Process mining : voir les processus réels de l'entreprise à travers les données des systèmes

Beaucoup d'entreprises ont dessiné leurs processus : comment une commande est validée, comment la marchandise est expédiée, comment la facture est émise, comment le paiement est encaissé. Mais un schéma de processus décrit le plus souvent ce qui « devrait » se passer, et non ce qui se passe « réellement ». Dans la réalité, les commandes sont modifiées à plusieurs reprises, des validations sont court-circuitées, des documents restent bloqués pendant plusieurs jours à une étape donnée. L'intérêt du process mining est de reconstituer le vrai visage des processus à partir des données qui existent déjà dans vos systèmes métier, plutôt que de s'en remettre à la mémoire et aux impressions.

Alors, qu'est-ce que le process mining, à quelles entreprises s'adresse-t-il et comment s'y prendre pour démarrer ? Dans cet article, nous présentons les principes du process mining et ce qui le distingue de la cartographie de processus traditionnelle, ce qu'est le « journal d'événements » sur lequel il repose, les problèmes qu'il permet de détecter dans le processus de la commande à l'encaissement, où en est le marché, et comment les PME peuvent commencer de manière légère. Nous aborderons aussi une question souvent négligée : comment éviter que le process mining ne se transforme en surveillance des salariés.

Qu'est-ce que le process mining, et en quoi diffère-t-il de la cartographie de processus traditionnelle ?

Le process mining (ou « fouille de processus ») regroupe les méthodes qui permettent de découvrir, de surveiller et d'améliorer les processus réels à partir des données d'événements des systèmes métier. La question à laquelle il répond n'est pas « à quoi le processus devrait-il ressembler », mais « à quoi ressemble-t-il réellement ».

Les fondements académiques de ce domaine remontent à l'informaticien Wil van der Aalst. Professeur à l'Université technique de Rhénanie-Westphalie à Aix-la-Chapelle (RWTH Aachen University), en Allemagne, où il dirige le groupe de recherche Process and Data Science, il est souvent surnommé le « père du process mining » ; ses travaux, engagés à la fin des années 1990, ont donné naissance à de nombreux outils de process mining commerciaux et open source (source). En 2011, le groupe de travail de l'IEEE sur le process mining a publié le Process Mining Manifesto, qui définit le process mining comme l'ensemble des techniques, outils et méthodes permettant d'extraire des connaissances à partir de journaux d'événements, afin de découvrir, de surveiller et d'améliorer les « processus réels (et non des processus supposés) » (source).

Le manifeste distingue trois usages fondamentaux, qui restent aujourd'hui le cadre le plus simple pour comprendre cette technologie :

• Découverte (Discovery). Sans modèle préalable, le schéma du processus est tracé directement à partir des données. Par exemple, en important un an de commandes clients, on obtient automatiquement tous les chemins réellement empruntés par une commande, de sa création à son encaissement.
• Conformité (Conformance). Le processus standard existant est comparé aux données réelles afin d'identifier les écarts. Par exemple, si la politique interne impose que tout achat supérieur à un certain montant soit validé par la direction générale, les données montrent combien de commandes ont contourné cette étape.
• Amélioration (Enhancement). Le schéma du processus est enrichi d'informations de durée, de fréquence ou de coût, pour repérer où cela ralentit et où cela s'engorge. Par exemple, en affichant le temps d'attente moyen de chaque étape, on identifie la plus chronophage.

Le process mining n'a pas vocation à remplacer la cartographie de processus traditionnelle. Celle-ci s'appuie sur des entretiens, des ateliers et l'observation sur le terrain, et excelle à comprendre « pourquoi on procède ainsi » ; le process mining s'appuie sur les données des systèmes et excelle à établir « ce qui s'est réellement passé, et combien de fois ». Le tableau ci-dessous en résume les principales différences :

Le plus efficace est de combiner les deux : utiliser d'abord les données pour localiser les problèmes, puis les entretiens pour comprendre pourquoi ils existent. Les données vous disent « où ça ne va pas », les personnes vous disent « pourquoi ».

Comment fonctionne le process mining ? Le point de départ : le journal d'événements

La matière première du process mining s'appelle le journal d'événements (Event Log). Dès lors que votre système enregistre « quel dossier, quelle action, à quel moment », vous disposez de la base nécessaire.

Un journal d'événements minimal comporte généralement trois colonnes :

• Identifiant de cas (Case ID) : identifie un même objet métier, par exemple un numéro de commande client, de commande d'achat ou d'ordre de travail.
• Activité (Activity) : l'étape franchie par cet objet, par exemple « création de la commande », « validation du crédit », « expédition », « facturation », « encaissement ».
• Horodatage (Timestamp) : le moment où l'étape a eu lieu.

