Pourquoi le suivi du temps ne sauvera pas les marges de votre agence

Galen Low : Si quelqu'un nous écoute et que son organisation n'a pas une culture de la donnée, combien de temps lui faudra-t-il pour rattraper son retard ?

Marcel Petitpas : La première étape est de clarifier votre cadre. Vous ne pouvez pas prendre de décisions sur les outils à utiliser, la façon de les utiliser, ce qu'il faut suivre et ce qu'il ne faut pas suivre, à moins de savoir quels indicateurs vous allez surveiller.

Vous savez exactement comment ces indicateurs seront calculés. Comment vous allez définir chaque objet dans chaque indicateur, et ce que cet indicateur vous dit sur votre entreprise lorsqu'il augmente ou diminue.

Galen Low : Si vous dirigez une agence, comment décidez-vous dans ce cadre quelles tactiques vont réellement avoir le plus d'impact sur l'efficacité opérationnelle ?

Marcel Petitpas : Nous voyons cela comme le volant d'inertie du profit en agence, qui comporte quatre étapes. Numéro un, ce sont vos hypothèses. Numéro deux, ce sont vos résultats réels, et ces deux choses ensemble constituent votre boucle de rétroaction quantitative. Cela vous indique où il y a un écart et quel indicateur au sein de l'entreprise doit être amélioré.

Galen Low : Si vous êtes un exploitant, devez-vous être très à l'aise avec les données, orienté données, technique, presque ingénieur, ou est-ce une fausse idée ?

Marcel Petitpas : Il arrivera bientôt un moment où vous pourrez construire et gérer un petit pipeline de données sans être ultra technique ou un « nerd de la data ». Cependant, ce qui restera vrai, c’est—

Galen Low : Bienvenue sur le podcast Digital Project Manager — l'émission qui aide les responsables de livraison à travailler plus intelligemment, à livrer plus vite, et à mieux diriger à l'ère de l’IA. Je suis Galen, et chaque semaine nous plongeons dans des stratégies concrètes, de nouveaux outils, des cadres éprouvés et parfois quelques anecdotes des lignes de front de la gestion de projet. Que vous pilotiez d’énormes projets de transformation, gériez des flux de travail IA ou que vous essayiez simplement de garder le chaos sous contrôle, vous êtes au bon endroit. Allons-y !

Aujourd’hui, nous allons parler du lien entre la rentabilité, les opérations et la data. Et plus spécifiquement, quel est le bon moment pour s'assurer que vos données sont assez propres pour comprendre votre rentabilité, et comment rattraper le retard si vous sentez que vous êtes déjà dépassé par toute cette vague de l'IA et des opérations guidées par la donnée.

Je suis accompagné aujourd’hui de Marcel Petitpas, fondateur et PDG de Parakeeto, également ma référence ultime quand on parle d’opérations d’agence rentables, pilotées par la donnée, et aussi pour m’expliquer la régression linéaire comme à un enfant de cinq ans. Marcel et son équipe opèrent comme une passerelle entre un DAF à temps partiel et un COO à temps partiel travaillant main dans la main pour faire croître votre agence de manière prévisible via des opérations durables et profitables.

Marcel a été très présent ces derniers temps. Il est intervenu lors de l’Agency Growth Event Summit, de l’All-In Agency Summit, de Mirren AI 2025, de Consulting Success Live 2025, et il a multiplié les apparitions avec l’Agency Management Institute. Il anime également le podcast Agency Profit, qui publie chaque semaine des discussions avec des dirigeants d’agences et des experts du secteur.

Marcel, merci d’être de retour sur le podcast avec moi aujourd’hui.

Marcel Petitpas : Galen, te regarder faire cette intro était impressionnant. Tu étais tellement concentré. Incroyable ! On parlait juste avant et là tu t’es mis dans ta bulle. Merci de m'accueillir. C’est un plaisir d’être là et merci pour cette super introduction.

Galen Low : Merci pour les compliments. En réalité, je suis une IA depuis le début. Marcel m’a construit. Marcel, tu es déjà venu sur ce podcast, tu as rejoint nos événements. J’adore t’avoir à l’antenne parce que tu as une vision vraiment unique, pragmatique, sur la direction que prennent les agences — et plus globalement les entreprises — en termes de culture de la donnée, de fonctionnement piloté par la data, et comment cela crée de la valeur. Tu vas droit au but.

