Méthode OKR : comment définir, mesurer et suivre les résultats clés

Un OKR semble simple sur le papier : choisissez un objectif, définissez quelques résultats clés mesurables et examinez les progrès tout au long du trimestre. En pratique, le framework demande aux équipes de faire plusieurs choix conséquents : quels résultats méritent la priorité, quelles preuves démontreront les progrès, si un objectif est un engagement ou une aspiration, et à quelle fréquence l’examiner et l’évaluer.

La mesure des OKR est devenue beaucoup plus complexe depuis l’apparition du concept dans les années 1970. Aujourd'hui, les résultats clés d'une équipe peuvent dépendre à la fois d'enregistrements du CRM, de règles métier gérées par une équipe data et d'indicateurs définis différemment d'un tableau de bord de Business Intelligence (BI) à l'autre. Lorsque la mesure s’appuie sur des données gouvernées en direct, les équipes obtiennent des chiffres plus récents basés sur des définitions concordantes. Les réunions d’évaluation peuvent passer moins de temps à rapprocher les chiffres et plus de temps à examiner la trajectoire de l’objectif, les facteurs qui l’influencent et les prochaines étapes.

Les objectifs et résultats clés (OKR) constituent un framework de définition d’objectifs qui associe un objectif qualitatif à un petit ensemble de résultats clés quantitatifs. L'objectif énonce ce qu'une équipe souhaite accomplir, tandis que les résultats clés précisent les résultats mesurables qui permettraient de démontrer les progrès réalisés vers cet objectif.

Par exemple :

Objectif : faciliter l’intégration des nouveaux clients.

Résultats clés :

• Augmenter le taux d’activation de 40 % à 55 % d’ici la fin du 4e trimestre.
• Réduire le délai médian avant la première valeur (time to value) de sept à trois jours.
• Réduire de 20 % le nombre de tickets de support liés à l’intégration par nouveau client.

Le framework des OKR est né des travaux du dirigeant d’Intel, Andy Grove, qui a développé l’approche de gestion ayant évolué vers les OKR modernes. John Doerr a appris le système chez Intel et l’a ensuite introduit chez Google, contribuant ainsi à populariser plus largement les OKR grâce à son livre Mesurez ce qui compte.

Doerr décrit cinq avantages d’une pratique efficace des OKR à travers l’acronyme F.A.C.T.S. (en anglais) : Focus (concentration), Alignment (alignement), Commitment (engagement), Tracking (suivi) et Stretching (dépassement). La concentration limite l’attention à un petit nombre de priorités ; l’alignement relie les objectifs à travers l’organisation ; l’engagement établit une responsabilité partagée ; le suivi maintient la visibilité des progrès tout au long du cycle ; et le dépassement encourage des cibles ambitieuses.

Les entreprises définissent généralement les OKR selon une cadence récurrente, souvent trimestrielle, puis les examinent et les évaluent tout au long ou à la fin du cycle. Ce rythme distingue les OKR d’une liste de tâches statique : le framework fournit un point de référence continu pour déterminer où le travail produit le résultat escompté et où il échoue.

Découvrez comment Thomson Reuters utilise Cortex Analyst pour créer des analyses fondées sur l'IA à partir des données d'entreprise :

Les deux composants d’un OKR remplissent des rôles différents. Un objectif est une déclaration d’intention qualitative. Il doit donner à l’équipe une direction claire tout en laissant la place à différentes manières de l’atteindre. « Offrir une expérience d’intégration plus fluide », par exemple, décrit le résultat souhaité par l’équipe sans prescrire de fonctionnalité, de campagne ou de workflow particulier.

Un résultat clé traduit cette direction en preuves mesurables. Prenez ce résultat clé qui démontrerait une expérience d’intégration plus fluide : « Réduire le délai médian d’obtention de la première valeur de sept à trois jours d’ici la fin du 4e trimestre. » L'indicateur est le délai médian d’obtention de la première valeur. Sept jours constituent la valeur de départ, trois jours sont la cible et la fin du 4e trimestre fournit la limite de temps.

Cette structure aide également à séparer les résultats des livrables. « Livrer cinq améliorations d’intégration » enregistre une activité. « Réduire le délai d’obtention de la première valeur de sept à trois jours » mesure le résultat que le travail est censé produire.

