Module M3 · Culture Data pour les Métiers · 2026
Module 3 · ½ journée

Culture Data
pour les Métiers

Comprendre la donnée sans être data scientist. Identifier les données clés de son périmètre. Devenir acteur de la qualité — et comprendre pourquoi chaque collaborateur est un maillon essentiel de la chaîne de valeur des données.

Objectifs pédagogiques
01Comprendre ce qu'est une donnée métier et pourquoi elle compte
02Identifier les données clés de son périmètre et leur classification
03Savoir reconnaître une donnée de mauvaise qualité et ses conséquences
04Connaître son rôle dans la gouvernance et les bons réflexes à adopter
Tous collaborateurs Managers métier Data Owners désignés Équipes conformité Commerciaux & Relation Client
Pejman Gohari · CDO · Chief AI Officer · ORBii
Auteur DUNOD 2020/2022/2024 · Professeur IESEG Business School
academy.orbii.tech
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel · 202601
M3 · Culture Data pour les Métiers · 02
Introduction

Pourquoi ce module — Ce que "culture data" veut vraiment dire

« La donnée de mauvaise qualité ne vient pas des serveurs. Elle vient de nous — d'une saisie hâtive, d'un champ ignoré, d'un fichier Excel envoyé par email plutôt que saisi dans le bon système. La qualité des données commence sur le terrain, pas dans la DSI. »
— Pejman Gohari · CDO · Chief AI Officer · ORBii

Le malentendu fondateur

Dans la majorité des organisations, les collaborateurs métier pensent que la donnée, c'est "l'affaire de l'informatique". La DSI pense que la qualité de la donnée, c'est "l'affaire des métiers". Résultat : personne n'en est vraiment responsable.

La culture data, ce n'est pas demander à chaque collaborateur de devenir data scientist. C'est lui donner les 3 réflexes fondamentaux qui font la différence :

1
Reconnaître une donnée

Comprendre ce que sont les données de son périmètre métier, comment elles sont utilisées au-delà de son écran, et pourquoi leur exactitude a de l'importance.

2
Protéger une donnée

Savoir quelles données sont sensibles, comment les manipuler avec précaution, et ce qu'il ne faut jamais faire (copier-coller dans un mail, envoyer à un LLM externe…).

3
Contribuer à la qualité

Savoir signaler une anomalie, corriger une donnée erronée, utiliser le bon système de référence — plutôt que de "faire avec" ou de créer un fichier parallèle.

4 personas — Les collaborateurs que ce module doit atteindre

Conseiller Clientèle · Retail
Marie, 34 ans
Direction Retail Banking · 8 ans d'ancienneté
« Je saisie les données clients dans le CRM mais je ne comprends pas pourquoi certains champs sont obligatoires. Des fois je mets "N/A" pour aller plus vite. »
Chargé de Conformité
Thomas, 41 ans
Direction Conformité & Risques · 5 ans d'ancienneté
« Je produis mes reportings réglementaires à partir d'extractions Excel. Je ne sais pas toujours si les données que j'utilise sont à jour ou validées. »
Manager d'Équipe · Middle Office
Camille, 38 ans
Direction Opérations · 12 ans d'ancienneté
« Mon équipe utilise 3 outils différents pour le même client. On a souvent des écarts. On ne sait pas quel système "a raison". »
Analyste Crédit · Corporate
Romain, 29 ans
Direction Corporate & Investment Banking
« J'utilise des données financières que je reçois par mail. Si elles sont fausses, je ne m'en rends pas forcément compte avant d'avoir rendu mon analyse. »
ORBii.Academy · M3 · Culture Data pour les MétiersConfidentiel · 202602
Contenu protégé

Vous avez consulté l'aperçu de ce module (2 premières pages).
Pour accéder au contenu complet, entrez votre code d'accès ou demandez un accès.

6 pages restantes Lien personnel · Valide 24h