Module M3 · Culture Data pour les Métiers · 2026
Module 3 · ½ journée

Culture Data
pour les Métiers

Comprendre la donnée sans être data scientist. Identifier les données clés de son périmètre. Devenir acteur de la qualité — et comprendre pourquoi chaque collaborateur est un maillon essentiel de la chaîne de valeur des données.

Objectifs pédagogiques
01Comprendre ce qu'est une donnée métier et pourquoi elle compte
02Identifier les données clés de son périmètre et leur classification
03Savoir reconnaître une donnée de mauvaise qualité et ses conséquences
04Connaître son rôle dans la gouvernance et les bons réflexes à adopter
Tous collaborateurs Managers métier Data Owners désignés Équipes conformité Commerciaux & Relation Client
Pejman Gohari · CDO · Chief AI Officer · ORBii
Auteur DUNOD 2020/2022/2024 · Professeur IESEG Business School
academy.orbii.tech
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202601
M3 · Culture Data pour les Métiers · 02
Introduction

Pourquoi ce module — Ce que "culture data" veut vraiment dire

« La donnée de mauvaise qualité ne vient pas des serveurs. Elle vient de nous — d'une saisie hâtive, d'un champ ignoré, d'un fichier Excel envoyé par email plutôt que saisi dans le bon système. La qualité des données commence sur le terrain, pas dans la DSI. »
— Pejman Gohari · CDO · Chief AI Officer · ORBii

Le malentendu fondateur

Dans la majorité des organisations, les collaborateurs métier pensent que la donnée, c'est "l'affaire de l'informatique". La DSI pense que la qualité de la donnée, c'est "l'affaire des métiers". Résultat : personne n'en est vraiment responsable.

La culture data, ce n'est pas demander à chaque collaborateur de devenir data scientist. C'est lui donner les 3 réflexes fondamentaux qui font la différence :

1
Reconnaître une donnée

Comprendre ce que sont les données de son périmètre métier, comment elles sont utilisées au-delà de son écran, et pourquoi leur exactitude a de l'importance.

2
Protéger une donnée

Savoir quelles données sont sensibles, comment les manipuler avec précaution, et ce qu'il ne faut jamais faire (copier-coller dans un mail, envoyer à un LLM externe…).

3
Contribuer à la qualité

Savoir signaler une anomalie, corriger une donnée erronée, utiliser le bon système de référence — plutôt que de "faire avec" ou de créer un fichier parallèle.

4 personas — Les collaborateurs que ce module doit atteindre

Conseiller Clientèle · Retail
Marie, 34 ans
Direction Retail Banking · 8 ans d'ancienneté
« Je saisie les données clients dans le CRM mais je ne comprends pas pourquoi certains champs sont obligatoires. Des fois je mets "N/A" pour aller plus vite. »
Chargé de Conformité
Thomas, 41 ans
Direction Conformité & Risques · 5 ans d'ancienneté
« Je produis mes reportings réglementaires à partir d'extractions Excel. Je ne sais pas toujours si les données que j'utilise sont à jour ou validées. »
Manager d'Équipe · Middle Office
Camille, 38 ans
Direction Opérations · 12 ans d'ancienneté
« Mon équipe utilise 3 outils différents pour le même client. On a souvent des écarts. On ne sait pas quel système "a raison". »
Analyste Crédit · Corporate
Romain, 29 ans
Direction Corporate & Investment Banking
« J'utilise des données financières que je reçois par mail. Si elles sont fausses, je ne m'en rends pas forcément compte avant d'avoir rendu mon analyse. »
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202602
M3 · Culture Data pour les Métiers · 03
Section 1

Qu'est-ce qu'une donnée métier ? — Ce que vous produisez chaque jour

💡
Principe clé : Chaque action que vous réalisez dans un système d'information produit une donnée. Cette donnée n'est pas utilisée uniquement par vous — elle alimente des reportings, des modèles IA, des décisions de gestion, des contrôles réglementaires. Votre saisie d'aujourd'hui est le chiffre de quelqu'un d'autre demain.

