’un journal d’événements tient en quelques champs. D’abord un identifiant de “cas” (commande, facture, ticket, dossier RH…), ensuite une activité (créée, validée, expédiée…), un horodatage, et idéalement une ressource (équipe, file, agent) ou un statut. Ces données existent déjà dans les systèmes, mais elles sont parfois éparpillées : ERP pour la commande, CRM pour la relation clients, ticketing pour le support. Le défi n’est pas d’avoir “plus de données”, mais de relier celles qui décrivent le même processus et le même process, sans casser la logique métier. Et attention au piège classique : un horodatage “date de saisie” n’est pas toujours une “date d’action”. Ça semble un détail, pourtant tout se joue là.
Avant de parler outils, choisissez votre bon cas d’usage
Les PME qui réussissent un premier mining ne cherchent pas le process idéal. Elles choisissent un processus avec assez de volume, une douleur visible, et un impact mesurable. Un autre critère compte beaucoup : un sponsor métier qui veut vraiment faire évoluer le process, pas seulement “comprendre”. Concrètement, quel processus coûte du temps chaque semaine, au point que l’entreprise s’y est habituée ? C’est souvent celui-là qu’il faut miner en premier. Et oui, c’est tentant d’aller sur “le plus stratégique”… pourtant, commencer là où l’on peut agir vite produit des résultats plus rapides. Une démarche trop ambitieuse au départ finit souvent en classeur oublié.
5 cas concrets en PME : là où ça paye souvent vite
Cas 1 : order-to-cash (commande → facture → encaissement)
Sur ce processus, le process mining met vite en lumière les retours en arrière : commandes modifiées, validations tardives, factures bloquées, écarts entre équipes. Le mining aide à comprendre pourquoi un process “standard” se transforme en dix variantes, ce qui complique les opérations. Côté métier, les données utiles sont souvent déjà dans l’ERP et le CRM. Indicateurs typiques : DSO, délai de facturation, taux d’avoir, et temps d’attente entre événements, en quasi temps réel si la remontée est automatisée. On découvre aussi, souvent, des “micro-blocages” : une facture en attente d’un champ manquant, puis oubliée deux jours.
Cas 2 : procure-to-pay (achat → réception → paiement)
Dans beaucoup d’entreprises, ce process souffre de commandes hors contrat, de réceptions manquantes, ou de factures sans bon de commande. Le process mining permet de voir, étape par étape, où le processus déraille et combien de temps chaque variante coûte. Les systèmes en jeu : ERP, parfois outil achats, parfois GED. Indicateurs : litiges, délais, paiements en retard, coût de traitement par facture. Là encore, le mining sert surtout à objectiver les écarts via les données, avant d’envisager des solutions (contrôles, règles, automatisation ciblée). Et c’est nettement plus simple de discuter “exceptions” quand elles sont comptées, datées, visualisées.
Cas 3 : service client et tickets (SAV, support, helpdesk)
Un outil de ticketing raconte déjà beaucoup, mais le process mining révèle les boucles : “assigné → en attente → réassigné”, les escalades, et les passages de main qui rallongent tout. Ce process est un classique des PME, parce qu’il traverse plusieurs métiers et plusieurs systèmes. Les bons signaux : taux de réouverture, temps de résolution, backlog, et nombre d’événements par ticket. Le processus est rarement “cassé” partout ; il l’est sur quelques variantes seulement, et le mining les isole pour améliorer l’efficacité de façon progressive. Dans la vraie vie, réduire un seul aller-retour “inutile” par ticket fait déjà respirer une équipe.
Cas 4 : production / atelier (du lancement à la sortie)
En atelier, le process théorique est propre. Le processus réel, lui, compose avec les urgences, les changements de priorité, les ruptures de matière, le rework. Le process mining peut recoller les événements issus du MES, de l’ERP ou du suivi qualité, et faire apparaître les attentes machine ou les retours. Indicateurs : lead time, rebuts, OTD. Dans ce contexte, les données ont parfois besoin d’un petit ménage ; toutefois, les informations obtenues valent l’effort, parce que tout se joue sur des détails répétitifs du processus, visibles en temps réel selon les systèmes. Un conseil issu du terrain : ne pas sous-estimer les “codes libres” saisis à la va-vite. Ils cassent les analyses si personne ne les recadre.
