Faut-il mettre ses données en ordre avant un projet IA ?

Publié le 3 novembre 2026 · David Sylvester · Lecture : 9 min.

Une IA exploite les données qu'elle trouve. Si un client est encodé trois fois, si les prix existent en plusieurs versions, si les règles métier ne sont écrites nulle part, elle produira des réponses rapides — et fausses, présentées avec assurance.

Bonne nouvelle : une partie du rangement rapporte avant même tout projet IA. Et dans beaucoup de PME belges, une partie du travail est déjà faite sans qu'on le sache.

Pourquoi une IA sur des données en désordre se trompe avec assurance

Un humain confronté à deux prix différents pour le même poste s'arrête, demande, contextualise. Une IA, elle, choisit une version, en fait une moyenne ou mélange, puis rédige une réponse crédible. L'erreur est invisible.

Prenons le devis de construction : brancher une automatisation sur des métrés non vérifiés donne un devis plus vite — avec les mêmes erreurs, produites plus rapidement.

Les quatre désordres les plus fréquents

1. Les doublons clients. Le même client encodé trois fois : avec numéro BCE, sans, sous le nom du gérant. Chacune avec un historique partiel. À la question « quel est le chiffre d'affaires annuel de ce client ? », vous obtenez trois réponses fausses.
2. Les prix éclatés en fichiers multiples. Un Excel par chantier, par année, par commercial — mis à jour à des dates différentes. Personne ne sait lequel fait foi.
3. Le savoir-faire tacite. Règles de marge, choix de fournisseurs, vérifications à faire : tout est dans des têtes. Inaccessible à une machine comme à un nouvel employé.
4. L'information enfermée dans des documents. PDF scannés, photos, mails, notes manuscrites. Partiellement exploitables par l'IA — mais avec vérification obligatoire.

Le principe de la source de référence

Une information, un seul endroit qui fait foi. Les copies et exports s'en nourrissent, sans jamais la contredire.

Deux exemples chiffrés :

• E-commerçant : traitement des demandes de stock passé de 15 minutes à 3 secondes, sur environ 200 emails par jour. La performance vient surtout de la lecture directe dans l'ERP — une source unique et à jour.
• Pharmacie de Mons : 47 patients chroniques identifiés contre 12 avant, grâce à l'historique complet de 106 022 transactions annuelles sur 3 408 produits.

Peppol : un jeu de données propre déjà disponible

Depuis le 1er janvier 2026, toutes les entreprises belges assujetties à la TVA doivent émettre et recevoir leurs factures B2B structurées via Peppol (amendes : 1 500 €, puis 3 000 € et 5 000 € ; tolérance initiale du SPF Finances ; e-reporting TVA annoncé pour 2028).

Chaque facture arrive structurée : fournisseur, lignes, montants, TVA. C'est probablement le premier jeu de données propre de beaucoup de PME.

Usages possibles sans aucun outil nouveau : suivre les prix d'achat par fournisseur et par produit, détecter les hausses avant qu'elles n'entament la marge, comparer des fournisseurs sur base fiable.

RGPD : ranger, c'est aussi savoir ce qu'on a

Depuis 2018, vous devez pouvoir dire quelles données personnelles vous détenez, pourquoi, où et combien de temps. La remise en ordre permet ensuite de décider ce qui peut sortir, ce qui doit rester local, ce qui doit être pseudonymisé avant traitement.

Une base en désordre laisse un choix inconfortable : renoncer, ou envoyer sans savoir.

Les 6 questions de diagnostic

1. Combien de fichiers pour retrouver le dernier prix facturé au meilleur client ? (1 = bon signe ; 3 ou plus = travail à faire)
2. Une recherche par numéro BCE donne-t-elle une fiche ou plusieurs ? (les doublons sont le premier indicateur)
3. Les règles du métier sont-elles écrites ?
4. Qui met à jour les prix, et quand ?
5. Les factures Peppol servent-elles à autre chose qu'à la comptabilité ?
6. Pouvez-vous dire où sont stockées les données personnelles de vos clients ?

Seuil : 5 réponses sans hésiter → prêt pour un premier projet ciblé. Moins de 4 → commencer par le rangement.

Quand recommander « pas d'IA tout de suite »

Le scénario classique d'échec se répète : démo impressionnante, résultats incohérents hors cas de test, perte de confiance, budget qui dérape, conclusion « l'IA, ça ne marche pas chez nous ». La cause réelle était en amont, dans les données.

Quelques semaines pour établir les sources de référence permettent ensuite un outil qui fonctionne d'emblée sur les vrais cas.

Par où commencer cette semaine — sans budget ni outil nouveau

1. Choisir une information critique (souvent les prix), désigner la source qui fait foi, l'annoncer à l'équipe.
2. Compter les doublons clients via un export trié par numéro BCE.
3. Ouvrir les factures Peppol du dernier mois et imaginer ce qu'un tableau propre en révélerait.

Trois gestes. Une demi-journée.