Améliorer la qualité des données, c’est d’abord mesurer, sur quelques données critiques, les champs vides, les doublons et les valeurs incohérentes, puis remonter à la cause de chaque anomalie : saisie libre, absence de contrôle, ressaisie entre deux outils. La correction durable se fait à la source, dans les outils où la donnée est créée, et non par des nettoyages répétés. Un nettoyage sans correction des causes ne tient que quelques mois.
Ce guide propose une méthode de diagnostic accessible à une PME ou une ETI, puis les techniques qui empêchent les erreurs d’entrer.
Qu’est-ce qu’une donnée « de qualité » ?
Une donnée est de qualité si elle permet de faire ce pour quoi elle existe : facturer, livrer, relancer, décider. Le cadre de qualité des données du gouvernement britannique, une référence publique détaillée et librement accessible, résume cette idée par l’expression « adéquation à l’usage ». Il s’appuie sur six dimensions, définies par l’association professionnelle DAMA UK :
| Dimension | Définition | Exemple dans une PME |
|---|---|---|
| Complétude | Les enregistrements et valeurs attendus sont présents | Des clients professionnels sans SIREN renseigné |
| Unicité | Pas de doublons | Le même client existe trois fois, sous trois orthographes |
| Cohérence | Les valeurs ne se contredisent pas, dans un outil ou entre outils | Le client est « actif » dans le CRM, « bloqué » dans l’ERP |
| Actualité | La donnée est disponible à temps pour l’usage | Le stock affiché date de la veille au soir |
| Validité | Format et plage de valeurs respectés | Code postal à quatre chiffres, date de livraison en 1900 |
| Exactitude | La donnée correspond à la réalité | L’adresse est valide, mais le client a déménagé |
Cette grille a un mérite : elle transforme une impression diffuse (« nos données sont mauvaises ») en constats mesurables. Elle montre aussi que les dimensions ne se valent pas selon l’usage. Pour une relance commerciale, l’actualité du contact prime ; pour une facture électronique, c’est la validité et l’exactitude de l’identifiant du client.
Ce que coûtent des données de mauvaise qualité
Les effets sont rarement spectaculaires ; ils sont quotidiens et diffus :
- Des factures rejetées ou mal acheminées : avec la facturation électronique, un SIREN absent ou erroné rend le destinataire introuvable.
- Des livraisons en échec : adresse de livraison saisie dans le champ de facturation, code d’accès oublié, contact qui a quitté l’entreprise.
- Des tableaux de bord faux : un client en double divise son chiffre d’affaires en deux, et le classement des meilleurs clients devient inexact.
- Du temps perdu à vérifier : chaque collaborateur qui doute d’une donnée la revérifie, souvent par téléphone ou par e-mail.
- Des projets d’IA décevants : un assistant ou un modèle entraîné sur des données incohérentes reproduit ces incohérences avec assurance. C’est le sujet de notre article sur la préparation des données pour l’IA.
- Un risque de conformité : le RGPD impose, en son article 5, que les données personnelles soient exactes et, si nécessaire, tenues à jour.
Comment diagnostiquer la qualité de ses données ?
Un diagnostic utile ne cherche pas l’exhaustivité. Il se concentre sur ce qui compte et va jusqu’aux causes.
Étape 1 : choisir une dizaine de données critiques
Partez des processus qui souffrent : facturation, livraison, relances, pilotage. Pour chacun, listez les données indispensables. On arrive vite à une dizaine de champs : identifiant légal du client, adresse de facturation, adresse de livraison, contact de facturation, conditions de paiement, code article, unité de vente, prix, statut du client.
Étape 2 : mesurer avec des requêtes simples
Pour chaque donnée critique, quelques indicateurs suffisent :
- taux de valeurs vides ;
- taux de valeurs invalides (format, plage, liste de valeurs) ;
- nombre de doublons certains (même identifiant) et probables (noms proches, même code postal) ;
- nombre d’écarts entre deux outils pour le même enregistrement ;
- âge de la dernière mise à jour.
Ces mesures s’obtiennent par des requêtes ou des exports, sans outil spécialisé. Elles donnent un point de départ chiffré, que l’on pourra suivre dans le temps.
