Le nouvel outil est prêt, mais l'importation révèle plusieurs clients en double, des adresses incomplètes et des références de produits contradictoires. L'équipe pensait changer de logiciel ; elle doit maintenant décider quelles informations sont fiables. Une migration ne corrige pas automatiquement les données. Elle peut au contraire rendre leurs incohérences plus visibles ou les diffuser plus vite.
Nettoyer les données consiste à rendre les informations utiles cohérentes, compréhensibles et adaptées au futur usage. Il ne s'agit pas de tout réécrire ni de supprimer ce qui paraît ancien. Les obligations de conservation, les engagements passés et les besoins de preuve doivent être respectés. Le travail commence par une sélection du périmètre et une définition des règles de référence.
Préparer les données comme une partie du fonctionnement
Définir ce qui doit être repris
Distinguez les données actives, les éléments à conserver en archive et les informations devenues inutiles selon les règles applicables. Un client actif, une facture passée et une ancienne liste de prospection ne répondent pas au même besoin. Tout importer dans le nouvel outil peut alourdir l'usage ; tout abandonner peut faire perdre une information nécessaire.
Décidez quelles données doivent être utilisables dès le premier jour. Les commandes ouvertes, les contacts opérationnels et les engagements en cours peuvent être prioritaires. L'historique peut parfois être conservé dans un environnement distinct, à condition de rester accessible et exploitable selon le besoin. Le choix doit être vérifié avec les responsables métier et, lorsque nécessaire, les spécialistes concernés.
Identifiez les liens entre les données. Un client peut être relié à plusieurs établissements, contrats ou factures. Une référence produit peut porter des variantes. Si vous fusionnez des lignes sans préserver ces relations, vous risquez de rendre l'historique incompréhensible. Le nettoyage ne se limite pas à corriger l'orthographe d'une colonne.
Définir les champs et les valeurs attendues
Pour chaque information importante, précisez sa signification, son format et sa source. Une « date client » peut désigner une création, un dernier achat ou une prochaine relance. Une catégorie libre peut contenir plusieurs variantes du même mot. Les règles doivent être assez simples pour être appliquées au quotidien après la migration.
Distinguez les champs obligatoires selon l'usage. Une information nécessaire pour facturer ne l'est pas forcément pour enregistrer une première demande. Rendre tous les champs obligatoires peut pousser les utilisateurs à saisir des valeurs fictives pour avancer. Prévoyez un statut incomplet ou une étape de qualification lorsque c'est plus cohérent avec le travail.
Choisissez des identifiants stables lorsque les noms ne suffisent pas. Deux établissements peuvent partager une enseigne ; un client peut changer de raison sociale ; un contact peut travailler pour plusieurs structures. Les identifiants officiels ou internes pertinents doivent être vérifiés et utilisés dans leur bon périmètre. Une ressemblance de nom ne justifie pas automatiquement une fusion.
Exemple pédagogique fictif : préparer un fichier clients
Une entreprise fictive de seize salariés possède un fichier commercial, un fichier administratif et une liste de contacts dans les messageries. Le même client apparaît sous une enseigne, une raison sociale et une abréviation. L'équipe veut regrouper les données dans un outil commun. Elle commence par définir ce qui représente une entreprise, un établissement et une personne de contact.
Les doublons probables sont regroupés pour examen, mais ne sont pas supprimés automatiquement. La gestionnaire vérifie les identifiants et les pièces de référence. Le commercial confirme les contacts utiles et les relations en cours. Les données dont la conservation n'est plus justifiée suivent la procédure prévue ; celles qui doivent rester pour l'historique sont archivées avec des accès adaptés.
Un échantillon est importé dans l'environnement de test. L'équipe vérifie qu'une commande retrouve le bon client, que les contacts sont rattachés au bon établissement et que les documents nécessaires restent accessibles. Un simple total de lignes identique avant et après l'importation n'aurait pas permis de détecter ces erreurs de relation.
Traiter les anomalies par catégorie
Classez les problèmes : doublons, champs manquants, formats incompatibles, valeurs contradictoires, données obsolètes et relations perdues. Chaque catégorie peut demander une réponse différente. Un format de date peut être converti avec une règle vérifiée ; une contradiction sur une condition commerciale nécessite une décision métier.
