Photo de l'article Modèle d'affaires : quelles hypothèses tester avec les données publiques ?
Photo par Sophieja23 sur Pixabay

Modèles d'affaires

Modèle d'affaires : quelles hypothèses tester avec les données publiques ?

Les statistiques publiques décrivent les marchés, les régions et les branches, mais pas votre propre entreprise.

L'apport des données publiques à l'examen du modèle d'affaires

Les statistiques publiques décrivent les marchés, les régions et les branches, mais pas votre propre entreprise. Elles fournissent des valeurs relatives à la population, à l'emploi, aux prix ou aux secteurs, constituant ainsi les hypothèses externes d'un modèle d'affaires. En revanche, elles ne permettent pas de fonder les hypothèses internes, telles que la structure des coûts ou la productivité de l'entreprise.

L'Office fédéral de la statistique (OFS) gère le portail Statistique Suisse. Il est considéré comme la collection de données la plus complète de Suisse et couvre 21 domaines thématiques : de la population à l'emploi et au revenu, en passant par les prix et l'industrie, jusqu'au tourisme, à la santé et à l'éducation.

La Confédération met en place l'écosystème de données suisse afin de permettre une réutilisation multiple des données dans des espaces de données fiables. Elle répond ainsi à un mandat du Conseil fédéral du 8 décembre 2023. L'objectif est de briser les structures en silos.

Le débat sur la modernisation révèle certaines limites ; la section « Où les données publiques atteignent leurs limites » les détaille. Les utilisateurs se heurtent à des délimitations, des états d'avancement et des compétences variés.

Traduire les hypothèses en questions vérifiables et en indicateurs

Chaque hypothèse peut être traduite en une question assortie d'une grandeur mesurable. La taille du groupe cible devient le nombre de personnes dans un segment, la demande régionale se traduit par le nombre de personnes actives ou de ménages dans une région, et l'évolution sectorielle par le nombre d'employés ou la valeur ajoutée d'une branche.

La grille des 21 domaines thématiques aide à l'affectation. Les flux de pendulaires relèvent de « Mobilité et transports », le pouvoir d'achat de la « Situation économique et sociale de la population », et l'utilisation des canaux de « Culture, médias, société de l'information, sport ».

À chaque hypothèse correspond un seuil : quelle valeur la confirme, laquelle l'invalide ? Sans seuil, l'ensemble de données reste un chiffre sans impact décisionnel.

Vérifiez les définitions avant toute comparaison. Un même indicateur peut être délimité différemment selon le domaine thématique, par exemple en tant que personnes actives occupées ou en tant que salariés. Notez quelle délimination correspond à votre propre hypothèse.

Exploiter les sources de données publiques appropriées

Le portail de données de l'Office fédéral de la statistique offre une vue d'ensemble de tous les jeux de données actuellement publiés par l'OFS, y compris les données ouvertes de la statistique fédérale. Celles-ci sont également accessibles via la plateforme OGD (Open Government Data) de la Confédération, tout comme les données de la Page nationale de synthèse des données.

Les jeux de données sont regroupés selon les 21 thèmes statistiques et selon leur accessibilité : tableaux au format xlsx, données lisibles par machine au format csv ou json, ainsi que jeux de données accessibles via une API.

Toutes les données publiées par l'OFS sont soumises aux conditions d'utilisation définies par la loi sur la statistique fédérale.

Pour une première vérification, les tableaux suffisent : trier, filtrer, comparer les valeurs avec votre propre hypothèse. Pour des analyses récurrentes, les formats csv, json ou l'API sont plus pratiques, car ils peuvent être mis à jour automatiquement.

Indiquez la date de publication pour chaque jeu de données. Une valeur issue d'une enquête plus ancienne ne peut soutenir qu'avec réserve une hypothèse actuelle, même si la source est officielle.

