Sans référentiel propre, la DSI répare et les métiers doutent
La plupart des organisations ne mesurent jamais le coût réel de l'absence d'un référentiel de données propre et structuré, parce que ce coût ne figure sur aucune ligne budgétaire. Il se paie ailleurs, en temps perdu côté DSI et en confiance perdue côté métiers.
Il y a une scène que connaissent toutes les directions un peu importantes. Deux services arrivent en réunion avec le même indicateur, le chiffre d'affaires d'une activité, le nombre de dossiers traités, le taux de churn, peu importe. Sauf que les deux chiffres ne sont pas les mêmes. S'ensuit une demi-heure de discussion non pas sur la décision à prendre, mais sur celui des deux chiffres qu'il faut croire. La réunion se termine sans conclusion et chacun repart vérifier ses sources.
Cette scène a un nom rarement prononcé. C'est le symptôme d'une organisation qui n'a pas de référentiel de données propre et partagé. Et son coût, parce qu'il n'apparaît sur aucune facture, reste presque toujours invisible.
L'impôt invisible
Un référentiel, c'est l'accord d'une organisation sur le sens de ses propres termes. Ce qu'est un client actif, où commence et où s'arrête un dossier, comment se calcule une marge, quelle source fait foi quand deux systèmes se contredisent. Quand cet accord existe et qu'il est tenu, la donnée circule et les discussions portent sur le fond. Quand il n'existe pas, chaque question un peu sérieuse commence par une enquête pour savoir quelle réponse est la bonne.
Cet impôt ne se voit pas parce qu'il est diffus. Il est payé en réunions qui ne tranchent rien, en fichiers retravaillés à la main et en projets qui prennent trois mois de plus que prévu. Personne ne reçoit la note, donc personne ne la conteste et l'organisation finit par considérer cette friction comme une fatalité du métier.
Côté DSI, on répare en continu
Pour une direction des systèmes d'information, l'absence de référentiel se traduit par un travail sans fin qui ne ressemble jamais à du progrès. Chaque nouveau projet recommence la même plomberie, parce qu'il n'existe pas de socle commun sur lequel s'appuyer. On rebranche les mêmes sources, on réécrit les mêmes règles de calcul et on réconcilie une fois de plus des identifiants qui ne correspondent pas d'un système à l'autre. Les intégrations se multiplient et la dette technique s'accumule, jusqu'au jour où plus personne n'ose toucher à un flux de peur de casser ce qui en dépend.
C'est aussi la raison pour laquelle tant de projets d'intelligence artificielle n'aboutissent pas. On ne peut pas industrialiser une analyse sur une donnée dont le sens change selon l'endroit où on la lit. La DSI passe alors son énergie à colmater au lieu de construire et elle le sait, ce qui est démoralisant pour des équipes qui voudraient livrer de la valeur.
Côté métiers, on cesse de faire confiance
Pour les directions métier, la conséquence est plus silencieuse mais plus grave encore. À force de voir des chiffres se contredire, on cesse de croire aux tableaux de bord. On les consulte par habitude, puis on décide en réalité à l'intuition ou sur la base d'un fichier qu'on a soi-même fabriqué et qu'on est le seul à comprendre. La donnée officielle devient un décor et la vraie donnée se cache dans les tableurs personnels de quelques experts irremplaçables.
Une organisation qui en arrive là perd deux fois. Elle perd le temps que ses cadres passent à reconstruire à la main une information qui devrait être disponible et elle perd la qualité de ses décisions, désormais prises sur des bases que personne ne peut vraiment auditer. Le plus inquiétant est que cette défiance ne se déclare jamais ouvertement. Elle s'installe et on finit par piloter une activité sérieuse avec la même prudence qu'on accorderait à une rumeur.
L'intelligence artificielle n'arrange rien, elle amplifie
Beaucoup espèrent aujourd'hui que l'intelligence artificielle réglera ce désordre à leur place. C'est l'inverse qui se produit. Un modèle posé sur un référentiel défaillant ne corrige pas les incohérences, il les industrialise. Il produit, vite et avec assurance, des réponses fausses tirées de données contradictoires et il leur donne la forme lisse d'un texte bien écrit qui inspire confiance. Là où un humain aurait hésité devant deux chiffres divergents, le modèle en choisit un sans le dire et présente le résultat comme un fait.
Autrement dit, plus une organisation veut tirer parti de l'IA, plus la qualité de son référentiel devient déterminante. La technologie déplace le problème en amont, elle ne le dissout pas.
Le référentiel n'est pas un chantier technique, c'est une décision de direction
La tentation est de traiter le sujet comme une affaire d'outils, à déléguer à l'équipe data. C'est une erreur, parce qu'un référentiel engage d'abord des arbitrages que seule une direction peut trancher. Décider de la définition unique d'un client ou d'une marge n'est pas un acte technique, c'est un choix de gouvernance qui suppose qu'une autorité accepte de dire « c'est cette définition qui fait foi, les autres disparaissent ».
C'est exactement le travail que nous faisons en amont de toute plateforme, à travers les dictionnaires sémantiques, la gouvernance et l'observation de la qualité. Ce travail est ingrat, parce qu'il ne produit pas d'effet spectaculaire le jour de sa livraison. Il produit quelque chose de plus rare, une organisation où les chiffres cessent de se contredire et où l'on peut enfin discuter de la décision plutôt que de la source.
Vos réunions s'enlisent sur la question de savoir quel chiffre croire ? Le problème n'est pas vos équipes, c'est le référentiel sous elles. Parlons-en.