La gestion des données maîtresses et la gouvernance des données sont souvent présentées comme interchangeables, ou regroupées sous le vague concept de « stratégie de données ». Les deux sont des piliers de la gestion des données d'entreprise, mais elles servent des fonctions différentes, opèrent à différents niveaux de l'organisation, et échouent de manière différente lorsqu'elles ne sont pas alignées. Dans les projets que nous avons mis en œuvre, les organisations qui ont eu le plus de difficultés avec les problèmes de qualité des données manquaient rarement d'outils. Ce qui leur manquait, c'était le lien entre la politique et l'exécution.
Ce que fait la gouvernance des données
La gouvernance des données est un cadre pour décider qui peut faire quoi avec les données, et sous quelles conditions. Un cadre de gouvernance des données définit la propriété, la responsabilité, et les règles selon lesquelles les données sont créées, modifiées, utilisées et supprimées. Un programme de gouvernance des données répond à des questions comme : Qui est responsable de l'exactitude des enregistrements clients ? Qu'est-ce qui constitue une classification produit valide ? Combien de temps conservons-nous les données maîtresses financières après la fin d'un contrat ?
Le résultat d'un programme de gouvernance est la politique. Les politiques couvrent les seuils de qualité des données, les conventions de nommage, les droits d'accès, les assignations de l'intendance, les schémas de classification et les obligations de conformité. Sans gouvernance, ces décisions sont tout de même prises, mais de manière incohérente et invisible, par quiconque modifie une feuille de calcul cette semaine-là.
La gouvernance fonctionne sur toutes les données d'une organisation, pas seulement les données maîtresses. Elle couvre les données transactionnelles, les métadonnées, les données opérationnelles et les relations entre elles. Ses principaux acteurs sont les dirigeants commerciaux, les propriétaires de données, les équipes de conformité et les services juridiques. Dans les grandes organisations, un conseil de gouvernance des données coordonne généralement la politique entre les départements. L'IT est impliquée, mais la gouvernance est fondamentalement une fonction métier.
Ce que fait le MDM
La gestion des données maîtresses est l'ensemble des processus et systèmes par lesquels une organisation crée et maintient une version unique et faisant autorité de ses entités de données partagées principales : clients, produits, fournisseurs, sites, employés et autres objets de référence similaires qui apparaissent dans plusieurs systèmes.
Le MDM est principalement une fonction technique et opérationnelle. Il gère l'intégration des données à partir de plusieurs systèmes source, la déduplications et l'appairage, l'enrichissement des données, la validation de la qualité, la gestion des hiérarchies et la distribution vers les systèmes consommateurs. Le résultat d'un programme MDM est un enregistrement maître, aussi appelé golden record : une représentation nettoyée, consolidée et fiable d'une entité métier sur laquelle les systèmes en aval peuvent s'appuyer. La plateforme MDM fonctionne généralement comme un hub central, agissant en tant que système de référence pour les données clients, les données produits, les données fournisseurs et autres domaines partagés, en poussant des versions cohérentes vers chaque application connectée.
Là où la gouvernance définit les règles, le MDM les exécute. Si la gouvernance stipule « un enregistrement produit doit inclure un GTIN valide avant de pouvoir être publié », le MDM est le système qui vérifie ce GTIN, signale les enregistrements qui l'omettent, et les achemine par un flux de travail d'intendance pour résolution. Le résultat, quand les deux programmes sont alignés, est une source unique de vérité sur laquelle chaque département peut compter.
Le MDM est limité spécifiquement aux données maîtresses. Il ne gère pas toutes les données organisationnelles. Ses principaux acteurs sont les ingénieurs de données, les architectes d'intégration, les intendants de données et les propriétaires métier des domaines gérés.
Où se chevauchent-ils
La relation entre la gestion des données maîtresses et la gouvernance des données n'est pas une hiérarchie. Aucune n'est au-dessus de l'autre. Elles sont interdépendantes : la gouvernance fournit l'autorité et la politique dont le MDM a besoin pour prendre des décisions, et le MDM fournit l'environnement d'exécution dont la gouvernance a besoin pour avoir un effet pratique.