Conservez les cas incertains pour une revue humaine. Il vaut mieux signaler une ambiguïté que choisir arbitrairement une valeur et donner l'apparence d'une base propre. Les outils de rapprochement peuvent aider à repérer des ressemblances, mais ils ne connaissent pas toujours le contexte. Une fusion automatique mal réglée peut réunir deux clients distincts et produire des erreurs difficiles à repérer.
Attribuez un responsable pour chaque famille de données. Il ne doit pas tout corriger seul, mais il organise les règles et les arbitrages. Sans propriétaire, les décisions restent dispersées et les incohérences reviennent après la migration. Le nettoyage doit produire un fonctionnement durable, pas seulement un fichier temporairement présentable.
Protéger l'original et tester la reprise
Travaillez sur une copie maîtrisée et conservez une référence de départ selon les règles de sécurité et de conservation. Documentez les transformations importantes : fusion, conversion, suppression autorisée ou changement de catégorie. Cette trace permet de comprendre un écart et, si nécessaire, de corriger l'opération. Elle ne justifie pas de multiplier indéfiniment les copies de données personnelles.
Effectuez plusieurs contrôles complémentaires. Comparez les volumes et les totaux pertinents, puis vérifiez des dossiers de bout en bout. Un nombre de lignes cohérent ne prouve pas que les montants, les dates et les relations sont corrects. Incluez des cas ordinaires et des exceptions : client multi-sites, commande partielle, contact sans adresse électronique ou document ancien nécessaire.
Le test doit être réalisé avec les futurs utilisateurs. Ils repèrent des incohérences qu'un contrôle technique peut manquer : mauvais interlocuteur, statut impossible ou référence inutilisable. Prévoyez le temps de correction avant la date de bascule. Une migration précipitée peut consommer ensuite beaucoup plus de temps en reprise manuelle.
Empêcher le retour des incohérences
Définissez qui crée une nouvelle fiche, qui peut modifier les données essentielles et comment un doublon est signalé. Une recherche préalable, des valeurs contrôlées ou une validation ciblée peuvent aider. Évitez cependant de rendre le circuit si lourd que les utilisateurs créent des listes parallèles pour travailler.
Précisez la source de référence pour chaque donnée et les échanges entre outils. Si plusieurs logiciels peuvent modifier la même information sans règle, les contradictions réapparaîtront. Une interface doit avoir un sens de circulation, une fréquence et une procédure de traitement des erreurs. Le nettoyage initial ne remplace pas cette organisation.
Les données personnelles demandent une attention particulière : finalité, pertinence, accès et durée de conservation. Nettoyer n'est pas une autorisation d'utiliser les informations pour de nouveaux usages. Les décisions de suppression ou d'archivage doivent suivre les règles applicables et préserver les documents nécessaires.
Le nettoyage peut révéler des règles métier contradictoires. Deux équipes utilisent des catégories différentes parce qu'elles n'ont pas le même usage. Il ne faut pas choisir arbitrairement l'une des deux listes pour simplifier l'importation. Cherchez si une définition commune est possible ou si deux champs distincts sont nécessaires. La qualité des données dépend de la compréhension du travail qu'elles représentent.
Prévoyez un contrôle après quelques semaines d'utilisation. Les nouvelles fiches permettent de voir si les règles sont comprises et si des contournements apparaissent. Des valeurs artificielles répétées, des champs laissés vides ou des doublons récents signalent un besoin d'ajustement. Le projet de migration ne doit pas être clôturé uniquement sur la réussite de l'importation ; il doit aussi vérifier que l'entreprise sait produire durablement des données utilisables.
Pour commencer, choisissez la famille de données qui conditionne le plus le futur outil. Définissez cinq champs essentiels, leur source et leurs règles. Examinez un échantillon représentatif, classez les anomalies et estimez le travail nécessaire. Vous pourrez alors décider d'une reprise réaliste et vérifier que le nouveau logiciel démarre avec des informations dont l'entreprise comprend le sens.