Lecture rapide
Ce qu’il faut retenir
- Relier chaque donnée à une étape et à une décision du processus.
- Distinguer disponibilité, qualité, droit d'usage et représentativité.
- Créer un échantillon incluant les exceptions et cas difficiles.
- Documenter les corrections plutôt que nettoyer sans objectif.
Inventorier les sources utiles
Pour chaque étape, notez les informations consultées, leur système d'origine, leur format, leur propriétaire et leur fréquence de mise à jour. Incluez les fichiers locaux, les boîtes partagées et les connaissances informelles qui échappent aux outils officiels.
L'inventaire doit rester lié au besoin. Une entreprise peut posséder beaucoup de données sans disposer de celles qui expliquent la décision ou le résultat attendu.
Évaluer quatre qualités différentes
Une donnée disponible n'est pas nécessairement fiable, autorisée ou représentative. Vérifiez séparément l'accès technique, la complétude et la cohérence, le droit d'usage et la couverture des situations réelles.
Documentez les périodes manquantes, les changements de règles, les doublons et les biais de collecte. Ces défauts influencent le protocole de test et la portée des conclusions.
- Disponibilité : peut-on extraire la donnée de façon répétable ?
- Qualité : les champs utiles sont-ils suffisamment fiables ?
- Droit d'usage : la finalité et le fournisseur sont-ils compatibles ?
- Représentativité : les cas rares et récents sont-ils présents ?
Construire un jeu de référence
Sélectionnez des exemples courants, difficiles, incomplets et hors périmètre. Pour chacun, faites établir le résultat attendu par une personne compétente et conservez les désaccords éventuels. Une référence métier peut elle-même contenir de l'incertitude.
Séparez les exemples de configuration et ceux d'évaluation. Protégez les données personnelles et limitez l'échantillon au nécessaire. Le jeu de référence doit pouvoir être rejoué après une modification.
Prioriser les corrections utiles
Corrigez d'abord les défauts qui empêchent le test : absence d'identifiant, source inaccessible, catégories incohérentes ou droits non clarifiés. Les améliorations générales sans effet sur le cas d'usage peuvent attendre.
Attribuez un propriétaire à chaque source et définissez comment les nouvelles données seront contrôlées. La qualité est un processus continu ; un nettoyage ponctuel ne suffit pas si les mêmes défauts reviennent.
Questions fréquentes
Questions fréquentes
Faut-il un grand volume de données ?
Pas toujours. Un projet de recherche documentaire ou d'automatisation peut démarrer avec un corpus limité mais représentatif. Le volume nécessaire dépend de l'usage et de l'approche technique.
Peut-on utiliser des données synthétiques ?
Elles peuvent compléter certains tests, mais ne remplacent pas l'observation des formats, erreurs et exceptions réels. Leur génération doit aussi être contrôlée.
Qui est responsable de la qualité ?
Les propriétaires métiers définissent le sens et le résultat attendu ; l'informatique organise l'accès et les contrôles techniques. La responsabilité doit être partagée et explicite.