La gouvernance des données au Maroc ne consiste pas à acheter un catalogue ou à nommer un responsable isolé. Elle organise la manière dont l’entreprise définit, collecte, protège, transforme et utilise ses données. Pour un projet d’intelligence artificielle, cette discipline devient décisive : un modèle peut être performant en démonstration et rester inutilisable si ses sources sont ambiguës, ses accès mal maîtrisés ou ses résultats impossibles à expliquer.
Ce guide propose une méthode opérationnelle pour passer de données dispersées à un socle exploitable. L’objectif n’est pas de tout normaliser avant d’agir, mais de sécuriser un premier périmètre métier, de mesurer sa qualité et d’étendre progressivement les pratiques qui fonctionnent.
Pourquoi la gouvernance des données au Maroc précède l’IA
Une initiative IA assemble généralement plusieurs dépendances : données issues d’un CRM ou d’un ERP, documents internes, règles métier, identités utilisateurs et mécanismes de supervision. Sans gouvernance, chaque équipe interprète les mêmes champs différemment. Le projet accumule alors des corrections manuelles, des exceptions et des arbitrages tardifs.
La gouvernance crée un langage commun. Elle précise quelles données font autorité, qui peut les modifier, comment une anomalie est traitée et pendant combien de temps l’information reste utile. Elle donne aussi aux équipes techniques un cadre pour construire des pipelines fiables et aux responsables métier un moyen de contrôler ce que l’IA apprend et produit.
Au Maroc, les traitements comprenant des données à caractère personnel doivent également être étudiés au regard de la loi 09-08 et des démarches applicables auprès de la Commission nationale de contrôle de la protection des données à caractère personnel. Ce point doit être examiné selon le contexte réel du traitement ; il ne se résume pas à une mention générique dans une politique de confidentialité.
Les six fondations d’un dispositif utile
1. Un périmètre métier clairement nommé
Commencez par une décision ou une opération concrète : qualifier une demande commerciale, détecter un dossier incomplet, prévoir un stock ou assister le support. Décrivez les données nécessaires, le résultat attendu et les personnes concernées. Ce périmètre évite de transformer la gouvernance en programme abstrait à l’échelle de toute l’entreprise.
2. Des propriétaires de données identifiés
Le propriétaire métier décide du sens d’une donnée et de ses règles d’usage. Le responsable technique garantit sa disponibilité et sa transformation. La sécurité contrôle les accès, tandis que les utilisateurs signalent les anomalies. Ces responsabilités doivent être écrites et associées à un processus d’escalade simple.
3. Un dictionnaire partagé
Un terme aussi courant que « client actif » peut varier entre la finance, le marketing et les opérations. Le dictionnaire de données documente la définition, la source, le format, la fréquence de mise à jour et le propriétaire de chaque élément critique. Il doit être consultable par les métiers, pas uniquement par les ingénieurs.
4. Des règles de qualité mesurables
La qualité ne se limite pas à l’absence de cellules vides. Elle couvre notamment l’exactitude, la complétude, l’unicité, la cohérence et l’actualité. Chaque règle doit préciser le seuil acceptable, la méthode de contrôle et l’action déclenchée en cas d’échec. Une Business Intelligence fiable applique déjà ces principes aux indicateurs ; l’IA les étend aux données d’entraînement, de contexte et d’évaluation.
5. Des accès proportionnés aux usages
Les droits doivent suivre les rôles réels, avec une séparation entre consultation, modification, export et administration. Les données sensibles peuvent nécessiter masquage, pseudonymisation ou environnement isolé. Un journal d’accès et une revue régulière permettent de détecter les privilèges devenus inutiles.
6. Une traçabilité de bout en bout
Pour comprendre un résultat, il faut pouvoir retrouver la source, les transformations appliquées, la version utilisée et les contrôles effectués. Cette lignée est indispensable lorsqu’un indicateur change ou qu’une réponse d’agent IA doit être contestée. Elle facilite aussi le retour arrière après une mise à jour défectueuse.