Marcel Petitpas : J’apprécie vraiment. C’est étrange mais je passe une part disproportionnée de mon temps à penser et à parler de ça, et j’ai la chance de pouvoir le faire. J’ai mis les mains dans le cambouis pendant sept ans à déployer ces choses dans des agences, et surtout dans le contexte de la gestion de projet, j’ai des points de vue qui vont parfois à l’encontre des idées reçues ou des « bonnes pratiques » classiques.

Car j’ai vu où sont les « bracelets dorés », tu sais, ces décisions qui semblent logiques, mais qui de fait ne fonctionnent jamais parce que trop complexes à mettre en place.

Galen Low : J’adore. Oui. On continue d’appliquer un playbook cassé simplement parce qu’il existe — ces bracelets dorés, c’est ça. Je me disais qu’on pourrait commencer par évacuer LA grande question que tout le monde se pose, la question qui fâche, puis on pourrait élargir et traiter trois points.

D’abord, parler d’hygiène des données et de ce qu’il faut faire si l’agence a l’impression d’avoir loupé le train. Ensuite, expliquer comment des données propres et l’IA peuvent impacter la rentabilité de façon mesurable, et enfin, comment scorer et prioriser les gains d’efficacité opérationnelle en fonction de leur impact.

Pour finir, j’aimerais explorer l'avenir : tout a changé dans le jeu des agences. M’intéresser aux compétences et structures nécessaires pour prospérer à l’ère de la data et de l’IA. Gros sujets… Qu’en penses-tu ?

Ça me semble très intéressant. Allons-y ! Super, entrons dans le vif. Voici ma grosse question directe. D’après ce que j’ai appris de toi, de bonnes données, propres, sont clairement la clé pour des opérations d’agence rentables, pilotées par la data. Mais si, parmi nos auditeurs, certains sont dans des organisations sans culture de la donnée ou sans aucune organisation structurée des données, quel sera le délai pour rattraper leur retard ?

Et existe-t-il un moyen d’accélérer ce processus sans faire n’importe quoi ?

Marcel Petitpas : Oui, il y a une réponse. Je trouve triste de voir tant de clients avec qui on finit par travailler, qui, après des années à essayer de combler cet écart, se sont trompés de bout en s’attaquant au problème.

Cela s’applique à beaucoup de personnes qui nous écoutent aujourd’hui. Ce n’est pas forcément leur faute. Franchement, le « complexe industriel du logiciel » les a conditionnés à croire que tout commence par l’outil, la gestion de projet, les données de suivi du temps et la comptabilité. Mais ce sont en réalité les dernières étapes du processus et, contre toute attente, les moins importantes. J’insiste : vous n’avez pas besoin des données de suivi de temps pour obtenir 80 % de visibilité sur vos performances.

La première étape, c’est la clarté sur votre cadre. C’est abstrait, mais concrètement : vous ne pouvez tirer parti de vos données ni choisir quels outils utiliser, quoi suivre, quoi ne pas suivre, tant que vous n’avez pas défini quels indicateurs surveiller.

Vous savez précisément comment chaque indicateur est calculé et définissez exactement chaque objet derrière chaque indicateur, et ce que cela signifie pour votre activité si l’indicateur monte ou descend. Un exemple concret : décider en réunion de mesurer l’utilisation (« utilisation » = taux d’occupation), c’est bien. Mais définir vraiment ce que cela veut dire, c’est autre chose. Qu’est-ce qu’une heure facturable ? Qu’est-ce que la capacité ? Qu’inclut-on, qu’exclut-on ? Quelle est la logique exacte qui convertit les données brutes en indicateur d’utilisation ?

Comprend-on vraiment ce qui le fait évoluer, ce que cela signifie pour l’activité, pourquoi cela influence nos décisions, et pourquoi on le mesure ? Que changerons-nous dans nos pratiques si l’indicateur monte ou descend ?

