Un projet BI ou IA ne vaut que ce que valent les données qu’on lui donne. Si vos fichiers clients, vos exports ERP et votre CRM se contredisent, le tableau de bord affichera des chiffres faux avec une belle mise en page, et le modèle d’IA apprendra vos erreurs. C’est la première cause d’échec que nous observons dans les PME marocaines, bien avant le choix de l’outil ou du prestataire.

Avant d’engager 100 000 ou 500 000 MAD, il existe une étape courte et relativement peu coûteuse : l’audit de qualité des données. Cet article explique ce qu’il couvre vraiment, ce qu’il coûte au Maroc, ce que vous pouvez vérifier vous-même dès cette semaine, et comment éviter qu’un audit mal cadré ne crée un problème CNDP au lieu d’en résoudre un.

Pourquoi la qualité des données conditionne la réussite d’un projet BI ou IA

Un tableau de bord consolide des données venues de plusieurs endroits. Si le chiffre d’affaires par client diffère entre l’ERP et le fichier Excel du directeur commercial, la première réunion de présentation tourne autour d’une seule question : « lequel des deux chiffres est le bon ? ». La confiance est perdue dès le premier mois, et l’outil est abandonné, quel que soit son prix.

Pour l’IA, le problème est plus discret et plus coûteux. Un modèle de prévision des ventes ou de scoring client apprend à partir de votre historique. Des champs vides, des catégories saisies de dix façons différentes, des dates à 01/01/1900 : le modèle apprend ces anomalies comme si elles étaient la réalité, et ses prédictions ne servent à rien.

Enfin, il y a l’argent. Un nettoyage découvert au milieu du projet coûte en général deux à trois fois plus cher que le même nettoyage fait avant, parce qu’il se fait dans l’urgence, avec un intégrateur qui facture chaque jour supplémentaire. Les budgets que nous détaillons dans notre guide du coût d’un projet BI au Maroc et dans celui du prix d’un projet IA supposent des données prêtes. Cet article traite de ce qui se passe avant.

Les signaux qui montrent que vos données ne sont pas prêtes

Vous n’avez pas besoin d’un outil pour repérer les premiers symptômes. Ils apparaissent dans les réunions, les mails et les fichiers qui circulent dans l’entreprise. Voici ceux que nous retrouvons le plus souvent dans les PME marocaines :

L'audit qualité données avant un projet BI ou IA au Maroc 2026

  • Deux services donnent deux chiffres différents à la même question : CA du mois, niveau de stock, nombre de clients actifs.
  • Le même client existe sous trois orthographes (avec « SARL », avec « S.A.R.L. », sans suffixe), avec un ICE différent ou absent selon le système.
  • Les villes, secteurs ou catégories produit sont saisis en texte libre : « Casa », « Casablanca », « CASABLANCA » sont trois valeurs distinctes pour un logiciel.
  • Un fichier Excel « version finale v3 définitive » circule par mail ou WhatsApp et sert de référence officieuse.
  • L’export de l’ERP demande une journée de retraitement manuel avant d’être lisible.
  • Une seule personne sait où se trouvent les données et comment les corriger. Quand elle est en congé, le reporting s’arrête.

Si vous reconnaissez trois de ces situations ou plus, engagez un audit avant de signer un devis BI ou IA. Ce n’est pas un signe de mauvaise gestion : c’est l’état normal d’une entreprise qui a grandi avec des outils choisis à des moments différents.

Ce que couvre réellement un audit qualité données

Un audit sérieux mesure six dimensions, source par source, sur les données qui alimenteront réellement le futur projet. Il ne s’agit pas de tout analyser, mais d’analyser ce qui compte.

Les six dimensions mesurées

  • Complétude : pourcentage de champs remplis sur les colonnes critiques (email client, ICE, code produit, date de livraison, commercial responsable).
  • Cohérence : la même information a-t-elle la même valeur et le même format d’un système à l’autre ? Le référentiel produit est-il identique dans l’ERP, le CRM et le site e-commerce ?
  • Unicité : taux de doublons sur les clients, produits et fournisseurs. Dans un CRM de PME jamais nettoyé, on trouve couramment entre 5 et 15 % de doublons.
  • Exactitude : un échantillon est confronté à la réalité. Appeler trente clients pour vérifier leurs coordonnées ou compter physiquement un stock en dit plus qu’un script.
  • Fraîcheur : date de dernière mise à jour, délai entre l’événement réel et son enregistrement.
  • Traçabilité : qui saisit quoi, où et quand. Existe-t-il une source de vérité désignée pour chaque donnée ?

