Comment poser les fondations d'une chaîne décisionnelle IA-compatible pour une foncière de 20 Md€
Gecina est l’une des premières foncières cotées d’Europe, avec un patrimoine immobilier de près de 20 milliards d’euros. Accompagnée par Klint sur plusieurs années, elle a posé les fondations d’une chaîne décisionnelle Microsoft Fabric de bout en bout : entrepôt de données centralisé, reporting Power BI industrialisé, donnée gouvernée et prête pour l’IA.
Les résultats clés
Gecina en bref
Gecina est l’une des premières foncières cotées d’Europe. Elle détient et gère un patrimoine immobilier de près de 20 milliards d’euros, réparti entre le premier parc de bureaux de France et un ensemble d’actifs résidentiels et de résidences pour étudiants.
Le point de départ : un CRM réussi qui révèle une question plus large
En 2018, Gecina engage avec Klint un premier chantier : structurer sa relation client autour de Microsoft Dynamics 365. Le projet est un succès. Les équipes commerciales disposent d’un outil central, les portefeuilles sont pilotés avec agilité, et les premiers rapports Power BI donnent enfin à la direction une lecture claire de l’activité.
Ce premier résultat a ouvert une question plus large : si le CRM avait permis de fiabiliser la donnée de commercialisation, que pouvait-on faire de l’ensemble des données de gestion de l’entreprise ? Le rapport mensuel sur le patrimoine mobilisait à lui seul trois semaines de travail chaque mois. La direction ne pouvait pas toujours accéder aux indicateurs dont elle avait besoin au bon moment, et chaque métier produisait ses propres chiffres sans garantie de cohérence.
C’est à ce stade que la collaboration entre Gecina et Klint s’est élargie à la modernisation de la chaîne décisionnelle.
Quelles étaient les limites du système existant ?
Un entrepôt de données existait déjà chez Gecina. Il fonctionnait, et c’est précisément ce qui rendait la situation délicate. Il alimentait des rapports Cognos produits sous forme de listings statiques, exclusivement branchés sur l’ERP. Ce périmètre étroit avait l’avantage d’être stable, mais rendait toute évolution structurellement impossible.
Trois blocages se cumulaient :
- L’impossibilité d’intégrer d’autres domaines : les données RH, financières ou issues du CRM ne pouvaient pas entrer dans cet entrepôt
- L’impossibilité de faire évoluer l’existant : aucune documentation, aucun sachant interne disponible, la connaissance était perdue
- Une modélisation à iso-tables de l’ERP, sans modélisation fonctionnelle métier : l’entrepôt reflétait la structure technique de la source, pas la logique des métiers
Un système qui tourne mais qu'on ne peut ni étendre ni documenter : c'est cette combinaison qui a rendu le projet inévitable.
Comment partir de l'existant sans tout casser ?
Gecina ne repartait pas d’une feuille blanche. Un système décisionnel existait, des indicateurs étaient produits, et des équipes s’en servaient. La question n’était pas de le remplacer mais de construire à côté de lui un nouveau socle capable de répondre aux besoins actuels et d’absorber ceux de demain, sans interrompre la production des reportings en cours.
C’est précisément la démarche que Klint applique sur ce type de projet : construire en parallèle, apporter de la valeur en priorité, décommissionner l’ancien système uniquement quand les indicateurs concernés ont migré vers le nouveau socle.
Qu'est-ce que Klint a mis en place ?
La mission a porté sur trois enjeux précis formulés par Gecina : fournir de nouveaux KPI, permettre un reporting en continu, et rendre chaque métier autonome dans l’analyse de ses propres données.
Un entrepôt de données centralisé
Klint a d’abord construit un entrepôt de données centralisé, alimenté par plus de 15 sources hétérogènes : le CRM Dynamics 365, les systèmes de gestion locative (Cassiopae), les outils Finance et Compta (Talentia) et d’autres référentiels métiers. Plus de 400 jobs ETL Talend assurent l’alimentation continue de cet entrepôt, qui structure aujourd’hui la production de plus de 500 indicateurs répartis sur plus de 400 tables.
