Qualité des données : le chantier invisible qui conditionne vos projets d'IA
Doublons, champs vides, définitions contradictoires : une IA nourrie de données approximatives produit des réponses approximatives. Comment évaluer la qualité de vos données et organiser leur gouvernance sans lancer un chantier interminable.
Les projets d'IA échouent rarement à cause du modèle. Ils échouent parce que les données qui les alimentent sont incomplètes, contradictoires ou introuvables. Un assistant qui répond à partir d'une base documentaire où coexistent trois versions d'une même procédure donnera trois réponses différentes. Un modèle de prévision entraîné sur un historique de ventes truffé de doublons prévoira des doublons.
Les symptômes d'un problème de données
Quelques signes ne trompent pas :
- Deux services présentent des chiffres différents pour le même indicateur, et chacun a raison selon sa définition.
- Un rapport mensuel demande plusieurs jours de retraitement dans un tableur avant d'être présenté.
- Le fichier clients contient des doublons, des adresses obsolètes, des contacts partis depuis des années.
- Personne ne sait qui est responsable d'une donnée, ni qui a le droit de la modifier.
- Les documents existent en plusieurs versions, éparpillées entre les dossiers partagés, les mails et les postes personnels.
Les six dimensions de la qualité
Parler de « données de mauvaise qualité » ne permet pas d'agir. Il faut préciser ce qui ne va pas. Six dimensions couvrent l'essentiel :
- L'exactitude : la donnée correspond-elle à la réalité ?
- La complétude : les champs nécessaires sont-ils remplis ?
- La cohérence : la même information est-elle identique d'un système à l'autre ?
- L'unicité : chaque client, produit ou fournisseur n'apparaît-il qu'une fois ?
- La fraîcheur : la donnée est-elle à jour au moment où on l'utilise ?
- La validité : respecte-t-elle le format attendu (date, SIREN, code postal) ?
Pour chaque jeu de données important, quelques contrôles simples sur ces six dimensions donnent un premier score, mesurable et suivi dans le temps.
Commencer petit
La tentation est grande de lancer un programme de gouvernance couvrant toutes les données de l'entreprise. C'est le meilleur moyen de ne jamais finir. Mieux vaut partir d'un usage précis, celui qui justifie l'effort :
- un tableau de bord commercial dont la direction se plaint ;
- un projet d'assistant IA sur la documentation technique ;
- la préparation de la facturation électronique, qui exige des données clients fiables.
On identifie alors les quelques données dont cet usage a besoin, on mesure leur qualité, on corrige, et on met en place les règles qui empêchent les erreurs de revenir.
Les rôles à définir
La gouvernance des données tient d'abord à des personnes, pas à des outils. Trois rôles suffisent pour démarrer :
- Le propriétaire de la donnée : un responsable métier (directeur commercial pour les clients, responsable achats pour les fournisseurs) qui décide des définitions et des règles.
- Le gestionnaire : celui qui veille au quotidien à la qualité, corrige les anomalies et répond aux questions.
- Le référent technique : celui qui connaît les systèmes où la donnée est stockée et les flux qui la transportent.
À ces rôles s'ajoute un document simple : le dictionnaire des données, qui définit chaque indicateur clé une bonne fois pour toutes. Qu'est-ce qu'un « client actif » ? À partir de quand une commande est-elle « livrée » ? Ces définitions évitent la plupart des querelles de chiffres.
Corriger à la source
Nettoyer un fichier une fois ne sert à rien si les erreurs reviennent le mois suivant. La correction durable se fait à la source : champs obligatoires dans les formulaires de saisie, contrôles de format, listes de valeurs plutôt que texte libre, synchronisation automatique entre les systèmes plutôt que ressaisie.
Et l'IA dans tout cela ?
L'IA peut elle-même aider : repérer les doublons probables, normaliser des adresses, classer des documents, signaler les valeurs aberrantes. Mais elle ne remplace pas les décisions humaines sur les définitions et les responsabilités. Elle accélère un chantier bien organisé ; elle ne sauve pas un chantier qui ne l'est pas.
Pour aller plus loin
Notre accompagnement en gouvernance et qualité des données part de vos usages prioritaires pour définir les rôles, les règles et les contrôles. Pour réunir des données fiables dans un environnement maîtrisé, voir la plateforme data souveraine.
Passer à l'action
À lire aussi
-
Souveraineté des données : ce que recouvrent vraiment « cloud de confiance » et SecNumCloud
Héberger ses données en France ne suffit pas toujours à les protéger d'un accès étranger. Ce que signifient localisation, lois extraterritoriales et qualification SecNumCloud, et comment décider du bon niveau de protection pour chaque type de données.
-
Data Act : vos clients ont désormais accès aux données de vos machines
Depuis le 12 septembre, les nouveaux produits connectés mis sur le marché européen doivent être conçus pour donner à leurs utilisateurs l'accès à leurs données. Ce que le Data Act change pour les fabricants, et ce qu'il permet aux entreprises utilisatrices.