Donc, c’est la première étape. Bonne nouvelle, cela ne requiert ni logiciel, ni données, ni délai pour accumuler des données : ce sont juste des décisions à prendre. Ce n’est pas facile, mais pour aider nous avons publié notre cadre public : comment mesurer, quoi mesurer. Il est libre d’accès.

C’est donc l’étape 1. Il y a une deuxième étape, elle non plus ne demande pas d’infos supplémentaires, mais je vais te laisser répondre, sinon je peux continuer pendant 60 minutes et tu sais que je peux le faire !

Galen Low : Et ce serait avec plaisir !

Mais ce que j’aime, c’est que j’ai peut-être orienté la discussion, car beaucoup d’auditeurs doivent se dire « Il faut rattraper notre retard, acheter un logiciel et commencer le time tracking tout de suite pour avoir une base, mais il faudra des mois pour disposer de données exploitables pour générer du profit ! »

C’est le réflexe involontaire lorsqu’on se sent en retard. J’adore que tu dises que l’outil n’est pas la réponse. Peux-tu donner un exemple, surtout sur l’utilisation ? Car je crois que c’est un parfait exemple de « bracelets dorés », non ?

Cela semble logique : j’ai embauché des gens, mon modèle repose sur la facturation horaire, ils passent plus ou moins de temps à rapporter de l’argent ou non. Sinon, mes marges s’effondrent, je perds de l’argent, je n’exploite pas mes talents.

Donc, ça semble un bon indicateur, mais là où tu m’as eu, c’est sur : qu’est-ce qui le fait monter ou descendre ? En fait, équation très complexe. Pour ceux qui se disent : « Marcel déconne, que dois-je mesurer d’autre ? L’utilisation, c’est l’indicateur. » Quels sont les mythes que tu rencontres souvent ? Est-ce qu’il faut continuer à suivre l’utilisation, mais mieux, ou l’abandonner ?

Marcel Petitpas : Non. Notre cadre intègre le taux d'utilisation comme indicateur, mais notre façon de le calculer diffère fortement de celle d’autres acteurs : je pourrais en parler. Mais c’est difficile à expliquer isolément, car tant que vous ne comprenez pas comment nous calculons le taux horaire moyen facturable, la marge projet, la marge agence et la notion de coût horaire, vous ne pouvez pas comprendre la logique de notre définition de l’utilisation.

On réfléchit en framework global : la relation entre indicateurs, activité, et les interrelations de chaque indicateur. On a fait tout le tour et testé sur des centaines d’agences en sept ans, en couvrant tous les cas extrêmes. Je pourrais dérouler ma définition : les heures de livraison, donc toute heure passée sur du client, qu’elle soit facturable ou non. Peu importe. Ces heures sont divisées par la capacité, c’est-à-dire tout le temps acheté à quiconque compte dans la mesure réalisée. Pour l’agence, c’est tout le monde, y compris ceux qui ne font aucun client.

Et c’est 2080 heures par an. Certains diront : « Cela ne fonctionne pas chez nous. » Peut-être que c’est vrai, car vous avez fait d’autres choix pour d’autres indicateurs, et ce n’est pas cohérent. Je parlais ce matin à quelqu’un dont l’équipe de direction dit chaque semaine qu’ils sont « pleinement utilisés », alors qu’en fait la moitié du temps marqué comme « facturable » est en fait du temps interne, sans génération de revenus. Donc, faux positif, ou bien l’équipe la plus utilisée est… en août, alors qu’ils prennent beaucoup de congés dans leur notion de capacité. On devrait donc exclure ce temps non dispo.

Tout cela montre qu’on a discuté de la définition de l’utilisation, mais sans se demander : « Pourquoi le mesure-t-on ? Quelles décisions voulons-nous prendre ? » Si ce débat avait eu lieu d’abord, on verrait que… on ne peut pas extraire du temps de capacité si l'on veut comprendre l'effet du taux d'utilisation sur la rentabilité.

Donc, attention au piège : vous ne pouvez pas juger la performance d’une agence sur un seul indicateur. Chercher le graal de l’utilisation ou de la rentabilité projet unique est une erreur. On commet la même erreur avec la rentabilité projet qu’avec l'utilisation : vouloir résumer toute la rentabilité à un projet, c’est une perte de temps et d’énergie, et ça n’apporte jamais de réponse fiable.

