Les cadres de référence

À quoi sert un cadre de gouvernance

Le chapitre précédent a posé les rôles et le cycle de vie de la donnée. Reste une question pratique : par où commencer, et selon quel plan ? C’est le rôle des cadres de référence, des architectures de connaissances qui listent les domaines à couvrir (rôles, qualité, architecture, sécurité, métadonnées…) et proposent un vocabulaire commun. Ils ne dictent pas une organisation précise, ils évitent d’oublier un pan entier du sujet et donnent un langage partagé entre la direction, la DSI et les métiers.

Le plus complet est le DAMA-DMBOK (Data Management Body of Knowledge) de DAMA International, dont la révision de mars 2024 est une mise à jour de cohérence terminologique, sans changement de structure. Il organise la discipline en onze domaines de connaissances (gouvernance, architecture, modélisation, qualité, métadonnées, sécurité, référentiels, entrepôt et décisionnel, documents non structurés, intégration, big data), représentés sous forme de roue avec la gouvernance au centre : chaque domaine périphérique s’y rattache, ce qui traduit visuellement l’idée que la gouvernance n’est pas un domaine parmi d’autres mais la fonction qui les relie tous.

D’autres cadres existent, plus normatifs ou plus techniques. La norme ISO/IEC 38505-1 applique à la gouvernance des données les six principes de gouvernance des systèmes d’information de la norme ISO/IEC 38500 : responsabilité, stratégie, acquisition, performance, conformité et comportement humain. Elle sert surtout à vérifier qu’aucun de ces six angles n’a été oublié dans une politique de gouvernance. COBIT 2019, référentiel d’audit et de gouvernance des systèmes d’information publié par l’ISACA, consacre un objectif de gestion dédié, APO14 « Managed Data », qui situe la donnée parmi les actifs à piloter au même titre que les infrastructures ou les applications. Le TOGAF, référentiel d’architecture d’entreprise du Open Group, rattache l’architecture de données à la phase C de sa méthode de développement d’architecture (ADM), aux côtés de l’architecture applicative : utile pour situer où la modélisation des données s’insère dans un projet de système d’information plus large.

Ce que ces cadres apportent, et ce qu’ils ne font pas

Leur apport tient en trois points. Ils fournissent un vocabulaire commun qui évite qu’un « propriétaire de données » désigne trois rôles différents selon l’interlocuteur. Ils offrent une checklist de complétude : avant de déclarer une politique de gouvernance terminée, on peut la confronter aux onze domaines du DMBOK ou aux six principes d’ISO 38505-1 pour repérer les angles morts. Ils permettent enfin de comparer sa maturité dans le temps ou face à d’autres organisations, via des modèles d’évaluation comme le DCAM (Data Management Capability Assessment Model) de l’EDM Council, dont la troisième version a été publiée en 2025.

Leur limite est symétrique de leur force : un cadre décrit un territoire, il ne donne pas d’itinéraire. Appliquer le DMBOK domaine par domaine, dans l’ordre du sommaire, à une petite structure qui n’a encore ni catalogue ni rôle formalisé, produit à peu près à coup sûr un projet de gouvernance qui s’essouffle avant sa première victoire. Un cadre mal dosé devient un supplément de paperasse sans effet mesurable sur la qualité réelle des données, ce qui est précisément le risque que ce chapitre veut aider à éviter.

Installer une gouvernance sans faire de bureaucratie

Trois principes évitent l’écueil. Commencer petit et visible : traiter un seul domaine de données à fort enjeu, le référentiel client par exemple, plutôt que de vouloir cadrer l’ensemble du système d’information d’un coup. Une victoire concrète, un doublon éliminé, un délai de réponse à une demande de droit RGPD divisé par deux, convainc davantage qu’une charte de cinquante pages jamais lue. Adosser la règle à un outil, pas seulement à un document : une règle de nommage n’a d’effet que si elle est vérifiée automatiquement, pas si elle repose sur la mémoire de chacun. Mesurer avant et après : sans indicateur de départ, impossible de démontrer qu’une politique de gouvernance a changé quelque chose, et donc de justifier qu’on la poursuive.

Les instruments concrets

Quatre outils traduisent ces cadres en pratique quotidienne, indépendamment du référentiel choisi.

Le catalogue de données (data catalog) recense les jeux de données disponibles, leur propriétaire, leur niveau de sensibilité et leur usage prévu : c’est l’annuaire de ce que l’organisation possède. Le dictionnaire de données (data dictionary) documente, pour chaque champ, sa définition métier exacte, son type technique et ses règles de validation, ce qui évite qu’un même intitulé de colonne recouvre deux réalités différentes selon l’équipe qui l’a créée. La traçabilité (data lineage) reconstitue l’origine d’une donnée et les transformations qu’elle a subies jusqu’à son usage final, un atout décisif pour déboguer un chiffre incohérent ou répondre à un contrôle. Les indicateurs de qualité, enfin, mesurent en continu des dimensions comme la complétude ou la fraîcheur, sujet approfondi au dernier chapitre de ce cours. Des outils ouverts comme OpenMetadata ou DataHub couvrent aujourd’hui ces quatre fonctions sans nécessiter les budgets des suites propriétaires historiques du secteur.

Ces cadres et ces instruments restent des choix internes à l’organisation. Le chapitre suivant change de registre : il aborde les obligations que le droit européen impose, elles, sans option.