Comparaison des sources de données publiques selon l'accessibilité et l'utilisation

Accessibilité
Données ouvertes (plateforme OGD de la Confédération)
Accessibilité
Statistique Suisse (portail OFS)
Format
xlsx, csv, json, API
Conditions d'utilisation
Loi sur la statistique fédérale

Tester les hypothèses de marché et de groupe cible avec les données publiques

Le domaine thématique « Population » fait partie de la grille de l'OFS. Il peut fournir des indications sur le groupe cible adressable, à condition que les jeux de données publiés reflètent la délimitation requise.

Le domaine thématique « Travail et revenu » figure également dans la grille. Pour les offres destinées aux entreprises, il permet de cibler plus précisément le groupe B2B, pour autant que les jeux de données disponibles correspondent à votre propre hypothèse.

Le domaine thématique « Prix » est inclus dans la grille. Les hypothèses de prix et de marges ne peuvent être miroitées que si les jeux de données couvrent effectivement votre questionnement.

Pour les questions de localisation, il est possible de combiner « Population », « Travail et revenu », « Construction et logement » ainsi que « Mobilité et transports ». La possibilité d'une comparaison régionale dépend de la structuration des jeux de données respectifs.

Domaines thématiques importants de l'OFS pour l'examen du modèle d'affaires

Population
Taille du groupe cible, structure par âge
Travail et revenu
Groupe cible B2B, nombres d'employés
Prix
Analyses des prix, hypothèses de marges
Mobilité et transports
Flux de pendulaires, analyse de l'emplacement
Construction et logement
Offre de logements, loyers

Vérifier les hypothèses de demande et de comportement

L'Étude nationale e-government 2025 a été publiée le 25 mars 2025. Les éditeurs sont Administration numérique Suisse et le Secrétariat d'État à l'économie (SECO). La population, les entreprises et l'administration ont été interrogées sur l'utilisation et la mise en œuvre des prestations administratives électroniques.

Selon l'enquête, la tendance en ligne se poursuit : la population et les entreprises utilisent plus fréquemment les prestations administratives numériques. Parallèlement, elles souhaitent une meilleure trouvabilité des prestations – un obstacle qui peut être prouvé plutôt que simplement supposé.

Le rapport focalisé de l'enquête sur l'utilisation de l'intelligence artificielle montre que : les opportunités offertes par l'IA sont identifiées, un besoin d'action existe dans leur gestion, et il y a une demande de directives pour l'administration.

D'autres domaines thématiques de l'OFS, tels que la mobilité et les transports, le tourisme, la santé, l'éducation ainsi que la culture, les médias et la société de l'information, fournissent des grandeurs relatives à l'utilisation et au comportement. Ceux qui envisagent une prestation numérique peuvent en déduire la diffusion d'utilisations connexes.

Elle paraît en plusieurs éditions, notamment en 2019, 2022 et 2025. La comparaison dans le temps montre si une hypothèse comportementale est stable ou si elle évolue.

Le monitoring d'Administration numérique Suisse comprend également l'eGovernment Monitor sur la satisfaction et l'utilisation, le rapport eGovernment Benchmark sur la facilité d'utilisation et la transparence, ainsi que l'eGovernment Survey avec des indices sur l'e-participation et le développement de l'e-gouvernement.

Évolution de l'enquête e-government : séries chronologiques pour les hypothèses comportementales

  1. 2019
    Première édition de l'Étude nationale e-government
  2. 2022
    Deuxième édition axée sur les prestations numériques
  3. 25 mars 2025
    Troisième édition mettant l'accent sur l'IA et l'utilisabilité

Où les données publiques atteignent leurs limites

La structure fédérale constitue un obstacle majeur : elle permet des innovations au niveau local, mais rend difficile l'harmonisation et la standardisation des données et des processus. La collaboration entre la Confédération, les cantons et les communes est souvent fragmentée.

De nombreux processus administratifs internes restent analogiques et chronophages. Le principe du « once-only », selon lequel les citoyens ne doivent communiquer leurs données qu'une seule fois, en est encore au stade pilote.

Les espaces de données sont souvent organisés par secteur et définis par leur finalité, des règles claires et des standards. Tant que les comparaisons transversales entre secteurs font défaut, la portée des conclusions reste limitée.