Galen Low : J’aime cette référence à Douglas Adams : quelle est la réponse à la vie ? 21. Mais on n’a jamais bien compris la question… C’est un peu ça, le taux d’utilisation. Donc, première étape : le cadre, ce qu’on mesure et pourquoi. Étape deux ?

Marcel Petitpas : Étape deux : le modèle et la prévision. Trop souvent négligé. Par exemple, supposons qu’on ait défini comment mesurer l’utilisation. De là, l’équipe PM implémente un outil de gestion de projet, impose la discipline, trois mois passent, ils « obtiennent des données », leur taux d’utilisation est de 54 %. Puis tout le monde attend la réaction : « Est-ce bon ou mauvais ? »

On s’est précipité à la fin du processus, mais on ne sait même pas si ce chiffre est bon. La bonne nouvelle, c’est que fixer une attente peut être incroyablement instructif et révéler un problème avant même de connaître le résultat réel. Quand vous avez les réels, ils ont d’autant plus de valeur car l’insight naît du contraste entre l’attente et la réalité.

Donc, étape deux, modéliser votre cabinet. Simple : commencez par le « payroll grid » : qui est dans l’équipe, combien ils gagnent, combien d’heures ils travaillent, où part ce temps s’il y avait du travail illimité, combien de congés. Puis les frais généraux : que dépensez-vous pour les avocats, la compta, Quickbooks, abonnements, bureaux… Enfin, la tarification : combien facturez-vous, combien gagnez-vous pour chaque heure chez un client, selon votre offre.

En combinant les trois, vous savez : si tout se passe parfaitement, combien peut-on gagner avec l’équipe actuelle ? Combien d’heures clients ? Quel taux d’utilisation ? Combien de frais ? Quelle marge brute, quel profit net ? C’est : « Quel est le meilleur scénario possible ? »

Première question : est-ce bon ? Est-ce conforme à nos attentes ? Car parfois un cabinet n’y arrive pas, et on se rend compte qu’en fait il planifie d’être structurellement non rentable.

Galen Low : Intéressant.

Marcel Petitpas : Voilà, même en exécutant parfaitement, ils échoueraient — à cause du plan, pas de l’exécution.

Étape deux : bâtissez un modèle, comprenez ce qu’il vous prépare, quels sont les marges d’erreur, et définissez les cibles. Ajoutez enfin les données projet : combien de revenus attendus, dates, charge. Vous pouvez alors anticiper : prévoyez-vous d’atteindre votre plein potentiel de CA ?

Prévoyez-vous d’occuper l’équipe ? On peut résoudre près de 70/80 % des problèmes de rentabilité sans jamais suivre le temps ni saisir de données projet, donc sans la partie la plus chère et difficile, juste en étant clair sur le cadre et les hypothèses aujourd’hui.

Ce sont toujours nos deux premières étapes avec tout client : impossible de décider la suite sans cette base. Et tout cela ne coûte rien à part du temps, et ne nécessite que les informations déjà dans votre tête. Pas besoin d’outil, ni d’attendre six mois, ni de repenser la compta : c’est accessible maintenant. Bonne nouvelle : il ne faut finalement pas longtemps pour rattraper son retard, tout cela est à portée de main.

Galen Low : C’est gratuit, mais pas facile. Certaines réponses s’appuient sur des connaissances qu’on possède, mais le plus dur c’est d’y répondre, car il faut affronter la réalité opérationnelle. Je croyais que tu allais dire : « Imagine combien tu pourrais gagner au maximum, puis dis-toi que t’es irréaliste. » Mais tu es allé à l’opposé : ton plan n’est peut-être simplement pas rentable, genre la structure même de l’activité ne l’est pas. Et pour nous, PM en agence, qui nous sentons responsables de la rentabilité, c’est-à-dire, on doit atteindre suffisamment de marge sur notre taux d’utilisation, généralement 80 % ou plus, et générer assez de marge pour couvrir l’administration, la vente, les non-productifs.

