La plupart des organisations ont des données. Peu ont des données propres. Et la majorité de celles qui luttent contre la qualité des données ont le même problème fondamental : personne n'a convenu à l'avance de ce que les données devraient ressembler, qui en est responsable, ou ce qui se passe quand elles sont incorrectes.
C'est précisément ce qu'une politique de gestion des données de référence résout.
Ce n'est pas un document technologique, ni un dictionnaire de données ou une spécification système. C'est un accord formel au sein de l'organisation sur la façon dont les données de référence sont créées, maintenues, utilisées et corrigées. Sans cela, même une plateforme MDM bien configurée finira par dériver vers l'incohérence au fil du temps.
Qu'est-ce que les données de référence
Les données de référence sont les données de base qui décrivent les entités sur lesquelles une entreprise fonctionne : produits, clients, fournisseurs, employés, emplacements, matériaux. Ce ne sont pas des données transactionnelles. Une commande de vente n'est pas une donnée de référence. Le client et le produit dans cette commande le sont.
Pour un fabricant, les données de référence incluent généralement les spécifications de produits, les classifications de matériaux, les enregistrements de fournisseurs et les données d'usine ou d'emplacement. Pour un distributeur, il s'agit principalement des catalogues de produits et des hiérarchies de clients et de vendeurs. Le périmètre exact varie selon l'industrie, mais le principe reste le même : les données de référence sont partagées entre les systèmes et les départements, et les incohérences créent des cascades de problèmes partout.
Ce qu'une politique de gestion des données de référence couvre
Une politique MDM bien structurée aborde cinq domaines. Elle n'a pas besoin d'être longue. Vingt à trente pages de procédures denses signifient généralement que la politique s'est fusionnée avec les manuels opérationnels. La politique établit les principes et les règles. Les procédures d'exécution de ces règles sont documentées séparément.
Le premier est la définition du périmètre et des domaines. La politique nomme les domaines de données qu'elle régit et définit ce qui compte comme donnée de référence dans chacun. Cela semble évident mais est fréquemment omis. Sans cela, différents départements classent les mêmes enregistrements différemment, ce qui entraîne une maintenance parallèle et des versions conflictuelles.
Le second est la propriété des données et la gestion de la gouvernance. Pour chaque domaine, la politique assigne un propriétaire de données : un rôle métier responsable de l'exactitude et de la complétude de ce domaine. Sous le propriétaire se trouve le gestionnaire de données, qui gère les tâches quotidiennes de qualité. C'est distinct de la propriété informatique des systèmes qui stockent les données. La politique rend cette séparation explicite.
Le troisième domaine concerne les normes de qualité des données. La politique définit ce que « correct » signifie : champs obligatoires, formats acceptés, plages de valeurs valides, règles d'unicité et conventions de nommage. Pour les données de produits, cela pourrait signifier des attributs obligatoires, des codes d'unité de mesure standardisés, ou des règles sur la façon dont les variantes de produits sont liées aux enregistrements parents. Ces normes deviennent la base de la validation automatisée dans le système MDM.
Quatrièmement, la politique couvre les règles de gestion du cycle de vie. Les enregistrements sont créés, modifiés, fusionnés et éventuellement archivés ou supprimés. La politique définit qui peut effectuer chaque action, sous quelles conditions et avec quelles étapes d'approbation. Elle spécifie, par exemple, si les nouveaux enregistrements de fournisseurs nécessitent l'approbation de l'approvisionnement avant activation, ou comment un produit marqué pour discontinuation circule dans le système avant d'être retiré.
Cinquièmement se trouvent les exigences de conformité et d'audit. Pour les industries soumises à la supervision réglementaire, la politique documente comment les données de référence soutiennent la traçabilité, les pistes d'audit et les exigences de rapports. Dans la fabrication chimique, par exemple, l'exactitude des classifications de matériaux dangereux dans le système MDM affecte directement les soumissions réglementaires et l'étiquetage des produits.
Pourquoi les organisations sans politique finissent au même endroit
Un rapport 2025 de l'Institut IBM pour la valeur commerciale a constaté que plus d'un quart des organisations perdent plus de 5 millions de dollars annuellement en raison d'une mauvaise qualité des données. Ce chiffre tend à surprendre les gens. Il ne devrait pas. Un exemple courant en fabrication : le même fournisseur existe sous trois noms légèrement différents dans l'ERP, l'approvisionnement et la comptabilité fournisseurs. Les enregistrements en double générent des commandes d'achat en double. Les commandes d'achat en double génèrent des paiements en double. Personne ne le détecte jusqu'au trimestre de rapprochement. Ce n'est pas une défaillance des systèmes. C'est une défaillance de la gouvernance des données.
Le fil conducteur de ces problèmes n'est pas un mauvais logiciel. C'est l'absence de règles convenues appliquées dans tous les systèmes.
Dans les projets que nous avons mis en œuvre avec des fabricants industriels de taille moyenne, le problème venait rarement d'un manque d'outils MDM. Les données existaient dans plusieurs systèmes sans règles formelles pour déterminer ce qui était faisant autorité. Finance maintenait sa propre donnée maître de fournisseurs. L'approvisionnement en avait une autre. L'ERP en avait une troisième. Quand nous avons demandé laquelle était correcte, personne ne pouvait répondre. Une politique force cette question à être résolue avant que le problème de données ne s'aggrave davantage.
Une politique de gestion des données de référence ne corrige pas vos données. Elle crée les conditions pour que vos données puissent être corrigées et maintenues propres.
Comment en construire une qui est réellement utilisée
La plupart des projets de politique MDM échouent non pas pendant la rédaction mais pendant l'adoption. Un document qui reste dans un dossier SharePoint et n'est jamais consulté lors des changements système ou de l'intégration de données n'a aucune valeur pratique.