Les livrables à exiger

Le rapport doit contenir une cartographie des sources (quel système contient quoi, qui en est responsable), un score par source et par dimension, la liste des dix problèmes bloquants classés par impact, une estimation chiffrée de l’effort de nettoyage, et une recommandation claire : lancer le projet, le lancer avec des prérequis, ou nettoyer d’abord. Si le rapport n’est lisible que par un développeur, il ne remplit pas sa fonction.

Combien coûte un audit de données au Maroc et combien de temps il dure

Les ordres de grandeur ci-dessous correspondent à ce que nous observons sur le marché marocain en 2026, hors taxes. Ils varient selon le nombre de sources, la facilité d’accès aux données et la profondeur du travail terrain.

  • Audit léger (3 à 5 sources, une activité, objectif BI simple) : 5 à 10 jours de travail, entre 20 000 et 50 000 MAD.
  • Audit complet (ERP, CRM, fichiers métier, e-commerce, préparation d’un projet IA, profilage automatisé et vérifications terrain) : 3 à 6 semaines, entre 50 000 et 120 000 MAD.
  • Tarif journalier d’un consultant data expérimenté au Maroc : de 3 000 à 6 000 MAD.

Une règle simple : l’audit représente en général 5 à 10 % du budget du projet envisagé. En dessous, méfiez-vous : un « audit gratuit » proposé par le vendeur d’une solution BI est une visite commerciale, pas un diagnostic. Au-dessus, le périmètre est probablement surdimensionné pour une PME. Certains prestataires intègrent ce volet dans un audit de transformation digitale plus large.

Sur la durée, le facteur décisif n’est pas le prestataire mais l’accès aux données. Si votre service informatique peut fournir les exports en 48 heures, l’audit avance vite. S’il faut solliciter l’intégrateur de l’ERP pour chaque extraction, comptez des semaines supplémentaires. Le nettoyage qui suit est un chantier séparé : selon les résultats, il coûte entre une et trois fois le prix de l’audit.

Ce que vous pouvez vérifier vous-même avant d’appeler un prestataire

Ces contrôles prennent une demi-journée avec Excel et les exports de vos outils. Ils ne remplacent pas un audit, mais ils vous donnent un pré-diagnostic honnête et raccourcissent le travail du prestataire, donc son devis.

  1. Exportez la liste des clients de l’ERP et celle du CRM. Dans Excel, utilisez « Supprimer les doublons » sur le nom, puis sur l’ICE. Notez le nombre de lignes avant et après. Un écart supérieur à 10 % est un signal sérieux.
  2. Prenez la question la plus importante pour vous (par exemple le CA par client sur douze mois). Demandez à la comptabilité et au service commercial de la produire chacun de leur côté. Comparez les deux réponses.
  3. Listez les dix indicateurs que vous voulez voir sur votre futur tableau de bord. Pour chacun, identifiez la colonne source et comptez les cellules vides avec la fonction NB.VIDE.
  4. Vérifiez que le code produit est le même dans l’ERP, le fichier tarifaire commercial et le site web, sur vingt références prises au hasard.
  5. Pour chaque indicateur, notez qui saisit la donnée, dans quel outil et à quelle fréquence. Si la réponse est « ça dépend », vous avez trouvé un problème de gouvernance.
  6. Chronométrez la production du reporting mensuel actuel, en heures-personnes. C’est le coût caché que le projet BI est censé supprimer.

Apportez ces résultats au premier rendez-vous. Un prestataire qui les ignore et repart de zéro n’est pas le bon.

