Un seul enregistrement fournisseur dupliqué ne reste pas en place. Il voyage — à travers douze systèmes, dans des centaines de rapports, jusque dans les décisions que vos équipes prennent chaque jour.
Cela commence généralement par quelque chose d'anodin. Un fournisseur référencé deux fois — une fois par l'équipe achats, une fois par la finance, avec des conventions de nommage légèrement différentes, des champs d'adresse légèrement différents. Aucune équipe ne s'en aperçoit. Le système accepte les deux. Le référentiel MDM, s'il en existe un, n'a pas été consulté au moment de la saisie.
Six mois plus tard, cet enregistrement n'est plus seulement un doublon dans une table de base de données. Il a participé à des centaines de transactions. Il a structuré des flux de bons de commande, alimenté des fichiers de référentiel fournisseurs, influencé le calcul des conditions de paiement, et alimenté le pipeline analytique qui génère vos tableaux de bord de performance fournisseurs. L'enregistrement que « personne n'a pris la peine de corriger » est devenu le fondement invisible d'une part significative de votre réalité achats.
Le coût caché n'est pas l'enregistrement lui-même. C'est tout ce que l'enregistrement a touché.
Lorsque nous auditons des problèmes de qualité de données dans des environnements d'entreprise, la première chose que nous cartographions n'est pas l'enregistrement lui-même, mais son empreinte de contamination. Un mauvais enregistrement — un doublon, une mauvaise affectation hiérarchique, un attribut obsolète — présente typiquement trois niveaux d'impact en cascade.
Le premier niveau est la propagation système : les modules ERP qui ont synchronisé l'entité corrompue, les enregistrements CRM construits sur les données de contact de cette entité, les pipelines de data warehouse qui l'ont ingérée comme dimension valide. Chaque point de synchronisation devient un nouveau nœud de contamination.
Le deuxième niveau est la distorsion des processus : les workflows conçus en supposant que les entités sont distinctes tournent désormais sur une réalité qui ne l'est pas. Les seuils de paiement sont appliqués deux fois. Les scores de risque sont calculés sur une entité divisée. La logique de segmentation se déclenche sur des catégories fantômes. Rien de tout cela n'est signalé comme une erreur — cela tourne simplement mal, silencieusement, pendant des mois.
Le troisième niveau est le plus coûteux : la contamination des décisions. Chaque rapport généré à partir de données contaminées, chaque KPI calculé sur des entités dupliquées, chaque décision stratégique ancrée dans des analyses qui portent l'erreur. Au moment où le mauvais enregistrement est découvert, il a influencé des décisions à plusieurs niveaux organisationnels.
« L'enregistrement ne coûte presque rien à corriger. La contamination qu'il laisse derrière lui — dans les systèmes, les processus et les décisions — coûte considérablement plus. »
Le chiffre de 847 heures n'est pas abstrait. Lorsque nous le décomposons par type d'activité au cours d'une mission de remédiation, la répartition est constante : environ 35 % de l'effort est consacré à identifier tous les points de contamination (de nombreuses équipes ne savent pas jusqu'où l'enregistrement a voyagé) ; 40 % à corriger les systèmes en aval et recalculer les sorties affectées ; et 25 % à valider que la correction s'est correctement propagée et n'a pas introduit de nouvelles incohérences.
La phase d'identification est presque toujours sous-estimée. La documentation de lignée de données dans la plupart des entreprises est partielle au mieux. Les équipes connaissent ce qu'elles possèdent — elles savent rarement ce qui a consommé les données de ce qu'elles possèdent. La cartographie de la contamination est manuelle, chronophage, et révèle presque toujours plus de points de contact que l'estimation initiale.
La cartographie de contamination d'une entité fournisseur dupliquée — du nœud d'origine à l'empreinte complète en entreprise.
Les équipes financières budgétisent la migration des données. Elles budgétisent les licences des outils MDM. Elles ne budgétisent presque jamais le coût continu d'une qualité de données non résolue — car il n'arrive pas sous forme de ligne budgétaire. Il se manifeste sous forme d'heures perdues, d'effectifs gonflés dans les rôles de remédiation data, et d'un bruit de fond persistant : « on ne peut pas faire confiance à ce rapport ».
Le chiffre de 47 K€ par enregistrement est une estimation conservatrice basée sur des heures de remédiation en coût complet. Il n'inclut pas le coût des décisions prises sur de mauvaises données — et les décisions prises sur des analyses contaminées sont là où les véritables dommages s'accumulent. Une stratégie achats construite sur un profil de risque fournisseur divisé, une campagne de fidélisation client ciblant une segmentation fantôme, une présentation au conseil d'administration ancrée dans des KPI gonflés par des entités dupliquées — ce sont des coûts qui n'apparaissent jamais sur une facture de remédiation mais sont bien réels.
Le ROI du MDM, bien formulé, n'est pas le coût du système MDM. C'est le coût de tous les mauvais enregistrements que vous n'avez pas créés, de toutes les cascades qui ne se sont pas produites, et de toutes les décisions qui ont été prises sur des données auxquelles vous pouviez réellement faire confiance.