Section I
Comprendre la donnée dans l’organisation
Cette première section présente la donnée comme un actif organisationnel : elle distingue les principales catégories de données, leurs usages et les acteurs impliqués dans leur production, leur exploitation et leur contrôle.
A
La donnée comme actif stratégique
1
Donnée, information et patrimoine informationnel
DonnéeInformationConnaissancePatrimoineValeur
Résumé
Une donnée est un élément brut qui prend réellement de la valeur lorsqu’elle est replacée dans un contexte et transformée en information exploitable. L’organisation accumule ainsi progressivement un patrimoine informationnel constitué de données clients, opérationnelles, financières, RH ou techniques. Ce patrimoine doit être identifié, organisé et protégé, car il participe directement à la capacité de l’entreprise à comprendre son activité, prendre des décisions et développer de nouveaux usages.
2
Données opérationnelles, référentielles, sensibles et stratégiques
OpérationnelRéférentielSensibilitéCriticitéClassification
Résumé
Toutes les données d’une organisation n’ont ni la même fonction ni le même niveau de criticité. Les données opérationnelles soutiennent les activités quotidiennes, les données référentielles permettent de disposer de références communes, tandis que certaines données doivent être qualifiées de sensibles ou stratégiques en raison de leur contenu ou de leur importance pour l’organisation. La classification des données constitue donc une première étape essentielle pour déterminer les règles de gestion et de protection adaptées.
3
Création de valeur par la donnée
ValeurDécisionOptimisationInnovationPerformance
Résumé
La donnée constitue un actif stratégique lorsqu’elle permet d’améliorer une décision, d’optimiser un processus ou de créer un nouveau service. Sa valeur ne provient donc pas uniquement de son volume, mais de sa capacité à répondre à un besoin concret de l’organisation. Une gouvernance efficace cherche précisément à rapprocher les données disponibles des usages susceptibles de produire une valeur économique, opérationnelle ou stratégique.
B
Les usages métiers de la donnée
1
Usages opérationnels
ProcessusActivitéTransactionAutomatisationExécution
Résumé
Les usages opérationnels correspondent à l’utilisation quotidienne des données pour réaliser les activités de l’organisation. Une commande, une intervention technique, un dossier client ou une opération logistique reposent sur des données qui doivent être disponibles et fiables au moment où elles sont utilisées. La qualité de ces données influence directement la continuité et l’efficacité des processus métiers.
2
Usages décisionnels
AnalyseIndicateurReportingPilotageDécision
Résumé
Les données décisionnelles permettent d’analyser l’activité et d’éclairer les choix des responsables. Elles alimentent notamment les tableaux de bord, les indicateurs de performance et les analyses destinées au pilotage de l’organisation. Leur utilisation suppose cependant que les données utilisées soient correctement définies, consolidées et interprétées afin d’éviter des décisions fondées sur des informations incomplètes ou incohérentes.
3
Usages liés à l’IA
IAEntraînementDonnéesModèleResponsabilité
Résumé
Les systèmes d’intelligence artificielle utilisent les données pour apprendre, produire des résultats ou soutenir une décision. La qualité, l’origine et la représentativité de ces données influencent directement les performances du système et les risques associés à son utilisation. La gouvernance des données devient donc une condition préalable à une IA responsable, notamment pour limiter les biais, garantir la traçabilité et permettre un contrôle humain des usages.
C
Les acteurs de la donnée
1
Métiers et responsables de processus
MétierProcessusBesoinResponsabilitéUsage
Résumé
Les équipes métiers sont parmi les principales productrices et utilisatrices des données de l’organisation. Elles disposent de la connaissance fonctionnelle nécessaire pour définir la signification des données, identifier les besoins et détecter les incohérences. La gouvernance des données ne peut donc pas être uniquement portée par les équipes techniques : elle nécessite une implication directe des responsables métiers.
