Lean analytics

Le cœur du livre porte un nom : le One Metric That Matters, le seul indicateur qui compte. L'idée va à l'encontre du réflexe dominant, qui consiste à empiler les tableaux de bord et à surveiller quarante courbes en parallèle. Croll et Yoskovitz défendent l'inverse : à un moment donné, une entreprise a un problème principal, et un seul chiffre traduit ce problème mieux que les autres. Tant qu'il n'est pas résolu, c'est celui-là qu'on regarde, et on ignore le reste.

La force de cette contrainte est autant psychologique qu'analytique. Se donner un seul indicateur focalise toute l'équipe sur la même question, tranche les débats sur les priorités, et impose une discipline expérimentale : on formule une hypothèse, on la teste, on lit le chiffre, on décide. Surveiller trop de choses, c'est ne rien surveiller vraiment — l'attention se dilue, et l'on finit par réagir au chiffre le plus bruyant plutôt qu'au plus important. Un seul chiffre, c'est un cap.

Une objection surgit vite : le chiffre qui compte pour un site marchand n'a rien à voir avec celui d'un réseau social ou d'un logiciel vendu par abonnement. Croll et Yoskovitz l'anticipent en dessinant une carte. Ils distinguent six grands modèles économiques — le e-commerce, le SaaS, l'application mobile, le média, le marketplace à deux faces, le contenu gratuit financé par la publicité — et montrent que chacun a ses indicateurs propres. On ne lit pas une entreprise sans savoir d'abord de quel type elle est.

Pour un site marchand, ce qui compte tourne autour de la conversion, de la valeur du panier moyen et de la fréquence de réachat. Pour un logiciel en abonnement, le nerf de la guerre est le taux d'attrition — combien de clients partent chaque mois — car un abonnement qui fuit ne se remplit jamais assez vite. Pour un média, c'est l'engagement et le temps passé ; pour une place de marché, l'équilibre entre l'offre et la demande, car un côté sans l'autre ne vaut rien. La bonne question n'est jamais « quel indicateur » dans l'absolu, mais « quel indicateur pour ce modèle-là ».

Derrière l'outillage, Lean Analytics touche à quelque chose de plus large que la gestion d'une startup : l'idée que mesurer n'est jamais un geste neutre. Choisir un indicateur, ce n'est pas seulement observer l'entreprise — c'est décider de la direction dans laquelle elle va pousser. Une organisation devient ce qu'elle mesure. Braquez tout sur le nombre d'inscrits, et l'équipe optimisera l'inscription au détriment de tout le reste. Braquez sur la rétention, et le produit se met, presque mécaniquement, à mieux retenir. Le chiffre ne décrit pas passivement, il oriente le comportement.

Cette bascule a un revers que les auteurs connaissent bien. Dès qu'un indicateur devient l'objectif, il cesse d'être un bon indicateur — les économistes appellent ça la loi de Goodhart. On peut faire monter n'importe quel chiffre en trichant avec ce qu'il est censé représenter : gonfler les inscriptions par des relances agressives, doper l'engagement par des notifications intrusives, améliorer un taux en dégradant l'expérience qu'il devait justement protéger. Le seul indicateur qui compte est un couteau à double tranchant : il concentre l'effort, mais il concentre aussi la triche possible.

On revient au graphique du début : les deux millions d'inscrits qui n'ont pas empêché la faillite. Ce que Croll et Yoskovitz proposent n'est pas une technologie de plus, c'est une manière de regarder — savoir dire d'un chiffre s'il flatte ou s'il fait décider, savoir quel problème est le sien à cet instant précis, et n'en suivre qu'un seul jusqu'à l'avoir résolu. La grille des six modèles et des cinq stades n'est qu'un moyen d'y arriver sans se perdre.