Cas 5 : onboarding RH ou gestion des accès (IT + RH)
Onboarding : un processus court sur le papier, mais qui glisse vite quand il passe de RH à IT, puis aux managers. Le process mining aide à repérer les étapes qui “se perdent” entre systèmes : demandes, validations, création de comptes, attribution du matériel. Indicateurs : délai d’onboarding, incidents d’accès, tickets générés. Ce process est intéressant en PME car il est transversal, fréquent, et l’amélioration se voit immédiatement dans le quotidien de plusieurs métiers. Et, franchement, éviter qu’un nouvel arrivant commence sans accès le lundi matin, ça change l’ambiance.
La méthode en 7 étapes (celle qui évite de s’éparpiller)
1 : cadrer une question simple, mesurable
Une seule question à la fois. Par exemple : “Quelles variantes du process expliquent 80% des retards ?” ou “À quels moments le processus attend-il sans raison visible ?”. Un cadrage clair évite de transformer le mining en exploration sans fin, et facilite la mise en oeuvre ensuite. Une question mal posée, et l’équipe finit par “regarder des graphes” au lieu de décider.
2 : cartographier vite fait les systèmes et les événements
Liste courte : quelles sources, quels champs, qui possède les données, à quelle fréquence extraire. Les zones grises (Excel, emails) doivent être notées tout de suite, sinon elles reviennent plus tard, au pire moment. Dans une entreprise, ce repérage fait gagner des jours, et évite des problèmes de raccordement entre systèmes informatiques. Une simple réunion de 45 minutes peut éviter une semaine d’allers-retours.
3 : extraire, nettoyer, relier
Horodatages incohérents, doublons, statuts ambigus : classique. Ici, le métier doit valider les règles, sinon le process reconstruit semblera “faux”. C’est rarement glamour, mais c’est le socle de tout process mining sérieux, surtout quand plusieurs systèmes sont impliqués et que les processus se croisent. Astuce simple : conserver une table des transformations appliquées. Sinon, au prochain export, tout est à refaire.
4 : découvrir le process réel et ses variantes
Le mining affiche un processus réel, puis permet de segmenter : par équipe, par canal, par type de clients, par produit. C’est souvent là que le déclic se produit : le process n’est pas lent partout, il est lent dans un contexte précis. Cette phase de découverte sert aussi à tester un modèle de lecture commun entre IT et métier. Et c’est aussi le moment où certaines croyances tombent, sans drame, parce que les traces sont là.
5 : mesurer les écarts et trouver les causes probables
Goulots, boucles, handovers, temps d’attente… le process mining les sort sans discussion. Ensuite, les causes se travaillent avec le terrain : SLA, règles de validation, capacités, charge, priorités. Les données montrent “où”, le métier explique “pourquoi”. À ce titre, comparer deux modèles (attendu vs observé) aide à qualifier les inefficacités sans se perdre. Une étape souvent oubliée : vérifier si l’écart vient d’une règle… ou d’une exception devenue routine.
6 : prioriser les actions
Décider, concrètement : simplifier le processus, standardiser un process, former, ajuster les règles, ou corriger un point de passage entre systèmes. Une erreur fréquente consiste à vouloir “tout optimiser” : mieux vaut une amélioration nette sur une variante critique, que dix micro-chantiers. Parfois, une petite automatisation bien placée, après simplification, libère du travail utile. La hiérarchisation, c’est aussi accepter de laisser certains irritants tranquilles… pour l’instant.
7 : suivre dans le temps
Le process mining n’est pas qu’un diagnostic. Une fois les actions lancées, le suivi mensuel permet de vérifier que le process tient, que les processus ne se re-dégradent pas, et que les exceptions ne réapparaissent pas ailleurs. C’est là que l’entreprise passe d’une photo à un pilotage en temps réel, avec des alertes fondées sur des événements. Et oui, au début, ces alertes agacent. Puis elles sauvent des semaines.
