Enfance, RSA, investissements dans les collèges, DMTO : découvrez comment le Département du Var a transformé son pilotage des politiques publiques grâce à N4V for Webi, avec des tableaux de bord interactifs, de la cartographie avancée et même de la prédiction.
Le contexte : capitaliser sur 150 univers Business Objects existants
Le Conseil Départemental du Var disposait déjà d’un patrimoine décisionnel conséquent : 150 univers Business Objects couvrant l’ensemble des domaines métiers. L’enjeu n’était pas de tout reconstruire dans un nouvel outil, mais de transformer l’existant pour créer de vrais tableaux de bord interactifs.
Thierry Besson (pilotage du système d’information décisionnelle) et Jérémy Dalger (chef de projet décisionnel) nous ont présenté quatre cas d’usage concrets, tous en production ou en cours de déploiement.
Cas n°1 : Tableau de bord de l’Enfance
Le premier tableau de bord présenté concerne l’Aide Sociale à l’Enfance (ASE), l’une des compétences majeures des départements. Il couvre l’ensemble des dispositifs : mesures de placement, mineurs non accompagnés (MNA), mesures éducatives, mesures financières et signalements.
Les composants N4V utilisés :
- Timelines : évolution sur 13 mois glissants du nombre de personnes accueillies
- Jauges : indicateurs mensuels sur les MNA
- Drill bars : répartition par territoire des informations préoccupantes
- Tableaux croisés dynamiques : analyse détaillée des signalements
L’apport pour la direction : visualiser instantanément quel territoire nécessite des recrutements de travailleurs sociaux. Par exemple, sur un territoire urbain comme Toulon, beaucoup d’informations entrantes mais peu de mandats d’enquête. Sur un territoire rural comme Fayence, peu d’informations mais presque toutes nécessitent une enquête sociale.
Temps de réalisation : 7 à 10 jours en autoformation, sans formation spécifique sur N4V for Webi.
Cas n°2 : Suivi du RSA et programme « Var Insertion Travail »
Ce tableau de bord répond directement à une demande du DGA du social pour piloter la politique « Var Insertion Travail » lancée en 2023. L’objectif : suivre la réinsertion des allocataires du RSA.
L’indicateur clé : le taux de sortie à 12 mois. On observe une cohorte d’allocataires présents il y a un an et on mesure combien ne sont plus dans le dispositif.
Les visualisations déployées :
- Jauges comparatives : 34% de taux de sortie général vs 52% pour le dispositif « Direct Emploi » (coaching intensif)
- Drill bars multi-niveaux : organisme référent → antenne → situation contractuelle
- Treemaps : répartition des allocataires par organisme
- Pictogrammes : visualisation des profils (contractualisé ou non)
- Variable paille : ancienneté des bénéficiaires dans le dispositif
Un DGA « data-friendly » : chaque graphique intègre un bouton d’export des données, permettant au DGA d’extraire les informations en Excel pour ses propres analyses complémentaires.
Export HTML et N4V for Office
Le tableau de bord RSA a servi de démonstration pour deux fonctionnalités clés de N4V Publisher :
Export HTML responsive : le rapport est exportable en page web autonome, consultable sur PC, tablette ou smartphone, avec conservation de toute l’interactivité (drill-down, filtres, navigation). Distribuable par mail ou sur intranet, sans licence BO.
N4V for Office : les graphiques peuvent être liés à un document Word ou PowerPoint. Quand les données changent dans Webi, un simple F9 met à jour tous les visuels du document. Fini les copier-coller manuels.
Cas n°3 : Prospective sur le Plan Pluriannuel d’Investissement (Collèges)
Ce POC (Proof of Concept) répond à une question récurrente : comment se répartissent géographiquement les investissements prévus sur le territoire ?
Le domaine pilote : les collèges du département, avec des programmes de rénovation, construction, rénovation énergétique…
L’apport de la cartographie N4V :
- Cartes choroplèthes : visualisation par commune des montants d’investissement
- Cartes Open Street Map : localisation précise des collèges
- Camemberts géolocalisés : répartition des opérations par établissement
- Drill géographique : du département aux communes, des communes aux collèges
Scénarios de simulation : en fonction de règles de répartition (capacité des collèges, surface bâtie, vétusté), le tableau de bord calcule automatiquement la ventilation des budgets et la visualise sur le territoire.
