Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Data

Un audit qualité des données remonte des symptômes aux causes

L'essentiel

Un audit qualité des données est un examen borné, commandé par une direction, qui mesure l'état des données consommées par un usage, remonte de chaque défaut jusqu'à sa cause et rend un plan de remèdes classés par effort. Management Square décrit ici les symptômes qui le justifient, les examens qu'il enchaîne et la décision par laquelle il se termine.

Sommaire de la page

Lorsque le chiffre d’affaires d’un tableau de bord diffère de celui de la comptabilité, l’écart peut se corriger une fois. S’il revient à chaque clôture, sans que personne sache l’expliquer ni dire auquel des deux chiffres se fier, corriger l’écart du mois ne suffit plus. Le sujet appelle un audit qualité des données.

Un audit qualité des données est un examen borné, commandé par une direction, qui porte sur les données d’un usage précis. Il mesure leur état, remonte de chaque défaut constaté jusqu’à l’endroit où il naît, puis rend un plan de remèdes classés par effort. Les contrôles permanents signalent les défauts à mesure qu’ils surviennent ; l’audit cherche pourquoi ils apparaissent et pourquoi ils reviennent après correction. Il se conclut par une décision du commanditaire sur chaque remède.

Ce qui amène une direction à demander un audit qualité des données

Un défaut isolé se corrige sans audit. L’examen se justifie lorsque les défauts se répètent et que personne ne sait dire d’où ils viennent. Plusieurs situations peuvent y conduire, seules ou ensemble.

  • Deux rapports donnent deux valeurs pour un même indicateur, et la réunion porte sur le chiffre plutôt que sur la décision.
  • Des équipes retraitent à la main, à chaque échéance, les mêmes extractions avant de s’en servir.
  • Une correction apportée dans l’entrepôt de données est à refaire au chargement suivant.
  • Les erreurs sont signalées par les utilisateurs ou par des clients : facture en double, courrier envoyé à une mauvaise adresse, relance émise à tort.
  • Un projet de migration, de référentiel ou d’IA s’apprête à consommer des données dont l’état n’a jamais été mesuré.
  • Un tiers demande de justifier un chiffre : autorité de contrôle, commissaire aux comptes, client.

Lorsque l’origine du défaut est déjà établie, par exemple un champ que l’application laisse facultatif, l’audit n’est pas nécessaire : le remède se finance directement.

Le commanditaire pèse autant que le symptôme. Commandé par la direction qui subit l’écart, l’audit part d’un usage et aboutit à une décision qu’elle peut prendre. Commandé par l’équipe data pour son propre compte, il risque de décrire des tables sans que personne ait autorité pour agir sur les applications sources.

Un périmètre fixé par un usage et par ses attentes

Un audit qui viserait toutes les données de l’entreprise ne pourrait pas conclure. Le périmètre tient en trois éléments : un usage (un indicateur, un rapport, un traitement, un modèle), les données qu’il consomme et le niveau qui lui suffit.

Ce niveau s’écrit avant toute mesure. Un taux de champs vides acceptable pour une segmentation commerciale peut bloquer une déclaration réglementaire. Sans attente formulée par le métier, l’audit compte des anomalies sans pouvoir dire lesquelles importent. Les dimensions sur lesquelles une attente s’exprime, de l’exactitude à la fraîcheur, sont décrites dans notre page qualité des données, dont la prestation « Profilage et diagnostic » mesure l’état réel des données critiques : c’est le premier des examens décrits plus bas.

Lorsque les données sont personnelles, l’attente a aussi une source légale. L’article 5, paragraphe 1, point d), du RGPD, règlement (UE) 2016/679, demande des données « exactes et, si nécessaire, tenues à jour ». Le délégué à la protection des données est alors associé au cadrage, et les extractions de l’audit suivent les règles d’accès de la production.

Du défaut mesuré à l’endroit où il naît

L’audit enchaîne quatre examens, qui répondent chacun à une question différente.

Le profilage établit l’état des données critiques de l’usage : valeurs manquantes, doublons, formats invalides, incohérences entre systèmes. Il indique ce qui est défectueux et dans quelle proportion, sans en donner la raison.

L’examen de la chaîne suit la donnée à rebours, du rapport vers la source. Les comptages et les totaux sont comparés à chaque étape, jusqu’à celle où l’écart apparaît : un filtre, une jointure, une règle de gestion, un chargement partiel. Un lignage tenu à jour raccourcit ce travail, comme l’expose notre article sur la provenance et le lignage des données.

L’examen de la source porte sur l’application et le processus qui produisent la donnée : écrans et champs obligatoires, listes de valeurs, interfaces, reprises de données passées, consignes données aux personnes qui saisissent. Il se mène au poste de travail autant que dans la documentation.

L’examen des responsabilités vérifie qui répond de la donnée, qui reçoit les alertes et qui peut faire modifier l’application source. Une donnée sans responsable constitue une cause en soi : les défauts y sont constatés sans que personne ait à les traiter.

Symptôme Vérification menée Causes à départager
Deux valeurs pour un même indicateur Comparaison des définitions, des filtres et des dates d’arrêté des deux chaînes Deux définitions métier, un périmètre différent, un décalage de calendrier
Doublons de clients ou de fournisseurs Rapprochement des enregistrements, examen du circuit de création Création sans recherche préalable, plusieurs applications créatrices, reprise de données ancienne
Champs vides ou valeurs par défaut Taux de remplissage par canal de saisie et par période Champ facultatif à l’écran, information indisponible au moment de la saisie, interface qui ne transmet pas le champ
Correction à refaire à chaque chargement Lecture des transformations et de leur ordre Correction faite en aval alors que la source reste inchangée
Chiffre qui varie sans événement métier Comparaison des volumes et des totaux à chaque étape Chargement partiel ou doublé, jointure qui multiplie les lignes

Une cause n’est retenue que si elle est démontrée : un cas reproduit, un comptage avant et après l’étape suspecte, un écran montré au commanditaire. Le rapport mentionne aussi ce que l’audit n’a pas pu établir.