Étape 3 : remonter aux causes
C’est l’étape que l’on saute le plus souvent, et la plus rentable. Pour chaque type d’anomalie, demandez où et comment elle est créée. Le cadre britannique recommande explicitement de résoudre les problèmes à la source plutôt que d’appliquer des corrections temporaires, en s’appuyant sur une analyse des causes racines. Les causes reviennent d’une entreprise à l’autre :
| Cause | Symptôme typique | Correction à la source |
|---|---|---|
| Saisie en texte libre | Valeurs incohérentes, fautes de frappe | Listes de valeurs, champs structurés |
| Aucune recherche avant création | Doublons | Recherche obligatoire et détection à la saisie |
| Ressaisie entre outils | Écarts entre CRM et ERP | Synchronisation automatique |
| Imports de fichiers non contrôlés | Pics d’anomalies après chaque import | Contrôles bloquants à l’import |
| Champ obligatoire mais inutile pour le saisisseur | Valeurs fantaisistes (« xxx », « 0000 ») | Obligation contextuelle, valeur par défaut fiable |
| Aucun propriétaire de la donnée | Personne ne corrige, chacun contourne | Propriétaire métier désigné |
Corriger à la source : les techniques qui marchent
Corriger à la source, c’est agir dans l’outil où la donnée naît. Les leviers les plus efficaces sont souvent simples.
Vérifier les identifiants officiels
Le SIREN est, selon l’Insee, un identifiant de neuf chiffres attribué à chaque unité légale, dont le dernier chiffre est une clé de contrôle. Un contrôle de format et de clé élimine les fautes de frappe. Mieux : interroger un service public comme l’Annuaire des entreprises au moment de la création d’un client permet de préremplir la raison sociale et l’adresse du siège, et de vérifier que l’entreprise est toujours active.
Normaliser les adresses
Un service de géocodage alimenté par la Base Adresse Nationale, documenté sur adresse.data.gouv.fr, permet de proposer des adresses normalisées pendant la saisie et de vérifier en masse un fichier existant. Moins d’adresses approximatives, ce sont moins de livraisons en échec.
Empêcher les doublons avant qu’ils existent
Avant toute création de client, l’outil recherche les enregistrements proches (même identifiant, nom normalisé voisin, même code postal) et les propose. Le collaborateur choisit alors entre « c’est le même » et « c’est un nouveau client ». Ce simple écran évite la majorité des doublons.
Supprimer les ressaisies
Chaque ressaisie entre deux outils est une occasion d’erreur et d’écart. Une synchronisation automatique, avec un outil qui fait foi pour chaque donnée, règle le problème à la racine. Nous détaillons la méthode dans nos articles sur la synchronisation CRM et ERP et sur l’automatisation des ressaisies.
Concevoir des formulaires qui aident
Les champs obligatoires doivent dépendre du contexte : le SIREN est indispensable pour un client professionnel français, pas pour un particulier ni pour une entreprise étrangère. Un formulaire qui exige une information inconnue récolte des valeurs fantaisistes. C’est une question d’ergonomie autant que de règles, et c’est souvent là qu’un CRM sur mesure fait la différence avec un outil standard mal paramétré.
Et l’existant ? Nettoyer une fois, proprement
Les contrôles à la source protègent l’avenir ; il faut aussi traiter le stock. Quelques principes :
- Prioriser : commencez par les clients actifs et les articles vendus récemment, pas par les archives.
- Automatiser ce qui est certain : normalisation des formats, enrichissement par les identifiants officiels, fusion des doublons à identifiant identique.
- Faire valider ce qui est probable : les rapprochements incertains vont dans une file de travail, traitée par les personnes qui connaissent les clients.
- Conserver la trace : chaque fusion ou correction est journalisée, pour pouvoir expliquer ou annuler.
- Synchroniser le résultat vers les autres outils, sous peine de voir les anciennes valeurs revenir.
Ce chantier ressemble beaucoup à une reprise de données ; notre checklist de migration de données s’applique largement.
Faire durer : la qualité comme indicateur suivi
La qualité des données se dégrade dès qu’on cesse de la regarder. Trois habitudes la maintiennent :
- Des indicateurs de qualité dans un tableau de bord, suivis chaque mois par les propriétaires métier : taux de clients sans SIREN, doublons détectés, écarts entre outils.
- Des contrôles automatiques à chaque synchronisation et à chaque chargement dans l’entrepôt de données, avec une alerte quand un seuil est franchi.
- Des propriétaires désignés pour chaque domaine (clients, articles, fournisseurs), qui arbitrent les règles. Notre article sur les données de référence détaille cette gouvernance.
Vous voulez savoir où se trouvent les principales sources d’erreurs dans vos outils, et ce qu’il faudrait changer pour les tarir ? Décrivez votre situation dans notre diagnostic de projet : nous vous aidons à prioriser les corrections qui auront le plus d’effet.