La première étape est un audit de l'état actuel. Avant de rédiger quoi que ce soit, cartographiez ce qui se passe réellement aujourd'hui. Comment les nouveaux produits sont-ils créés ? Qui approuve les nouveaux fournisseurs ? Que se passe-t-il quand un enregistrement s'avère être incorrect ? L'audit révèle où la propriété est floue, où les normes entrent en conflit et où aucun processus n'existe du tout. Il crée également le cas interne pour expliquer pourquoi un cadre de gouvernance des données est nécessaire en premier lieu.
Le périmètre doit être défini étroitement au départ. Essayer de gouverner tous les domaines de données simultanément est une erreur courante. Choisissez le domaine qui cause le plus de douleur opérationnelle, généralement les données de produits ou de fournisseurs pour les fabricants. Gouvernez bien ce domaine, documentez ce qui a fonctionné, puis étendez à d'autres.
Avant de rédiger les normes de qualité, les propriétaires doivent être assignés. Les normes n'ont aucune valeur si personne n'est responsable de leur maintien. La politique a besoin d'un propriétaire nommé pour chaque domaine de données. Pas une équipe. Pas un département. Un rôle, et une personne spécifique dedans. Sans cette responsabilité, la politique reste aspirationnelle. Les responsabilités de gestion des données doivent être énoncées au même niveau de détail que les normes elles-mêmes.
Les normes doivent également être rédigées en tenant compte des systèmes. Les règles au niveau de la politique doivent être traduisibles en validations au niveau du système. Une règle comme « les noms de produits doivent être cohérents » est inexécutable. Une règle comme « les noms de produits suivent le format [Catégorie] [Sous-catégorie] [Différenciateur], max 80 caractères, aucun caractère spécial » peut être implémentée comme une validation de champ dans le système MDM et appliquée à la saisie de données. Plus la norme est spécifique, plus elle se rapproche de produire automatiquement un enregistrement unique.
Chaque cadre MDM a également besoin d'un processus de changement intégré, car les normes de données de référence changent. Les nouvelles lignes de produits nécessitent de nouveaux attributs. Les mises à jour réglementaires nécessitent de nouveaux champs de classification. La politique doit définir comment les normes sont mises à jour : qui propose un changement, qui l'examine, et comment les enregistrements existants sont migrés quand une norme change. Sans cela, la politique devient obsolète en quelques mois.
La dernière étape est l'application système. Les politiques MDM les plus efficaces sont partiellement auto-exécutoires. La plateforme MDM valide les enregistrements par rapport aux règles définies au point de création ou d'importation, rejette les entrées non conformes et achemine les exceptions par des flux d'approbation définis. Les énoncés de politique et le comportement du système doivent être cohérents. Quand ils divergent, les gens suivent le système, pas le document.
C'est là que le choix de la plateforme compte. La plateforme MDM d'AtroCore est construite autour de l'application de la politique par conception. Son modèle de données basé sur EAV permet de configurer les règles de qualité des données par domaine et par attribut, appliquées par validation automatisée à la saisie de données. Les contrôles d'accès basés sur les rôles s'alignent directement sur la structure de propriété définie dans la politique. L'automatisation des flux de travail gère les chaînes d'approbation pour la création, la modification et les transitions de cycle de vie des enregistrements. La couverture API REST à 100 % signifie que les mêmes règles s'appliquent que les données entrent par l'interface utilisateur, par une intégration ERP ou par une importation en masse. La politique et le système restent alignés plutôt que de diverger.
Ce que la politique rend possible en aval
Une politique MDM qui fonctionne fait plus que réduire les erreurs de données. Plusieurs capacités qui sont autrement fragiles deviennent fiables une fois que les données de référence sont gouvernées.
Les intégrations de systèmes sont la plus immédiate. Quand l'ERP, l'e-commerce et les systèmes logistiques tirent tous les données de produits et de fournisseurs d'une seule donnée maître gouvernée, ils tirent les mêmes données. Les défaillances d'intégration causées par des données de référence incohérentes chutent fortement. Les équipes arrêtent de maintenir des contournements de rapprochement manuel entre systèmes.
La conformité réglementaire devient auditable d'une façon qu'elle ne l'est souvent pas sans gouvernance. Quand la politique définit qui a changé quoi et quand, et que le système MDM applique cette journalisation, les équipes de conformité ont une piste d'audit traçable. Pour les fabricants soumis à la certification ISO, à la conformité GS1 ou aux réglementations spécifiques au secteur, cette traçabilité n'est pas facultative et ne peut pas être reconstruite après coup.
Les migrations de données deviennent également bien plus prévisibles. Le passage à un nouvel ERP ou PIM est considérablement moins douloureux quand les données source sont gouvernées. Les projets qui commencent avec des données maître non gouvernées consacrent généralement 40 à 60 % de leur chronologie au nettoyage des données seul. Une politique réduit cela car le travail de nettoyage a déjà été effectué progressivement, à la saisie de données, au fil du temps.
Le gain à plus long terme se trouve dans l'analyse et l'IA. La prévision de la demande, les modèles de tarification et l'optimisation de la chaîne d'approvisionnement dépendent tous de données de référence propres et cohérentes. Un modèle entraîné sur des classifications de produits incohérentes ou des enregistrements de fournisseurs non fusionnés produit des résultats peu fiables quel que soit l'algorithme utilisé. La gouvernance est ce qui rend les données sous-jacentes adaptées à ces objectifs.
Les organisations qui mettent en place une politique MDM tôt construisent sur un terrain stable. Chaque nouveau système, intégration ou initiative qu'elles ajoutent se connecte à des données qui sont déjà gouvernées, déjà cohérentes, déjà possédées. C'est une position de départ différente du nettoyage après coup.