Talend reste la couche d’intégration opérationnelle de cette architecture, en charge de l’orchestration, des transformations et de la qualité des données à l’entrée du DWH.
Des datasets ouverts aux métiers
Sur ce socle, 4 datasets globaux et plus de 40 datasets spécifiques ont été créés et ouverts directement aux équipes de contrôle de gestion, comptabilité, gestion d’actifs immobiliers, CRM et marketing. Chaque dataset est structuré pour que les utilisateurs puissent créer leurs propres analyses sans dépendre systématiquement de la DSI.
Un reporting Power BI industrialisé
Au-dessus de ce socle, Klint a déployé plus de 130 rapports Power BI standards en production, dont 20 rapports préparés directement sur les datasets métiers, organisés en 7 applications Power BI destinées à des directions différentes. Un cadre de gouvernance permet aux métiers de produire leurs propres analyses en autonomie, ce que 20 rapports supplémentaires créés directement par les équipes illustrent concrètement.
Le rapport mensuel sur le patrimoine, qui représentait trois semaines de travail par mois, est désormais produit automatiquement chaque jour.
Quels facteurs ont rendu ce projet possible ?
Deux éléments ont été déterminants. D’abord, la capitalisation des règles de gestion métiers dès la phase de conception du Data Warehouse : sans ça, les datasets auraient été techniquement corrects mais inutilisables par des non-techniciens. Ensuite, un accompagnement différencié selon le niveau d’autonomie de chaque équipe sur Power BI, plutôt qu’une formation unique déconnectée des usages réels.
La présence du CRM Dynamics 365 comme source de données clients structurée et fiable a aussi joué un rôle clé : la qualité de la donnée d’entrée conditionne directement la pertinence du reporting en sortie.
Webinaire Klint x Gecina | Mardi 14 avril | 11h30 - 12h15
Moderniser sa data platform sur la durée – retour d’expérience client avec Gecina
La prochaine étape : Microsoft Fabric comme réceptacle cloud
Le DWH on-premise — ses 400+ tables, ses règles de gestion capitalisées, ses 500+ indicateurs — constitue aujourd’hui un actif que Gecina ne remet pas en cause. Il fonctionne, il est documenté, et les équipes se sont pleinement approprié sa logique.
L’étape suivante consiste à remonter ce DWH en miroir dans Microsoft Fabric, en répliquant dans la plateforme cloud la modélisation déjà construite et éprouvée. Concrètement : les calculs et l’orchestration ETL restent assurés en on-premise par Talend, et le résultat — la donnée transformée, qualifiée, modélisée — est exposé dans Fabric, qui devient le réceptacle cloud et le point d’entrée des nouveaux usages.
Cette approche hybride préserve l’investissement réalisé sur le DWH existant tout en ouvrant l’accès aux capacités de Fabric : scalabilité, partage de données entre entités, gouvernance fine, et couplage natif avec l’IA générative via Azure AI Foundry.
Architecture cible
| Couche | Composants | Rôle |
|---|---|---|
|
On-Prem
Existant maintenu
|
Talend ETL
+ DWH SQL Server
|
Sources historiques, 400+ jobs, 500+ indicateurs modélisés |
|
Miroir Fabric
Cloud
|
Microsoft Fabric
Lakehouse / Warehouse
|
Réplication de la modélisation existante via mirroring |
|
Couche IA
Nouveaux usages
|
Azure AI Foundry
+ Microsoft Fabric
|
Copilot, agents IA, analyses prédictives sur données gouvernées |
Pourquoi Microsoft Fabric change la donne 💡
Microsoft Fabric intègre nativement l’IA générative, et pour en tirer quelque chose d’utile, il faut exactement ce que Gecina a construit : une donnée modélisée, documentée, gouvernée. Pas de raccourci possible. Ceux qui ont fait ce travail en amont passent à Fabric en quelques semaines. Les autres recommencent de zéro.
Quelle est la vraie valeur de ce projet ?
