Quelle question commerciale faut-il poser avant de signer ?

La bonne question n’est pas “ce logiciel est-il puissant ?”. C’est plutôt : “quelles données doivent être correctes, complètes et stables pour que ce logiciel remplace réellement nos tableurs et nos bricolages ?”. Sans ce cadrage, on signe souvent pour une promesse de confort et on découvre ensuite une semaine de saisie manuelle, des doublons, et des arbitrages métier impossibles à expliquer au comité de direction.

La CNIL rappelle que, dans une relation de sous-traitance, le contrat doit préciser l’objet, la durée, la finalité, les obligations des parties et le niveau de sécurité requis ; le traitement doit aussi respecter la minimisation des données et la limitation de conservation. Autrement dit, la discussion sur la qualité des données n’est pas seulement technique : elle touche au périmètre exact du traitement et aux données réellement nécessaires au service.

  • Objectif : définir le minimum acceptable avant de payer, pas après.
  • Le seuil doit couvrir les données indispensables au cas d’usage principal, pas tout le patrimoine de l’entreprise.
  • Un bon contrat ne rattrape pas des données incohérentes ; il limite surtout les dégâts et clarifie les responsabilités.

La méthode en quatre tests : utilité, exactitude, complétude, stabilité

Pour éviter les débats abstraits, utilisez quatre tests simples. Premier test : utilité. Chaque champ demandé par le logiciel doit avoir un usage identifié. S’il n’a pas d’usage, il sort du périmètre. C’est l’application pratique du principe de minimisation défendu par la CNIL. Deuxième test : exactitude. Mesurez la part de valeurs manifestement fausses ou contradictoires sur un échantillon représentatif. Troisième test : complétude. Vérifiez si les champs indispensables sont renseignés au niveau requis pour le processus. Quatrième test : stabilité. Demandez si la donnée change trop vite pour être fiable entre la saisie et l’usage ; une donnée peut être exacte mais trop instable pour servir au pilotage.

NIST définit la qualité des données comme l’aptitude des données à un usage prévu, ce qui aide à sortir du réflexe “tout doit être parfait”. Le but n’est pas la perfection statistique ; c’est l’adéquation au processus métier visé. Pour un logiciel de gestion commerciale, l’adresse de livraison doit être bien plus fiable qu’un champ décoratif de commentaire libre.

  • Test 1 : chaque champ a un usage écrit.
  • Test 2 : échantillonner les erreurs visibles.
  • Test 3 : distinguer champs indispensables et champs optionnels.
  • Test 4 : vérifier la stabilité entre saisie et exploitation.

Exemple chiffré fictif : le seuil minimal qui change une décision

Exemple fictif : une PME de services veut acheter un logiciel métier pour suivre ses interventions, ses clients et ses relances. Elle liste 12 champs dans le futur référentiel. Après audit rapide de 200 fiches clients, elle constate : 98 % des raisons sociales sont correctes, 91 % des emails sont valides, 87 % des adresses postales sont complètes, mais seulement 64 % des dates de fin de contrat sont renseignées, et 22 % des comptes clients ont au moins un doublon.

La décision n’est pas “on attend d’avoir 100 %”. La décision utile est : pour signer, il faut au minimum 95 % d’identifiants clients uniques, 90 % de complétude sur les champs qui déclenchent une action automatique, et une règle claire de correction des doublons avant migration. En dessous, le logiciel peut être bon, mais le résultat opérationnel sera bancal. Ce seuil n’est pas une norme légale ; c’est un critère de réussite métier que vous définissez avec le fournisseur et les équipes internes. Le vrai gain est de rendre la discussion objective, au lieu de se fier au discours commercial le plus poli du marché.

Sur le plan contractuel, la CNIL rappelle aussi que le sous-traitant doit pouvoir démontrer le respect de ses obligations et permettre un audit. Cette exigence est utile pour exiger, avant signature, une preuve de capacité à traiter vos données selon vos règles, pas seulement une belle démo.

  • Seuils fictifs à adapter : unicité, complétude, validité.
  • Le seuil dépend du cas d’usage, pas du volume global.
  • Le test doit porter sur les champs qui déclenchent des actions automatisées.

Les limites à reconnaître tout de suite

Il existe trois limites importantes. Première limite : la qualité minimale n’est jamais universelle. Une donnée acceptable pour de la segmentation marketing peut être insuffisante pour de la facturation ou pour une obligation réglementaire. Deuxième limite : l’échantillon peut tromper si les erreurs sont concentrées dans un site, une équipe ou un ancien fichier. Il faut donc regarder les cas extrêmes, pas seulement la moyenne. Troisième limite : certains défauts ne se voient qu’après usage réel, quand les équipes contournent l’outil parce qu’un champ obligatoire est mal pensé.

Enfin, n’oubliez pas la question des transferts et de l’hébergement. La CNIL insiste sur les garanties suffisantes, y compris pour les flux hors UE lorsqu’ils existent. Un logiciel peut être excellent sur le papier et inadapté si le contrat, la sécurité ou la localisation des données ne sont pas compatibles avec vos contraintes.

  • La qualité minimale dépend du cas d’usage.
  • La moyenne cache parfois des poches de mauvaise qualité.
  • Le contrat, la sécurité et la localisation des données font partie du sujet.

Checklist actionnable sur 7 jours

Jour 1 : nommez un responsable métier. Résultat observable : une personne valide le périmètre des champs indispensables. Jour 2 : listez les 10 à 15 champs vraiment utiles. Résultat observable : un tableau “indispensable / utile / inutile”. Jour 3 : échantillonnez 100 à 200 dossiers. Résultat observable : un taux de complétude et d’erreur par champ. Jour 4 : définissez vos seuils minimaux. Résultat observable : trois seuils écrits, acceptés par métier et DSI. Jour 5 : testez la règle sur un mini-cas réel. Résultat observable : une action automatique qui fonctionne ou échoue de manière documentée. Jour 6 : faites relire le projet de clause par l’acheteur et le juridique. Résultat observable : obligations de sécurité, d’audit, de restitution/suppression et de sous-traitance secondaire intégrées. Jour 7 : demandez au fournisseur une démonstration sur vos données ou un jeu réaliste. Résultat observable : une décision “go / no-go” fondée sur des faits, pas sur l’enthousiasme.

  • Responsable métier : valide le périmètre.
  • Acheteur/juridique : sécurisent la clause.
  • Fournisseur : prouve la capacité sur vos données.
  • Direction : tranche avec un seuil explicite.