Un POC qui révèle les manques de données : au-delà de la visualisation, ce projet a permis d’identifier les données manquantes pour aller jusqu’au bout de la démarche prospective.
Cas n°4 : Analyse et prédiction des DMTO
Les Droits de Mutation à Titre Onéreux (DMTO) représentent plus de 30% des recettes de fonctionnement du département. Face à la forte baisse depuis 2023, la Direction des Finances souhaitait mieux comprendre le marché immobilier local.
Phase 1 – Analyse :
- Données Open Data gouvernementales (DVF – Demandes de Valeurs Foncières)
- Segmentation par tranche de prix : moins de 350k€, 350k€-1M€, plus de 1M€
- Analyse par commune avec comparaison Var / Alpes-Maritimes
- Cartographie des dynamiques territoriales
Enseignement clé : les segments ne sont pas résilients de la même manière. À Saint-Tropez, l’essentiel des DMTO provient des biens à plus d’1M€. À Toulon, ce sont les transactions à moins de 350k€ qui dominent.
Phase 2 – Prédiction (en cours) :
- Identification du décalage de 2 mois entre transactions et perception des DMTO
- Corrélation nette entre taux Euribor et nombre de transactions
- Intégration du modèle Meta Prophet (forecasting) piloté depuis Webi
- Simulation de scénarios directement dans le rapport
Innovation technique : depuis Business Objects, modification de paramètres (ex: taux Euribor), lancement d’un script Python, exécution du modèle Prophet, et récupération des prévisions actualisées dans le rapport.
Les composants N4V utilisés dans ces projets
Au fil des démonstrations, nous avons vu en action :
- Éléments de navigation : boutons radio, listes déroulantes, sélecteurs intégrés au rapport
- Drill bars : navigation jusqu’à 5 niveaux de profondeur
- Timelines : zoom, navigation temporelle
- Jauges et pictogrammes : indicateurs visuels immédiats
- Treemaps et variable paille : répartitions proportionnelles
- Data Analyzer : tableau croisé dynamique multidimensionnel
- Cartes choroplèthes et Open Street Map : visualisation géographique
- Liens d’éléments avancés : un graphique qui filtre une carte
- Export HTML responsive : diffusion sans licence BO
- Écriture en base : modification de paramètres depuis Webi
- Pilotage de scripts externes : intégration de modèles Python
Retour d’expérience : les clés du succès
Autoformation rapide : Jérémy s’est formé seul sur N4V for Webi. Le premier tableau de bord (Enfance) a pris 7-10 jours. Les suivants ont été plus rapides grâce à la charte graphique établie.
Capitalisation sur l’existant : pas de nouveau datamart obligatoire. Les tableaux de bord peuvent s’appuyer sur les univers existants. Pour l’Enfance et le RSA, des datamarts dédiés ont été créés pour optimiser les performances.
Travail sur la qualité des données : la démarche de tableau de bord a permis de créer des rapports de contrôle pour corriger les données erronées à la source.
Autonomie des métiers : l’objectif est que chaque direction dispose d’une ou deux personnes autonomes pour gérer ses propres tableaux de bord, sans dépendance systématique à la DSI.
Pourquoi N4V for Webi plutôt qu’un autre outil ?
Le département du Var a évalué plusieurs solutions (Tableau, Qlik, Power BI). Le choix de N4V for Webi s’est imposé pour plusieurs raisons :
- Intégration native à SAP BO : pas d’extraction vers un outil tiers
- Conservation des 150 univers existants : capitalisation sur le travail déjà réalisé
- Cartographie avancée : cartes de France livrées jusqu’à la commune
- Export HTML : diffusion sans licence supplémentaire
- Pas de conduite du changement : les utilisateurs restent dans Webi
Découvrez N4V Publisher
Explorez par vous-même les capacités d’export HTML et de diffusion de N4V for Webi :
