Qualité des données : définition

La qualité des données désigne le degré d’adéquation d’un ensemble de données à l’usage auquel il est destiné, évalué au regard de plusieurs dimensions distinctes plutôt que d’un critère unique. Une donnée peut être exacte mais incomplète, valide dans son format mais obsolète, ou à jour mais incohérente avec d’autres sources : la qualité des données est une notion multidimensionnelle, pas un état binaire.

Origine du concept

La formalisation moderne des dimensions de la qualité des données doit beaucoup aux travaux de Wang et Strong (1996), qui ont structuré le sujet au-delà du seul critère d’exactitude, jusqu’alors dominant dans la littérature. Leurs travaux ont posé un cadre distinguant plusieurs catégories de dimensions, repris depuis dans la plupart des référentiels de gouvernance des données, dont la norme ISO/IEC 25012.

Les dimensions principales

L’exactitude mesure la conformité d’une donnée à la réalité qu’elle décrit. La complétude évalue la présence des champs nécessaires à l’usage visé, ce qui varie selon le contexte : une base peut être complète pour une analyse sectorielle sans l’être pour une action commerciale individualisée. La cohérence porte sur l’absence de contradiction entre plusieurs sources ou plusieurs champs d’un même enregistrement. La validité mesure le respect d’un format, d’une règle métier ou d’un domaine de valeurs attendu, un numéro SIREN à neuf chiffres ou une adresse email correctement structurée, par exemple, indépendamment de savoir si la valeur elle-même correspond à la réalité. La fraîcheur, ou actualité, mesure le délai entre l’état réel d’une entité et sa représentation dans la base, une dimension développée plus en détail dans le cadre du taux d’obsolescence des données. L’unicité, enfin, mesure l’absence de doublons représentant une même entité sous des formes différentes.

Ces dimensions ne se compensent pas entre elles, et peuvent même entrer en tension : augmenter la complétude en collectant davantage de champs n’améliore réellement la qualité que si ces champs restent exacts, cohérents et suffisamment à jour. Une base exacte mais comportant de nombreux doublons n’est pas une base de qualité, de même qu’une base complète mais obsolète peut devenir peu exploitable pour un usage opérationnel.

Distinction avec des notions proches

La qualité des données décrit l’état d’un jeu de données à un instant donné et pour un usage donné, à distinguer de la gestion de la qualité des données, qui désigne les processus, outils et responsabilités organisationnelles mis en place pour l’atteindre et la maintenir dans le temps. Elle se distingue également du nettoyage de données, qui n’est qu’une technique corrective parmi d’autres, agissant sur des données déjà collectées sans en ajouter de nouvelles, contrairement à l’enrichissement de données qui complète l’information disponible.

Application en contexte B2B

En prospection B2B, la qualité d’une base de contacts ou d’entreprises conditionne directement la pertinence du ciblage et l’efficacité des campagnes. Une base incomplète sur les critères firmographiques limite la précision du filtrage par ICP ; une base incohérente entre plusieurs sources introduit des doublons difficiles à détecter automatiquement ; une base obsolète expose à des contacts invalides, à des messages mal adressés et à une dégradation progressive des performances de campagne.

Limites

Mesurer la qualité des données suppose de définir au préalable ce que chaque dimension signifie concrètement pour un usage donné, ce qui varie selon le contexte. La qualité des données n’est donc pas un score absolu, mais une évaluation relative à l’usage visé.

Voir aussi

Gestion de la qualité des données
Nettoyage de données
Enrichissement de données
Taux d’obsolescence des données

Sources et références

Wang, R. Y. et Strong, D. M. (1996). Beyond Accuracy: What Data Quality Means to Data Consumers. Journal of Management Information Systems, 12(4), 5-33. Article fondateur sur les dimensions multiples de la qualité des données.

ISO/IEC 25012:2008. Software engineering — Software product Quality Requirements and Evaluation (SQuaRE) — Data quality model. Norme définissant un modèle de caractéristiques de qualité applicables aux données.