On parle beaucoup de décisions « data-driven », de tableaux de bord et de modèles prédictifs. Mais une vérité reste souvent dans l'ombre : une décision ne vaut jamais mieux que la donnée sur laquelle elle repose. Un dashboard superbe alimenté par des données fausses produit des conclusions fausses, avec d'autant plus de confiance qu'il est bien présenté. La qualité et la gouvernance des données sont ce socle discret, rarement mis en avant, mais qui détermine si toute la chaîne décisionnelle tient debout ou s'effondre en silence.
La qualité des données est un enjeu business, pas technique
On a tendance à ranger la qualité des données dans la catégorie « problème informatique ». C'est une erreur de cadrage. Les conséquences d'une donnée défaillante sont d'abord business : une campagne marketing envoyée à des adresses obsolètes, un stock mal évalué qui déclenche une rupture, un reporting financier faussé qui oriente une mauvaise décision d'investissement. Gartner estime le coût moyen d'une mauvaise qualité de données à près de 13 millions de dollars par an et par entreprise. Et le coût le plus insidieux n'est pas financier : c'est la perte de confiance. Le jour où un dirigeant découvre un chiffre erroné dans un rapport, il cesse de faire confiance à tous les rapports, y compris les justes.
Les six dimensions de la qualité des données
« Des données de qualité » est une formule vague. Pour la rendre actionnable, on la décompose classiquement en six dimensions, chacune correspondant à une question concrète :
- Complétude : les données attendues sont-elles toutes présentes ? Un champ « email » vide sur 30 % des clients limite directement toute campagne.
- Exactitude : la donnée reflète-t-elle correctement la réalité ? Une adresse valide dans sa forme mais qui n'existe pas est un problème d'exactitude.
- Cohérence : la même information est-elle identique d'un système à l'autre ? Un client « actif » dans le CRM et « clôturé » dans la facturation crée une incohérence bloquante.
- Fraîcheur : la donnée est-elle à jour au moment où on l'utilise ? Un stock rafraîchi une fois par jour est inutilisable pour une décision en temps réel.
- Unicité : chaque entité n'existe-t-elle qu'une seule fois ? Les doublons faussent les comptages et gonflent artificiellement les indicateurs.
- Validité : la donnée respecte-t-elle les règles et formats attendus ? Une date de naissance en 2043 est syntaxiquement une date, mais elle est invalide.
L'intérêt de ce découpage est opérationnel : il permet de transformer un ressenti flou (« nos données sont mauvaises ») en règles mesurables que l'on peut suivre dans le temps.
Qu'est-ce que la gouvernance des données ?
Si la qualité décrit l'état de la donnée, la gouvernance décrit l'organisation qui la maintient dans le temps. C'est l'ensemble des rôles, des règles et des processus qui garantissent que les données sont fiables, comprises et utilisées correctement. Sans gouvernance, la qualité est un coup de propre ponctuel qui se dégrade dès le lendemain ; avec elle, elle devient un état entretenu.
La gouvernance s'appuie généralement sur trois rôles complémentaires :
- Le data owner : souvent un responsable métier, il est redevable de la donnée sur son périmètre. Il décide des règles et arbitre les priorités.
- Le data steward : il est le gardien opérationnel de la qualité. Il traduit les besoins métier en règles concrètes, documente les données, surveille leur qualité et fait le lien entre les équipes métier et techniques.
- Le data custodian : côté technique, il gère le stockage, les accès et la sécurité des données selon les règles définies.
Les outils du socle : catalogue, glossaire et lignage
Une gouvernance efficace s'appuie sur quelques artefacts clés qui rendent la donnée compréhensible et traçable :
- Le catalogue de données : un inventaire centralisé qui répond à la question « quelles données avons-nous, où, et que signifient-elles ? ». Sans catalogue, la connaissance reste dans la tête de quelques personnes.
- Le glossaire métier : une définition partagée des termes clés. Que veut dire exactement « client actif » ? Si trois équipes ont trois définitions, leurs chiffres ne seront jamais comparables.
- Le lignage (data lineage) : la traçabilité du parcours d'une donnée, de sa source jusqu'au tableau de bord. Il permet de comprendre l'impact d'un changement et de remonter à l'origine d'une anomalie.
Par où commencer concrètement
Une démarche de gouvernance peut vite paraître écrasante. La clé est de ne pas vouloir tout traiter d'un coup, mais de procéder par étapes :
- Identifier les données critiques : toutes les données n'ont pas le même poids. On commence par les Critical Data Elements, celles qui alimentent les décisions et les indicateurs les plus importants.
- Profiler l'existant : mesurer la qualité réelle avant de vouloir l'améliorer. Le data profiling révèle les taux de complétude, les doublons et les valeurs aberrantes.
- Définir des règles et les automatiser : traduire chaque dimension en contrôles automatiques, exécutés en continu plutôt qu'au coup par coup.
- Instaurer une culture : l'outil ne suffit pas. La qualité progresse quand chaque producteur de données comprend qu'il est le premier responsable de sa fiabilité.
Le lien avec la conformité et le RGPD
La gouvernance n'est pas qu'une affaire de confort décisionnel : elle est aussi une obligation réglementaire. Le RGPD impose notamment un principe d'exactitude (les données personnelles doivent être exactes et tenues à jour) et de minimisation (ne conserver que les données nécessaires). Savoir précisément quelles données personnelles on détient, où elles se trouvent et qui y accède (ce que permet justement un catalogue et un lignage) n'est plus une bonne pratique optionnelle, c'est une exigence légale.
Conclusion
La qualité et la gouvernance des données n'ont rien de spectaculaire. On ne fait pas de démonstration impressionnante avec un catalogue de données ou un glossaire métier. Pourtant, c'est ce travail de fond qui décide, en amont, de la fiabilité de tout ce qui vient après : les analyses, les tableaux de bord, les modèles, les décisions. Considérer la gouvernance comme de la bureaucratie, c'est passer à côté de sa vraie nature : elle est ce qui transforme une masse de données brutes en un actif digne de confiance. Et la confiance, en matière de décision, est précisément ce qui a le plus de valeur.