Système de gestion des risques de projet au sein de l'infrastructure numérique

L'intégration des systèmes de gestion des risques dans l'infrastructure numérique de l'entreprise devient un facteur critique pour la réussite des grands projets industriels. Dans un contexte d'incertitude mondiale et de restrictions liées aux sanctions, les approches traditionnelles de l'évaluation des menaces montrent leur inefficacité. Lors de ce webinaire, Yana Krukhmaleva, directrice du développement de l'infrastructure numérique chez Gazprom-Media Holding, analyse l'évolution de la gestion des risques en Russie à l'aide d'exemples de grands projets d'infrastructure et explique pourquoi le secteur se dirige inévitablement vers l'utilisation du Big Data.

Biais cognitifs et subjectivité des évaluations d'experts

L'analyse qualitative classique des risques repose souvent sur des avis d'experts, qui sont inévitablement sujets à des biais cognitifs. S'appuyant sur des recherches en économie comportementale, l'intervenante montre que l'être humain a tendance à penser de manière irrationnelle en situation d'incertitude. En pratique, cela conduit à une approche formelle : les experts soit ne se plongent pas dans une analyse approfondie des menaces, soit tombent dans des pièges mentaux, tels que l'effet Dunning-Kruger ou l'apophénie (la recherche de modèles là où il n'y en a objectivement pas).

De plus, lors de l'évaluation collective des risques, le paradoxe de Condorcet apparaît : une situation où les avis des spécialistes divergent au point qu'il est mathématiquement impossible d'en déduire une évaluation moyenne objective. Pour déterminer le degré de concordance des opinions, il est proposé d'utiliser le coefficient de concordance de Kendall. Si la concordance est faible, la responsabilité de la décision finale doit incomber au chef de projet, en s'appuyant sur ses compétences plutôt que sur des scores moyens.

Limites de la méthode de Monte-Carlo

Pour tenter d'échapper à la subjectivité de l'analyse qualitative, de nombreuses entreprises se tournent vers des méthodes quantitatives, notamment la modélisation par la méthode de Monte-Carlo. Cependant, la présentation examine en détail le principal inconvénient de cette approche : les données d'entrée du modèle mathématique restent des évaluations subjectives d'experts.

• Absence de plannings intégrés : Pour que la méthode fonctionne correctement, un planning réseau détaillé et multiniveau avec une allocation stricte des ressources et des finances est nécessaire. Sur les grands projets, de tels plannings sont rarement maintenus dans un système unique sans rupture de liens.
• Ignorance de la corrélation des risques : La méthode de Monte-Carlo gère mal les situations où plusieurs risques sont interconnectés. Le système est incapable de prendre en compte automatiquement les lois complexes de la théorie des probabilités lors de l'addition d'événements dépendants.

En conséquence, les modèles quantitatifs complexes se transforment souvent en un outil pour rassurer la direction, dressant un tableau idéal du respect des délais et du budget, qui n'a aucun rapport avec la situation réelle sur le chantier.

Big Data et analyse prédictive : l'avenir de la gestion des risques

La seule façon d'améliorer radicalement l'objectivité de l'évaluation de la probabilité des événements est d'utiliser le Big Data. La création de lacs de données d'entreprise (Data Lakes) permet d'accumuler des statistiques à grande échelle sur les incidents HSE, les pannes d'équipement, les ruptures d'approvisionnement et les menaces externes.

La tâche clé à ce stade est d'assurer la pertinence et la propreté des données, en éliminant autant que possible le facteur humain lors de leur saisie. La collecte d'informations doit se faire automatiquement, directement depuis les sites de production et les systèmes d'information adjacents. Ce n'est que sur la base d'ensembles de données fiables qu'il est possible d'appliquer efficacement l'analyse prédictive et les algorithmes d'apprentissage automatique pour une véritable prévision des risques.

Évaluation de l'efficacité des experts et choix des outils informatiques

Un problème important de la gouvernance d'entreprise reste la preuve de l'efficacité économique des départements de gestion des risques eux-mêmes. L'intervenante propose d'utiliser le coefficient de corrélation bisériale de Pearson pour comparer les prévisions initiales des experts avec la survenue réelle des événements. Si le coefficient est proche de zéro, les prévisions du groupe d'experts n'ont aucune valeur pratique et le processus doit être revu.

La question du choix des logiciels est également soulevée. L'expérience de l'utilisation de systèmes occidentaux lourds a montré leur vulnérabilité face aux sanctions et leur manque de flexibilité par rapport aux demandes des utilisateurs. Aujourd'hui, l'attention se tourne vers les solutions informatiques russes (par exemple, la plateforme RisGap), qui offrent une interface plus intuitive, une facilité de mise en œuvre et une indépendance vis-à-vis des restrictions externes.

Ce que vous apprendrez dans ce webinaire :

• Pourquoi les méthodes classiques d'évaluation des risques échouent-elles sur les grands projets industriels ?
• Comment identifier les incohérences dans les évaluations d'experts à l'aide de coefficients mathématiques ?
• Quelles sont les limites cachées de la méthode de Monte-Carlo dans l'analyse des risques de projet ?
• Comment éliminer le facteur humain lors de la collecte de données pour l'analyse prédictive ?
• Comment évaluer mathématiquement l'efficacité du travail des gestionnaires de risques internes ?