Une seule vérité par produit — pourquoi la qualité de la donnée décide du commerce omnicanal

Le constat. Une même fiche produit doit aujourd'hui exister, juste et cohérente, sur une dizaine de surfaces : le site de la marque, la boutique en ligne, les places de marché, les flux de comparateurs, les catalogues revendeurs, l'ERP, la logistique. Or, dans la plupart des organisations, cette information vit en réalité dispersée — un tableur ici, un PDF fournisseur là, une description rédigée trois fois différemment selon le canal. Le problème n'est pas l'absence de données ; c'est l'absence d'une source unique de vérité. C'est précisément ce que le Product Information Management (PIM) cherche à résoudre : faire en sorte qu'il n'existe qu'un seul endroit où la donnée produit est créée, gouvernée et publiée.

Le coût discret de la mauvaise donnée

La donnée de mauvaise qualité ne se voit pas dans un bilan — et c'est précisément ce qui la rend dangereuse. Elle se paye en retours produits dûs à une fiche trompeuse, en appels au service client pour une dimension manquante, en référencement perdu faute d'attributs renseignés, en flux marchands rejetés par les plateformes. Plusieurs travaux de recherche en gouvernance de données estiment que les organisations perdent une part significative de leur chiffre d'affaires à cause de données erronées ; la formule popularisée par les analystes — la règle du 1-10-100 — résume l'intuition : prévenir une erreur coûte un, la corriger coûte dix, la subir coûte cent.

Ce coût se concentre sur les attributs qui décident de l'achat : matière, dimensions, compatibilité, certifications, contenu de l'emballage. Une fiche dont le prix est juste mais dont la matière est fausse ne génère pas une plainte de prix — elle génère un retour, une déception, et une confiance entamée. La qualité de la donnée produit est donc moins une affaire technique qu'une affaire de relation.

Les cinq dimensions de la qualité

La littérature sur la gestion des données de référence (MDM) décompose la qualité en dimensions mesurables. Cinq reviennent systématiquement :

• Complétude — chaque attribut obligatoire d'une catégorie est-il renseigné ? Une chaise sans hauteur d'assise est invendable en ligne.
• Cohérence — la même information dit-elle la même chose partout ? Une matière « acier » sur un canal et « métal » sur un autre casse la confiance et le filtrage.
• Exactitude — la donnée correspond-elle à la réalité physique du produit ?
• Actualité — reflète-t-elle la dernière révision du fournisseur, et non une version périmée ?
• Conformité — respecte-t-elle les standards attendus (GS1, GTIN, unités, taxonomies de catégories des places de marché) ?

Standards et syndication

La syndication — publier une fiche vers plusieurs canaux aux exigences différentes — n'est tenable que sur des standards partagés. C'est le rôle de GS1, l'organisme qui maintient le GTIN (le code-barres mondial) et le GDSN, le réseau de synchronisation des données qui permet à un fabricant et à un distributeur de parler du même produit sans ré-saisie. Sans identifiant stable et sans vocabulaire d'attributs commun, chaque nouveau canal devient un projet de mapping manuel — et chaque mapping manuel est une source d'erreur.

Le PIM moderne ne se contente donc pas de stocker : il gère aussi le Digital Asset Management (DAM), c'est-à-dire les médias — photos, plans, fiches techniques — versionnés et liés à la bonne référence. Une image en basse résolution, mal détourée ou rattachée au mauvais coloris fait autant de dégâts qu'un attribut faux. Donnée et média sont les deux moitiés d'une même fiche.

La gouvernance avant l'outil

Un PIM est un outil ; la qualité, elle, est une discipline. Les programmes qui échouent sont presque toujours ceux qui ont acheté un logiciel sans définir, en amont, qui possède chaque attribut, qui a le droit de l'écrire, et selon quelle règle. La gouvernance répond à des questions simples mais décisives : la matière vient-elle du fournisseur ou de l'équipe produit ? Le prix peut-il écraser une saisie manuelle ? La traduction est-elle un champ propre ou une copie ? Sans réponse claire, deux sources finissent par se contredire, et l'outil ne fait qu'accélérer la confusion.

Le principe pratique est celui du champ propriétaire (field ownership) : pour chaque attribut, une et une seule source fait autorité, les autres ne font que lire. C'est moins une question de technologie qu'une question d'organisation — et c'est elle qui sépare un catalogue fiable d'un catalogue subi.

Où nous nous situons

Montandor Andorra consolide sa donnée produit au travers d'un PIM, dans cet esprit : une source unique pour les attributs factuels, des médias versionnés et rattachés à la bonne référence, et une règle claire sur qui possède quel champ — la donnée commerciale d'un côté, la copie localisée de l'autre. L'objectif n'est pas l'exhaustivité pour elle-même ; c'est qu'un client, sur boutique.montandor.fr comme chez un revendeur, lise toujours la même information juste.

« Une fiche produit, c'est une promesse. Si elle dit « acier » et qu'on livre du métal peint, on a menti — même sans le vouloir. La qualité de la donnée n'est pas un sujet d'informaticiens ; c'est la forme la plus quotidienne de notre honnêteté envers le client. »
— Wouter Meijboom, CEO, Montandor Andorra.

Sources

• GS1 — standards GTIN et réseau GDSN (Global Data Synchronisation Network), spécifications officielles GS1.
• DAMA International — DMBOK (Data Management Body of Knowledge), chapitres sur la qualité des données et la gestion des données de référence (MDM).
• Travaux de référence sur la qualité des données : Wang & Strong, Beyond Accuracy: A Framework for Data Quality (Journal of Management Information Systems, 1996).
• Larry English — Improving Data Warehouse and Business Information Quality (règle du coût 1-10-100).
• Ventana Research / ISG — études sur le coût de la mauvaise qualité de données dans le commerce.
• Gartner / Forrester — analyses de marché sur le Product Information Management et le Master Data Management.

Recherche menée par Chloé Garnier (Head of Architecture), en collaboration avec Iga Zielińska (Visual Producer) et Mihail Ivanov (Integration Engineer).