Pour réussir, l’intrapreneur doit abandonner la boîte à outils du chef de projet classique.
En terrain inconnu, le grand plan conçu à l'avance est obsolète en quelques jours. L'intrapreneur ne peut avancer que par exploration et tâtonnement pour trouver la pépite et maitriser les risques : Est-ce que je m'attaque à une vraie douleur ou un manque ? Y a-t-il un marché suffisant pour cela ? Comment puis-je l’expérimenter à moindre coûts de manière rigoureuse et mesurable ? Comment puis je dérisquer mon approche et valider mes hypothèses successives ?
Inspirons-nous d’un professionnel de la recherche à tâtons : le chercheur scientifique.
Face à l‘inconnu, les chercheurs scientifiques ne peuvent faire autrement que d’avancer à petits pas et d’expérimenter. Cette démarche disciplinée valorise les essais et les erreurs qui sont autant d'apprentissages vers une vérité potentielle : celle d’un modèle qui explique un phénomène observé.
Construire un produit innovant nécessite d’adopter une démarche disciplinée tout comme les chercheurs scientifiques.
Docteur en Physique, je suis issu du monde de la R&D scientifique et je baigne dans la culture produit à Octo où je coanime une offre d'accompagnement des intrapreneurs. Dominique est coach Agile et Lean Startup à la croisée de l’IT, la méthodo et le business.
[caption id="attachment_67757" align="aligncenter" width="363"] 
(src.http://www.wisegeek.com )[/caption]
Inspirés des méthodes scientifiques, nous vous proposons en 3 articles, un ensemble de questions à se poser selon la maturité de votre innovation. A chacune de ces questions nous y associons des bonnes pratiques.
Comme les entrepreneurs, les chercheurs partent souvent de leur intuition et c’est essentiel. Ils traduisent cette intuition en un modèle “confrontable” à une réalité du terrain et/ou face à leurs pairs. Enfin, ils se confrontent à l'expérimentation et ce pour au plus tôt valider ou réfuter leur intuition.
Dans le monde scientifique, d’abord, ils peuvent commencer par vérifier leur veille (recherche bibliographique en particulier) : par exemple est-ce que mon expérimentation de l’impact des “rats sur les terre agricole d’Europe” n'a pas déjà été réalisée en interne ou ailleurs dans un autre laboratoire ? Et si tel est le cas, quel enseignement en a été tiré ? S’ils vont un cran plus loin, ils confrontent leur modèle à leurs pairs, en analysant l’opportunité de faire l’étude sur des sous populations mâles ou femelle avant de le confronter à l'expérimentation.
ALERTE ! Lundi matin, mon boss débarque dans le bureau “J’ai une idée : un algorithme de machine learning générateur de CV personnalisé pour les jeunes. Proposez-moi un plan projet pour un MVP lancement grand public fin mai.”
Mon gyrophare à buzzword se lance dans mon cerveau : “idée/ machine learning/je pense que/ MVP/ grand public”
Pas question que cela finisse comme le flop précédent ! Un an de projet, un million d’euros, un quasi burn-out (le mien) pour 5 pauvres contrats obtenus.
Avant toute chose, je réalise une petite recherche de veille : les annonces commerciales, les blogs spécialisés, les études existantes sur les premiers CV. Beaucoup de solutions existent déjà sur le sujet. En recherchant sur le réseau social d’entreprise, je vois aussi que des collègues d’un autre service ont déjà évoqué l’idée.
Je discute de mon idée avec ces collègues et les invite à un atelier Lean canvas pour formaliser la vision.
J'aurais pu utiliser d'autres formats (elevator's pitch, charte projet, ...) : l'intérêt reste d'avoir une trame pour comprendre le modèle global et le challenger.
A retenir pour innover comme un scientifique
La disponibilité des instruments de mesure est parfois réduite à une fenêtre de tir très encadrée par exemple si on loue une fenêtre d’usage du télescope Hubble. A budget réduit un esprit de frugalité transpire dès la préparation du banc de mesure : par exemple par la réalisation de pré-étude (pré-calcul, étude croisée,...) du laboratoire sur le choix des zones du ciel à observer par le télescope.
Comment rester frugal dans les expérimentations produit ?
Le principal risque est d’abord de s'attaquer à un faux problème. J'ai identifié 3 problèmes sur mon canvas, mais lequel est prioritaire, et est-il suffisamment gênant pour que les étudiants passent du temps à essayer mon service ?
Pour valider ces hypothèses de problème, avant tout développement, je pourrais lancer 3 campagnes Google AdWords en testant 3 messages. Plus frugal, je pourrais d’abord interviewer une dizaine d’étudiants et jeunes diplômés pour avoir des premiers retours.
Après avoir validé l’intérêt déclaré des prospects, l'hypothèse la plus risquée sera l'usage : est-ce que que les jeunes prospects vont réellement envoyer les CV générés ? Je veux m'en assurer avant de trop investir. J’anticipe la position de mon boss : “Notre solution est un algorithme ; il faut le développer entièrement pour le tester"
Je suis convaincu qu’on peut tester le concept plus vite et moins cher avec un Minimum Viable Produt (MVP).
Zappos, le premier retailer de chaussures sur internet, a commencé avec une simple vitrine web, en achetant, repackageant et expédiant manuellement les paires de chaussures à chaque commande. Groupon a utilisé un simple blog WordPress pour annoncer des promotions et envoyer des coupons.