2
DSI, sécurité et conformité
DSISécuritéConformitéInfrastructureContrôle
Résumé
La DSI assure généralement la disponibilité technique des systèmes et des données, tandis que les fonctions de sécurité et de conformité contrôlent les risques associés à leur utilisation. Ces acteurs interviennent sur les infrastructures, les droits d’accès, les traitements, les règles de sécurité ou encore les obligations réglementaires. Leur coordination est indispensable pour éviter qu’une donnée soit techniquement disponible mais juridiquement ou organisationnellement inutilisable.
3
Utilisateurs et parties prenantes
UtilisateurAccèsBesoinResponsabilisationGouvernance
Résumé
Les utilisateurs constituent le dernier maillon de la chaîne de gouvernance, car ce sont eux qui manipulent concrètement les données. Leur comportement peut contribuer à maintenir la qualité des informations ou, au contraire, introduire des erreurs et des usages non conformes. La gouvernance doit donc préciser ce que chaque utilisateur peut faire, quelles données il peut consulter et quelles responsabilités sont associées à ses usages.
Exercice fil rouge
Huit contextes professionnels volontairement inconfortables
Chaque groupe travaille sur un contexte dans lequel la gouvernance des données ne peut pas être réduite à un simple enjeu de CRM, de reporting ou de conformité. Les trois parties de l’exercice doivent être appliquées au même contexte.
Contexte 1
NSO Group — Cybersurveillance
NSO Group développe des technologies de surveillance utilisées par des clients gouvernementaux. Le patrimoine data peut inclure identifiants, métadonnées techniques, logs, données issues de terminaux et informations liées aux clients institutionnels.
Question directrice : qui est responsable d’une donnée acquise par un client utilisant votre technologie ?
Contexte 2
Clearview AI — Reconnaissance faciale
Clearview AI exploite des images accessibles sur le web afin de constituer un système de recherche et d’identification biométrique. Le cas oblige à distinguer accessibilité publique, réutilisation et légitimité d’exploitation.
Question directrice : une donnée publique est-elle nécessairement librement gouvernable par l’entreprise ?
Contexte 3
Anduril Industries — Défense autonome
Anduril utilise des données issues de capteurs, systèmes de détection et plateformes autonomes. Les données peuvent contribuer à des décisions opérationnelles à conséquences physiques importantes.
Question directrice : qui porte la responsabilité lorsqu’un opérateur humain s’appuie sur une donnée produite par un système algorithmique ?
Contexte 4
Eurofins Scientific — Analyses biologiques et laboratoires
Eurofins manipule des échantillons, résultats analytiques, métadonnées, informations patients ou données industrielles. La chaîne de traçabilité et la qualité des mesures sont essentielles.
Question directrice : comment distinguer erreur de donnée, erreur de mesure et erreur de processus ?
Contexte 5
Maersk — Logistique maritime mondiale
Une information liée à une cargaison peut circuler entre armateur, expéditeur, terminal portuaire, douane, transporteur terrestre et destinataire. La donnée traverse plusieurs systèmes et responsabilités.
Question directrice : qui est propriétaire ou responsable de la donnée lorsqu’elle est produite ou enrichie par plusieurs acteurs successifs ?
Contexte 6
IDEMIA — Identité numérique et biométrie
IDEMIA travaille sur des systèmes d’identité, d’authentification et de biométrie. Une donnée peut être techniquement correcte tout en étant rattachée à la mauvaise personne.
Question directrice : que faire lorsqu’une donnée biométrique est valide mais attribuée au mauvais individu ?
Contexte 7
Orano — Industrie nucléaire
Orano combine données industrielles, maintenance, sûreté, accès aux sites, fournisseurs et informations sensibles. La facilité opérationnelle peut entrer en tension avec les exigences de sécurité et de souveraineté.
Question directrice : quelles données doivent rester accessibles lorsqu’une contrainte de souveraineté s’oppose à la facilité opérationnelle ?