Comment évaluer la qualité avant un cas d’usage IA
Construisez un jeu de données représentatif du processus, puis examinez-le avec les personnes qui produisent et utilisent l’information. Cherchez les doublons, les valeurs impossibles, les champs libres incohérents, les dates manquantes et les ruptures de référentiel. Documentez surtout l’impact métier de chaque défaut : une erreur de code postal n’a pas la même conséquence qu’un statut de paiement erroné.
- Complétude : les champs nécessaires à la décision sont-ils présents ?
- Cohérence : une même entité conserve-t-elle les mêmes attributs entre systèmes ?
- Actualité : la donnée arrive-t-elle avant le moment où elle doit être utilisée ?
- Représentativité : les situations réelles et les cas difficiles sont-ils couverts ?
- Traçabilité : peut-on expliquer l’origine et les transformations de chaque valeur ?
Les contrôles doivent ensuite être automatisés dans les pipelines. La page Data & Analytics de Kanteek présente l’approche pour connecter les sources, tester les transformations et rendre les données observables.
Relier gouvernance, risque et supervision humaine
Le cadre de gestion des risques IA du NIST place la gouvernance parmi les fonctions continues du cycle de vie. En pratique, cela signifie que la qualité et les responsabilités ne s’arrêtent pas au déploiement. Il faut surveiller les entrées, les sorties, les dérives et les incidents, puis conserver une voie de recours humaine pour les décisions sensibles.
Une démarche d’audit IA aide à comparer la valeur, la faisabilité et le risque des cas d’usage. La gouvernance des données fournit ensuite les preuves et les contrôles nécessaires pour exécuter cette feuille de route.
Une feuille de route pragmatique en quatre phases
Cartographier
Inventoriez les sources liées au cas d’usage, les échanges entre systèmes, les données personnelles ou sensibles et les personnes qui prennent actuellement les décisions. Ne cherchez pas l’exhaustivité : concentrez-vous sur le chemin critique.
Définir
Validez les définitions métier, les propriétaires, les droits d’accès, les durées de conservation et les critères de qualité. Rédigez des règles assez précises pour être testées automatiquement.
Instrumenter
Ajoutez des tests dans les flux, un suivi des anomalies, un historique des versions et des alertes compréhensibles. Le dispositif doit permettre de corriger la cause à la source plutôt que de nettoyer indéfiniment les mêmes erreurs.
Étendre
Une fois le premier périmètre stabilisé, réutilisez le dictionnaire, les rôles et les contrôles sur le cas suivant. Cette progression transforme la gouvernance des données au Maroc en capacité opérationnelle, sans lancer un chantier disproportionné.
Quels livrables attendre
Un premier cycle devrait produire une carte des sources, un dictionnaire des données critiques, une matrice de responsabilités, une politique d’accès, des règles de qualité testables, un registre des anomalies et un tableau de suivi. Pour l’IA, ajoutez la provenance des données, les jeux d’évaluation, les limites d’usage et la procédure de supervision humaine.
Ces livrables doivent rester vivants. Ils sont mis à jour avec les systèmes et les processus, puis revus lors des changements importants. La mission Conseil & Stratégie peut cadrer cette gouvernance, tandis que les équipes Intelligence Artificielle et Data l’intègrent à la solution.
Par où commencer chez vous ?
Choisissez un cas d’usage visible, utile et assez limité pour être contrôlé. Réunissez le métier, la donnée, la sécurité et la technique autour d’un même échantillon. Définissez ce qu’est une donnée acceptable avant de comparer les modèles ou les outils. La technologie devient alors un accélérateur d’un système maîtrisé, et non un moyen de masquer des fondations fragiles.
Vous préparez un assistant interne, une automatisation documentaire ou un modèle prédictif ? Échangez avec Kanteek pour évaluer votre maturité data et construire un premier périmètre gouverné.