L'intersection la plus visible est l'intendance des données. Les intendants de données sont généralement définis par le programme de gouvernance, avec des assignations de domaine claires, une autorité d'approbation et des escalades définies. Mais ils font leur travail réel à l'intérieur des outils MDM : examen des enregistrements signalés, résolution des doublons, approbation des modifications et signature de l'enrichissement. Quand un intendant rejette un enregistrement, le système MDM le achemine à travers le flux de travail avec un code de raison ; quand il l'approuve, l'enregistrement est promu au golden record et distribué en aval. Ce flux de travail ne fonctionne que si la gouvernance a déjà fait deux choses : produit un glossaire métier qui définit ce que chaque entité de données signifie à travers les départements et assigné la propriété des données suffisamment clairement pour que chaque décision ait quelqu'un de responsable. Si le programme de gouvernance n'a pas fait ce travail, les flux de travail MDM stagnent parce que personne n'a l'autorité de résoudre les conflits.
La qualité des données est le deuxième domaine majeur où les deux programmes se rencontrent. La gouvernance définit les normes de qualité, par exemple, les seuils de complétude minimaux, les attributs obligatoires ou les spécifications de format couvrant l'exactitude et la cohérence des données. Le MDM mesure par rapport à ces normes et les applique au point d'entrée ou d'intégration des données. Le coût de cet écart n'est pas abstrait : selon un rapport 2025 de l'IBM Institute for Business Value, plus d'un quart des organisations estiment des pertes annuelles dépassant 5 millions de dollars en raison d'une mauvaise qualité des données, et Gartner estime le coût moyen d'une mauvaise qualité des données à 12,9 millions de dollars par an.
Une politique de gouvernance qui n'existe que dans un document partagé n'a aucun effet opérationnel. Un système MDM exécutant des contrôles de qualité sans normes définies par la gouvernance exécute simplement des règles arbitraires auxquelles personne n'a formellement accepté.
La conformité réglementaire est là où le désalignement devient le plus coûteux. Des réglementations comme le RGPD, le CCPA et le Règlement général de la sécurité des produits de l'UE imposent des obligations spécifiques sur la façon dont certaines données doivent être enregistrées, conservées et rendues accessibles. La gouvernance définit ce que ces obligations signifient pour chaque domaine de données, y compris les périodes de rétention des données et les contrôles d'accès. Le MDM les opérationalise par des contrôles au niveau des champs, des restrictions d'accès, des pistes d'audit et des calendriers de rétention des données automatisés. La traçabilité des données, c'est-à-dire la capacité à retracer d'où provient un enregistrement, comment il a été modifié et par qui, est souvent autant une exigence de conformité qu'une caractéristique technique, et elle ne fonctionne que si la gouvernance a défini ce que la traçabilité doit montrer. Un fabricant gérant des données de sécurité des produits en vertu du RGPD, par exemple, a besoin à la fois d'une politique de gouvernance qui spécifie quels attributs produit sont légalement requis et d'un système MDM qui applique les contrôles de complétude avant l'approbation des enregistrements pour distribution.
La question de la séquence
Une question courante dans les organisations démarrant les deux programmes en même temps est de savoir s'il faut définir la gouvernance en premier ou construire le système MDM en premier. Aucun des deux ne peut être entièrement complété avant l'autre, mais le bon point de départ dépend de là où se trouve le problème.
Si le problème principal est politique, c'est-à-dire que personne ne s'accorde sur qui possède quelles données ou quelles devraient être les règles, la gouvernance doit venir en premier. Construire un système MDM avant de résoudre la propriété des données aboutira à une plateforme techniquement fonctionnelle que personne n'utilisera parce que chaque décision déclenche un différend territorial.
Si le problème principal est technique, commencer par l'infrastructure MDM a du sens. Dans les projets que nous avons mis en œuvre pour des fabricants et des distributeurs de taille moyenne, construire un pipeline MDM fonctionnant d'abord créait souvent la preuve concrète que les conversations de gouvernance devaient avancer. Les gens deviennent disposés à s'accorder sur les règles de propriété une fois qu'ils peuvent voir, dans un système réel, à quoi ressemblent réellement les données et ce qui se casse quand les règles ne sont pas claires.
La plupart des organisations finissent par utiliser une approche parallèle : établir la gouvernance pour le domaine de plus haute priorité en premier, comme le produit ou le client, puis construire les processus et les outils MDM pour ce même domaine avant de s'élargir à d'autres. Commencer par un seul domaine garde les deux programmes ancrés dans les problèmes de données réels plutôt que dans la conception politique abstraite.
Modes d'échec courants
Gouvernance sans MDM
produit des politiques qui existent dans la documentation mais ne sont jamais appliquées. Les objectifs de qualité des données sont établis et jamais mesurés. Des intendants sont nommés, mais n'ont pas de système dans lequel travailler. Les obligations de conformité sont reconnues mais non opérationnalisées. Le programme de gouvernance finit par perdre de la crédibilité parce que rien ne s'améliore visiblement.
