Gouvernance des données

  • Concept
  • Toujours utilisé

En bref

La gouvernance des données est l’ensemble des règles et responsabilités qui organisent la collecte, la qualité, la sécurité et l’usage des données d’une organisation.

Définition complète

La gouvernance des données (Data Governance) est l’ensemble des règles, des rôles et des processus qui organisent la façon dont une organisation collecte, stocke, met à jour, sécurise, partage et utilise ses données. Elle répond à des questions très concrètes : qui a le droit de consulter telle information, qui doit la corriger si elle est fausse, combien de temps peut-on la conserver, et à qui peut-on la transmettre.

Par exemple, dans un cabinet médical, la gouvernance des données définit qui peut ouvrir un dossier patient, qui peut le modifier après une consultation, et pendant combien d’années il doit être archivé avant d’être supprimé conformément à la loi.

Attention : la gouvernance des données ne se limite pas à la conformité RGPD (Règlement général sur la protection des données) : elle couvre aussi la qualité des données (éviter les doublons, les erreurs, les informations obsolètes), ce qui est trop souvent oublié dans les petites structures.

À quoi ça sert

La gouvernance des données sert d’abord à éviter les catastrophes silencieuses : un fichier client dupliqué trois fois, une adresse jamais mise à jour, une facture envoyée à la mauvaise personne parce que deux bases de données ne se parlent pas. Sans règles claires, chaque service invente sa propre façon de gérer l’information, et l’organisation perd en fiabilité.

Elle sert aussi à protéger l’organisation juridiquement : en cas de contrôle de la CNIL (Commission nationale de l’informatique et des libertés) ou de plainte d’un client, pouvoir montrer qui a accès à quoi, et pourquoi, évite des sanctions financières lourdes.

Enfin, une bonne gouvernance des données rend les décisions plus fiables : un dirigeant qui s’appuie sur des chiffres de vente cohérents et à jour prend de meilleures décisions qu’un dirigeant qui compare des tableaux Excel contradictoires.

Cas d'usage typiques

– Sécuriser un fichier client : qui peut le consulter et le modifier dans une boutique ou un cabinet comptable ? / bénéfice : moins d’erreurs et de fuites d’informations.
– Fiabiliser un dossier patient : qui met à jour l’information médicale et quand ? / bénéfice : meilleure prise en charge et conformité légale.
– Nettoyer une base de données doublonnée : plusieurs fiches pour le même client existent-elles ? / bénéfice : communication plus juste et factures correctes.
– Encadrer le partage de données entre services d’une mairie : qui transmet l’état civil à qui ? / bénéfice : moins d’erreurs administratives.
– Définir une durée de conservation : combien de temps garder les CV reçus dans une association ? / bénéfice : conformité RGPD et espace de stockage maîtrisé.
– Préparer l’usage de l’intelligence artificielle : quelles données peuvent nourrir un assistant IA interne ? / bénéfice : éviter la fuite de données sensibles vers des outils externes.

Ce que tu sauras faire

Savoir identifier, dans une situation professionnelle concrète, qui devrait avoir accès à une donnée, qui doit la corriger, et quelles règles simples mettre en place pour éviter les erreurs et les risques juridiques.

Mises en situation

Situation 1 : le fichier client à trois versions

Contexte : Dans une boutique de vêtements, la gérante gère les clients dans un fichier Excel, la vendeuse en garde un autre sur son ordinateur, et le site internet a sa propre base. Un client change d’adresse mais seule une des trois versions est mise à jour.

Application : La gérante décide qu’une seule base fera référence, accessible à toute l’équipe, avec une personne responsable des mises à jour.

Résultat attendu : Les envois postaux et les newsletters touchent enfin la bonne adresse, et les erreurs de livraison diminuent nettement.

Situation 2 : l’accès non contrôlé au dossier patient

Contexte : Dans un cabinet médical, le nouveau logiciel de gestion permet à tout le personnel, y compris l’accueil, de modifier les antécédents médicaux des patients.

Application : Le médecin met en place des niveaux d’accès différents : l’accueil peut consulter les rendez-vous, mais seul le personnel soignant peut modifier le dossier médical.

Résultat attendu : Le dossier médical reste fiable, et le cabinet respecte les obligations de confidentialité liées au secret médical.

Situation 3 : la donnée périmée dans une association

Contexte : Une association conserve les coordonnées de tous ses anciens adhérents depuis quinze ans, sans jamais les avoir supprimées ni mises à jour.

