La réponse courte : extraire des données d’un système ou d’un document pour un tableau de bord, une analyse ou un modèle d’IA ne doit ni perturber la source, ni déformer son sens, ni produire des copies que plus personne ne contrôle. La méthode tient en quatre étapes : cartographier les sources, formaliser un contrat de données, choisir le mode d’extraction adapté, et gouverner les copies avec la même rigueur que les originaux, en gardant toujours le lien vers la source.
La donnée est là, mais y toucher coûte cher
Les données existent : dans les ERP, les GED, les bases métier développées sur mesure, les CRM et des tableurs consolidés à la main depuis des années. Le problème n’est pas leur absence, mais le coût et le risque de les mobiliser. Dès qu’une direction veut un tableau de bord, une analyse ou un audit, la même question surgit : comment extraire sans casser ?
Le risque est réel. Une extraction mal conçue peut ralentir une application critique, corrompre un historique ou produire des chiffres incohérents avec la donnée de référence. Pour les décideurs, l’enjeu est aussi de gouvernance : qui décide de ce qu’on extrait, selon quelles règles, avec quels contrôles et quelle traçabilité ?
Trois tensions que personne ne nomme
La source est vivante. Un ERP enregistre des transactions en continu : extraire sans mécanisme adapté revient à photographier un objet en mouvement, l’image est floue. La transformation altère le sens. Nettoyer, reformater, normaliser est nécessaire, mais chaque transformation peut déformer : un texte libre interprété comme une catégorie, une date mal convertie, un identifiant tronqué, sans aucun message d’erreur. La gouvernance est implicite. Les extractions sont souvent réalisées dans l’urgence, sans catalogue, sans durée de vie des copies ni procédure quand la source évolue.
La méthode en quatre étapes
1. Cartographier les sources avant d’extraire
Quels systèmes contiennent les données utiles, sous quelle forme, à quelle fréquence de mise à jour, avec quelles contraintes d’accès ? Cette étape révèle des doublons aux valeurs différentes, des champs dont la définition a changé et des tables sans propriétaire connu.
2. Formaliser un contrat de données
Un document simple qui précise ce qu’on extrait : champs, règles de sélection, fréquence, format cible, règles de qualité minimales. Il engage l’équipe qui fournit les données et celle qui les consomme ; sans lui, chaque évolution de la source devient une rupture silencieuse.
3. Choisir le mode d’extraction adapté
Extraction différée par lots, capture des changements en quasi temps réel, appels d’API, réplication : chaque mode a ses usages légitimes. Le choix dépend de la criticité de la source, des volumes, de la latence acceptable et des compétences disponibles.
4. Gouverner les copies
Une donnée extraite est une copie qui vieillit dès sa production. Datation systématique, durée de vie maximale, procédure en cas de changement de schéma, documentation des transformations : sans cela, les copies deviennent des sources de désinformation, des tableaux de bord qui affichent des chiffres faux en toute bonne foi.
Et pour les documents ?
Le même principe vaut quand l’IA extrait des données d’un document : montant d’une facture, date d’un contrat, clause particulière. Chaque donnée extraite doit garder son lien vers le document et l’endroit précis d’où elle provient, pour qu’un gestionnaire puisse vérifier en un clic. C’est ce qui distingue une extraction exploitable d’une donnée orpheline, et c’est une condition de la supervision humaine.
Illustration : un reporting de production sur trois sources
Cas fictif, présenté à titre pédagogique.
Un groupe industriel veut consolider ses indicateurs de production à partir d’un ERP, d’un système de maintenance et de relevés saisis sur le terrain. Sans méthode, chaque source aurait son script, à des rythmes et formats différents, et le reporting afficherait des données périmées à la première mise à jour. La cartographie révèle que deux sources contiennent des données de maintenance redondantes, nommées différemment ; le contrat de données fixe la règle de priorité ; une extraction quotidienne avec contrôle de qualité arrête les anomalies avant le tableau de bord.
Points de vigilance
- La dérive silencieuse : un champ renommé, et l’extraction fonctionne toujours mais n’a plus de sens. Surveillez activement les contrats de données.
- L’impact sur les performances : planifiez les fenêtres d’extraction avec les équipes opérationnelles.
- Les données personnelles : toute extraction qui en contient s’instruit au regard de la loi 09-08, en amont.
- Le mythe de l’extraction unique : une extraction est un service à maintenir, pas un livrable à cocher.
Pour aller plus loin : capture intelligente des documents entrants, données minimales et gouvernance IA et GED et gestion documentaire.