Points clés
- L'intendance des données est la couche opérationnelle de la gouvernance des données : des personnes chargées de la qualité, de l'exactitude et de l'utilisabilité des données dans l'organisation.
- Une mauvaise qualité des données coûte cher aux entreprises. Un rapport 2025 de l'IBM Institute for Business Value révèle qu'un quart des organisations perdent plus de 5 millions de dollars par an à cause de cela.
- La plupart des problèmes de qualité des données ne sont pas techniques. Ils résultent d'une propriété peu claire, de définitions incohérentes et d'une absence de responsabilité.
- L'intendance efficace exige des rôles définis, des règles documentées et des outils qui appliquent les normes au moment de la saisie des données.
L'intendance des données est la pratique de gérer les actifs de données organisationnels tout au long de leur cycle de vie pour qu'ils restent exacts, accessibles et exploitables. Elle couvre qui est responsable des données, quelles normes s'appliquent, et comment les problèmes de qualité sont détectés et corrigés.
Cela semble simple. En pratique, la plupart des entreprises négligent la partie responsabilité, puis se demandent pourquoi leurs rapports ne concordent pas, pourquoi leur ERP et leur CRM donnent des résultats différents, et pourquoi les données produits envoyées aux clients sont erronées.
Pourquoi la qualité des données échoue sans cela
Les données ne se dégradent pas par accident. Elles se dégradent parce que personne ne les possède.
Un fabricant avec 40 000 SKU répartis sur trois lignes de produits peut avoir des données produits maintenues par six départements différents : ingénierie, approvisionnement, marketing, ventes, logistique et un bureau régional. Chaque équipe a ses propres conventions de nommage, sa propre définition d'une « catégorie de produit », et ses propres cycles de mise à jour. Sans intendance, ces définitions dérivent. Un an plus tard, le même produit porte quatre noms différents dans quatre systèmes, deux valeurs d'unité de mesure différentes, et personne ne sait laquelle est correcte.
Selon un rapport 2025 de l'IBM Institute for Business Value, 43 % des directeurs des opérations considèrent la qualité des données comme leur priorité data principale, et plus d'un quart des organisations estiment qu'elles perdent plus de 5 millions de dollars par an à cause d'une mauvaise qualité des données.
De meilleures bases de données ne résolvent pas cela. Une propriété claire des données qu'elles contiennent, oui.
Ce que l'intendance des données couvre réellement
L'intendance des données se situe entre la gouvernance des données et les opérations de données au quotidien. La gouvernance établit les politiques. L'intendance les met en œuvre.
Un intendant de données ne se contente pas de nettoyer les dégâts après qu'ils se produisent. Le rôle est proactif : définir les valeurs valides, documenter ce que chaque champ signifie, signaler les anomalies avant qu'elles n'atteignent les systèmes en aval, et coordonner avec les autres équipes en cas de conflits de définitions.
La gestion de la qualité des données en est le cœur. Un intendant définit ce que « correct » signifie pour chaque champ, établit les règles de validation, et possède le processus de résolution quand quelque chose échoue. Sans cela, les équipes développent leurs propres normes locales, et le même champ finit par signifier des choses différentes dans différents systèmes.
La gestion des métadonnées se fait en parallèle. Les intendants maintiennent à jour les descriptions de champs, les types de données, les enregistrements de propriété et les notes de lignage afin que les autres équipes sachent ce qu'un ensemble de données contient et d'où il provient. Les métadonnées obsolètes ou manquantes sont l'une des principales raisons pour lesquelles l'adoption des catalogues de données échoue : les gens cessent de faire confiance à un catalogue qu'ils ne peuvent pas tenir à jour.
La gestion des données de référence est souvent sous-estimée. Quelqu'un doit posséder les listes contrôlées : catégories de produits, codes d'unités, codes de pays et valeurs de statut. Quand ces listes sont maintenues en plusieurs endroits sans une seule source faisant autorité, les incohérences s'accumulent, et la réconciliation devient une tâche récurrente chronophage.
Le suivi du lignage des données importe surtout quand quelque chose se casse. Un intendant qui peut retracer exactement où une valeur a originé, comment elle a été transformée, et quels rapports en aval en dépendent peut isoler une erreur de données en quelques heures plutôt qu'en quelques jours. Sans cette visibilité, corriger les erreurs de données et protéger l'intégrité des données signifie deviner.
L'accès et la classification complètent le tableau. Les intendants doivent savoir quelles données sont sensibles, qui y a actuellement accès, et si cela s'aligne sur la politique. Les obligations de sécurité et de confidentialité des données rendent ceci non facultatif : la plupart des cadres de conformité réglementaire exigent une classification documentée des données sensibles, et les intendants sont généralement ceux qui la maintiennent. Les lacunes ici créent une exposition à la conformité, particulièrement dans les secteurs réglementés.
