Un ERP déployé il y a cinq ans ne couvrait souvent que la comptabilité, les achats et la gestion commerciale. Aujourd’hui, le même projet embarque un volet cybersécurité, un socle data et parfois un module d’intelligence artificielle. Ce glissement modifie la façon dont on cadre, budgète et pilote un projet ERP, du premier atelier métier jusqu’à la mise en production.
Lire également : Comment optimiser l'efficacité de vos processus RH ?
Projets ERP : ce qui a changé côté cadrage et gouvernance
Il y a encore quelques années, le périmètre d’un projet ERP se négociait entre la direction financière et la DSI. On listait les flux comptables, les besoins de reporting, les interfaces avec la paie ou le CRM. Le cahier des charges restait centré sur des fonctions de gestion.
Ce cadrage ne tient plus. Dès les premiers ateliers, le RSSI s’invite à la table pour poser ses exigences : chiffrement natif, authentification multifactorielle, surveillance des accès en continu. Les métiers, de leur côté, réclament des tableaux de bord alimentés en temps réel et la capacité de croiser des données transactionnelles avec des signaux faibles (retards fournisseurs, variations de demande, alertes qualité).
A lire en complément : Progeliance : un outil innovant pour la gestion de vos projets
Conséquence directe : le périmètre projet s’élargit sans que le calendrier suive. On constate sur le terrain que les phases de cadrage durent plus longtemps qu’avant, parce qu’elles intègrent des sujets (sécurité, conformité, exploitation data) qui relevaient auparavant de projets séparés. Un intégrateur comme www.tvhconsulting.fr accompagne cette convergence en combinant conseil, intégration et sécurisation dès la phase amont.
La gouvernance elle-même se transforme. Le comité de pilotage ne valide plus seulement des jalons fonctionnels. Il arbitre entre des priorités qui se télescopent : ouvrir une API vers un partenaire logistique ou renforcer d’abord le plan de reprise d’activité ? Connecter un module IA de prévision des ventes ou stabiliser le socle de données existant ? Ces arbitrages n’existaient pas dans un projet ERP classique.
Cybersécurité intégrée à l’ERP : une contrainte devenue structurante
Pendant longtemps, la sécurité se greffait après coup sur un ERP en production. On ajoutait un pare-feu applicatif, on durcissait les mots de passe, on planifiait un audit annuel. Cette approche réactive ne suffit plus face à la multiplication des points d’entrée : API ouvertes, accès mobiles, connecteurs IoT, passerelles cloud.
La cybersécurité se pense maintenant dès la conception du projet. Les ERP récents intègrent nativement plusieurs dispositifs :
- Chiffrement des données au repos et en transit, y compris sur les flux inter-modules
- Plans de reprise automatisés qui réduisent le temps d’indisponibilité en cas d’incident
- Protection renforcée des API pour sécuriser chaque connexion avec un outil tiers (BI, CRM, plateforme e-commerce)
Ce changement a un impact concret sur la charge projet. Les tests de sécurité (pentests, revues de code, simulations d’intrusion) s’ajoutent aux recettes fonctionnelles classiques. Les équipes projet doivent intégrer des profils cybersécurité qui, il y a cinq ans, n’auraient pas figuré dans l’organigramme d’un déploiement ERP.
L’autre effet visible concerne la conformité réglementaire. Les exigences ESG, CSRD et GRI imposent de tracer l’origine des données, de garantir leur intégrité et de produire des rapports auditables. Un ERP qui ne répond pas à ces cadres dès sa mise en service génère une dette technique coûteuse à rattraper.
Data et intelligence artificielle dans l’ERP : ce qui fonctionne vraiment sur le terrain
Le discours marketing autour de l’IA dans les ERP dépasse parfois la réalité des déploiements. Sur le terrain, les cas d’usage les plus matures restent concentrés sur trois domaines.
Le premier concerne l’automatisation des tâches répétitives : reconnaissance de factures, rapprochement bancaire, affectation de codes comptables. Ces fonctions fonctionnent bien parce qu’elles s’appuient sur des données structurées, abondantes et vérifiables.
Le deuxième domaine touche la détection d’anomalies dans les flux opérationnels. Un écart inhabituel sur une commande fournisseur, un doublon de paiement, une variation de marge atypique : l’IA détecte ces signaux plus vite qu’un contrôle humain, à condition que le socle de données soit propre.
Le troisième concerne l’analyse prédictive, notamment pour la gestion des stocks et la maintenance industrielle. Les retours varient sur ce point : les résultats dépendent fortement de la qualité et de la profondeur historique des données disponibles. Une entreprise qui migre d’un ancien ERP avec des données mal structurées ne tirera pas de bénéfice immédiat d’un module prédictif.
Ce constat amène un point souvent sous-estimé : la préparation des données conditionne le succès de tout projet ERP orienté data. Nettoyer, normaliser, dédoublonner les référentiels avant la migration représente parfois la moitié de la charge projet. Les équipes qui négligent cette phase se retrouvent avec un outil performant alimenté par des données inexploitables.
Ce que le cloud change dans l’exploitation data
Le passage au cloud (et au modèle SaaS) facilite l’accès aux données depuis n’importe quel site, accélère les mises à jour et permet de monter en charge sans investissement matériel. En contrepartie, chaque point d’accès devient un vecteur potentiel de fuite de données.
On observe que les entreprises qui basculent en SaaS doivent repenser leur politique de gestion des accès. Qui peut exporter quelles données ? Quels tableaux de bord sont accessibles sur mobile ? Comment tracer les connexions depuis l’étranger ? Ces questions, autrefois marginales, deviennent centrales dans le pilotage quotidien de l’ERP.
Critères de choix d’un ERP en 2025 : grille de lecture opérationnelle
Les critères de sélection se sont densifiés. La grille ci-dessous synthétise les points d’arbitrage concrets que l’on retrouve dans les appels d’offres récents :
| Critère | Ce qu’on vérifie concrètement |
|---|---|
| Sécurité native | Chiffrement intégré, authentification multifactorielle, journalisation des accès |
| Modularité | Capacité à ajouter un module (RH, supply chain, BI) sans migration ni rupture de service |
| Interopérabilité | Qualité des API, connecteurs certifiés avec les outils métiers existants |
| Conformité réglementaire | Prise en charge des référentiels ESG, CSRD, GRI avec traçabilité complète |
| Expérience utilisateur | Interface intuitive, accès mobile, temps de chargement acceptable sur le terrain |
| Capacité data et IA | Qualité du moteur analytique, cas d’usage IA documentés et testables |
Un point mérite attention : la scalabilité ne se mesure pas qu’en volume de données. Elle concerne aussi la capacité à absorber des fusions, des ouvertures de filiales ou des changements de périmètre métier sans repartir de zéro.
Les solutions SaaS répondent à une partie de ces exigences (mises à jour continues, disponibilité immédiate, coûts lissés), mais elles imposent de valider en amont la localisation des données, les engagements de réversibilité et les niveaux de service en cas d’incident.
Le projet ERP de 2025 ne ressemble plus à celui de 2018. La convergence entre gestion, cybersécurité et exploitation data a transformé un sujet technique en un chantier transversal qui engage la DSI, le RSSI, les métiers et la direction générale au même niveau de responsabilité.