MDM sans gouvernance
produit une plateforme logicielle techniquement capable qui fonctionne sur des hypothèses non documentées. Les règles d'appairage et de déduplications dans le système MDM reflètent les préférences de quiconque les a configurées, pas une décision organisationnelle délibérée. Quand un conflit surgit entre les unités commerciales sur la façon dont un client doit être classifié, il n'y a pas d'autorité pour le résoudre. Le système MDM devient un goulot d'étranglement plutôt qu'un accélérateur.
Séquence désalignée
produit un système MDM qui n'est pas conforme aux politiques de gouvernance écrites après coup. C'est courant dans les organisations qui construisent rapidement l'infrastructure MDM, puis amènent une fonction de gouvernance plus tard. Adapter rétroactivement la gouvernance à un programme MDM déjà en cours nécessite de renégocier les règles déjà intégrées à la logique du système, ce qui est coûteux et perturbateur.
Sélection de la plateforme
Lors de l'évaluation du logiciel de gestion des données maîtresses, les capacités de gouvernance des données devraient faire partie des critères d'évaluation dès le départ. La plateforme doit prendre en charge les flux de travail d'intendance configurables, appliquer les règles et politiques de qualité des données définies par l'entreprise plutôt que codées en dur par l'IT, et fournir des pistes d'audit suffisantes pour la conformité réglementaire. Elle doit également exposer les métadonnées de gouvernance aux outils externes comme les catalogues de données ou les traceurs de traçabilité. De plus en plus, les organisations ont besoin que leur plateforme MDM alimente des données maîtresses propres et gouvernées dans les flux de travail d'intelligence artificielle. Les systèmes d'IA héritent directement des problèmes de qualité des données, et les doublons non résolus ou les attributs manquants dans les données maîtresses se traduisent par des résultats de modèles peu fiables.
Une plateforme qui traite la gouvernance comme un module distinct crée le même problème organisationnel sous forme technique : deux programmes qui doivent être synchronisés manuellement. Les plateformes qui intègrent les contrôles de gouvernance directement dans le modèle de données réduisent cette surcharge.
Une plateforme MDM conçue pour les domaines produits doit gérer les obligations de données réglementaires de manière native, pas par des contournements.
Pour les fabricants gérant les données produits, la considération supplémentaire est de savoir si le système MDM peut gérer les obligations de données réglementaires aux côtés de la gouvernance opérationnelle. Le Passeport Produit Numérique de l'UE, par exemple, exige que des attributs de données spécifiques soient structurés, versionnés et accessibles à des tiers dans un format défini. C'est à la fois une question de politique de gouvernance et une question d'implémentation MDM.
AtroCore est une plateforme de gestion des données maîtresses et d'intégration open source avec un modèle de données 100% configurable, ce qui signifie que les contrôles de gouvernance sont construits autour des domaines de données réels de l'organisation plutôt que d'une structure prédéfinie par le fournisseur. Elle fonctionne sur site ou dans le cloud sous une licence GPLv3 sans frais par utilisateur. Le contrôle d'accès basé sur les rôles, les flux de travail d'intendance configurables et les règles de qualité des données au niveau des attributs sont tous natifs à la plateforme, tout comme la synchronisation REST API bidirectionnelle avec les systèmes ERP, CRM et de commerce électronique. En pratique, nos clients du secteur des équipements industriels et des matériaux de construction l'utilisent pour appliquer les règles de complétude des données produits sur des dizaines de systèmes connectés, afin que les enregistrements qui ne respectent pas les contrôles de gouvernance ne parviennent jamais aux canaux en aval.
Conclusion
Les modes d'échec décrits ci-dessus ont une racine commune : un programme a été traité comme la dépendance de l'autre plutôt que comme son partenaire. Une gouvernance qui précède le MDM produit une politique sans chemin d'application. Un MDM qui précède la gouvernance produit une application sans autorité légitime. Aucun ne fonctionne seul.
Les organisations qui traitent le MDM comme un projet technologique et la gouvernance des données comme une initiative organisationnelle distincte se retrouvent généralement avec un système qui ne reflète pas la politique convenue et une politique sans système pour l'appliquer. Commencer par une définition partagée du domaine de données de plus haute priorité, assigner l'intendance avant de construire les flux de travail, et sélectionner une plateforme qui traite la gouvernance comme une fonction native plutôt que comme un complément feront plus pour combler cet écart que toute tentative ultérieure de nettoyage de la qualité des données.