Chaque résultat clé nomme un résultat mesurable, ce qui signifie que chacun s’appuie également sur une définition d'indicateur et une source de données. Le cadre fixe ce que l'équipe entend mesurer, mais ce sont les données qui sous-tendent l'indicateur qui déterminent avec quelle fiabilité elle le mesure.

On distingue généralement trois types d’OKR, selon le degré de certitude attaché au résultat visé. Les deux premiers sont associés en particulier à la manière dont Google a mis en œuvre ce framework. Le troisième s’est répandu plus récemment, pour les situations où l’équipe ne sait pas encore quel résultat viser.

• Les OKR engagés portent sur un résultat que l’équipe est tenue d’obtenir au cours du cycle. Les ressources et les priorités doivent refléter cette attente, et la cible est généralement considérée comme devant être atteinte à 100 %.
• Les OKR d’aspiration vont délibérément plus loin. Ces objectifs de dépassement comportent davantage d’incertitude, et une réalisation partielle peut déjà représenter un progrès important. L’approche de notation de Google considère ainsi qu’un score compris entre 0,7 et 1,0 est satisfaisant pour un OKR ambitieux, tandis qu’un OKR d’engagement doit atteindre 1,0.
• Les OKR d’apprentissage s’emploient lorsque l’équipe manque d’éléments pour fixer une cible réaliste : nouveau marché, nouveau produit, problème encore mal compris. Les résultats clés mesurent alors ce que l’équipe doit apprendre plutôt qu’un résultat métier : hypothèses testées, entretiens clients menés, expérimentations réalisées, valeur de départ établie. Ils préparent le terrain pour un OKR d’engagement ou ambitieux au cycle suivant.

Indiquer le type de chaque OKR dès le début du cycle donne au score final un contexte utile. Un 0,7 obtenu sur un objectif de croissance très ambitieux et un 0,7 obtenu sur une échéance réglementaire obligatoire ne signifient pas du tout la même chose. Pour un OKR d’apprentissage, le score compte moins que ce que l’équipe a appris et la façon dont elle s’en sert pour fixer ses prochaines cibles.

Certaines organisations distinguent également les OKR stratégiques, qui expriment des priorités de haut niveau ou à plus long terme, des OKR opérationnels ou d’équipe qui y contribuent. Quelle que soit la terminologie retenue, la hiérarchie des OKR doit montrer comment les résultats mesurables de chaque équipe se rattachent aux priorités de l’organisation.

Les OKR et les indicateurs clés de performance (KPI) sont étroitement liés, ce qui explique en grande partie la confusion entre les deux.

Un KPI est une mesure continue de la performance. Le taux d'attrition mensuel, la marge brute, la disponibilité, la précision des prévisions et le taux de conversion peuvent figurer sur un tableau de bord trimestre après trimestre, car l'organisation souhaite en surveiller l'évolution en continu.

Un OKR spécifie un objectif avec des résultats clés que l’organisation souhaite produire au cours d’une période définie.

Prenez l’attrition client :

Un KPI d’attrition client mensuelle pourrait être de 5 %. Un résultat clé d’OKR pourrait inclure le même indicateur de cette façon : Réduire l’attrition client mensuelle de 5 % à 3 % d’ici la fin du 2e trimestre.

Le KPI fournit la mesure. Le résultat clé ajoute une valeur de départ, une cible et une échéance qui décrivent le changement prévu.

De nombreux résultats clés utilisent donc des KPI existants, bien que cette relation ne soit pas obligatoire. Une équipe peut créer un nouvel indicateur pour une initiative qui n’a jamais été mesurée auparavant. Dans les deux cas, le résultat clé nécessite une méthode de calcul convenue et une source fiable pour les données sous-jacentes.

Les KPI peuvent également servir de garde-fous autour d’un OKR. Une équipe produit qui vise une adoption rapide peut, par exemple, suivre le volume de demandes au support ou la satisfaction client en parallèle de son objectif de croissance, afin que les progrès sur un indicateur ne masquent pas la dégradation d'un autre.

Un bon OKR permet de cibler l’attention. Si une équipe aborde un trimestre avec 15 objectifs, des dizaines de résultats clés et aucun ordre de priorité clair entre eux, c'est que le framework n'est pas utilisé efficacement. La rédaction d’un ensemble utile d’OKR commence par les bonnes pratiques suivantes.