Un plan de remèdes rangé par effort

Le rapport rattache chaque remède à une cause démontrée et range l’ensemble du moins coûteux au plus engageant.

  1. Les remèdes de décision : arbitrer une définition, écrire une attente et son seuil, nommer un responsable. Ils ne demandent aucun développement.
  2. Les remèdes de paramétrage dans l’application source : champ rendu obligatoire, liste de valeurs, recherche de doublon à la création.
  3. Les remèdes dans la chaîne de traitement : correction d’une transformation, ajout d’un contrôle à l’endroit où le défaut devient détectable.
  4. La reprise du stock : correction des enregistrements existants, une fois la source traitée. Menée avant, elle est à recommencer.
  5. Les remèdes de structure : refonte d’une interface, gestion des données de référence, remplacement d’une application. Ce sont des projets, dont l’audit se borne à établir le besoin.

Pour chaque ligne, le plan indique la cause traitée, l’usage qui en bénéficie, le responsable pressenti et les dépendances. L’ordre d’effort se combine avec l’effet attendu : un remède lourd passe en tête s’il conditionne une échéance réglementaire.

Là où l’audit s’arrête

L’audit rend une photographie datée et un plan. Trois sujets voisins restent hors de son champ.

Les contrôles permanents prennent le relais pour surveiller les défauts que l’audit a nommés. Leur choix et leur placement sont traités dans notre article sur les méthodes de test de qualité des données.

La conduite des remèdes relève d’un chantier distinct, avec ses responsables et son suivi. L’audit lui-même ne corrige rien : une correction faite pendant l’examen fausserait la mesure et masquerait la cause.

La désignation des propriétaires de données, lorsqu’elle manque, se traite avec la gouvernance des données. L’audit peut constater l’absence d’un responsable ; il n’a pas mandat pour en nommer un.

Reste la décision. Le rapport est remis au commanditaire avec, pour chaque remède, trois issues possibles : l’engager, le différer à une date dite, y renoncer en acceptant le défaut. L’audit est clos lorsque chaque ligne du plan porte un choix, un nom et une échéance.

Insights

À lire sur le sujet

Tous les insights
Méthodes de test de qualité des données : ce que chaque famille détecte, et ce qu'elle laisse passer

Les méthodes de test de qualité des données sont des vérifications automatisées qui comparent un jeu de données à une attente explicite : schéma, complétude, unicité, fraîcheur, cohérence entre sources, volumétrie et distribution. Chacune détecte un type de défaut et en laisse passer d'autres : Management Square compare ici ces familles de tests et leur place dans les chaînes d'alimentation.

Lire l'analyse
Quel levier actionner en premier pour améliorer la qualité des données ?

Améliorer la qualité des données consiste à choisir, pour chaque défaut dont la cause est établie, le levier qui l'empêche de se reformer : correction à la source, règle de saisie, contrôle dans la chaîne de traitement ou désignation d'un responsable. Management Square propose ici les critères de ce choix, l'ordre dans lequel engager les leviers et les cas où il vaut mieux ne pas corriger.

Lire l'analyse
La gouvernance des données pour l'IA, vue du comité qui autorise un cas d'usage

La gouvernance des données pour l'IA applique aux jeux de données et aux documents consommés par un système d'IA les rôles et les règles qui établissent qui répond d'une donnée, qui peut l'employer et à quelles conditions. Management Square passe ici en revue les questions qu'un comité pose avant d'autoriser un cas d'usage : droits d'usage, qualité, traçabilité, données personnelles et responsabilités.

Lire l'analyse

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Qu'est-ce qu'un audit qualité des données ?

Un audit qualité des données est un examen borné dans son périmètre, commandé par une direction, qui mesure l'état des données consommées par un usage précis et remonte de chaque défaut à sa cause. Il rend des constats démontrés et un plan de remèdes classés par effort. Il se distingue des contrôles permanents, qui signalent les défauts en continu sans en rechercher la cause.

Quelle différence entre un audit et des tests de qualité des données ?

Les tests sont des vérifications automatisées, exécutées à chaque chargement, qui comparent les données à des attentes déjà écrites. L'audit est ponctuel : il fait écrire ces attentes lorsqu'elles manquent, mesure l'état réel et cherche l'origine des défauts dans la chaîne de traitement, l'application source et l'organisation. Les contrôles à installer figurent parmi les remèdes qu'il propose.

Qui doit commander un audit qualité des données ?

La direction qui subit le défaut et qui peut décider des remèdes : celle dont l'indicateur, le rapport ou le projet dépend des données examinées. L'équipe data et la direction des systèmes d'information fournissent les accès et l'expertise. Sans commanditaire métier, un audit peut produire des constats exacts sans que personne ait autorité pour agir sur les applications sources.

Que contient le rapport d'un audit qualité des données ?

Le rapport contient le périmètre et les attentes retenues, l'état mesuré des données critiques, les causes démontrées avec leur preuve, et ce qui n'a pas pu être établi. Il se termine par un plan de remèdes : pour chacun, la cause traitée, l'effort, l'usage qui en bénéficie, le responsable pressenti et les dépendances.

Faut-il corriger les données pendant l'audit ?

Non. Une correction faite pendant l'examen modifie l'état mesuré et peut masquer la cause recherchée. La reprise des enregistrements existants figure dans le plan de remèdes, après le traitement de la source : menée avant, elle ne tient pas.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.