Article

Partie 1. Data governance : le coût d’une donnée sans responsable

Entre le 25 septembre et le 2 octobre 2020, 15 841 cas positifs de Covid-19 ont manqué dans les chiffres quotidiens publiés en Angleterre. Les laboratoires privés envoyaient leurs résultats en fichiers CSV. Un processus automatique de Public Health England les versait ensuite dans des modèles Excel au format XLS, qui date de 1987 et s’arrête à environ 65 000 lignes. Chaque test occupait plusieurs lignes : un modèle était donc plein vers 1 400 cas, et les suivants restaient de côté. Le format XLSX, qui a remplacé le XLS en 2007, aurait permis d’en traiter seize fois plus, raconte la BBC. Les personnes testées ont bien reçu leur résultat. C’est le traçage de leurs contacts qui a pris du retard.

Le vieux format a fait exactement ce pour quoi il avait été conçu. Notre article Erreur humaine, erreur de l’IA… et si le vrai bug était entre les deux ? décrit ce type de défaillance, où chaque maillon a fonctionné « correctement » dans son périmètre alors que leur enchaînement a produit un résultat faux. À notre sens, il manquait ici deux choses : quelqu’un chargé de vérifier que chaque étape de la chaîne tenait la charge, et un contrôle capable de donner l’alerte le jour où ce n’était plus le cas. C’est le terrain de la data governance.

Le sujet n’a rien de neuf, et il reste pourtant difficile à faire avancer. En février 2024, Gartner prédisait que 80 % des initiatives de gouvernance data & analytics échoueraient d’ici 2027, faute d’une crise « réelle ou fabriquée » pour les porter. C’est une projection, pas un bilan. Elle met tout de même le doigt sur un point qui nous paraît juste : tant que personne ne voit ce que coûte une donnée mal tenue, la gouvernance passe après le reste.

Avant de parler de rôles, d’outils ou de méthode, il faut donc savoir répondre à une question simple : que coûte une donnée dont personne n’est responsable ?

Une facture réelle, mais éparpillée

D’après une étude Gartner de 2020, la mauvaise qualité des données coûte aux organisations au moins 12,9 millions de dollars par an en moyenne. Le chiffre commence à dater, et une moyenne ne dit rien de votre situation : il donne un ordre de grandeur, pas votre facture.

Au quotidien, le coût se voit moins. Ce sont des heures passées à rapprocher deux tableaux de bord, ou un pipeline reconstruit parce que personne ne savait qu’il en existait déjà un. Ces pertes se lisent dans l’agenda des équipes plutôt que dans les comptes, peut-être est-ce pour cela qu’on les sous-estime.

Gartner pointe aussi une cause qui n’a rien de technique : les dirigeants reconnaissent que la qualité des données compte, mais ne la considèrent pas comme leur responsabilité. Le cabinet rappelle pourtant que c’est une discipline métier.

Deux chiffres justes qui ne se parlent pas

Enfin, Gartner désigne le problème de qualité le plus difficile à traiter : l’incohérence entre les sources, quand des données gérées en silos se recoupent, se contredisent ou laissent des trous.

Prenons l’indicateur « client actif ». Si le contrôle de gestion compte les entreprises facturées dans les douze derniers mois et le marketing celles qui ont ouvert une newsletter ce trimestre, les deux chiffres sont justes. Ils ne sont simplement pas comparables, et la réunion de direction tourne au débat de méthode.

Aucun outil ne tranchera ce désaccord à votre place : il faut un responsable métier qui ait l’autorité de fixer la définition. Une fois qu’elle est fixée, reste à l’appliquer partout, et c’est exactement le rôle du semantic layer. Les indicateurs y sont définis une seule fois, au-dessus des modèles de données, et chaque outil vient y puiser. dbt Labs présente le sien comme un moyen de sortir les définitions de la couche BI, pour que les métiers travaillent sur les mêmes indicateurs quel que soit leur outil. Si une définition change, elle est mise à jour partout où elle sert.

La gouvernance n’a pas à construire cette couche elle-même. Son travail consiste à s’assurer qu’elle existe, et que les équipes y puisent au lieu de recalculer « client actif » dans leur coin.