Rédiger des objectifs axés sur les résultats

Un objectif doit décrire un résultat que l’équipe souhaite produire. « Lancer trois campagnes d’acquisition » décrit un travail planifié. « Augmenter la demande qualifiée provenant des comptes cibles » donne à l’équipe un résultat auquel plusieurs types de travaux peuvent contribuer. L’objectif n’a pas besoin d’un indicateur, car les résultats clés de l’objectif la fournissent.

Donner à chaque résultat clé une valeur de départ et une cible

Les bases de référence révèlent également l’ampleur du changement proposé. Augmenter l’activation à 60 % a une signification très différente si le taux actuel est de 58 % ou de 35 %.

Les résultats clés doivent également s'accompagner de cibles précises. « Améliorer la précision des prévisions » laisse trop de points en suspens. « Augmenter la précision des prévisions trimestrielles de 72 % à 85 % d’ici la fin du 4e trimestre » établit à la fois la position de départ et le résultat attendu.

Attribuer un responsable désigné

Un résultat clé dépend souvent du travail de plusieurs personnes, mais la responsabilité de son suivi doit rester claire. Cette personne maintient la visibilité de la mesure et s’assure que les changements font l’objet d’une attention particulière.

Éprouver la mesure

Avant de vous engager sur un résultat clé, demandez-vous comment sa valeur actuelle sera calculée au cours du cycle. D’où proviennent les données ? À quelle fréquence sont-elles actualisées ? Qui est responsable de la définition de la métrique ? La même étiquette fait-elle référence au même calcul dans les différents tableaux de bord et équipes ?

Un résultat clé qui nécessite un nouveau pipeline de mesure n’est pas nécessairement un mauvais résultat clé. L’équipe doit simplement tenir compte de ce travail avant le début du cycle.

Le même test permet de repérer les résultats clés qui sont difficiles à évaluer. Un résultat clé comme « Renforcer la confiance dans la marque », par exemple, nécessite une méthode de mesure définie avant que l'équipe puisse déterminer ce que représente un progrès.

Les OKR prennent différentes formes au sein de l’organisation, car chaque équipe influence des résultats stratégiques différents. Les indicateurs peuvent aller de l’activation et de la rétention au pipeline et à la précision des prévisions, mais chaque résultat clé doit donner à l’équipe un moyen mesurable de relier son travail à un objectif plus large.

Leadership

Objectif : Devenir la marque de référence de la catégorie.

Résultats clés possibles :

• Augmenter le Net Promoter Score de X à Y
• Augmenter le taux de signature face à la concurrence de X % à Y %
• Augmenter la fidélisation des clients de X % à Y %

Produit

Objectif : Faciliter l’intégration des nouveaux clients.

Résultats clés possibles :

• Augmenter le taux d’activation de X % à Y %
• Réduire le délai médian d’obtention de la première valeur de X jours à Y jours
• Réduire le nombre de tickets d’assistance à l’intégration par nouveau client de X à Y

Marketing

Objectif : Créer un moteur de demande plus prévisible.

Résultats clés possibles :

• Augmenter le pipeline qualifié de X € à Y €
• Augmenter la conversion des opportunités de X % à Y %
• Réduire le coût par opportunité de X € à Y €

Opérations commerciales et de revenus

Objectif : Améliorer la confiance dans les prévisions de revenus.

Résultats clés possibles :

• Augmenter la précision des prévisions de X % à Y %
• Réduire la durée médiane du cycle de vente de X jours à Y jours
• Augmenter la couverture du pipeline de X à Y

De nombreux programmes d’OKR notent les résultats clés individuels sur une échelle de 0,0 à 1,0, puis utilisent ces résultats pour évaluer l’objectif dans son ensemble.

Supposons qu’un résultat clé vise à augmenter l’activation de 40 % à 55 %. Si l’activation termine le cycle à 50 %, la méthode de notation traduit cette progression en un résultat standardisé afin que les équipes puissent examiner les différents résultats clés de manière cohérente.

L’interprétation dépend en partie du type d’OKR. L’approche de Google place les scores ambitieux de 0,7 à 1,0 dans sa plage verte, tandis que les OKR engagés sont censés atteindre 1,0. Atteindre systématiquement 100 % d’objectifs très ambitieux pourrait également indiquer que les cibles ne poussent pas l’équipe très loin.

