Qualité des données : le préalable à tout projet data

Qualité des données : six dimensions pour mesurer la fiabilité

Un projet data peut disposer d’outils récents et d’équipes compétentes tout en produisant des résultats trompeurs si ses données sont fragiles. La qualité des données désigne leur aptitude à soutenir un usage précis, qu’il s’agisse d’un tableau de bord, d’une décision commerciale ou d’un modèle d’intelligence artificielle.

Elle ne se résume pas à l’absence d’erreurs. Une information pertinente pour une tâche peut être insuffisante pour une autre : une adresse sans numéro d’appartement peut convenir à une analyse géographique, mais échouer lors d’une livraison.

Les six critères à examiner :

• Exactitude : correspondance entre la donnée et la réalité observée
• Complétude : présence des informations essentielles à l’usage prévu
• Cohérence : accord des valeurs entre systèmes et jeux de données
• Unicité : maîtrise des doublons pour une même entité
• Fraîcheur : mise à jour suffisamment récente pour la décision
• Validité : respect des formats et règles définis par l’organisation

Pour rendre ces dimensions concrètes, imaginons une entreprise fictive qui prépare un outil de suivi de ses clients. Une adresse électronique mal orthographiée touche l’exactitude ; deux fiches pour la même personne nuisent à l’unicité. La première étape consiste donc à relier chaque critère à un usage réel, plutôt qu’à viser une perfection abstraite.

Pourquoi la qualité des données conditionne un projet data

Une fois les critères définis, leur importance apparaît dans les décisions quotidiennes. Un rapport de ventes alimenté par des fichiers incomplets peut masquer une évolution régionale ; un fichier client rempli de doublons peut fausser l’évaluation d’une campagne.

Des décisions plus solides et moins de corrections

Lorsque les équipes ne font pas confiance aux données, elles les vérifient manuellement, rapprochent plusieurs versions et retardent leurs analyses. Ce travail de reprise mobilise du temps qui pourrait servir à comprendre les résultats ou à améliorer un service.

Dans notre exemple fictif, les responsables commerciaux constatent des chiffres différents entre leur outil de relation client et le système de facturation. Avant de comparer les performances, ils doivent identifier les définitions utilisées et remonter aux sources. La gouvernance des données aide à clarifier les responsabilités, les règles et les circuits de décision ; elle complète les contrôles de qualité sans s’y substituer.

Un socle nécessaire à l’analyse et à l’IA

Un modèle prédictif apprend à partir des données qui lui sont fournies. Si celles-ci sont biaisées, périmées ou mal documentées, les résultats peuvent paraître précis tout en décrivant mal la réalité. Le même principe vaut pour les indicateurs financiers et opérationnels : des calculs fiables exigent des sources comprises et comparables.

Questions à poser avant le lancement :

• Quelle décision ou quel processus le projet doit-il soutenir ?
• Qui produit, modifie et utilise les données concernées ?
• Quelles erreurs auraient les conséquences les plus coûteuses ?
• Comment les équipes signaleront-elles une anomalie détectée ?

Ces questions permettent de passer des enjeux généraux à des contrôles adaptés, que les équipes peuvent appliquer et suivre.

Contrôler l’exactitude, la complétude et la cohérence

Après avoir défini les usages prioritaires, l’organisation peut traduire ses attentes en règles vérifiables. Une règle utile est compréhensible par les métiers, testable par les équipes techniques et associée à une action lorsqu’elle échoue.

Des contrôles proportionnés aux usages

Pour un fichier de contacts, une vérification de format repère certaines adresses invalides, mais ne prouve pas que la boîte existe encore. De même, un champ rempli n’est pas nécessairement exact : la complétude seule ne garantit donc pas la fiabilité.

Le tableau ci-dessous distingue les dimensions des données des contrôles possibles. Ces exemples sont des pistes de vérification, à adapter aux règles métier et aux systèmes concernés.

Dimension	Question de contrôle	Exemple de vérification
Exactitude	La valeur reflète-t-elle la réalité attendue ?	Comparer un statut avec sa source de référence
Complétude	Les champs requis sont-ils renseignés ?	Repérer les codes postaux manquants
Cohérence	Les systèmes donnent-ils des valeurs compatibles ?	Comparer les identifiants entre applications
Unicité	Une entité apparaît-elle plusieurs fois ?	Détecter des fiches partageant un identifiant
Fraîcheur	La mise à jour convient-elle à l’usage ?	Contrôler la date de dernière actualisation
Validité	La valeur respecte-t-elle les règles prévues ?	Vérifier le format d’un numéro de compte

Documenter les règles et traiter les anomalies

Un contrôle devient durable quand les équipes savent pourquoi il existe, qui en répond et comment corriger un écart. Un catalogue de données peut centraliser les définitions, les sources, les responsables et les indicateurs associés.

