Audit de maturité Data & IA

Stratégie & Vision Data

Existence d'une stratégie data formalisée, alignée avec la stratégie d'entreprise, portée par le COMEX et dotée d'un budget dédié.

La direction générale a-t-elle formalisé une vision et une stratégie data documentée ?

Existe-t-il un CDO ou un sponsor exécutif dédié à la transformation data ?

Le budget alloué à la data est-il défini, trackable et en croissance ?

Les cas d'usage data sont-ils priorisés selon leur valeur business mesurable ?

La stratégie data est-elle révisée et communiquée au moins une fois par an ?

Gouvernance & Organisation

Existence de rôles data formalisés (Data Owner, Data Steward, CDO), de processus de gouvernance et d'un cadre RACI opérationnel.

Les rôles Data Owner et Data Steward sont-ils formellement définis et assignés par domaine ?

Un Data Office ou une fonction de gouvernance centrale existe-t-elle ?

Les décisions relatives aux données font-elles l'objet d'un processus de validation structuré ?

Les politiques de données (qualité, sécurité, accès) sont-elles documentées et appliquées ?

Un comité de gouvernance data se réunit-il régulièrement avec un ordre du jour formalisé ?

Qualité des données

Mesure, surveillance et amélioration continue de la qualité des données selon les dimensions DAMA : complétude, exactitude, cohérence, actualité, unicité.

Des KPI de qualité des données sont-ils définis et mesurés de façon régulière ?

Existe-t-il un processus de détection et de correction automatique des anomalies ?

Les règles de qualité sont-elles documentées dans un référentiel partagé ?

Des SLA de qualité sont-ils définis et contractualisés avec les équipes productrices ?

La qualité des données est-elle intégrée dans les critères de performance des équipes ?

Architecture & Infrastructure

Maturité de l'architecture data (Modern Data Stack, lakehouse, API-first), documentation des flux, gestion du data lineage et des métadonnées.

L'architecture data est-elle documentée avec des schémas à jour des flux et des systèmes ?

Le data lineage (traçabilité bout-en-bout des données) est-il implémenté et consultable ?

Un Data Catalog est-il en place avec les métadonnées business et techniques documentées ?

Les pipelines data sont-ils versionnés, testés et déployés via des processus CI/CD ?

La plateforme data supporte-t-elle l'évolutivité et la montée en charge sans refonte majeure ?

Culture & Compétences Data

Niveau d'adoption de la culture data dans l'organisation, compétences des équipes, programmes de formation et communication interne.

Les équipes métiers utilisent-elles activement les données pour leurs décisions quotidiennes ?

Un programme de formation data literacy est-il déployé pour les profils non-techniques ?

Les décisions stratégiques s'appuient-elles systématiquement sur des données et des analyses ?

La direction valorise-t-elle et communique-t-elle régulièrement sur les succès data ?

Les talents data sont-ils retenus grâce à des parcours de carrière attractifs ?

IA & Innovation

Existence de cas d'usage IA en production, cadre de gouvernance des modèles, gestion du risque algorithmique et conformité EU AI Act.

Des modèles d'IA ou de machine learning sont-ils déployés en production avec un suivi de performance ?

Un registre des modèles IA (AI Model Registry) est-il en place avec versioning et documentation ?

Le risque algorithmique (biais, dérive, opacité) est-il évalué et mitigé de façon structurée ?

L'organisation a-t-elle réalisé un inventaire de ses systèmes IA au regard de l'EU AI Act ?

Une gouvernance IA (AI Owner, AI Steward, comité éthique) est-elle formalisée ?