CNDP et données clients : les risques d’un audit mal cadré

Un audit de données signifie qu’un tiers va accéder à vos fichiers clients, fournisseurs et parfois salariés : noms, téléphones, ICE, parfois numéros de CIN ou données de paie. Au sens de la loi 09-08, vous restez responsable du traitement et le prestataire agit comme sous-traitant. Cela impose quelques précautions concrètes :

  • Signez un contrat qui précise la finalité de l’accès, sa durée, les engagements de confidentialité et de sécurité, et la suppression des extraits à la fin de la mission.
  • N’envoyez jamais une base complète par WhatsApp ou par une messagerie personnelle. Privilégiez des extraits pseudonymisés, un accès sur site ou un accès distant contrôlé.
  • Si le prestataire utilise un outil de profilage hébergé hors du Maroc, demandez où les données transitent et vérifiez les règles applicables au transfert sur le site de la CNDP.
  • Vérifiez que les traitements concernés ont bien fait l’objet des formalités requises auprès de la CNDP. L’audit révèle souvent des données conservées sans raison, comme des scans de CIN vieux de dix ans. C’est un constat utile, pas un problème à cacher.

Notre checklist de conformité CNDP et loi 09-08 détaille les formalités à passer en revue avant de donner accès à vos données.

Nettoyer avant de digitaliser : ETL, dédoublonnage, gouvernance des données

L’audit débouche sur un plan de nettoyage. Dans notre expérience, il fonctionne quand il combine trois niveaux, et échoue quand il s’arrête au premier.

Le nettoyage ponctuel

Dédoublonnage des clients par rapprochement approximatif sur le nom, l’ICE et le téléphone ; normalisation des villes, des formats de date et des devises ; complétion des champs manquants, par exemple en vérifiant les ICE auprès du registre de l’OMPIC. Ce travail se fait une fois, sur les données qui alimentent réellement les indicateurs ou le modèle.

Le pipeline ETL

Les règles de nettoyage sont ensuite automatisées dans un pipeline qui extrait, transforme et charge les données à intervalle régulier. Sans cette étape, quelqu’un refait le nettoyage à la main chaque mois, et le projet BI se transforme en poste à plein temps. Ce pipeline devient la fondation du tableau de bord, puis du projet IA.

La gouvernance

Un responsable désigné par référentiel (le fichier clients appartient à l’administration des ventes, le catalogue au responsable produit), des champs obligatoires et des listes déroulantes dans l’ERP à la place du texte libre, et un indicateur mensuel de qualité suivi en comité. Sans gouvernance, des données propres se dégradent en six mois et l’investissement est perdu.

Comment choisir le bon prestataire pour cet audit

Quelques questions permettent de trier rapidement les prestataires :

  • Demandez un exemple de rapport anonymisé issu d’un audit précédent. Sa lisibilité vous dira si le livrable servira à décider.
  • Demandez quels outils seront utilisés pour le profilage (scripts SQL ou Python, outils open source de contrôle qualité) et comment les vérifications terrain seront menées.
  • Si le prestataire vend aussi la solution BI ou IA, exigez que l’audit soit facturé séparément, avec une conclusion « ne pas lancer » possible et acceptée.
  • Vérifiez sa connaissance du contexte local : ICE, mentions obligatoires des factures, ERP courants dans les PME marocaines, TVA, formats de dates et de montants.
  • Relisez le contrat sur la durée, les accès, la confidentialité, la restitution et la suppression des données.

Un audit proposé à 5 000 MAD est une prise de contact commerciale. Un audit à 200 000 MAD pour une PME de quatre sources est disproportionné. Entre les deux, le bon prestataire est celui qui vous dit clairement si vos données justifient l’investissement, même quand la réponse retarde son propre projet.

Et maintenant ?

Arrowlancer réalise des audits de qualité des données pour les PME marocaines, puis construit les pipelines, les tableaux de bord et la gouvernance qui suivent, dans le cadre de notre offre Data. Si vous hésitez à engager un budget BI ou IA sans savoir si vos données tiendront, parlez-nous de votre situation : une première évaluation permet souvent de trancher en quelques jours.

audit donnéesbusiness intelligenceCNDPgouvernance des donnéesintelligence artificiellePME Marocqualité des données