La donnée, c'est concret — Exemples bancaires

Ce que vous faitesLa donnée produiteQui l'utilise ensuite
Saisir le revenu d'un clientRevenu_Net_MensuelModèle scoring crédit · Rapport COREP
Clôturer un dossier de prêtDate_Clôture · Statut_DossierReporting prudentiel · DQI · Audit interne
Mettre à jour une adresse clientAdresse_Client · Date_MAJCommunication · KYC · Conformité RGPD
Valider une transactionMontant · Devise · ContrepartieDétection de fraude IA · Surveillance AML
Renseigner le secteur d'activitéCode_NAF · SecteurAnalyse de risque · Segmentation · IA GenAI
Créer un compte prospectDonnées KYC complètesRègles anti-blanchiment · Score IA · CRM
⚠️
Ce que vous ne voyez pas : Une donnée saisie incorrectement ne crée pas seulement un problème dans votre écran. Elle peut alimenter un modèle IA de scoring qui prendra une mauvaise décision pour des centaines de clients. Elle peut fausser un reporting réglementaire envoyé à l'EBA. Elle peut déclencher une alerte fraude injustifiée.

Les 4 types de données que vous manipulez

Données de référence (Ref Data)

Les données qui définissent les entités de base : clients, produits, organisations, devises. Elles sont utilisées par tous les systèmes. Une erreur dans une donnée de référence se propage partout.

ClientProduitDeviseContrepartie
Données transactionnelles

Les données produites à chaque opération : virements, prêts, dépôts, transactions de marché. Elles sont nombreuses, datées, et constituent la mémoire opérationnelle de la banque.

VirementPrêtTransaction
Données analytiques

Les données calculées, agrégées ou enrichies pour produire des analyses : scores, indicateurs, ratios. Elles dépendent entièrement de la qualité des données amont.

Score créditRatio risqueIndicateur KPI
Données réglementaires

Les données obligatoirement déclarées aux régulateurs (EBA, ACPR, CNIL). Leur exactitude et leur traçabilité sont exigées par DORA, Bâle III, RGPD. Une erreur ici peut entraîner des sanctions.

COREPFINREPRegistre RGPD
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202603
M3 · Culture Data pour les Métiers · 04
Section 2

Classifier une donnée — Ce que je peux faire, ce que je ne peux pas faire

Toutes les données ne se traitent pas de la même façon. La classification est la règle de base qui définit comment vous devez manipuler chaque donnée : qui peut y accéder, comment la partager, combien de temps la conserver.

Les 4 niveaux de classification bancaire
🌐
PUBLIC

Informations diffusables librement. Site web, communiqués de presse, tarifs publics.

✓ Partage libre
🏢
INTERNE

Informations réservées aux collaborateurs. Procédures internes, notes de travail, KPIs.

✓ Collaborateurs · ✗ Externe
🔒
CONFIDENTIEL

Données clients, financières, RH. Accès restreint aux personnes autorisées uniquement.

✓ Habilités uniquement · ✗ Email
⛔
SECRET / RÉGLEMENTÉ

Données soumises au secret bancaire, données de risque réglementaires, données biométriques.

✓ Processus sécurisés uniquement

Ce que je ne dois jamais faire avec des données confidentielles

  • ✗Envoyer un fichier client par email non chiffré (même en interne)
  • ✗Copier des données dans un outil non approuvé (Notion perso, Google Sheet, WhatsApp…)
  • ✗Soumettre des données clients à ChatGPT ou tout LLM public non approuvé
  • ✗Partager un export de base clients avec un partenaire sans accord de confidentialité
  • ✗Stocker des données clients sur mon ordinateur personnel ou une clé USB
  • ✗Laisser un écran contenant des données clients visible dans un espace public
  • ✗Accéder aux données d'un client dont je ne suis pas le gestionnaire (même si j'en ai techniquement accès)