Application : Le bureau de l’association définit une règle : les données des adhérents inactifs depuis plus de trois ans sont archivées puis supprimées.

Résultat attendu : La base est plus légère, plus fiable, et l’association se met en conformité avec le RGPD.

Application guidée : repérer les failles d’un fichier partagé

Contexte : Un artisan plombier partage un fichier de devis avec ses deux employés, sur un ordinateur commun, sans mot de passe ni suivi des modifications. Trois devis différents existent parfois pour le même client.

Question : Quelles règles simples proposeriez-vous pour que ce fichier devienne fiable et sécurisé ?

Résultat attendu : L’apprenant propose par exemple : un seul fichier de référence, une personne qui valide les mises à jour, un accès protégé, et une sauvegarde régulière.

Application guidée : comparer deux organisations

Contexte : Deux mairies voisines gèrent les demandes de cartes d’identité. La première a un système où seul le service état civil peut modifier les données ; la seconde laisse tous les agents municipaux y accéder librement.

Question : Laquelle des deux mairies présente le plus de risques, et pourquoi ?

Résultat attendu : L’apprenant identifie que la seconde mairie est plus exposée aux erreurs, aux fuites de données et aux sanctions, faute de règles d’accès claires.

Pour bien le retenir

L'analogie

Imaginez une bibliothèque municipale. Sans règles, chacun range les livres où il veut, personne ne vérifie qu’un exemplaire abîmé est retiré du circuit, et deux personnes peuvent emprunter le même livre en même temps sans que cela soit détecté. La gouvernance des données, c’est exactement le règlement de cette bibliothèque : qui a le droit de classer les livres, qui vérifie qu’ils sont à jour, qui décide de retirer un ouvrage périmé, et qui peut consulter le registre des emprunts. Une bibliothèque bien gouvernée retrouve toujours le bon livre, au bon endroit, au bon moment.

« Sans règles claires sur les données, une organisation navigue avec une carte qui ment. »

Pièges à éviter

À ne pas confondre avec

Une erreur fréquente est de croire que la gouvernance des données concerne uniquement le service informatique. En réalité, chaque service qui utilise ou modifie une donnée (accueil, commercial, comptabilité) est concerné, et les règles doivent être définies avec eux, pas seulement imposées par la DSI.

Une autre confusion consiste à réduire la gouvernance des données à la seule conformité RGPD. La conformité légale est une conséquence de la gouvernance, pas son seul objectif : une donnée peut être parfaitement légale à conserver, mais totalement inutilisable si elle est mal classée, dupliquée ou obsolète.

Enfin, certaines organisations pensent qu’un outil informatique performant suffit à garantir une bonne gouvernance. Or, un très bon logiciel utilisé sans règles humaines claires (qui saisit quoi, qui valide quoi) produira quand même des données de mauvaise qualité.

Évolution historique

Apparition : Notion formalisée à partir des années 1990-2000, renforcée en France avec le RGPD en 2018

Quels changements depuis l’arrivée de l’IA ?

Avant

La gouvernance des données servait surtout à organiser des bases internes classiques (fichiers clients, dossiers RH, comptabilité) et à répondre aux obligations légales de protection des données personnelles.

Aujourd’hui

L’essor de l’intelligence artificielle générative ajoute une nouvelle question : quelles données peut-on transmettre à un assistant IA, interne ou externe, sans risquer de divulguer des informations confidentielles ou personnelles ? Une organisation doit désormais décider si elle autorise ses salariés à copier des données clients dans un outil comme ChatGPT, et sous quelles conditions. La gouvernance des données devient ainsi un préalable indispensable avant tout projet d’IA sérieux, car une IA entraînée ou alimentée avec des données mal gouvernées reproduira les mêmes erreurs, en plus grand nombre.

Évolution historique

Années 1980-1990 : apparition des premières bases de données informatiques dans les entreprises, gérées de façon assez artisanale.

Années 1990-2000 : développement des systèmes d’information décisionnels et premières politiques internes de gestion de la qualité des données.

Années 2000-2010 : montée du volume de données (big data) qui pousse les grandes entreprises à formaliser de vraies politiques de gouvernance.

2018 : l’entrée en application du RGPD en Europe oblige toutes les organisations, y compris les petites structures, à formaliser des règles claires sur les données personnelles.

Années 2020 : l’essor de l’intelligence artificielle ajoute une nouvelle couche d’exigence, avec la question de l’usage des données par des outils d’IA internes ou externes.