Mais j’ai retenu autre chose : ce n’est pas uniquement la rentabilité projet, il y a aussi une vision « COGS » (coût des ventes) à intégrer pour bien planifier son chiffre d'affaires, sa capacité, ses coûts, etc.

Marcel Petitpas : Oui, c’est ça. On a vu des agences où chaque projet semblait super rentable, mais l’agence ne l’était pas, car la marge projet n’est qu’un facteur parmi trois. Ce ne sera jamais suffisant. C’est comme si je vendais une gourde un million de dollars, mais une fois tous les 10 ans, et que je dépensais 800 000 $ par an en fonctionnement et marketing pour convaincre quelqu’un de l’acheter. Mon taux de marge est abominablement élevé… mais le business s’effondre. Il faut donc prendre de la hauteur, modéliser l’ensemble de la société et surveiller tous les leviers.

Galen Low : Pendant ce temps, le business model de Stanley Cups, c’est ça : vendre des gourdes collectors à la marge.

Marcel Petitpas : Oui, et elles sont indestructibles.

Galen Low : Ça me permet de rebondir sur quelque chose que tu as dit : tu présentes Parakeeto comme l’enfant d’un DAF freelance et d’un COO freelance. Sans parler du conflit d’intérêts, comment DAF et operations peuvent-ils mieux collaborer pour utiliser la donnée, analyser, surveiller la rentabilité d’une agence, prendre les bonnes décisions ensemble ? Est-ce que ce sont les seuls concernés ou d’autres acteurs doivent s’impliquer pour définir cadre et modèle, et aussi pour casser les mythes financiers ou opérationnels ?

Marcel Petitpas : En fait, ça rejoint ce que je disais sur l’importance du cadre et du modèle. Ce sujet concerne intrinsèquement les trois grandes parties : la finance, les opérations, et dans une certaine mesure, le commercial. Le fait de discuter ensemble autour de ça l’impose naturellement, parce que le modèle est purement mathématique, ce n’est pas une question d’opinion, mais de formule. Quand telle variable augmente ou baisse, voilà l’effet : personne ne peut contester.

C’est la base qu’il faut pour définir les attentes et mesurer leur réalisation. Chacun doit contribuer et cela oblige à nouer des ponts entre départements : si on veut anticiper le pipe commercial, que faut-il comme info ? Pour planifier la capacité, quelles données ? Côté finances, quelles sont nos marges, nos coûts fixes et variables ? Pour piloter la rentabilité, il faut connaître la marge.

Pareil, fixer le budget passe par une bonne connaissance de l’équipe, de son plan d’embauche, etc. Tout cela est connecté, ce qui oblige les acteurs à travailler ensemble : pour toute mesure, on a besoin de données des opérations (car elles préparent la finance), puis de la finance, qui synthétise précisément ce qui s’est passé.

Le cadre, la prévision, le modèle forment la base sur laquelle bâtir les boucles d’amélioration (feedback loops), où s’opèrent beaucoup de collaborations inter-services. Sinon, chacun reste dans sa case, un petit vide ne se comble jamais, la direction est frustrée et chaque service parle sa langue : la vente, la facturation Quickbooks, la gestion ClickUp… rien ne correspond, les données ne se recoupent pas.

Galen Low : J’aime cette idée que le cadre et le modèle rassemblent. J’ai vécu cette « gap » où chaque service sort de boardroom avec un plan, mais les pièces ne s’emboîtent pas, chacun a son jargon. Et au QBR suivant : « C’est pas ma faute, c’est la finance ! » ou « C’est RH ! » etc. J’aimais bien le côté « un CFO et un COO freelance se mettent d’accord pour donner naissance à Parakeeto », mais votre vrai rôle, c’est d’amener cette culture du modèle, de réunir tout le monde, pour regarder l’activité dans sa globalité.

Marcel Petitpas : Dans les grosses structures, là où il y a COO, CFO et CEO, on les aligne tous, puis chacun peut aller là où il a le plus de valeur ajoutée (pas dans les tableaux Excel à chercher ce qui cloche, mais acter). Dans les petites agences, où il n’y a pas toujours des profils C-level, on fait pareil pour les personnes clés : souvent le cabinet comptable à l’externe, le chef de projet senior ou PM « promu » ops parce que « c’est toi qui es là, tu es bon, tu veux apprendre, deviens operations », et le CEO, rarement formé pour ça et expert du métier. L’idée, c’est de prendre en charge cette zone grise pour que chacun sache sur quoi agir.