Contexte 8
Aylo — Plateforme de contenus pour adultes
La plateforme combine identité, vérification d’âge, paiements, contenus, modération, consentement, historique comportemental et signalements. La conservation de certaines données peut simultanément protéger et exposer les personnes.
Question directrice : comment gouverner une donnée dont la conservation peut prouver un consentement mais dont l’existence même crée un risque important ?
Exercice fil rouge — Partie I
Identifier et qualifier le patrimoine de données
Comprenez quelles données l’organisation possède, à quoi elles servent et lesquelles sont réellement les plus importantes.
- Identifier au moins huit familles de données utilisées par l’organisation.
- Distinguer les données opérationnelles, référentielles, sensibles et stratégiques.
- Repérer les principaux systèmes ou sources dans lesquels ces données sont produites ou stockées.
- Associer les principales données à leurs usages métiers.
- Identifier la donnée la plus stratégique, la plus sensible et une donnée apparemment secondaire pouvant devenir critique.
- Justifier les choix réalisés.
Livrable : un tableau de cartographie du patrimoine data, une typologie des données et une sélection argumentée des données critiques.
Section II
Organiser le cycle de vie de la donnée
Cette deuxième section suit la donnée depuis sa collecte jusqu’à sa destruction afin d’identifier les transformations, usages, acteurs et risques qui apparaissent au fil de son cycle de vie.
A
Collecter et intégrer les données
1
Sources et modalités de collecte
SourceCollecteOrigineAcquisitionFiabilité
Résumé
Les données peuvent provenir de multiples sources : applications métiers, CRM, ERP, formulaires, capteurs, partenaires ou sources externes. La manière dont elles sont collectées détermine en partie leur fiabilité et leur utilisabilité future. Une organisation doit donc identifier clairement l’origine des données, les modalités de collecte et les éventuelles limites associées à chaque source.
2
Traitement et intégration
TransformationIntégrationFormatStandardisationConsolidation
Résumé
Les données collectées doivent souvent être transformées avant de pouvoir être utilisées conjointement. Les traitements permettent notamment de convertir des formats, harmoniser des valeurs, rapprocher plusieurs sources ou enrichir les informations disponibles. L’intégration constitue ainsi une étape essentielle pour construire une vision cohérente à partir de systèmes parfois hétérogènes.
3
Traçabilité de l’acquisition
OrigineHistoriqueTraçabilitéPreuveContrôle
Résumé
La traçabilité permet de comprendre d’où provient une donnée, quand elle a été collectée et quelles transformations elle a éventuellement subies. Cette information devient essentielle lorsqu’une anomalie est découverte ou lorsqu’il faut justifier l’utilisation d’une donnée. Une bonne gouvernance doit donc permettre de reconstruire l’histoire d’une information depuis son acquisition.
B
Stocker et exploiter les données
1
Stockage et gestion
StockageDisponibilitéAccèsOrganisationSécurité
Résumé
Le stockage des données doit permettre de trouver un équilibre entre disponibilité, sécurité et performance. Les choix de stockage influencent la manière dont les données pourront être consultées, partagées et conservées. Une gouvernance efficace doit également éviter la multiplication incontrôlée des copies et des espaces de stockage qui rendent les données difficiles à maîtriser.
2
Analyse et usages
AnalyseExploitationInsightDécisionUsage
Résumé
L’exploitation transforme les données disponibles en informations utiles pour l’organisation. Elle peut prendre la forme de statistiques, de tableaux de bord, d’analyses exploratoires ou de modèles prédictifs. L’objectif de la gouvernance est de garantir que les données utilisées pour ces analyses possèdent un niveau de qualité suffisant et correspondent réellement au besoin étudié.
3
Partage et diffusion
PartageDiffusionHabilitationInteropérabilitéAccès
Résumé
Les données circulent entre différents services, applications et partenaires. Ce partage doit cependant être organisé afin que seules les personnes autorisées disposent des informations nécessaires à leurs activités. Il convient également de définir les formats, les modalités de transmission et les responsabilités associées à chaque échange.