À strictement parler, le Process Mining Manifesto exige seulement que chaque enregistrement puisse être rattaché à un cas et à une activité ; l'horodatage, la personne ayant traité l'opération et d'autres éléments sont des informations complémentaires facultatives (source). Mais dans l'analyse métier concrète, sans horodatage, il est impossible de calculer les temps d'attente et d'identifier les goulots d'étranglement ; il faut donc préparer les trois colonnes.

Prenons le processus de la commande à l'encaissement (Order-to-Cash). Un journal d'événements extrait d'un ERP pourrait ressembler à ceci :

Les numéros de commande et les dates sont donnés à titre d'illustration. Quelques lignes ne disent pas grand-chose, mais lorsque les enregistrements de dizaines de milliers de commandes sont réunis, l'outil les relie par numéro de commande, fusionne les chemins identiques et dessine un schéma de processus assorti de fréquences et de durées. Ces quelques lignes révèlent déjà deux types de problèmes courants : SO-1001 n'a été facturée que 5 jours après l'expédition ; SO-1002 a été expédiée avant la validation du crédit, soit l'ordre inverse de celui attendu.

Dans le processus de la commande à l'encaissement, le process mining met le plus souvent en évidence quatre types de problèmes :

• Reprises. Une même commande dont le prix, la quantité ou le délai est modifié à répétition, ou une facture annulée puis réémise. Par exemple, si de nombreuses commandes sont modifiées plus de deux fois avant l'expédition, cela signale souvent des informations inexactes au moment du devis ou de la saisie.
• Contournements. Le chemin réel s'écarte de ce que prévoit la politique interne. Par exemple, une validation de crédit sautée ou réalisée après coup, ou une commande d'un grand compte expédiée en dehors du système. Ce n'est pas nécessairement une infraction, mais il faut vérifier qu'une autorisation légitime existe.
• Goulots d'étranglement. Une étape accumule de nombreux dossiers et son délai de traitement est nettement supérieur à celui des autres. Par exemple, toutes les commandes dépassant la limite de crédit attendent la validation d'un seul responsable financier, et les files s'allongent dès la fin du mois.
• Temps d'attente. Entre deux étapes, rien ne se passe : le dossier ne fait qu'« attendre ». Par exemple, la marchandise est partie, mais la facturation attend que le commercial revienne au bureau compléter des pièces ; plus la facture est émise tard, plus l'encaissement l'est aussi.

Les constats réellement utiles ne sont généralement pas des conclusions générales du type « le processus est désorganisé », mais des faits précis : « quel type de commande, à quelle étape, combien de jours d'attente en moyenne ». La même démarche s'applique au processus de l'achat au paiement (Procure-to-Pay) : par exemple, repérer les cas où la facture arrive avant la commande d'achat, ou les étapes où des factures sont renvoyées à répétition parce que le rapprochement à trois (commande, bon de réception, facture) ne concorde pas.

Où en est le marché du process mining ?

Le process mining est passé du statut de sujet de recherche à celui de marché logiciel à part entière, et il continue de croître rapidement. Mais pour une PME, il importe plus de déterminer d'abord quel problème on veut résoudre que de choisir une plateforme.

Le cabinet Gartner publie régulièrement un Magic Quadrant des plateformes de process mining. Selon le compte rendu du média spécialisé Process Excellence Network sur le Magic Quadrant for Process Mining Platforms publié par Gartner en avril 2025, le chiffre d'affaires du marché mondial des logiciels de process mining s'est établi à 871,6 millions de dollars en 2023, en hausse de 39,5 % ; les dépenses ont progressé de plus de 30 % en 2024 ; Gartner prévoit que le marché dépassera 2 milliards de dollars d'ici 2028, avec un taux de croissance annuel moyen d'environ 18 % entre 2023 et 2028 (source). Ce rapport évalue 16 éditeurs. Précisons que ces chiffres mesurent le chiffre d'affaires des éditeurs de logiciels, reflètent surtout les achats des moyennes et grandes entreprises et ne représentent pas le taux d'utilisation dans les PME.

Le même article résume plusieurs constats de Gartner sur ce marché, utiles pour comprendre les orientations de la technologie :

• Les fonctionnalités de base sont désormais standardisées. Gartner retient quatre fonctions indispensables pour une plateforme de process mining : extraction des journaux d'événements, modélisation et analyse des processus, analyse comparative, enrichissement des modèles de processus.
• Les moteurs d'adoption évoluent. Au-delà de la réduction des coûts, de la hausse d'efficacité et de la transformation numérique, les entreprises qui introduisent l'IA et l'IA générative doivent d'abord comprendre comment fonctionnent les processus sous-jacents.
• L'objet d'analyse se rapproche de la réalité métier. Une orientation à suivre est le process mining centré sur les objets (Object-Centric Process Mining). Les méthodes traditionnelles exigent que chaque enregistrement n'appartienne qu'à un seul cas, alors que dans la réalité, une commande peut être scindée en plusieurs expéditions ou regroupée sur une même facture ; l'approche centrée sur les objets permet de suivre simultanément les relations entre commandes, bons de livraison et factures.