Galen Low : C’est courant : fondateur passionné de tech/digital, qui se retrouve CEO sans y être entraîné, qui rentre dans un club de CEO pour apprendre, mais il y a naturellement des trous sur la partie gestion. J’ai vu pas mal de « tu serais bon en ops, deviens COO, on verra bien ». C’est OK — on est tous en apprentissage. Mais il faut combler ces manques, bâtir cette culture, favoriser l’échange pour progresser en ensemble.

Marcel Petitpas : Un point important ici : j’ai trop souvent vu le chef de projet senior « propulsé » chef des ops, à qui on demande « Résous la rentabilité ! », c’est irréaliste, c’est voué à l’échec, c’est une mission à part entière, difficile, réservée à ceux qui ont déjà pratiqué, qui ont des frameworks, des compétences en analyse de données, en finances… ce n’est pas le fait d’un chef de projet traditionnel. Et, on l’a déjà évoqué, le background PM est parfois un désavantage pour le reporting exécutif, qui demande au contraire d’abandonner la précision extrême confondue avec la justesse. Par exemple, établir un planning capacité sur 4 mois pour le design, ce n’est pas assigner 700 tâches dans un outil : c’est comme utiliser des baguettes pour construire un château de sable. Ce n’est pas viable. Mais l’approche PM, c’est souvent d’empiler tous les grains…

Galen Low : Même si on a déjà évoqué ce sujet, ma vision a été bouleversée avec l’IA. Je voulais justement t’amener là : il y a des gens propulsés operations, qui se disent « OK, je peux faire tout ce que Marcel dit, mais il faut recruter un data scientist ». On embauche, « tu es chef de la data », alors que je n’ai pas cette culture ni la vision d’ensemble. Et très vite, c’est l’aveugle qui guide l’aveugle. Résoudre le problème de rentabilité, c’est une mission à part entière, faisable seulement par quelqu’un de formé et expérimenté. Sinon, tout le monde aurait une boîte rentable. Mais alors côté data, en quoi cette culture chiffrée, ce goût des données, l’analyse mais sans tomber dans la micro-précision, est-il incontournable ? Si on occupe ce poste, doit-on forcément devenir ultra à l’aise sur la donnée, voire technique, ou est-ce un mythe ?

Marcel Petitpas : Je pense que nous sommes à un carrefour difficile. L’opération data deviendra la norme en PME, mais il y a un vide pour l’instant. En réalité, notre thèse chez Parakeeto, c’est de prendre l’opération de la donnée (classique dans les grandes boîtes) et de l’adapter à petite échelle pour un segment précis, à coût abordable. Voilà tout notre modèle ! Le problème : on ne peut pas prendre un compte Databricks et embaucher une équipe, ce n’est pas adapté aux petites agences. Les outils adaptés arriveront, ils montent en puissance. Bientôt, vous pourrez gérer un pipeline de données sans être ingénieur data. Mais il faudra TOUJOURS comprendre le cadre et comment l’appliquer. Bref : « commencer par la fin » reste impératif. Toutes les datas, outils, fichiers Excel, même en étant data scientist : sans vision de ce qu’on mesure et pourquoi, tout cela ne sert à rien.

Galen Low : Pour les ops qui nous écoutent et se sentent visés (« Marcel me décrit ! Je ne sais pas commencer à rebours »), comment combler ce vide ? Faut-il changer de métier maintenant ?

Marcel Petitpas : Non ! Sur l’avenir du PM à l’ère de l’IA : en fait, le pilotage projet/compte est très protégé et, une fois l’exécution automatisée, c’est ce qu’il y a de plus précieux à faire. Je peux développer cette idée, mais pour répondre directement : par où commencer ? Autopromo assumée : démarrez avec l’Agency Profit Toolkit. Notre cadre s’y trouve gratuitement. Ce n’est pas forcément facile, mais tout y est : quels indicateurs, comment les calculer, définitions. J’ai tout donné en libre service. C’est là qu’il faut commencer.