C
Archiver et supprimer les données
1
Conservation
ConservationDuréeUtilitéPolitiqueCycle
Résumé
Une donnée n’a pas vocation à être conservée indéfiniment. Sa durée de conservation dépend de son utilité opérationnelle, de sa valeur stratégique et des obligations applicables à l’organisation. Définir une politique de conservation permet de réduire les risques, les coûts de stockage et l’accumulation de données devenues inutiles.
2
Archivage
ArchivageHistoriqueIntégritéConsultationPérennité
Résumé
L’archivage consiste à conserver certaines données qui ne sont plus nécessaires au fonctionnement quotidien mais qui doivent rester accessibles pour des raisons réglementaires, historiques ou organisationnelles. Un système d’archivage doit garantir l’intégrité des informations et permettre leur consultation ultérieure tout en limitant les modifications.
3
Destruction et fin de cycle
SuppressionDestructionEffacementRisqueConformité
Résumé
La destruction constitue la dernière étape du cycle de vie des données. Elle doit être organisée afin d’éviter que des données obsolètes ou sensibles restent accessibles alors qu’elles n’ont plus d’utilité. Une suppression mal maîtrisée peut toutefois entraîner la perte d’informations nécessaires, ce qui rend indispensable la définition de règles précises et documentées.
Exercice fil rouge — Partie II
Reconstituer le cycle de vie et les flux de données
Suivez précisément plusieurs données critiques de leur création à leur fin de vie afin d’identifier les ruptures possibles de maîtrise.
- Choisir trois à cinq données jugées critiques.
- Identifier leur origine et décrire les modalités de collecte.
- Représenter les principales étapes de traitement et de transformation.
- Identifier les systèmes dans lesquels elles sont stockées et les acteurs qui les utilisent.
- Faire apparaître au moins un acteur externe et un changement de système ou de responsabilité.
- Préciser les modalités de partage, de conservation, d’archivage ou de suppression.
- Identifier les points de rupture possibles : duplication, perte de qualité, rupture de traçabilité, accès excessif ou dépendance à un prestataire.
Livrable : un schéma du cycle de vie des données critiques, une représentation simplifiée des flux et une première liste des vulnérabilités identifiées.
Section III
Cartographier les données et leurs usages
Cette dernière section relie les sources, les flux, les données critiques, les usages, les acteurs et les risques afin de construire une première vision de gouvernance du patrimoine data.
A
Sources et flux de données
1
Identifier les systèmes sources
SourceApplicationSystèmeOrigineCartographie
Résumé
La première étape d’une cartographie consiste à identifier les systèmes dans lesquels les données sont créées ou collectées. Ces sources peuvent être internes, comme un CRM ou un ERP, ou externes, comme une base partenaire. Cette identification permet de comprendre où se situe l’information d’origine et de limiter les ambiguïtés liées à la coexistence de plusieurs versions d’une même donnée.
2
Représenter les flux de données
FluxCirculationTransformationInterfaceTransmission
Résumé
Une donnée circule rarement dans un seul système. Elle peut être créée dans une application, transférée vers une autre, transformée puis utilisée par plusieurs services. La représentation des flux permet de visualiser cette circulation et de repérer les étapes auxquelles apparaissent des risques de perte, de duplication ou de transformation incorrecte.
3
Identifier les dépendances
DépendanceSystèmeProcessusContinuitéRisque
Résumé
Les processus de l’organisation dépendent souvent de données produites par d’autres systèmes ou services. Une cartographie doit donc identifier ces dépendances afin d’anticiper les conséquences d’une indisponibilité ou d’une donnée incorrecte. Cette approche permet également de repérer les données dont la criticité est supérieure à ce que leur simple contenu pourrait laisser penser.