Ces tendances montrent que le process mining passe du « diagnostic de processus » ponctuel à une surveillance opérationnelle continue. Pour les entreprises qui n'ont pas encore commencé, inutile de viser d'emblée une plateforme : valider la valeur sur un seul processus et un seul jeu de données est une voie plus sûre.

Comment les PME peuvent-elles démarrer de façon légère ? Guide pas à pas

Pour faire du process mining, une PME n'a pas forcément besoin d'acheter une plateforme coûteuse ni de constituer une équipe data. La plupart des ERP et des systèmes métier enregistrent déjà suffisamment de données ; l'essentiel est de les organiser en journal d'événements. Par exemple, la table des commandes clients contient la date de création, les enregistrements de validation contiennent la date de validation, et les bons de livraison, factures et encaissements ont chacun leur date : en les assemblant par numéro de commande, on obtient un journal d'événements exploitable.

Plusieurs options existent aussi pour les outils d'analyse : outre les plateformes commerciales, il existe des outils open source comme ProM et PM4Py (source) ; lorsque le volume de données est modeste, un tableau croisé dynamique dans un tableur permet déjà de répondre à bon nombre de questions de base, par exemple « combien de jours s'écoulent en moyenne entre l'expédition et la facturation ».

Étape 1 : choisir un processus et poser une question précise. Ne cherchez pas d'emblée à « analyser tous les processus ». Choisissez un processus au point de douleur bien identifié et aux données centralisées, comme la commande à l'encaissement ou l'achat au paiement, et formulez le problème en une phrase, par exemple : « Pourquoi notre délai moyen d'encaissement dépasse-t-il de deux semaines le délai de paiement prévu au contrat ? »

Étape 2 : trouver où se trouvent les données. Avec les équipes informatiques ou l'administrateur du système, dressez la liste des documents et des tables concernés par ce processus : quelles étapes sont enregistrées dans le système, dans quelle table, et si les champs de date sont fiables. Cette étape met aussi au jour les lacunes de données, par exemple une validation effectuée sur WeChat et sans trace dans le système.

Étape 3 : exporter les données et les organiser en journal d'événements. Commencez par exporter 3 à 6 mois de données et organisez-les en trois colonnes, « identifiant de cas, activité, horodatage », en ajoutant si nécessaire des attributs tels que le service, le type de client ou le montant. Harmonisez les noms d'activités, supprimez les données de test et les enregistrements manifestement erronés. La préparation des données est souvent la partie la plus chronophage de l'ensemble du projet, et c'est normal.

Étape 4 : tracer le processus réel, en regardant d'abord le tronc commun, puis les exceptions. Une fois le schéma généré par l'outil, regardez d'abord quelle part représentent les chemins les plus fréquents, puis examinez les chemins d'exception. Concentrez-vous sur les reprises, les contournements, les accumulations de dossiers et les longues attentes, et comparez par client, par produit ou par service.

Étape 5 : interpréter les résultats avec les équipes de terrain. Rapportez les constats à ceux qui exécutent le processus et demandez-leur les raisons sous-jacentes. Par exemple, si les données montrent que de nombreuses commandes voient leur prix modifié après l'expédition, c'est peut-être parce que les commerciaux ont négocié des remises en dehors du système. Un schéma de processus sans lecture métier conduit facilement à de fausses conclusions.

Étape 6 : retenir une ou deux améliorations et fixer une base de référence et des objectifs. En fonction de l'impact et de la difficulté de mise en œuvre, retenez une ou deux améliorations qui valent vraiment la peine, par exemple simplifier la validation du crédit pour les petites commandes, ou imposer la facturation dans les 24 heures suivant l'expédition. Consignez les indicateurs avant amélioration comme base de référence, par exemple le retard moyen de facturation en jours.

Étape 7 : relancer régulièrement l'analyse pour transformer un diagnostic ponctuel en suivi continu. Une fois les améliorations en production, relancez l'analyse chaque mois ou chaque trimestre avec de nouvelles données, afin de vérifier que les indicateurs s'améliorent et qu'aucun nouveau contournement n'apparaît. Quand la méthode est bien rodée, envisagez de l'étendre à un deuxième processus, ou d'adopter une plateforme spécialisée.

Comment éviter que le process mining ne devienne de la surveillance des salariés ?

Le process mining analyse des processus métier, mais les journaux d'événements contiennent souvent des informations sur les personnes qui ont traité les opérations. Mal employé, un projet d'amélioration des processus peut facilement être perçu par les salariés comme « l'entreprise qui m'épie à travers les données », et perdre ainsi leur confiance et leur coopération.