Une boucle de contrôle efficace :

• Définir les champs et usages prioritaires avec les métiers
• Établir des règles de validation explicites et testables
• Mesurer les anomalies et conserver leur historique
• Attribuer un responsable et suivre la correction jusqu’à résolution

Nettoyage des données et amélioration continue

Les contrôles révèlent les défauts ; leur correction demande ensuite une méthode. Le nettoyage des données peut supprimer des doublons, normaliser des formats ou compléter certaines valeurs, mais chaque intervention doit préserver le sens de l’information.

Choisir les corrections sans effacer le contexte

Fusionner deux fiches clients peut sembler simple, jusqu’à ce que leurs coordonnées ou historiques diffèrent. Il faut alors définir une règle de rapprochement, garder une trace des modifications et prévoir une vérification humaine pour les cas ambigus.

Le tableau présente des réponses possibles selon la nature du problème. Une correction automatique convient aux écarts clairement définis ; une décision métier reste préférable lorsque plusieurs interprétations sont possibles.

Problème observé	Réponse envisageable	Précaution
Format variable	Normaliser selon une convention commune	Conserver la valeur source si nécessaire
Doublons probables	Comparer les identifiants et attributs fiables	Faire examiner les rapprochements incertains
Champ essentiel absent	Retrouver la valeur auprès d’une source autorisée	Ne pas remplacer une absence par une supposition
Information ancienne	Planifier une actualisation adaptée à l’usage	Préciser la date et la provenance

Mesurer les progrès dans le temps

Un tableau de bord peut suivre le taux de champs manquants, les anomalies détectées ou le délai de résolution. Ces indicateurs gagnent à rester liés à un processus précis : un score isolé ne dit pas si les données conviennent aux décisions visées.

Selon le guide du collège Données de la recherche, une démarche structurée doit considérer le cycle de vie des données et renforcer leur traçabilité ainsi que leur réutilisabilité. Cette logique d’amélioration continue évite de traiter la qualité comme une opération ponctuelle menée uniquement avant une livraison.

Installer la qualité des données dès la conception

Une fois les corrections organisées, le meilleur levier consiste à prévenir les défauts en amont. Les formulaires, interfaces et flux d’importation peuvent imposer des formats cohérents, signaler les champs indispensables et avertir les responsables lorsqu’une anomalie apparaît.

Associer les métiers, l’informatique et les responsables de données

Les équipes métier connaissent les conséquences d’une donnée erronée ; les équipes techniques savent où elle est créée et transformée. Un responsable de données, parfois appelé gestionnaire de données, peut faciliter le dialogue et veiller à l’application des définitions communes.

Selon les principes FAIR mobilisés dans le guide du collège Données de la recherche, les données gagnent à être repérables, accessibles, interopérables et réutilisables. Dans une entreprise comme dans un laboratoire, documenter leur origine et leurs transformations aide les utilisateurs à juger si elles conviennent à leur besoin.

Adapter les outils aux besoins réels

Un outil spécialisé peut automatiser les contrôles, centraliser les règles ou envoyer des alertes. Le choix dépend toutefois du nombre de systèmes, des compétences disponibles et des exigences de traçabilité ; une solution technique ne remplace ni des responsabilités claires ni des définitions partagées.

Repères pour démarrer durablement :

• Commencer par un jeu de données lié à une décision importante
• Documenter les règles, les sources et les responsables
• Automatiser les contrôles répétitifs et expliquer leurs résultats
• Réviser les critères lorsque les usages ou processus évoluent

Selon les recommandations de gestion des données de DAMA-DMBOK, la qualité s’inscrit dans un ensemble plus large de pratiques de gestion. En reliant les contrôles aux usages et aux responsabilités, chaque projet data peut bâtir sa fiabilité dès sa conception.

À retenir

Transformer l’analyse en décision

Les meilleures décisions reposent sur un cadre compréhensible, quelques critères vérifiables et une étape suivante clairement définie. Testez la méthode à petite échelle, mesurez le résultat puis ajustez avant de généraliser.

Votre checklist

• Définir le résultat attendu
• Identifier trois critères prioritaires
• Prévoir une mesure de contrôle
• Fixer une date de réévaluation