Ce qui rend ce projet stratégiquement intéressant ne se limite pas aux économies de temps réalisées sur le reporting, ni à l’autonomie proposée aux métiers. Le véritable enjeu, c’est ce que tout ce travail rend possible pour demain.
Avant de pouvoir exploiter l’IA, il faut avoir fait le travail difficile en amont : modéliser la donnée, documenter les règles de gestion, harmoniser les référentiels métiers, fiabiliser les sources. C’est exactement ce que Klint a construit chez Gecina sur plusieurs années : 500 indicateurs modélisés et documentés, un lineage complet, 15 sources intégrées, une donnée qualifiée et gouvernée. Sans ce socle, aucun modèle d’IA ne peut produire de résultat fiable.
Avant de pouvoir exploiter l'IA, il faut avoir fait le travail difficile en amont : modéliser la donnée, documenter les règles de gestion, fiabiliser les sources.
Pourquoi choisir Klint pour votre projet de chaîne décisionnelle Microsoft Fabric ?
Chez Klint, nous ne nous positionnons pas comme un simple intégrateur technique. Notre approche combine expertise fonctionnelle des métiers de nos clients, maîtrise des architectures data Microsoft et connaissance approfondie de Microsoft Fabric, Power BI et Dynamics 365.
L’expérience menée chez Gecina en est l’illustration concrète : en accompagnant la modernisation de sa chaîne décisionnelle sur plusieurs années, nous avons su préserver l’existant tout en construisant un socle data moderne, gouverné et IA-compatible.
Gecina est un cas concret de ce que Klint appelle la démarche « en partant de l’existant » : ne pas remettre à plat ce qui fonctionne, construire un nouveau socle en parallèle, migrer progressivement. Cette approche évite les projets à transformation totale dont la valeur n’est visible qu’après dix-huit mois et qui fragilisent la production courante pendant toute la durée du chantier.
Pour une foncière, un gestionnaire d’actifs ou tout opérateur immobilier qui gère plusieurs centaines d’indicateurs issus de systèmes hétérogènes, c’est souvent le seul chemin réaliste.
Échangeons sur votre projet data
FAQ – Chaîne décisionnelle Microsoft Fabric et immobilier
Qu'est-ce qu'une chaîne décisionnelle Microsoft Fabric ?
Une chaîne décisionnelle Microsoft Fabric est un ensemble de briques interconnectées permettant de collecter, transformer, modéliser et exposer la donnée pour le reporting et l'analyse. Microsoft Fabric centralise ces capacités dans une plateforme cloud unifiée, intégrant nativement Power BI, les outils ETL, le stockage et les fonctionnalités d'IA générative.
Pourquoi les foncières et gestionnaires d'actifs ont-ils besoin de moderniser leur chaîne décisionnelle ?
Les opérateurs immobiliers gèrent des centaines d'indicateurs issus de systèmes hétérogènes (ERP, CRM, gestion locative, finance...). Sans une chaîne décisionnelle structurée, le reporting reste manuel, fragmenté et peu fiable. La modernisation permet de produire des indicateurs cohérents en temps réel, de donner de l'autonomie aux métiers et de poser les bases d'une exploitation de l'IA sur des données gouvernées.
Peut-on migrer vers Microsoft Fabric sans repartir de zéro ?
Oui. L'approche Klint consiste précisément à partir de l'existant : identifier ce qui fonctionne, construire le nouveau socle en parallèle et migrer progressivement les indicateurs. Chez Gecina, le DWH on-premise existant a été conservé et répliqué en miroir dans Fabric, préservant ainsi plusieurs années d'investissement sur la modélisation et les règles de gestion.
Comment Klint accompagne-t-il les projets de chaîne décisionnelle Microsoft Fabric ?
Klint intervient de bout en bout : cadrage, architecture, intégration des sources, modélisation métier, déploiement Power BI et formation des équipes. Notre approche est orientée usages : nous capitalisons les règles de gestion métiers dès la conception, et nous adaptons l'accompagnement au niveau d'autonomie de chaque équipe.
Thibault Baudard
Chef de Projet data pendant 3 ans chez Gecina