Le score n’est qu’une partie de l’examen de fin de cycle, qui doit également examiner ce qui a contribué au résultat, quelles hypothèses se sont vérifiées et ce qui devrait changer au cours du cycle suivant.

Par exemple, une équipe qui a atteint 0,6 peut avoir rencontré une hypothèse incorrecte, une dépendance externe ou un changement dans les priorités stratégiques. Une autre équipe avec le même score peut avoir commencé tard ou avoir laissé le résultat clé s’éloigner du travail quotidien. Le score seul ne permet pas de distinguer ces circonstances.

Enfin, la qualité du score dépend de la qualité de la mesure sous-jacente. Une échelle de 0,0 à 1,0, aussi soigneusement conçue soit-elle, n'a guère de valeur si l'indicateur source n'est pas fiable, parce qu'il n'est pas à jour ou qu'il fait l'objet de définitions contradictoires.

Les OKR sont conçus pour fonctionner selon une cadence de gestion récurrente. La planification établit la cible, les points d'étape font remonter les changements tôt et la rétrospective transforme le résultat final en données d’entrée pour le cycle suivant.

Définir les OKR

Un cycle trimestriel typique commence par la rédaction et l’alignement des objectifs, l’établissement des résultats clés et la désignation des responsables. À ce stade, les équipes doivent s'assurer que chaque résultat clé dispose d'une valeur de départ, d'une cible et d'une source de mesure clairement établies, car les définitions laissées en suspens ont tendance à refaire surface plus tard, lors des points d'étape.

Examiner les progrès régulièrement

Au cours du trimestre, les équipes examinent les progrès chaque semaine ou toutes les deux semaines, identifient les résultats clés qui dérapent et ajustent le travail en conséquence. Des points d'étape fréquents donnent aux équipes l’occasion de réagir pendant qu’il est encore temps d’influencer le résultat. Plutôt que d’attendre la fin du trimestre pour découvrir qu’un résultat clé n’a pas été atteint, les équipes peuvent rechercher ce qui motive les changements dans un indicateur et ajuster leur travail en conséquence.

Un point de contrôle utile commence par la valeur actuelle de chaque résultat clé, puis demande ce qui a changé, ce qui bloque tout mouvement ultérieur et quelles actions méritent l’attention avant le prochain examen.

Si la première partie de chaque réunion est consacrée à la collecte de mises à jour de feuilles de calcul ou au rapprochement de chiffres contradictoires, la cadence entraîne des frais opérationnels inutiles. Avec les mesures actuelles disponibles au moment de la réunion, la discussion peut passer plus rapidement à la trajectoire de l’objectif et à ce qu’il faut faire ensuite.

Noter et exécuter une rétrospective

À la fin du cycle, les équipes notent les résultats et examinent ce qui les a façonnés. Le score montre les progrès réalisés par l’équipe vers la cible, tandis que la rétrospective examine ce qui a contribué au résultat, quelles hypothèses se sont vérifiées et ce qui devrait changer au cours du cycle suivant. Cet examen devrait alimenter directement le prochain cycle de planification.

La plupart des problèmes liés aux OKR relèvent de quelques modèles récurrents, dont plusieurs ne font surface qu’après le début de l’exécution.

• Trop d’OKR : une longue liste affaiblit la priorisation que le framework est censé créer. Limitez le nombre d'objectifs en cours afin que chacun bénéficie d'une attention suffisante tout au long du cycle.
• Des livrables présentés comme des résultats : « Lancer une nouvelle fonctionnalité » enregistre l’achèvement d’un travail. Un résultat clé tel que « Faire passer l'adoption hebdomadaire du workflow de 22 % à 35 % » mesure ce qui s'est produit une fois la fonctionnalité mise à disposition des utilisateurs.
• Un alignement faible : les OKR d’équipe doivent être visiblement liés aux priorités de l’entreprise plutôt que de fonctionner comme une couche de planification indépendante.
• Une planification sans suivi : les objectifs trimestriels perdent leur pertinence opérationnelle lorsque les équipes ne les examinent qu'au moment de la planification et du bilan de clôture. Des points d'étape réguliers maintiennent l'indicateur dans le cycle de décision.
• Des objectifs détachés du travail quotidien : Une équipe doit avoir une certaine capacité à influencer ses résultats clés par les choix qu’elle fait au cours du trimestre. Sinon, l'indicateur fonctionne principalement comme une observation.
• Biaiser les scores : considérer l'atteinte des OKR comme un indicateur direct de la performance des collaborateurs incite à fixer des cibles moins ambitieuses et complique le recours aux OKR ambitieux.
• Des mesures peu fiables : un chiffre copié manuellement ou obsolète, ou une définition contestée, fait perdre du temps sur des tâches de réconciliation. On a tendance à réduire ce problème à une question d'outillage OKR, alors qu'il prend souvent naissance plus bas dans la pile technique, au niveau des définitions d'indicateurs, des sources de données et de la gouvernance.

