Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Lexique

Self-service BI : définition de la BI en libre-service et de ses limites

Domaine

Data

L'essentiel

La self-service BI, ou BI en libre-service, désigne une organisation de l'informatique décisionnelle dans laquelle des utilisateurs métiers construisent eux-mêmes leurs rapports et leurs analyses, sans les commander à l'équipe décisionnelle centrale. Terme d'usage, la self-service BI se pratique dans un cadre connu de l'organisation : des outils fournis, des données préparées et des règles de publication.

Sommaire de la page

Définition de la self-service BI

Qui construit le rapport : l’équipe décisionnelle, ou la personne qui en a besoin ? La self-service BI, en français BI en libre-service, désigne le second cas. Des utilisateurs métiers (contrôleurs de gestion, responsables d’exploitation, chargés d’études) composent eux-mêmes leurs rapports, leurs tableaux de bord et leurs analyses, avec des outils que l’organisation leur fournit.

Le terme relève de l’usage et du vocabulaire des éditeurs, qui en distinguent des degrés. La documentation de Microsoft (learn.microsoft.com, feuille de route d’adoption de Fabric, article sur la propriété des contenus) décrit trois stratégies : un libre-service conduit par les métiers (business-led self-service), où l’unité métier possède et gère tous ses contenus ; un libre-service encadré (managed self-service), où une équipe centrale gère les données et les métiers leurs rapports ; une stratégie dite d’entreprise, où l’équipe centrale gère tout. Le guide Tableau Blueprint (help.tableau.com) distingue, lui, trois modèles de gouvernance : centralisé, délégué, autonome (self-governing). Ces pages ont été lues le 12 novembre 2026, et les traductions sont les nôtres.

Self-service BI, reporting central, exploration des analystes, shadow BI : ne pas confondre

Pratique Qui produit Ce qui la sépare de la self-service BI
Reporting de l’équipe centrale L’équipe décisionnelle, pour l’ensemble des lecteurs Les métiers consultent des rapports ; ils n’en composent pas
Exploration par les analystes de données Des spécialistes, en SQL ou dans des notebooks, sur des données détaillées Distinction d’usage : elle passe par du code, que le libre-service ne demande pas à ses auteurs
Shadow BI Des utilisateurs, à partir d’extractions et de fichiers locaux Elle échappe au cadre : ni connue, ni approuvée

L’expression shadow BI, d’usage, est calquée sur shadow IT, et la dernière ligne tient au cadre plus qu’à l’outil. La documentation de Microsoft distingue ainsi le libre-service conduit par les métiers du shadow IT : dans les deux cas, des utilisateurs métiers créent et gèrent des contenus, mais le shadow IT contourne l’informatique et n’est pas approuvé. Notre fiche shadow AI décrit le même mécanisme pour les outils d’IA.

Ce que le libre-service suppose, et ce qu’il laisse ouvert

Les deux documentations décrivent trois appuis :

  • des données préparées et réutilisées : Microsoft parle de modèles sémantiques partagés entre de nombreux auteurs de rapports, rôle que tient une couche sémantique ;
  • une séparation visible entre contenus certifiés et contenus exploratoires : Tableau Blueprint recommande des projets « bac à sable » (sandbox) distincts des projets certifiés ;
  • un accompagnement des auteurs, formation et documentation en tête.

S’y ajoute un catalogue de données, pour que l’auteur trouve la source qui fait foi.

Le libre-service laisse trois questions ouvertes. Des auteurs qui partent de tables brutes peuvent calculer un même indicateur de plusieurs manières. Un contenu utile à une équipe peut mal supporter la montée en volume, cas que Microsoft prévoit en organisant son transfert à l’équipe centrale. Et composer un tableau de bord ne dit pas comment le présenter à une instance, sujet de notre fiche data storytelling.

Le libre-service à l’œuvre : un délai de pourvoi suivi par région

Soit une entreprise de travail temporaire dont les directeurs d’agence veulent suivre le délai de pourvoi des missions. L’équipe décisionnelle publie un modèle certifié (missions, agences, qualifications) où l’indicateur « délai de pourvoi » est déjà défini. Une responsable régionale compose, dans son espace de travail, son tableau de bord par agence et par métier, sans écrire de requête.

Elle y joint un fichier local d’objectifs : cette partie reste exploratoire tant qu’elle n’a pas été revue. Lorsque d’autres régions demandent le même tableau, il est proposé à la certification, et les objectifs rejoignent le modèle partagé.

Notre page business intelligence et analytique décrit la manière d’ouvrir le libre-service par niveaux d’autonomie et d’y certifier les contenus.

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Qu'entend-on par self-service BI ?

Par self-service BI, ou BI en libre-service, on entend que les rapports et les tableaux de bord sont composés par les personnes qui s'en servent, au lieu d'être commandés à une équipe spécialisée. Le terme relève de l'usage, et les éditeurs d'outils en décrivent des degrés. La documentation de Microsoft distingue un libre-service conduit par les métiers d'un libre-service encadré, où une équipe centrale gère les données ; le guide Tableau Blueprint décrit trois modèles de gouvernance : centralisé, délégué et autonome.

En quoi la self-service BI se distingue-t-elle de la shadow BI ?

La self-service BI est une pratique connue et approuvée par l'organisation, qui en fournit les outils, les données et les règles. La shadow BI, terme d'usage, désigne des rapports et des fichiers produits par des utilisateurs hors de ce cadre, à partir d'extractions non suivies. La documentation de Microsoft trace la même frontière avec le shadow IT, qu'elle décrit comme un contournement de l'informatique.

La self-service BI supprime-t-elle le besoin d'une équipe décisionnelle ?

La self-service BI déplace le travail de l'équipe décisionnelle sans le supprimer. Dans le libre-service encadré que décrit la documentation de Microsoft, une équipe centrale gère les données, tandis que les utilisateurs métiers répondent de leurs rapports. L'équipe décisionnelle prépare alors des modèles partagés, certifie des contenus et accompagne les auteurs.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.