Pas d'IA sans données propres : le chantier que les PME repoussent

Dans les PME et les entreprises de taille intermédiaire, le scénario se répète. La direction souhaite un assistant pour le service client, une prévision de demande plus fiable ou une aide à la rédaction d'offres. Un prototype est lancé, la démonstration est convaincante, puis le projet ralentit. Les fiches clients existent en trois versions, les références produits ne suivent pas la même logique d'un site à l'autre, et personne ne sait dire qui peut corriger quoi.

Nous le constatons régulièrement : le modèle n'est presque jamais le facteur limitant. Le facteur limitant est le chantier que l'on repousse depuis des années, celui des données. Ce guide propose une méthode en six étapes, dimensionnée pour des organisations qui n'ont ni équipe de data science ni budget illimité.

Pourquoi ce chantier est toujours repoussé

Trois raisons reviennent. Le sujet n'a pas de sponsor naturel : il traverse les ventes, la production, la finance et l'informatique, donc il n'appartient à personne. Le bénéfice est indirect : nettoyer un fichier ne produit pas de résultat visible le trimestre suivant. Enfin, l'ampleur effraie : on imagine un programme de plusieurs années, alors qu'un périmètre bien choisi se traite en quelques semaines.

Or une IA ne corrige pas des données défaillantes, elle les amplifie. Un fichier contenant des doublons produira des analyses biaisées, présentées avec assurance. C'est un risque de gestion avant d'être un risque technique.

Étape 1 : partir d'un cas d'usage, pas d'un grand nettoyage

La première erreur consiste à vouloir « assainir toutes les données ». Choisissez un cas d'usage dont la valeur est identifiable, par exemple réduire le temps de traitement des demandes clients ou fiabiliser un budget de stocks. Listez ensuite les données strictement nécessaires : quels champs, quelles sources, quelle profondeur historique. Ce périmètre fixe l'effort. Tout le reste attend.

Étape 2 : cartographier les sources et nommer des responsables

Établissez une carte simple : où se trouve chaque donnée (ERP, CRM, tableurs, messageries, dossiers partagés), qui la saisit, qui la consulte, qui peut la modifier. Un tableau d'une page suffit.

Pour chaque jeu de données du périmètre, nommez un propriétaire métier. Il ne s'agit pas d'un rôle informatique : c'est la personne qui peut trancher quand deux versions divergent. Sans ce nom, aucune règle de qualité ne tient dans la durée. C'est souvent ici que le sujet rejoint l'organisation du travail, et nous le relions volontiers à nos travaux en Opérations & processus.

Étape 3 : mesurer la qualité sur un échantillon

Inutile d'auditer des millions de lignes. Prélevez un échantillon de quelques centaines d'enregistrements et évaluez cinq critères :

Complétude : les champs utiles sont-ils renseignés ?
Unicité : combien de doublons ?
Cohérence : les formats et les codes sont-ils identiques d'une source à l'autre ?
Actualité : quand la donnée a-t-elle été mise à jour pour la dernière fois ?
Exactitude : un contrôle manuel sur quelques cas confirme-t-il la valeur ?

Un exemple chiffré, avec ses hypothèses

Prenons une entreprise industrielle fictive de 120 personnes, avec un fichier de 8 000 clients. Supposons qu'un échantillon de 200 fiches révèle environ une fiche sur six en doublon, un tiers sans interlocuteur identifié, et des adresses saisies selon quatre conventions. Ces chiffres sont illustratifs. Ils suffisent pourtant à décider : avant de brancher un assistant commercial sur ce fichier, il faut d'abord le dédoublonner et fixer un format. L'effort se compte alors en jours-personnes, pas en mois, parce qu'il est limité à un fichier.

Étape 4 : traiter les causes à la source

Corriger une fois sans changer la saisie revient à vider une baignoire sans fermer le robinet. Pour chaque défaut mesuré, cherchez l'origine : champ libre là où une liste fermée serait possible, double saisie entre deux outils, absence de contrôle à la création d'une fiche. Quelques règles simples (champs obligatoires, listes de valeurs, recherche de doublon à la création) évitent l'essentiel de la dégradation future. L'outil compte moins que la discipline de saisie et la clarté de la responsabilité.

Étape 5 : poser le cadre de conformité dès le départ

Depuis le 1er septembre 2023, la loi fédérale révisée sur la protection des données (nLPD) s'applique. Pour un projet d'IA, trois points concrets découlent de ce cadre :

disposer d'un registre des activités de traitement et savoir quelles données personnelles alimenteront le projet ;
vérifier la finalité et la proportionnalité : une donnée collectée pour facturer n'a pas vocation à nourrir n'importe quel modèle ;
encadrer les sous-traitants et les transferts à l'étranger, ce qui concerne directement l'usage d'outils d'IA hébergés hors de Suisse.

Les entreprises qui servent aussi des clients européens restent soumises au RGPD, et le règlement européen sur l'IA, en cours d'adoption, ajoutera des obligations graduelles selon le niveau de risque des usages. Il serait imprudent d'attendre son application pour s'organiser : un inventaire propre des données sert tous ces cadres à la fois. Notre cas Conformité LPD des données clients illustre comment cet inventaire peut être bâti sans alourdir les équipes. Le suivi des textes eux-mêmes peut d'ailleurs être allégé, comme le montre Une veille réglementaire automatisée, un cas où l'IA aide réellement parce que le périmètre est borné.

Étape 6 : documenter, suivre, maintenir

Un chantier de données n'a pas de fin. Trois habitudes le rendent soutenable :

Un court dictionnaire des données : définition de chaque champ, propriétaire, source de référence.
Deux ou trois indicateurs de qualité, relus chaque trimestre (taux de doublons, taux de complétude, ancienneté moyenne de mise à jour).
Un point de passage obligatoire : tout nouveau projet IA ou analytique commence par la vérification de ces indicateurs sur son périmètre.

C'est le prolongement naturel de la logique que nous défendons dans notre approche Données, IA & conformité : la stratégie fixe l'objectif, le déploiement installe les règles, le pilotage mesure que cela tient.

Ce que les dirigeants peuvent décider cette semaine

Désigner un sponsor au niveau de la direction, avec un mandat transversal.
Choisir un seul cas d'usage et en déduire le périmètre de données.
Demander un échantillon de contrôle qualité avant tout achat d'outil.
Exiger que chaque jeu de données du périmètre ait un propriétaire nommé.
Intégrer la revue nLPD au lancement du projet, pas à sa livraison.

Il ne s'agit pas d'un préalable qui retarde l'IA. C'est ce qui permet à l'IA d'être utile, ou de ne pas l'être lorsqu'un autre levier, plus simple, répond mieux au besoin. Parfois, une règle de saisie et un tableau de bord suffisent, et nous le disons.

Si vous souhaitez savoir où se situent vos données par rapport à un cas d'usage précis, notre diagnostic permet d'établir en quelques semaines un état des lieux, un périmètre réaliste et une feuille de route chiffrée.