Galen Low : J’adore. Je change de sujet, car tu as aussi fait une interview avec mon équipe sur DPM récemment, je la mettrai en note. On a parlé de beaucoup de choses, notamment de la perception du profit à l’ère IA : « J’ai un modèle dollars/heure. L’IA promet des gains opérationnels, donc boosts de profits. Mais il y a trop de cas d’usage, on ne peut pas tout faire, alors sur quoi miser ? »

Comme exemple, tu citais l’IA pour la collecte de contexte, éviter de passer du temps à rassembler des infos — ce qui paraît super. D'où ma question : à la tête d’une agence, noyé sous les options IA, comment décider dans ce cadre global et ce modèle, quelles tactiques choisir pour maximiser l’efficacité opérationnelle ? Et est-ce vraiment un chemin vers la rentabilité ?

Marcel Petitpas : Oui, j’ai vu l’IA agir sur les quatre leviers de la rentabilité. Je pense que tu vas aimer cette réponse très concrète : nous voyons cela comme le « volant d’inertie du profit ». Il y a quatre étapes : 1. hypothèses ; 2. résultats réels ; ces deux forment la boucle d’analyse quantitative. Ce qu’on pensait, ce qui est arrivé, où est l’écart, quel indicateur doit changer. Il n’y a vraiment que quatre options. Une fois l’indicateur priorisé, la question devient : rapports et réunions d’équipe : « Voilà l’indicateur à bouger, à vos idées ! » Ensuite, vous choisissez les quick wins, les actions au meilleur ratio coût/bénéfice. PMs connaissent par cœur. Vous exécutez puis vous recommencez, jusqu’à ce que l’indicateur évolue. Voilà, c’est le cycle à installer en continu. On peut ensuite détailler les métriques si tu veux.

Galen Low : Oui, prenons l’exemple d’une collecte de contexte via IA. Admettons qu’il y ait un écart entre le profit espéré et réalisé. Mes équipes râlent : « On perd un temps fou à retrouver les infos ». Ma réaction PM : il faut moins de temps perdu à collecter, donc plus de rentabilité. Mais avant même de voir où est la marge, j’ai comme réflexe : « Mesurons le temps gagné » grâce à l’IA, cela sera un indicateur avancé du gain, puis je repense à ce que tu disais : le PM cherche la précision, alors que ce n’est pas forcément utile ni même fiable. Suis-je tombé dans ce travers, ou est-ce la bonne démarche ?

Marcel Petitpas : Non, tu es sur la bonne voie. On revient au modèle : c’est une grande équation mathématique. Pour qu’une agence soit plus rentable, il y a deux leviers principaux : diminuer les frais généraux, ou augmenter la marge de livraison (ou marge brute). Presque aucune agence n’a de vrai problème d’overhead. Tout est une question de performance de livraison. Les trois axes : 1. Augmenter le taux horaire moyen facturé (soit en augmentant les prix, soit en abaissant le temps pour faire : c’est là où l’IA intervient sur la collecte) ; 2. Améliorer l’utilisation (pourcentage du temps acheté qui sert à générer du CA) ; 3. Réduire le coût horaire moyen.

Dans ton exemple IA, tu pourrais gagner 20 % de temps sur une tâche, donc le taux horaire effectif grimpe de 20 %. Peut-être aussi une amélioration de l’utilisation (moins de pertes de temps, moins de context switching). Ou encore, un junior pourrait faire la tâche grâce à l’IA, donc baisse du coût moyen.

La formule : taux horaire moyen x utilisation donne le chiffre d’affaires, coût horaire moyen x heures clients donne le coût. Tu peux donc mesurer l’augmentation de revenus, la baisse de coûts, le gain de profitabilité… par simple calcul. C’est pourquoi avoir un modèle est capital : sans modèle, on ne peut rien évaluer.

Galen Low : Logique. Pour placer ses paris, une agence peut-elle utiliser ce modèle pour prioriser, par exemple quand elle a 10 options IA ? On estime le gain pour chaque : « Option A : 20 % d’efficacité ; option B : 15-18 % », etc. Mais, comme tu l’as aussi dit, on n’est pas toujours bon en estimation. Le modèle permet-il d’orienter les investissements ?