Le scénario du vendredi à 17h30

Situation réelle — À reconnaître
Marie
J'ai besoin d'analyser vite ces 200 dossiers clients pour le reporting lundi. Je vais exporter l'Excel et utiliser ChatGPT pour faire la synthèse, c'est plus rapide.
⛔ Problème
Données clients (nom, revenus, IBAN) envoyées à un LLM externe sans DPA. Violation RGPD Art.46. Exposition du secret bancaire. Potentielle sanction CNIL.
✓ Bon réflexe
Utiliser l'outil IA interne approuvé par la DSI, ou alerter son manager pour obtenir un accès à l'outil adapté. Signaler le besoin pour qu'un outil conforme soit déployé.
📌
Règle d'or : Si vous avez un doute sur le niveau de sensibilité d'une donnée, traitez-la comme confidentielle et demandez confirmation au Data Owner ou au DPO de votre direction. Il vaut mieux demander une fois de trop que prendre un risque.
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202604
M3 · Culture Data pour les Métiers · 05
Section 3

La qualité des données — Mon rôle concret au quotidien

Définition
Une donnée de qualité = une donnée sur laquelle on peut décider
La qualité d'une donnée se mesure à sa capacité à être utilisée avec confiance pour prendre une décision — par un humain ou par un modèle IA. Une donnée peut être techniquement "dans la base" mais inutilisable si elle est inexacte, obsolète, incomplète ou incohérente avec d'autres systèmes.
Les 6 dimensions de qualité — Ce que chaque collaborateur peut influencer
Dimension
Impact si dégradée
Risque
Exactitude
Le revenu saisi est faux → scoring crédit incorrect → décision erronée sur le prêt
Critique
Exhaustivité
Champ obligatoire vide ("N/A") → le modèle IA ignore le client ou génère une erreur
Élevé
Fraîcheur
Adresse non mise à jour → courrier retourné → violation RGPD si données obsolètes trop longtemps
Élevé
Cohérence
Le même client a 2 noms différents dans CRM et Core Banking → "2 clients" pour le modèle IA
Élevé
Traçabilité
Modification sans historique → impossible de savoir qui a changé quoi → audit impossible
Modéré
Unicité
Doublon client → 2 scores différents pour la même personne → décision incohérente
Modéré

Les 5 comportements qui dégradent la qualité des données

  • ✗
    Le "N/A" systématique — Remplir un champ obligatoire avec "N/A", "0" ou "Inconnu" pour passer à l'étape suivante. Le système est satisfait. La donnée est inutilisable.
  • ✗
    Le fichier Excel parallèle — Créer sa propre liste "vraie" en Excel parce que le système officiel est "compliqué". La vérité devient introuvable.
  • ✗
    La mise à jour différée — "Je le ferai plus tard" pour une adresse, un statut, une date. Dans 3 mois, personne ne se souvient que cette donnée est fausse.
  • ✗
    La copie sans source — Copier des données d'un email ou d'un PDF dans un système sans vérifier leur origine. La source est perdue, la traçabilité aussi.
  • ✗
    Le "ça marche pour moi" — Ignorer une incohérence parce qu'elle ne gêne pas son travail immédiat. Elle gênera quelqu'un d'autre en aval — souvent la conformité ou le régulateur.

Les 5 bons réflexes à adopter

  • ✓
    Saisir juste dès la première fois — Prendre 2 minutes de plus pour une saisie correcte évite des heures de correction en aval et une décision IA erronée.
  • ✓
    Signaler une anomalie — Si vous voyez une donnée incohérente ou erronée dans votre système, signalez-la à votre Data Steward ou au canal dédié. Ne "faites pas avec".
  • ✓
    Utiliser le système de référence — Toujours saisir dans le système officiel, pas dans un outil parallèle. Un seul endroit = une seule vérité.
  • ✓
    Mettre à jour sans attendre — Un changement de situation client (adresse, revenu, statut) doit être saisi immédiatement, pas "quand j'ai le temps".
  • ✓
    Demander si on doute — Incertain sur la bonne façon de saisir une donnée ? Demandez à votre Data Steward. Il vaut mieux poser la question que produire une donnée incorrecte.
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202605
M3 · Culture Data pour les Métiers · 06
Section 4

Mon rôle dans la gouvernance — Ce que chacun doit savoir faire

La gouvernance des données n'est pas réservée aux Data Owners ou à la DSI. Chaque collaborateur a un rôle précis à jouer — selon sa position dans la chaîne de la donnée.