Avec l’IA, l’erreur change d’échelle

En février 2025, Gartner indiquait que 63 % des organisations n’avaient pas les pratiques de gestion des données nécessaires à l’IA, ou ne savaient pas si elles les avaient. Le cabinet prédisait aussi l’abandon, d’ici fin 2026, de 60 % des projets d’IA privés de données prêtes pour l’IA. Il notait au passage que dans la gestion des données traditionnelle, les usages sont mal documentés et les données souvent collectées en silos.

Les assistants d’IA ajoutent un risque plus discret. dbt Labs explique que des outils comme Claude ou ChatGPT peuvent se connecter à son semantic layer par son serveur MCP. Leurs réponses s’appuient alors sur les indicateurs gouvernés, au lieu de deviner à partir des tables brutes. Notre lecture : un assistant qui interroge directement les tables rejoue le problème de « client actif », sans réunion pour l’arbitrer, à chaque question posée.

Gartner définit d’ailleurs la gouvernance de l’IA en des termes proches de celle des données : attribuer et garantir les responsabilités, les droits de décision, les risques, les politiques et les décisions d’investissement liés à l’IA. On retrouve la question posée par l’épisode anglais : qui répond de quoi ?

Quand la facture vient du régulateur

Le 10 juillet 2024, la Réserve fédérale américaine a infligé une amende de 60,6 millions de dollars à Citigroup. Elle reprochait à la banque d’avoir trop peu progressé dans la correction de ses problèmes de gestion de la qualité des données, visés par une procédure de 2020. La banque n’avait pas non plus mis en place de contrôles compensatoires pour gérer le risque en attendant. Avec la sanction de l’Office of the Comptroller of the Currency (OCC), qui agissait en coordination avec la Fed, le total atteint environ 135,6 millions de dollars.

En Europe, le cadre est moins spectaculaire, mais il existe. La CNIL présente le registre des activités de traitement exigé par le RGPD comme « un outil de pilotage et de démonstration de votre conformité ». L’article 10 de l’AI Act exigera, pour les systèmes d’IA à haut risque, des pratiques de gouvernance des données sur les jeux d’entraînement, de validation et de test, avec notamment un examen des biais possibles. Depuis la révision du calendrier en 2026, l’échéance tombe en décembre 2027 ou en août 2028 selon les systèmes.

Revenir aux 15 841 cas

Pour éviter les 15 841 cas manquants, il n’aurait sans doute pas fallu de technologie de pointe. Un responsable désigné pour ce flux et un contrôle comparant les lignes reçues aux lignes chargées auraient pu suffire. Le coût d’une donnée sans responsable se joue souvent à ce niveau, bien plus que dans le choix d’une plateforme.

Reste à savoir qui nommer, quelles règles poser et comment les vérifier. La partie 2 de cette série traite des rôles, des règles, des outils et de la culture. La partie 3 décrit comment lancer un programme sans attendre la crise dont parle Gartner.

D’ici là, une question à poser dès lundi : si votre principal tableau de bord affichait demain un chiffre faux, qui s’en apercevrait en premier, et qui aurait le pouvoir de le corriger ?

FAQ

Qu’est-ce que la data governance ?

La data governance, ou gouvernance des données, fixe qui décide quoi au sujet des données d’une organisation, et comment on vérifie que ces décisions sont appliquées. Le référentiel DAMA-DMBOK la définit comme « l’exercice de l’autorité, du contrôle et de la prise de décision partagée (planification, surveillance et application) sur la gestion des actifs de données ».

Quelle différence entre data governance et data management ?

Le data management désigne le travail quotidien sur la donnée : la stocker, l’intégrer, la sécuriser, en contrôler la qualité. La définition du DAMA-DMBOK place la gouvernance au-dessus, puisqu’elle s’exerce « sur la gestion des actifs de données ». Pour simplifier, même si l’image a ses limites : le management exécute, la gouvernance fixe les règles et vérifie qu’elles sont tenues.

La gouvernance des données se limite-t-elle au RGPD ?

Non. Le RGPD ne concerne que les données personnelles, alors que la gouvernance couvre aussi les données financières, produit ou opérationnelles. Elle aide en revanche à démontrer sa conformité, à condition de tenir le registre à jour. Notre article L’éthique des données, ça vous parle ? rappelle que le RGPD n’impose qu’un cadre légal minimal, et que l’éthique des données va plus loin.