Cette inquiétude des salariés n'est pas infondée. Lorsqu'il a publié, en octobre 2023, ses lignes directrices sur la surveillance sur le lieu de travail, l'Information Commissioner's Office (ICO) du Royaume-Uni a cité une enquête menée auprès de 1 012 adultes britanniques : environ 70 % des répondants jugent la surveillance au travail intrusive, et 57 % se disent mal à l'aise à l'idée d'accepter un poste s'ils savaient qu'ils y seraient surveillés (source). Cette enquête porte sur la surveillance au travail en général, avec un échantillon britannique, mais elle illustre la sensibilité largement partagée des salariés à l'idée d'être « observés par les données ».

Les lignes directrices de l'ICO demandent aux employeurs, avant toute surveillance, d'informer les salariés en termes clairs de sa nature, de son étendue et de ses raisons, de définir une finalité précise et de choisir le moyen le moins intrusif, de ne conserver que les données liées à cette finalité et, lorsque les droits des salariés risquent d'être exposés à un risque élevé, de réaliser au préalable une analyse d'impact relative à la protection des données. Le Process Mining Manifesto recommande de même, lors de l'enregistrement des données d'événements, de traiter correctement les questions de confidentialité et de sécurité : les personnes concernées doivent savoir quels événements sont enregistrés et comment ils seront utilisés (source).

À la lumière de ces principes, l'entreprise peut agir sur plusieurs plans :

• Analyser les processus, ne pas évaluer les personnes. L'objectif du projet doit indiquer qu'il s'agit d'améliorer les processus ; les résultats sont consolidés par étape, par service ou par type de client, sans classement individuel, et ne sont pas utilisés directement pour l'évaluation des performances.
• Minimisation et anonymisation des données. N'exportez que les champs nécessaires pour répondre à la question ; si l'identité de la personne qui a traité l'opération n'est pas indispensable, supprimez-la ou remplacez-la par un code de poste ou de service.
• Communiquer en amont et associer les salariés. Avant le lancement, expliquez ce qui sera analysé et ce qui ne le sera pas, combien de temps les données seront conservées, et invitez les équipes de terrain à participer à l'interprétation des résultats.
• Respecter la réglementation locale. Le traitement de données personnelles de salariés doit être conforme à la réglementation de protection des données applicable au lieu d'implantation de l'entreprise ; faites-vous accompagner si nécessaire par les équipes juridiques ou de conformité.

Par exemple, si l'analyse révèle qu'une étape a un temps de traitement particulièrement long, la bonne question est « la charge de travail et les règles de cette étape sont-elles raisonnables ? », et non « qui traite le plus lentement ? ». C'est en gardant le processus au centre que les salariés accepteront d'expliquer les vraies raisons qui se cachent derrière.

Questions fréquentes sur le process mining

Quel est le lien entre process mining et RPA (automatisation robotisée des processus) ? Ils répondent à des problèmes différents. Le process mining sert à voir clairement le processus et à repérer les problèmes, la RPA à automatiser les opérations répétitives. L'ordre le plus prudent consiste à utiliser d'abord le process mining pour confirmer quelles étapes méritent d'être optimisées ou automatisées, afin d'éviter d'automatiser un processus qui était déjà inadapté.

Notre ERP est ancien et nos données sont incomplètes : est-ce encore possible ? En général, oui. Dès lors que les documents clés ont un numéro et une date, il est possible de reconstituer un journal d'événements de base. Les lacunes de données sont elles-mêmes un constat : certaines validations ne laissent aucune trace dans le système, c'est précisément ce qu'il faut améliorer.

Combien de temps dure un projet de process mining ? Cela dépend du degré de dispersion des données et de la difficulté à les organiser. Si les données sont centralisées dans un seul système et que le problème est clairement défini, la première analyse peut souvent être réalisée assez rapidement ; lorsque les données sont réparties entre plusieurs systèmes, la préparation absorbe l'essentiel du temps.

Faut-il exporter le nom des salariés ? Dans la plupart des cas, non. Pour analyser les problèmes de processus, une consolidation par poste ou par service suffit. Ne conservez l'identité de la personne qui a traité l'opération que si c'est réellement nécessaire, en en informant les salariés au préalable et en limitant les droits de consultation.

Références

• Process Mining Manifesto, IEEE Task Force on Process Mining, 2011
• Page personnelle de Wil van der Aalst, page académique personnelle du professeur de la RWTH Aachen University, consultée en novembre 2026
• 5 highlights from Gartner's 2025 Magic Quadrant for Process Mining Platforms, Process Excellence Network, avril 2025
• ICO publishes guidance to ensure lawful monitoring in the workplace, Information Commissioner's Office (ICO), Royaume-Uni, octobre 2023