Les feuilles de calcul et les outils OKR dédiés suffisent souvent pour enregistrer les objectifs, les responsables et les scores. Toute la difficulté consiste à maintenir à jour et cohérente la mesure qui sous-tend chaque résultat clé, en particulier lorsqu'elle repose sur des données issues de plusieurs systèmes.

Prenons l’exemple d’un résultat clé visant à augmenter la conversion du pipeline qualifié de 18 % à 24 %. Les équipes doivent s'accorder sur les opportunités à prendre en compte, le passage d'étape qui vaut conversion, le traitement des opportunités rouvertes et les dates qui déterminent leur rattachement à la période de reporting. Si ces règles sont mises en œuvre séparément dans un rapport CRM, un tableau de bord de BI et une requête d'analyste, chaque système risque de produire un résultat différent pour un même résultat clé.

La copie d’une valeur dans une feuille de calcul introduit un autre problème : le score enregistré reflète l'indicateur au moment où quelqu’un l’a saisie, plutôt que sa valeur actuelle.

La connexion d’un résultat clé à des données gouvernées en direct résout ces deux problèmes. Les données sous-jacentes sont gérées et actualisées selon les exigences de l'organisation, tandis qu'une logique métier commune définit la manière dont l'indicateur est calculé. La vue OKR peut alors référencer cette mesure plutôt que de conserver une copie distincte.

Le flux ressemble à peu près à ceci :

Données sources → intégration et transformation → définition d'indicateur gouverné → valeur d'indicateur actuelle → suivi et analyse des OKR

« En direct » ne signifie pas nécessairement en temps réel. Un résultat clé portant sur le chiffre d'affaires trimestriel peut nécessiter une actualisation quotidienne, alors qu'un indicateur opérationnel exige une latence beaucoup plus faible. Ce qui compte, c’est que la mesure reste connectée à sa source gérée et s’actualise à une cadence appropriée aux décisions que l’équipe doit prendre.

La gouvernance applique des définitions d'indicateurs cohérentes, une attribution claire des responsabilités, une traçabilité et des droits d'accès appropriés, afin d'aider les équipes à comprendre ce que représente un chiffre, d'où il provient et s'il convient de l'utiliser pour un résultat clé donné.

L’IA commence à influencer plusieurs aspects de la gestion des objectifs, y compris le travail qui implique la rédaction, le suivi et le résumé des OKR.

Améliorer les OKR lors de la planification

Lors de la définition des objectifs, les outils assistés par l’IA peuvent examiner les projets d’objectifs et de résultats clés pour détecter des problèmes structurels tels qu’un langage vague, des bases de référence manquantes, des cibles irréalistes ou des activités présentées comme des résultats.

Ce type d’examen est plus utile comme contrôle de qualité que comme substitut au jugement stratégique. Un système d’IA peut signaler que « lancer trois améliorations d’intégration » décrit un livrable, par exemple, tandis que l’équipe doit encore décider quel résultat client doit le remplacer et quel niveau d’amélioration est réaliste.

Suivre les progrès pendant le cycle

Une fois le trimestre entamé, l’IA a un rôle différent : aider les équipes à identifier les changements qui méritent l’attention. Lorsque les résultats clés sont connectés aux indicateurs actuelles, un système analytique ou agentique peut comparer les progrès avec la cible, faire ressortir un changement inattendu et recueillir des informations à l’appui sur ce qui a changé. Un résultat clé commercial qui commence à prendre du retard peut, par exemple, déclencher une analyse par région, par segment ou par étape du pipeline avant même la prochaine revue planifiée.