B
Données critiques et sensibles
1
Identifier les données critiques
CriticitéContinuitéPrioritéImpactDépendance
Résumé
Une donnée critique est une donnée dont l’absence, l’inexactitude ou l’indisponibilité pourrait perturber significativement le fonctionnement de l’organisation. Sa criticité dépend donc de l’usage qui en est fait et des processus qui en dépendent. Identifier ces données permet de concentrer les efforts de gouvernance sur les actifs les plus importants.
2
Identifier les données sensibles
SensibilitéConfidentialitéProtectionAccèsRisque
Résumé
Les données sensibles nécessitent des mesures de protection renforcées en raison des conséquences que pourrait avoir leur divulgation ou leur utilisation abusive. Il peut s’agir de données personnelles, financières, commerciales ou stratégiques. Leur identification permet d’adapter les droits d’accès et les mécanismes de contrôle.
3
Évaluer la criticité des données
ImpactProbabilitéRisquePriorisationÉvaluation
Résumé
La criticité peut être évaluée en croisant l’importance d’une donnée pour l’activité et les conséquences potentielles de sa perte ou de sa dégradation. Cette analyse permet de hiérarchiser les données et de déterminer lesquelles doivent bénéficier en priorité de mesures de qualité, de sécurité et de traçabilité renforcées.
C
Usages, acteurs et dépendances
1
Relier les données aux usages métiers
UsageMétierFinalitéProcessusValeur
Résumé
Une cartographie pertinente ne doit pas seulement indiquer où se trouvent les données : elle doit également montrer pourquoi elles sont utilisées. Relier une donnée à ses usages métiers permet d’identifier sa valeur réelle pour l’organisation et de comprendre les conséquences d’une mauvaise qualité ou d’une indisponibilité.
2
Relier les données aux responsables
ResponsablePropriétéGouvernanceArbitrageAccountability
Résumé
Chaque donnée importante doit pouvoir être associée à un responsable capable d’arbitrer les règles qui concernent son utilisation. Cette responsabilité peut être portée par un métier, une direction ou une fonction spécifique. L’objectif est d’éviter que certaines données deviennent des actifs sans propriétaire clairement identifié.
3
Identifier les risques associés
RisqueQualitéTraçabilitéConformitéSouveraineté
Résumé
La cartographie doit enfin permettre de repérer les principaux risques associés aux données : mauvaise qualité, absence de traçabilité, utilisation non conforme, perte de contrôle ou dépendance excessive à un fournisseur. Cette étape prépare le passage d’une simple description du patrimoine data vers une véritable démarche de gouvernance.
Exercice fil rouge — Partie III
Relier données, acteurs, usages et risques
Passez d’une simple cartographie technique à une première lecture de gouvernance du patrimoine data de votre contexte.
- Relier les données critiques aux usages métiers correspondants.
- Identifier les principaux responsables, utilisateurs et acteurs externes.
- Déterminer les dépendances entre systèmes, processus et acteurs.
- Identifier au moins cinq risques liés à la qualité, à la sécurité, à la conformité, à la traçabilité ou à la souveraineté.
- Classer les risques par niveau de criticité.
- Désigner le responsable que vous estimez légitime pour la donnée la plus critique et justifier ce choix.
- Proposer trois premières règles de gouvernance permettant de réduire les risques les plus importants.
- Terminer par un arbitrage difficile propre à votre contexte, pour lequel il n’existe pas de réponse purement technique.
Livrable : une matrice Données / Usages / Acteurs / Risques, une hiérarchisation des principaux risques et trois premières recommandations de gouvernance.
Synthèse de la session
De la donnée disponible à la donnée gouvernée
À l’issue de cette session, l’étudiant doit être capable d’identifier les principales catégories de données d’une organisation, d’en reconstituer le cycle de vie, de cartographier leurs usages et dépendances et de repérer les premiers risques nécessitant une gouvernance spécifique.
Patrimoine data → usages → acteurs → cycle de vie → flux → criticité → risques → premières règles de gouvernance