Outils : comment s’y retrouver sans faire un « concours de fonctionnalités »
Trois familles d’outils
- Plateformes dédiées de process mining (par exemple Celonis)
- Modules intégrés aux suites ERP/CRM/ITSM (quand les systèmes le permettent, y compris certains environnements IBM)
- Approches data/BI avec plugins ou scripts : plus techniques, plus flexibles, utiles quand on veut tester un schéma d’extraction spécifique
Critères de choix pour PME (pragmatiques)
Ce qui compte vraiment : les connexions aux systèmes, la facilité d’usage côté métier, la gouvernance des données, le coût, le cloud ou l’on-prem, la gestion des droits, et la capacité à miner plusieurs processus sans recréer tout à chaque fois. Les outils brillent souvent en démonstration ; le test réel, c’est l’extraction et la qualité des données, ainsi que la capacité à transformer ces informations en décisions. Une démo “magique” sur données parfaites, ça arrive. Une extraction propre depuis un ERP vivant, c’est une autre histoire.
L’équipe minimale pour démarrer
Inutile de mobiliser une armée. Un sponsor métier, un référent data, un owner du processus, et un analyste (interne ou externe) suffisent. Le point clé : des ressources disponibles pour transformer les constats en décisions, sinon le mining reste une belle visualisation. Dans certaines organisations, ajouter un pilote “conformité” aide aussi, surtout si des contrôles ou des audits reviennent souvent. Et une règle simple aide : une décision par atelier, sinon tout s’étire.
ROI : une méthode simple pour éviter les promesses floues
Poser une baseline : combien ça coûte aujourd’hui ?
Sans baseline, pas de ROI. Temps de traitement, retards, litiges, pénalités, rework, heures supplémentaires : une estimation “honnête” suffit au début, tant qu’elle est partagée dans l’entreprise. L’important est de relier ces coûts à un process et à un processus identifiés dans les données, pas à une impression générale. Une baseline imparfaite vaut mieux qu’un tableau sophistiqué jamais validé.
Relier une action à un gain mesurable
Réduire un temps d’attente entre deux événements, baisser les exceptions, limiter les escalades, améliorer la conformité : chaque action doit viser une métrique. C’est la différence entre une amélioration ressentie et une amélioration prouvée par le process mining. Et quand le gain est visible en temps réel, l’adhésion des équipes suit plus facilement. Les équipes aiment les preuves simples : “avant/après”, sur un cas concret, pas sur une moyenne vague.
Calcul rapide : gains – (outils + ressources + conduite du changement)
Le calcul peut rester simple : gains attendus moins abonnement, préparation des données, ateliers métier, formation, maintien. La vraie question, au fond : à partir de quel mois le process coûte moins cher qu’avant ? Une PME n’a pas besoin d’un business case de 40 pages, mais d’une trajectoire crédible et, idéalement, d’un premier lot de résultats. Un bon repère : si personne ne sait expliquer le ROI à voix haute en deux minutes, c’est trop compliqué.
Pièges fréquents (et comment les éviter)
- Vouloir miner tous les processus d’un coup : un process prioritaire, puis un second, et ainsi de suite.
- Se battre contre des données incomplètes sans plan : mieux vaut corriger une source que bricoler sans fin.
- Confondre visualisation et décision : voir un goulot n’améliore pas le processus automatiquement.
- Oublier le terrain : le process réel est porté par les équipes, pas par les slides.
- Automatiser trop tôt : simplifier le processus avant de le “mécaniser” par de l’automatisation.
Questions à vous poser avant de lancer un pilote
Quel processus est ciblé ? Quelle métrique de réussite ? Quelles sources dans quels systèmes ? Quel délai réaliste (souvent 4 à 8 semaines) ? Quel sponsor métier ? Et surtout : quelle action sera prise si le mining confirme le problème ? Sans cette dernière réponse, le pilote risque de rester une analyse intéressante, mais sans impact sur les opérations ni sur les clients. Question bonus, rarement posée : qui aura le temps de mettre en place la correction, une fois le diagnostic posé ?
La petite astuce bonus : commencez par une zone où l’on peut agir vite
Le meilleur premier process, c’est celui où il existe une marge de manœuvre immédiate : règle de validation, priorisation, standardisation, coordination entre deux équipes. Une fois que le process mining a permis une amélioration visible et stabilisée, passer à un second processus devient plus simple : les données sont mieux maîtrisées, les systèmes mieux compris, et l’entreprise sait à quoi s’attendre. Simple, non ? Enfin… presque. Mais justement : cette progression, pas à pas, fait réussir le mining dans les PME, et transforme progressivement des constats en solutions qui tiennent dans la durée.
Sources :
- celonis.com
- ibm.com
