Stratégie & Gouvernance · N° 53
Consolidation post-fusion : deux ERP, trois DCI, un seul plan — retour d'expérience en 14 mois
Deux groupes fusionnés partageaient quatre entrepôts de données contradictoires. L'arbitrage a privilégié la donnée métier avant la technologie : un référentiel client unique d'abord, la plateforme ensuite. La migration technique n'a pris que 4 mois sur les 14.

Nous avons mesuré le mauvais indicateur pendant trop longtemps. Le lundi 28 juillet 2025, j'ai changé de question.
Ce qui suit n'est pas une méthode générale : c'est mon déroulé, avec ses hasards.
Le point de départ
« Deux groupes fusionnés partageaient quatre entrepôts de données contradictoires. »
Élodie Vasseur, Directrice Cloud & FinOps du Groupe Kermelis (grande distribution, France)
Le dossier a été traité dans un contexte grande distribution, avec France pour cadre réglementaire et commercial implicite. Dans ce type de situation, l'enjeu était de rendre le service utile sans perdre la maîtrise des sources. Nous avons commencé par comparer ce que chaque direction disait du même sujet. L'écart était le vrai sujet.
Ce qui s'est passé, dans l'ordre
- J+00
1. Périmètre documentaire fermé. J'en ai gardé une trace écrite prise sur le vif, parce que je savais qu'on me demanderait.
- J+09
2. Sources datées et versionnées — le point où j'ai compris que le calendrier officiel ne tenait pas.
- J+18
3. Garde-fous et refus hors domaine — c'est l'étape qui a pris le plus de temps, et personne ne l'avait vue venir.
- J+27
4. Mesure du taux d'erreur réel. Sur le moment, j'ai trouvé ça superflu ; ça nous a évité deux retours arrière.
- J+36
5. Extension ou arrêt du service : la seule étape qui ait été tenue comme prévu.
« L'arbitrage a privilégié la donnée métier avant la technologie : un référentiel client unique d'abord, la plateforme ensuite. » — cette phrase a été écrite au moment de la revue intermédiaire, avant consolidation des chiffres.
Ce qui a coincé
Les utilisateurs ont détourné l'outil de son périmètre en deux semaines ; personne n'avait écrit ce qui devait lui être refusé. Nous l'avons su trop tard, comme presque toujours.
Nous avons mesuré le succès sur le mauvais indicateur pendant deux mois : le volume d'usage, pas les erreurs rattrapées par les humains. C'est le genre de détail qui ne coûte rien tant qu'on n'en a pas besoin.
Nous avons d'abord mesuré l'adhésion, pas l'erreur. Le taux d'erreur réel est venu beaucoup plus tard. Nous l'avons corrigé depuis ; cela n'a pas suffi à rattraper le temps perdu.
Ce que le dossier dit en chiffres
Ces montants et ces ratios sont ceux présentés en comité, dans leur version d'origine.
| Valeur citée | Où elle apparaît |
|---|---|
| 14 mois | citée dans le titre et le chapô |
| 4 mois | citée dans le chapô |
Ce que je fais désormais
- Un cas d'usage qui ne tient pas sa mesure d'erreur est arrêté, et l'arrêt est annoncé.
- Depuis, chaque domaine documentaire a un responsable nommé, avec une date de revue.
- Aujourd'hui, nous publions les erreurs corrigées par les relecteurs autant que les cas réussis.
La suite
Le sujet n'est pas clos. Il est devenu une routine de pilotage, ce qui est la seule façon de le faire durer.
Cadre de référence
- Législation sur l'IA — Commission européenne. Approche par risques, pratiques interdites, calendrier.
- Règlement (UE) 2024/1689 — règles harmonisées sur l'intelligence artificielle (AI Act) — EUR-Lex. ELI officiel vérifié en navigateur, version française.
- Intelligence artificielle (IA) — CNIL. Dossier protection des données et systèmes d'IA.
- L'analyse d'impact relative à la protection des données (AIPD) — CNIL. Méthode, listes de traitements, outil PIA.
- Licence Ouverte 2.0 — data.gouv.fr (Etalab). Conditions de réutilisation des données publiques.
Ces pages officielles externes sont données comme repères : elles ouvrent un nouvel onglet et n'impliquent aucune validation de la part des organismes cités.