Les éléments suivants ne peuvent pas être vérifiés avec des données publiques : la volonté de payer, la réaction des concurrents, la structure des coûts propres et la faisabilité au sein de sa propre entreprise. Pour cela, il faut recourir à des enquêtes primaires, à des projets pilotes ou à des tests avec de vrais utilisateurs.

Le cadre juridique est également en mouvement. Le Conseil fédéral a décidé de mesures, dont la mise en œuvre de la motion 22.3890 « Loi-cadre sur la réutilisation secondaire des données » ; le Département fédéral de justice et police élabore les bases juridiques, complétées par un code de conduite pour des espaces de données fiables.

Du jeu de données à la décision solide

Procédez pour chaque hypothèse comme suit : formuler la question, définir l'indicateur et le seuil, choisir le jeu de données approprié sur le portail Statistique Suisse ou le portail de données de l'OFS. Vérifier la période d'enquête et la date de publication, aligner l'unité géographique, le groupe de référence et la définition de l'indicateur avec votre propre hypothèse, croiser avec une seconde source, documenter le résultat.

Dans le cas de séries chronologiques, plusieurs années sont plus significatives qu'un seul état instantané. Si la délimitation ne correspond pas, la valeur ne constitue pas une preuve.

Pour la contre-vérification, une seconde source, collectée différemment mais portant sur la même question, convient bien – par exemple l'enquête e-government à côté d'une statistique. Si les deux indiquent la même direction, l'hypothèse est plus robuste.

Notez quelle hypothèse a été confirmée, affaiblie ou rejetée, en indiquant la source, le jeu de données et l'état des lieux. Les données publiques peuvent confirmer ou infirmer des hypothèses, mais pas les prouver.

Guide étape par étape pour vérifier les hypothèses du modèle d'affaires

  1. Formuler la questionTaille du groupe cible dans la région X ?
  2. Sélectionner le jeu de donnéesDomaine thématique « Travail et revenu » – niveau cantonal
  3. Alignement avec vos propres hypothèsesVérifier la délimitation : salariés vs personnes actives occupées
  4. Comparaison des sources et documentationCroiser avec l'Étude e-government 2025

Conclusion : tester d'abord les hypothèses vérifiables publiquement

Priorisez selon deux critères : l'incertitude de l'hypothèse et la qualité de la disponibilité des données. Les hypothèses présentant une incertitude élevée et une bonne disponibilité de données doivent être vérifiées en premier – elles coûtent peu et modifient le modèle de manière significative.

Les hypothèses avec une incertitude élevée et une mauvaise disponibilité de données viennent ensuite et nécessitent un test sur le terrain, un projet pilote ou des entretiens avec des clientes et clients potentiels.

Il suffit de documenter les hypothèses avec une faible incertitude et une bonne disponibilité de données. Une enquête propre n'apporterait guère de nouvelles informations dans ce cas.

Un ordre pratique : d'abord la taille du marché et du groupe cible via les domaines thématiques Population ainsi que Travail et revenu, puis les questions de localisation via Construction et logement, Mobilité et transports, ensuite l'évolution sectorielle via Industrie et services ainsi que Économie nationale.

Ce n'est qu'ensuite que viennent les comportements d'utilisation – étayés par l'enquête e-government et les domaines thématiques sur les médias et la société de l'information – ainsi que la volonté de payer et la réaction des concurrents, qui ne peuvent être clarifiées que sur le marché lui-même.

Priorisation des hypothèses pour l'examen du modèle d'affaires

  1. Priorité la plus élevée : Incertitude élevée, bonne disponibilité des donnéesTaille du marché et du groupe cible (Population, Travail et revenu)
  2. Priorité élevée : Incertitude élevée, mauvaise disponibilité des donnéesVolonté de payer, réaction des concurrents
  3. Priorité basse : Faible incertitude, bonne disponibilité des donnéesStructure des coûts propres, productivité

Plus dans Modèles d'affaires