La chaîne de responsabilité data

CDO — Chief Data Officer

Définit la stratégie data. Pilote la politique de gouvernance. Rend compte à la Direction Générale. Arbitre les priorités data à l'échelle de l'organisation.

Data Owner — Propriétaire métier

Responsable d'un domaine de données (ex : Clients, Crédit, Risque). Valide le dictionnaire. Décide des droits d'accès. Participe aux comités data. C'est un rôle métier, pas IT.

Data Steward — Gestionnaire opérationnel

Gère la qualité des données au quotidien. Interface entre métiers et DSI. Contrôle les anomalies. Maintient le dictionnaire à jour. C'est votre interlocuteur data de terrain.

DPO — Délégué à la Protection des Données

Garant de la conformité RGPD. Interlocuteur de la CNIL. Supervise les analyses d'impact (AIPD). Gère les violations de données. À contacter en cas de doute sur des données personnelles.

Vous — Collaborateur métier ✓

Producteur et consommateur de données au quotidien. Votre saisie, votre signalement, votre utilisation conforme des outils sont la première ligne de défense de la qualité des données.

Ce que le collaborateur métier doit savoir faire

Connaître ses données
  • →Savoir quelles données de mon périmètre sont classifiées "confidentiel" ou "réglementé"
  • →Connaître le Data Owner de mon domaine (qui valide ? qui contacter ?)
  • →Savoir dans quel système est la "source de vérité" pour les données que j'utilise
Protéger ses données
  • →Connaître et respecter la politique de classification de l'organisation
  • →Ne jamais partager de données confidentielles par des canaux non approuvés
  • →Signaler immédiatement tout incident ou doute au DPO ou au responsable sécurité
Contribuer à la qualité
  • →Saisir les données correctement et de manière exhaustive dans le bon système
  • →Signaler toute anomalie détectée au Data Steward de son domaine
  • →Participer aux comités data / revues de qualité lorsqu'invité
🎯
À retenir : La gouvernance des données n'est pas une contrainte supplémentaire. C'est le système qui garantit que les décisions prises à partir de vos données — par vos collègues, par les dirigeants, par les modèles IA — sont fiables. Elle protège aussi votre travail : si une décision erronée est prise sur la base de vos données, vous êtes le premier à pouvoir démontrer que vous avez bien fait votre partie.
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202606
M3 · Culture Data pour les Métiers · 07
Section 5 — Ateliers pratiques

Mise en pratique — 3 exercices pour ancrer les réflexes

A1
Identifier les données de son périmètre
Durée : 15 min · Format : individuel puis partage en groupe

Consigne : Listez 5 données que vous produisez ou manipulez régulièrement dans votre activité. Pour chacune, répondez aux 3 questions suivantes :

Donnée que je manipuleNiveau de classification estiméQui utilise cette donnée après moi ?Quelle décision en dépend ?
Ex : Revenu mensuel clientConfidentiel Copyright @ORBii SAS. Contact info@orbii.techModèle scoring · ConformitéDécision d'octroi de crédit

Débrief collectif : Combien de participants ignoraient qui utilisait leurs données ? Combien ne savaient pas leur niveau de classification ?

A2
Diagnostiquer la qualité d'une fiche client
Durée : 10 min · Format : sous-groupes de 3 personnes

Consigne : Analysez cette fiche client fictive. Identifiez tous les problèmes de qualité et indiquez pour chacun : la dimension affectée, le risque engendré, et la correction à apporter.

