Fiabiliser les données SAP consiste à corriger les données de base existantes (articles, clients, fournisseurs) et à empêcher que de nouvelles erreurs y entrent. Une donnée de base fausse se propage dans toutes les transactions qui l’utilisent : commandes, factures, stocks, reporting. La démarche tient en quatre temps : mesurer, nettoyer, bloquer à la saisie, puis tenir dans la durée.
Pourquoi les données SAP se dégradent
Il faut d’abord distinguer les données de base, qui décrivent un article, un client ou un fournisseur, des données de transaction, qui enregistrent chaque commande ou facture. Une erreur sur une fiche de base se répète à chaque transaction qui la mobilise, alors qu’une erreur de transaction reste isolée.
Les causes sont presque toujours les mêmes. Plusieurs services créent des fiches sans chercher si elles existent déjà, ce qui produit des doublons. Des champs obligatoires sont remplis n’importe comment pour valider un écran. Les reprises de données lors d’anciennes migrations ont importé des erreurs, et personne n’est désigné comme propriétaire de la donnée. Une utilisation efficace de SAP au quotidien dépend de ces fiches : si elles sont fausses, les utilisateurs contournent l’outil.
Mesurer la qualité avant de corriger
Un audit des données SAP commence par le choix des objets à examiner selon leur effet sur le métier : les fournisseurs qui reçoivent des paiements, les articles qui alimentent les stocks, les clients facturés. Pour chacun, on compte les anomalies : doublons, champs vides, formats faux, valeurs incohérentes entre deux champs.
Ce comptage donne un niveau de départ chiffré, objet par objet, qui sert ensuite à prouver que le nettoyage a produit un effet. Les bonnes pratiques de gestion d’une base de données s’appliquent ici : des définitions claires de chaque champ et un responsable par table.
SAP propose pour cela SAP Information Steward, un outil de profilage et de suivi de la qualité des données. Il met en évidence la répartition des valeurs d’un champ et les champs qui pourraient servir de clé.
Nettoyer l’existant : doublons, champs vides, valeurs incohérentes
Le nettoyage s’attaque d’abord aux objets qui alimentent le plus de transactions, pour que l’effort se voie vite. Le dédoublonnage des tiers et des articles vient en premier : on rapproche les fiches par nom, adresse et identifiant, puis on fusionne ou on bloque les copies.
Les formats se normalisent ensuite (adresses, numéros de TVA, unités de mesure), et les fiches inactives sont archivées plutôt que supprimées, pour garder l’historique des transactions. Chaque lot corrigé est validé par les équipes métier, seules capables de dire quelle fiche garder. Un nettoyage mené par l’informatique seule produit vite de nouvelles erreurs.
Bloquer les erreurs dès la saisie
Nettoyer sans agir sur la saisie revient à vider une baignoire sans fermer le robinet. Les contrôles se placent au moment de la création d’une fiche :
- des champs obligatoires limités à ce dont le processus a réellement besoin, pour ne pas pousser à les remplir au hasard ;
- des listes de valeurs et des contrôles de format à la place du texte libre ;
- une recherche de doublon avant création, qui propose les fiches proches avant d’en ouvrir une nouvelle.
Un circuit de validation complète le dispositif : toute création ou modification de donnée de base passe par une personne habilitée. SAP Master Data Governance sert à organiser cette gouvernance centralisée des données de base. Si la saisie est confiée à un prestataire, la question de l’externalisation de la saisie de données se pose avec les mêmes exigences de contrôle.
Fiabiliser avant une migration vers S/4HANA
Des données reprises telles quelles dans un nouveau système y transportent leurs erreurs. La migration vers S/4HANA change en outre le modèle des tiers, avec la notion de Business Partner qui regroupe ce qui était séparé en fiches clients et fournisseurs. Nettoyer et valider avant la reprise évite de convertir des doublons en doublons de Business Partner.
Les tests de migration se font sur des données représentatives du parc réel, pas sur un échantillon propre choisi pour réussir. C’est le moment où l’on mesure si la centralisation des données dans un ERP tient ses promesses.
Tenir la qualité dans la durée
La qualité se maintient par une organisation, pas par une opération ponctuelle. Chaque domaine (articles, clients, fournisseurs) a un propriétaire de la donnée, qui répond de sa qualité, et un gestionnaire qui traite les corrections au quotidien.
Des indicateurs recalculés chaque mois, les mêmes que ceux de l’audit initial, montrent si la qualité progresse ou régresse. Des revues régulières et la formation des utilisateurs à la création de fiches complètent le dispositif. Retirer les comptes inutilisés aide aussi à piloter le coût des licences SAP.
Pour les compétences qui manquent en interne, des missions SAP en freelance permettent de renforcer l’équipe le temps du chantier. L’action la plus utile à lancer en premier reste de compter les doublons des fournisseurs : c’est le chiffre qui convainc le plus vite de financer le reste.