Dans un contexte de données produits, l'intendance couvre également les normes d'attributs, les taxonomies de classification, et les règles qui régissent ce qui est publié sur quel canal.
Types d'intendants de données
Tous les intendants ne travaillent pas de la même manière. La plupart des organisations finissent avec deux couches, et définir clairement les rôles d'intendance dès le départ prévient la confusion qui survient quand les équipes IT et métier supposent chacune que l'autre s'en charge. Les responsabilités des intendants de données varient considérablement selon la couche, et la nature transversale du rôle signifie qu'il touche les deux côtés de manière qui nécessite des limites explicites.
Les intendants métier sont des experts du domaine : un chef de produit qui définit les attributs de produit, un analyste financier qui possède les données de coûts, un responsable logistique qui établit les normes d'unité de mesure. Ils savent ce que les données signifient en termes commerciaux et peuvent juger si une valeur est plausible. Ils n'ont pas besoin d'être techniques.
Les intendants techniques sont plus proches des systèmes. Ils gèrent les modèles de données, les mappages d'intégration, les changements de schéma et la surveillance des pipelines. Quand un intendant métier signale un problème de qualité, l'intendant technique détermine où dans le flux de données il a originé.
Dans les petites organisations, une seule personne couvre souvent les deux. Cela fonctionne jusqu'à ce que le volume de données ou la complexité des systèmes le rende impossible.
Certaines entreprises désignent aussi des intendants de données de direction au niveau du département ou de l'unité commerciale, qui gèrent l'escalade, les conflits de priorités entre équipes, et les rapports de gouvernance. Cette couche devient nécessaire quand l'intendance s'étend sur plusieurs divisions avec des priorités concurrentes.
Intendance des données vs. gouvernance des données
Les termes sont souvent confondus, mais ils opèrent à des niveaux différents.
La gouvernance des données est le cadre : les politiques, normes et structures de responsabilité qui définissent comment les données doivent être gérées. Un cadre de gouvernance des données établit les règles. Un programme de gouvernance des données crée une structure organisationnelle autour de leur application, et les politiques de gouvernance des données qu'il contient sont ce que les intendants sont censés mettre en œuvre au quotidien.
L'intendance des données est l'exécution : les personnes et processus qui appliquent ces règles aux données réelles, dans les systèmes réels, chaque jour. Elle répond à la question : qui est responsable de rendre ces règles réelles.
La gouvernance sans intendance est de la documentation. L'intendance sans gouvernance est l'improvisation. Les deux sont nécessaires, et ni l'une ni l'autre ne fonctionne bien sans l'autre.
Un comité de gouvernance peut décider que toutes les descriptions de produits doivent être en anglais clair, moins de 200 mots, et approuvées avant publication. Un intendant de données applique cette norme, examine les exceptions signalées, forme l'équipe à la politique, et génère des rapports de conformité. La couche de gouvernance a établi la règle. L'intendant l'a fait respecter.
Comment construire un programme d'intendance des données
Le mode d'échec le plus courant est de traiter l'intendance comme un projet avec une date de début et une date de fin. L'intendance est une fonction opérationnelle continue qui a besoin de structure, de ressources et d'outils pour fonctionner. Les projets se terminent. Les données continuent d'arriver.
Commencez par le périmètre
N'essayez pas de gérer toutes les données à la fois. Identifiez où une mauvaise qualité des données cause le plus de douleur commerciale aujourd'hui : intégrations échouées, rapports inexacts, retours de produits causés par des erreurs de spécification, lacunes de conformité. Commencez là et élargissez une fois le processus prouvé.
Attribuez la propriété explicitement
Chaque domaine de données a besoin d'un propriétaire désigné. Pas une équipe, pas un comité. Une personne. Elle doit comprendre ce dont elle est responsable et avoir l'autorité pour appliquer les normes au sein de son domaine. Une propriété partagée n'est pas une propriété.
Documentez les définitions et les règles
Un dictionnaire de données qui capture les noms de champs, les valeurs valides, les formats et les règles métier est la base de l'intendance. Certaines organisations maintiennent aussi un glossaire métier à côté : un enregistrement en langage courant de ce que les termes clés signifient dans les départements, afin que « chiffre d'affaires » ou « client actif » signifient la même chose en finance qu'en ventes. Sans définitions documentées, chaque équipe opère sur des hypothèses, et les désaccords sont constants. Parallèlement aux définitions, les intendants doivent établir des métriques de qualité des données afin qu'il y ait une base de référence par rapport à laquelle mesurer. Le dictionnaire n'a pas besoin d'être parfait le premier jour. Il doit simplement exister et être maintenu.
Intégrez la validation dans le flux de travail
L'intendance est plus efficace quand les vérifications de qualité se produisent au point de saisie des données, pas lors d'un audit en aval. Si un enregistrement de produit peut être sauvegardé avec un attribut requis manquant ou un code de catégorie invalide, les intendants passent leur temps à corriger des problèmes qui n'auraient jamais dû être créés.