FICHE CLIENT — À ANALYSER
Nom : DUPONT Jean / DUPOND Jean  ·  Prénom : J.  ·  Date naissance : 00/00/1980
Adresse : 12 rue de la Paix — non mise à jour depuis 2018  ·  Code postal : 7500
Revenu mensuel net : N/A  ·  Secteur d'activité : Autre  ·  Score risque : calculé sur données incomplètes
Source de la fiche : email du commercial — sans traçabilité

Débrief : Au moins 6 problèmes identifiables. Quels systèmes sont impactés ? Quelle décision IA serait biaisée par cette fiche ?

A3
Bonne ou mauvaise pratique ? — Quiz de terrain
Durée : 10 min · Format : vote interactif (mains levées ou application)

Pour chaque situation, répondez : ✓ Bonne pratique ou ✗ Mauvaise pratique

  • ?Je mets "N/A" dans un champ revenue parce que le client ne veut pas répondre
  • ?Je signale au Data Steward que le même client a 2 IDs différents dans le CRM
  • ?J'envoie un export clients par email à mon collègue pour qu'il finisse le reporting
  • ?J'utilise l'outil RAG interne approuvé pour synthétiser des notes de réunion
  • ?Je corrige directement la date de naissance d'un client dans le système sans le noter
  • ?Je demande à mon Data Owner quelle est la source de référence pour les données de revenu

Réponses et explications

  • ✗Mettre "N/A" avec la raison dans un champ commentaire est acceptable. Mettre "N/A" comme valeur fausse de revenu ne l'est pas — le modèle IA l'interprétera comme une donnée valide.
  • ✓C'est exactement le rôle du collaborateur métier. Détecter et signaler les incohérences est le premier acte de gouvernance.
  • ✗Export clients par email = données confidentielles hors système sécurisé. Utiliser le portail de partage sécurisé interne.
  • ✓L'outil interne approuvé respecte la politique IA de l'organisation. Les données ne quittent pas le périmètre sécurisé.
  • ✗Toute correction doit être tracée (qui, quoi, quand, pourquoi). Sans trace, l'audit est impossible.
  • ✓Demander plutôt que supposer est la bonne pratique de base de la culture data.
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202607
M3 · Culture Data pour les Métiers · 08
Synthèse · Module M3

Les 8 réflexes data
que tout collaborateur doit maîtriser

01
Je connais les données clés de mon périmètre et leur niveau de classification (public / interne / confidentiel / réglementé).
02
Je saisie juste dès la première fois. Une saisie incorrecte ne disparaît pas — elle se propage dans tous les systèmes en aval, y compris les modèles IA.
03
Je ne partage jamais de données confidentielles par email non chiffré, WhatsApp, outil personnel ou LLM public non approuvé.
04
Je signale toute anomalie de données à mon Data Steward ou Data Owner. Signaler, c'est protéger l'organisation — et mon travail.
05
Je connais mon Data Owner et mon Data Steward et je sais quand les contacter (droits d'accès, anomalie, doute sur la classification).
06
Je n'utilise pas de fichiers Excel parallèles comme "vraie source de données". Le seul système de référence est le système officiel.
07
Je trace toute modification de données : qui a modifié quoi, quand et pourquoi. Sans trace, l'audit DORA et la conformité RGPD sont impossibles.
08
Si je doute, je demande. Contacter le Data Steward ou le DPO pour une question de classification ou de protection est toujours la bonne décision.
Livrables du module M3
📋 Fiche Data Owner

Modèle de fiche individuelle : mes données, leur classification, mon Data Owner, les contacts Data Steward / DPO.

🔍 Quiz auto-diagnostic

10 questions pour évaluer sa propre culture data et identifier ses angles morts. À partager avec son manager.

✅ Checklist des bons réflexes

Les 8 réflexes data à afficher dans son espace de travail. Format A5 imprimable. Mémo quotidien.

ORBii.Academy
academy.orbii.tech · pejman.gohari@orbii.tech
Prochain module : M4 · Comprendre l'IA — Démystification & Usages
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel Copyright @ORBii SAS. Contact info@orbii.tech · 202608