Marcel Petitpas : Il le permet, mais il ne suffit pas de prendre les cas avec le plus gros ROI. Les trois leviers — coût horaire, taux facturé, utilisation — doivent être améliorés dans le bon ordre. Il y a un séquencement optimal si on veut du résultat tangible : commencer par l’utilisation, puis le taux facturé, puis le coût horaire.

Pour l’illustrer : si vous avez un tuyau d’eau et qu’il ne coule qu’à moitié, agrandir le tuyau ne sert à rien. De même pour une agence avec une faible utilisation : même si vous augmentez le prix ou l’efficacité, rien ne change sur le compte de résultat tant que l’utilisation reste basse. Tant que l’utilisation n’est pas au niveau, le profit n’augmente pas. C’est pour ça qu’on priorise l’indicateur principal sur lequel agir, puis on débat des actions pour l’améliorer. Une fois l’utilisation au bon niveau, tout gain sur le taux horaire va direct à la marge. C’est aussi plus facile de négocier un prix élevé ou de couper un client si l’on roule plein. Le contexte importe pour la pertinence du ROI, pas seulement les chiffres.

Galen Low : J’adore ce séquencement logique, l’analogie du tuyau : parfait. Pour conclure : aujourd’hui, on parle de transformation : IA, pilotage par la donnée, etc. Si on regarde à cinq ans, à quoi ressemblera une agence rentable ?

Marcel Petitpas : Impossible de prédire les prestations exactes dans cinq ans : qui aurait vu l’industrie Facebook Ads il y a 20 ans ? Mais ce qui est sûr : le modèle du « courtier en heures » ne partira pas. C’est le plus vieux métier du monde, il a toujours été là et s’adapte à chaque mutation.

Mais la pression sur les marges va croître dans les services pros. On l’a déjà vu avec la pandémie : explosion des salaires domestiques (+30/40 %), mondialisation de la concurrence : du copié-collé en Europe de l’Est à un tiers du prix, tout en restant rentable. Les clients n’exigent même plus que l’agence soit locale. Voilà un bond de maturité/dureté des marchés.

Puis survient l’IA. Tout le monde sait où ça va. Dans toutes les industries matures, la marge baisse, donc la sophistication de la gestion doit augmenter. Il faudra maîtriser son modèle financier très tôt, car le secteur sera plus impitoyable, sauf dans des niches très neuves. On verra aussi une fragmentation de la chaîne de valeur — comme dans l’aérien ou la grande distribution où chaque job est hyper spécialisé pour conserver une maigre marge. Les agences y arrivent : finances ultra serrées, ops exemplaires. Beaucoup qui aiment simplement « créer » grincent des dents, mais c’est ainsi.

Galen Low : Cela se produit partout ailleurs : ce n’est pas spécifique aux agences, ni causé uniquement par l’IA, cela accélère un mouvement ancien.

Marcel Petitpas : Oui, c’est centenaire. Mais ça s’accélère à mort.

Galen Low : Oui. Ces marges…

Marcel, c’était génial. Avant que je te laisse, où peut-on en savoir plus sur toi ?

Marcel Petitpas : Rendez-vous sur parakeeto.com. Beaucoup de ressources gratuites, dont parakeeto.com/toolkit pour découvrir les indicateurs, les installer, tout y est en accès libre.

Et si vous aimez les podcasts, écoutez Agency Profit. Et pour échanger directement, LinkedIn est le meilleur endroit. Connectez-vous, envoyez-moi un message, j’ai plaisir à échanger !

Galen Low : Parfait. Je mettrai tous ces liens dans la description et encore merci. Super échange !

Marcel Petitpas : Merci à toi, Galen, ce fut un plaisir !

Galen Low : Voilà, c’est la fin de cet épisode du podcast Digital Project Manager. Si vous avez aimé la conversation, abonnez-vous où que vous soyez. Et pour encore plus de méthodes, d’études de cas et de playbooks, rendez-vous sur thedigitalprojectmanager.com.

À bientôt et merci pour votre écoute.