Dans notre cas, nous pouvons demain demander à des prospects de remplir un questionnaire GoogleForm. La génération du CV par un algorithme sera exécutée … manuellement, par moi-même. Je posterai ces CV aux entreprises, et suivrai le taux d’entretiens obtenus.
Src:Henrik Kniberg - Making sense of MVP
Une difficulté pour le scientifique est de gérer et d'interpréter le flot de données produit par ses mesures. Pour garder le cap, il doit mesurer et enregistrer de nombreux paramètres mais se concentrer sur des indicateurs clés qui traduisent le phénomène observé.
Par exemple, dans le domaine anti-dopage des cyclistes, une multitude de paramètres peuvent être pris en considération. Mais le critère de performance clé est le VO2max. Ce paramètre correspond à la consommation maximale d'oxygène ou VO2max – qu'un cycliste peut consommer par unité de temps lors d'un exercice dynamique aérobie maximal (au seuil de l'anaérobie). Le dopage à l’érythropoïétine, autrement appelé l’EPO permet d'augmenter le VO2max du coureur en augmentant le nombre de globules rouges dans son sang et donc sa capacité à transporter de l’oxygène.
Lors du précédent projet, j'ai été paralysé par un déluge d'indicateurs : taux de clicks, pages vues, visiteurs uniques, taux de rebond, taux de conversion, taux de churn, facteur de viralité, ... arghh !
Les indicateurs ne sont utiles que s'ils sont actionnables pour prendre des décisions business.
Pour éviter la paralysie par l'analyse, il faut identifier l'indicateur clé du moment.
En phase de découverte du client, cela peut être le % de répondants notant le problème ou la solution à au moins 8/10. En phase de test de proposition de valeur, c'est le taux de conversion de la landing page.
En phase de lancement du Minimum Viable Product, il faut se concentrer d'abord sur l'activation (le taux de prospect transformés en premiers utilisateurs), et surtout le taux de rétention (le taux d'utilisateurs fidèles). Effectivement, nous réalisons un MVP pour s'assurer que le produit "accroche" les premiers utilisateurs. Nul besoin d'augmenter l'acquisition en testant les bannières et landing pages, s'il y a une fuite d'utilisateurs en aval. C'est de la plomberie !
L'entonnoir des "métriques pirates", est un bon modèle pour savoir où se concentrer.
Autre règle : les indicateurs doivent être exprimés sous forme de ratio : taux de conversion relatif par rapport au nombre de visiteurs, plutôt que nombre d'inscription en absolu. Une hausse des inscriptions peut être due à une meilleure efficacité de l'on-boarding, ou tout simplement par une nouvelle vague de campagne publicitaire.
Tout chercheur fait un suivi précis de ses expériences et note soigneusement dans un cahier / document électronique ses hypothèses de résultats attendus, la description de son expérimentation et ses mesures associées. Cette posture a pour double objectif de permettre la reproduction de la mesure et de pouvoir y revenir plus tard de manière ordonnée et comprendre / interpréter ses propres résultats.
J’initialise un tableau de suivi de mes expérimentations.
Pour chaque expérimentation (ici la première), j’indique à l'avance mon hypothèse à valider, l'expérimentation à faire et la prédiction de résultat attendu pour valider/ invalider l’expérience.
Que ce soit sous forme de tableau, de slides, ou de post-its, ce suivi d'hypothèses est essentiel pour :
Poser une sonde à un endroit signifie que l’on capte un ou plusieurs signaux à ce même endroit. Il faut donc s’assurer de ce que l’on mesure et qu’en particulier, la sonde capte bien le signal recherché. On doit aussi s’assurer que les hypothèses de mesure sont effectivement réalistes / réalisables. Enfin, on peut mesurer de manière directe ou indirecte un phénomène.
Auprès de qui tester rapidement mes idées : mes collègues, mes amis, les écoles ?
Je dois recruter des cobayes représentatifs pour mes expérimentations.
Je contacte notre service d'analystes marketing. Comme dans beaucoup de grandes entreprises, ils se plaignent d'être trop sollicités en aval et sont heureux de m'aider en amont. En discutant de leurs analyses prospectives, nous affinons la première cible d'early adopters vers les jeunes diplômés d'école d'ingénieur. Nous identifions un prochain salon étudiant les concernant.
Ultérieurement, pour des expérimentations de campagnes publicitaires, je retravaillerai avec eux pour identifier les meilleurs médias (Google, Facebook, LinkedIn, …) mots-clés pour atteindre ma cible.
Souvent pour s’assurer que leur banc de mesure est maîtrisé, les chercheurs valident la qualité de ce dernier en mesurant des phénomènes connus ou maîtrisés. En particulier, ils reproduisent un banc de mesures publié dans une revue scientifique. Cette procédure leur permet de valider à minima leur banc et d’étalonner leurs instruments.
Je mets en place une landing page pour promouvoir notre offre de CV et enregistrer les prospects. Je configure Google Analytics pour mesurer la performance.
Après l’installation d’un outil d’analytics, une phase de recette est indispensable avant d’exploiter les données.
Les outils disposent de fonctionnalités de vérification (pages non taguées, tags redondants, ...). On peut utiliser un second outil d’analytics gratuit de contrôle. Des solutions existent pour valider le dispositif de taggage (ex : https://www.observepoint.com/webassurance/)
Nous arrivons à la fin de ce premier article. Alors, où en sommes nous ? La réponse dans le tableau ci-dessous.
La suite très vite au prochain numéro !