Votre donnée raconte votre métier

Dans le BTP, l'immobilier ou l'ingénierie, la donnée n'est pas un sous-produit administratif. C'est vos métrés, vos bases de prix, vos historiques de coûts, vos retours d'expérience chantier, vos historiques de litiges, vos diagnostics de maintenance, vos relevés d'instrumentation. C'est 15 à 30 ans de savoir-faire condensé dans des fichiers Excel, des dossiers partagés mal structurés, des outils qui ne se parlent pas, des PDF scannés, des emails archivés.

Cette donnée est votre patrimoine le plus précieux. Plus précieux que votre logiciel, parce que la donnée raconte votre métier de manière unique : vos prix négociés, vos retours terrain, vos méthodologies de chiffrage, vos arbitrages historiques. Mais elle est rarement exploitable telle quelle. Pour qu'une application puisse en tirer de la valeur, qu'une IA puisse l'analyser, ou qu'un dashboard puisse la visualiser, elle doit être structurée.

Pourquoi structurer la donnée AVANT le code

L'erreur classique est de commander une application en pensant que "la data, on verra plus tard". C'est inverser l'ordre logique. Construire une application sur des données mal structurées, c'est construire un immeuble sur un terrain non sondé. Tout fonctionnera tant que rien ne bouge. Au premier stress, tout craque.

Voici ce qui arrive quand on ignore la donnée :

  • Doublons partout : le même client existe 3 fois sous 3 noms différents
  • Référentiels divergents : la liste des corps d'état n'est pas la même selon les services
  • Reporting impossible : on ne peut pas agréger ce qui n'a pas la même définition
  • IA inutilisable : pas de modèle entraînable sur des données chaotiques
  • Migration douloureuse : passer à un nouvel outil devient un cauchemar

L'audit de maturité data, en langage simple

L'audit data, c'est un état des lieux structuré. On regarde comment vos données sont stockées, structurées, nommées, mises à jour, partagées. C'est l'équivalent du diagnostic technique avant achat d'un bien : avant d'investir, on sait sur quoi on construit.

Pour le décideur : C'est comme un diagnostic structurel avant de rénover un bâtiment. Pour une application, les fondations, c'est la donnée. Pas la base de données technique : la donnée métier.

Les 5 questions clés que pose l'audit :

  1. Où sont vos données ? Inventaire des sources : ERP, Excel, SharePoint, emails, papier scanné
  2. Sont-elles cohérentes ? Mêmes définitions partout ? Même unité de mesure ? Mêmes référentiels ?
  3. Sont-elles à jour ? Quelle est la version qui fait foi ? Qui la met à jour ? À quelle fréquence ?
  4. Qui en est responsable ? Qui peut modifier ? Qui valide ? Quels droits d'accès ?
  5. Sont-elles exploitables par une machine ? Format structuré ou texte libre ? Encodage ? Identifiants stables ?

Le DMBOK : le cadre de référence international

Le DMBOK (Data Management Body of Knowledge), publié par DAMA International, est le référentiel international de gestion des données. C'est le "code de la construction" mais pour la donnée. Il définit 11 domaines de gestion : gouvernance, architecture, modélisation, stockage, sécurité, intégration, document & content management, données de référence, data warehousing, métadonnées, qualité.

Pas besoin d'appliquer les 11 domaines pour démarrer. L'audit identifie les 2-3 domaines critiques pour vous, et on construit progressivement. Une PME du BTP commencera typiquement par : référentiels (corps d'état, fournisseurs, prix), qualité (cohérence des données projet), gouvernance (qui possède quoi).

Avant / après audit (cas réel)
Avant l'audit : Vos prix unitaires dans 5 fichiers Excel, formules cassées, "la version à jour c'est celle de Marie", historique des projets dispersé sur 4 disques réseau, impossible de comparer 2 chantiers similaires.

Après audit + structuration : Une base de prix unique versionnée, un référentiel d'ouvrages partagé, des projets structurés selon un modèle commun. Vous pouvez requêter "tous mes T3 livrés en Île-de-France entre 2022 et 2024 avec leur coût au m²". Cette requête, c'était impossible. Maintenant elle prend 2 secondes.

La méthode Agatta en 3 étapes

Étape 1 : Cartographie (1 semaine)

On inventorie toutes vos sources de données métier. Excel, ERP, SharePoint, emails, fichiers projet, plans, photos. On documente leur nature, leur volume, leur fréquence de mise à jour, leur propriétaire.

Étape 2 : Audit qualité (1 semaine)

On évalue la qualité actuelle : doublons, incohérences, lacunes, formats. On identifie les 5 problèmes data les plus coûteux pour votre activité. On chiffre l'impact (temps perdu, erreurs, opportunités manquées).

Étape 3 : Plan de structuration (1 semaine)

On construit un plan en 3 horizons : quick wins (corrections immédiates), structuration moyen-terme (modèle de données cible), gouvernance long-terme (rôles, processus, outils). Avec une roadmap chiffrée.

Le ROI d'un audit data

Sur les 12 audits que nous avons menés en 2024-2025 dans le BTP et l'immobilier, le ROI moyen identifié était de 40 à 80 jours/an gagnés par équipe (10-15 personnes), juste sur la fin des ressaisies, doublons et recherches d'information. Le coût d'un audit (1 à 3 semaines) est généralement amorti en 3 à 6 mois.

En résumé : Avant tout projet d'application métier, IA, ou dashboard, faites l'audit data. C'est la première étape la plus rentable de votre transformation digitale. Sans elle, vous construisez sur du sable.