Cela permet de retirer une partie du travail de suivi de la préparation manuelle des statuts. Plutôt que d’attendre que quelqu’un remarque un problème dans une feuille de calcul, les équipes reçoivent des signaux plus précoces qui justifient une enquête.

Se préparer aux examens et aux rétrospectives

Au moment de l’examen, l’analyse assistée par l’IA peut aider à assembler le contexte derrière un score. Un système peut ainsi résumer l'évolution d'un indicateur au cours du trimestre, repérer les périodes d'accélération ou de recul, faire remonter les KPI associés et rédiger un document préparatoire que l'équipe relira avant la revue trimestrielle d'activité.

Les interfaces en langage naturel offrent aux dirigeants un autre moyen d’étudier le résultat. Des questions telles que « Qu’est-ce qui a le plus contribué à la baisse de l’activation ce mois-ci ? » ou « Quels segments de clientèle sont les plus éloignés de la cible du T4 ? » peuvent mener directement à une analyse lorsque les indicateurs et les concepts métier pertinents sont à la disposition du système.

À travers ces trois étapes, la même contrainte s’applique : l’IA hérite de la qualité des mesures qu’elle utilise. Si un résultat clé repose sur des définitions incohérentes, des valeurs obsolètes ou des données sources mal gouvernées, une analyse plus rapide reproduit simplement ces faiblesses à une vitesse supérieure. Des données gouvernées et à jour, associées à des définitions d'indicateurs partagées, offrent aux workflows assistés par l'IA et agentiques une base plus fiable pour interpréter les progrès.

Les entreprises peuvent utiliser Snowflake pour rassembler les données des systèmes opérationnels, appliquer une logique métier homogène et fournir des indicateurs gouvernées pour la BI, l’analytique et les workflows d’IA. Pour le suivi des OKR, un résultat clé peut référencer la même définition d'indicateur utilisée ailleurs au lieu de s’appuyer sur un calcul distinct maintenu spécifiquement pour le processus OKR.

Les Snowflake Semantic Views sont des objets de niveau schéma qui permettent de définir des concepts métier, tels que des indicateurs, des dimensions et des relations, à partir des données physiques. La centralisation de cette logique permet de réduire les définitions d'indicateurs dupliqués dans les requêtes et les outils analytiques, tandis que les Semantic Views résultantes peuvent être interrogées directement avec SQL et utilisées par Cortex Analyst.

Pour un résultat clé de pipeline qualifié, par exemple, une Semantic View pourrait définir la métrique et les relations requises pour la calculer selon les règles métier convenues par l’organisation. Le Semantic View Editor dans Snowsight fournit une interface visuelle pour créer et modifier ces définitions, y compris les tables logiques, les dimensions, les faits, les indicateurs et les relations.

Cortex Analyst utilise les Semantic Views pour interpréter les questions en langage naturel et générer du SQL par rapport aux données associées. Lors d’un examen des OKR, une équipe pourrait utiliser ce contexte sémantique pour étudier un changement dans un indicateur de résultat clé, par exemple, en examinant la performance dans les régions, les produits ou les segments de clientèle représentés dans la vue.

Étant donné que les Semantic Views sont des objets au niveau du schéma Snowflake, elles s’intègrent également au système de privilèges et au catalogue de métadonnées de Snowflake. Cela maintient les définitions d'indicateurs, les contrôles d’accès et les données sous-jacentes dans le même environnement gouverné, tout en permettant aux mêmes concepts métier de prendre en charge SQL, la BI et l’analyse assistée par l’IA.

Pour les démarches OKR, l'avantage est concret : les équipes peuvent mesurer un résultat clé à partir des mêmes définitions gouvernées que celles déjà utilisées ailleurs dans l'organisation, au lieu de gérer des formules distinctes et de reporter régulièrement leurs résultats dans un rapport d'avancement.

Les OKR offrent aux équipes une méthode rigoureuse pour choisir leurs priorités, définir des résultats mesurables et les réexaminer tout au long d'un cycle de planification. Le framework donne toute sa mesure lorsque cette rigueur s'étend aux données qui sous-tendent chaque résultat clé.

Pour une petite équipe, le système de support peut être simple. À mesure que les OKR s'étendent à plusieurs fonctions, outils analytiques et interfaces d'IA, les équipes ont besoin de définitions d'indicateurs partagées et de données à jour, qui offrent une base plus cohérente pour évaluer les progrès et décider où agir.