Mesurez la qualité des données au fil du temps
Suivez les taux d'exhaustivité, de précision et de cohérence par domaine. Les points de départ utiles sont le taux de remplissage des champs obligatoires, le pourcentage d'enregistrements passant les règles de validation, et le taux de corrections enregistrées par les intendants au fil du temps. Rendez les chiffres visibles à l'organisation dans un tableau de bord partagé ou un rapport régulier, pas enterrés dans une feuille de calcul de l'équipe données. Les intendants sans métriques n'ont aucun moyen de démontrer les progrès et aucune base pour demander des ressources.
Connectez l'intendance à la gouvernance
Les intendants ont besoin d'un chemin d'escalade clair quand ils rencontrent une lacune de politique, un conflit entre domaines, ou un problème de qualité qu'ils ne peuvent pas résoudre à leur niveau. Sans cette connexion, les problèmes s'accumulent ou sont tranquillement ignorés.
Le rôle des outils
L'intendance des données peut être faite manuellement dans les petites organisations. Au-delà de quelques milliers d'enregistrements ou d'une poignée de systèmes, ce n'est pas possible. Les environnements de données d'entreprise impliquent des dizaines de points d'intégration, et les incohérences de données qui sont invisibles à l'intérieur d'un système deviennent des problèmes sérieux dès que l'intégration de données connecte deux ou plusieurs systèmes. Gérer cette complexité sans outils signifie que les intendants passent la majorité de leur temps sur la réconciliation manuelle plutôt que sur la prévention.
De bons outils donnent aux intendants la capacité de définir et d'appliquer des règles de validation sans écrire du code, de suivre le lignage des données entre les systèmes, et de gérer les flux de travail d'approbation pour les données sensibles ou à fort impact. Les métadonnées peuvent être maintenues de manière centralisée afin que les définitions restent cohérentes, et les flux d'enrichissement des données peuvent être traités par la même plateforme, afin que les enregistrements de produits soient complétés et validés avant d'atteindre tout système en aval. Un catalogue de données aide ici : il donne à chaque équipe un enregistrement consultable de ce que les données existent, ce qu'elles signifient, et qui les possède. Certaines organisations associent aussi les investissements en outils à des programmes de littéracie des données internes afin que les utilisateurs métier comprennent les normes qu'on attend d'eux. Tout cela soutient l'objectif plus large de construire une organisation axée sur les données où les décisions sont basées sur des informations en lesquelles les gens ont vraiment confiance, et où les données sont gouvernées tout au long de leur cycle de vie plutôt que nettoyées après que les problèmes surgissent.
Avant de travailler avec nous, nos clients faisaient face à un défi récurrent. Les données produits étaient dispersées dans un ERP, un CMS et des feuilles de calcul, sans endroit central pour appliquer les normes. Les intendants de données passaient l'essentiel de leur temps à réconcilier les conflits entre systèmes plutôt que de les empêcher de se produire. Centraliser les données principales dans une plateforme dédiée a changé la dynamique : les intendants pouvaient définir les règles une fois et les appliquer partout, et les problèmes de qualité devenaient visibles avant d'atteindre les clients.
Une plateforme construite spécifiquement pour la gestion des données maitresses gère cela mieux qu'une réutilisation d'un CMS ou un assemblage d'exports ERP. AtroCore est construit pour ce type de configuration. Il fonctionne comme un hub central de données maitresses avec des règles de validation configurables, des flux de travail d'approbation, un suivi complet du lignage des données, et une API REST 100 % qui le maintient synchronisé avec les systèmes ERP, CRM et e-commerce. Les intendants métier peuvent définir et gérer les normes par l'interface sans aide technique. Les intendants techniques ont une visibilité complète sur les flux de données et la logique de transformation.
Quand l'intendance fonctionne bien
Le signe le plus clair d'une intendance mature est que les problèmes de données cessent d'être des surprises. Les problèmes de qualité sont détectés à l'entrée plutôt que découverts dans un rapport trimestriel. Quand une intégration de système s'interrompt, quelqu'un sait en quelques heures quel champ l'a causée et pourquoi. Quand une nouvelle ligne de produits se lance, les normes de données sont déjà définies avant la création du premier enregistrement.
Cela se voit aussi dans la façon dont les équipes parlent des données. Dans les organisations sans intendance, « Je ne fais pas confiance à ce chiffre » est une phrase courante dans chaque réunion. Avec l'intendance, cette conversation change. La propriété des données est visible, les définitions sont documentées, et le lignage derrière n'importe quel chiffre peut être retraçé. Suivre la précision et l'exhaustivité des données par domaine donne à l'organisation une vue honnête de sa situation, pas juste un instantané qui semble propre jusqu'à ce que quelqu'un regarder de plus près.
C'est ce que l'intendance des données livre réellement : pas des données propres comme un résultat unique, mais une structure qui maintient les données fiables à mesure que l'organisation change autour d'elles.