Comment JPMorgan Chase a structuré ses contrats de données pour gouverner 50 domaines métiers

En 2022, JPMorgan Chase gérait plus de 60 pétaoctets de données réparties sur des milliers de systèmes internes, selon des estimations publiques issues d'interviews avec des membres de l'équipe technologique de la banque. Le problème n'était pas le volume : c'était la responsabilité. Quand un pipelinepipelineAll active sales opportunities across the stages of the sales process, together with their combined potential value and probability of closing.Voir la définition complète → analytique tombait en panne à cause d'un champ renommé dans un système source, il fallait parfois plusieurs jours pour identifier qui avait fait la modification, pourquoi, et qui devait corriger l'impact en aval. Les équipes de data science consacraient, selon les propres déclarations de Lori Beer, Global CIO de la banque à l'époque, entre 30 et 40 % de leur temps à des tâches de réconciliation des données plutôt qu'à de l'analyse.

La banque avait des politiques de gouvernance des données depuis des années. Ce qui manquait, c'était un mécanisme contractuel formalisé entre les producteurs et les consommateurs de données au niveau des domaines métiers : risque de crcrThe percentage of visitors or prospects who complete a desired action (purchase, sign-up, contact form), calculated as conversions divided by total opportunities.Voir la définition complète →édit, trading, conformité réglementaire, service client, chacun avec ses propres équipes, ses propres systèmes, et ses propres priorités opérationnelles.

Ce que JPMorgan a mis en place

La banque a structuré ce que son équipe d'ingénierie interne appelle des "data contracts" dans la documentation partagée lors de conférences techniques publiques, notamment à la QCon London 2023. Le principe est simple dans sa définition, mais exigeant dans son exécution : chaque domaine producteur de données s'engage formellement sur un schémamaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Voir la définition complète →, une fréquence de livraison, des règles de qualité mesurables, et un point de contact responsable.

Concrètement, la mécanique fonctionne ainsi. Un contrat de données pour un flux issu du domaine "risque de crédit" vers le domaine "conformité" spécifie le format exact des champs, les valeurs nulles tolérées (avec des seuils chiffrés), la latence maximale acceptable, et la personne ou l'équipe qui sera notifiée en cas de violation. Ce contrat est versionné, stocké dans un registre central, et déclenche des alertes automatiques dès qu'une déviation est détectée.

JPMorgan a choisi d'ancrer ces contrats dans son infrastructure de streaming basée sur Apache Kafka, avec des validations de schéma pilotées par un SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Voir la définition complète → Registry. Cela signifie que les violations ne sont pas découvertes après coup lors d'un rapport mensuel : elles sont interceptées à l'ingestion. L'équipe a également défini des rôles distincts : le "data owner" (responsable métier du domaine producteur, souvent un directeur de ligne métier), le "data stewarddata stewardA business-side owner responsible for the quality, consistency and appropriate use of data in their domain.Voir la définition complète →" (profil technique ou data engineering chargé de l'implémentation), et le "data consumer" qui co-signe le contrat et accepte des responsabilités sur l'usage.

Un point souvent négligé dans les récits sur les contrats de données : JPMorgan n'a pas cherché à couvrir tous les flux simultanément. La banque a priorisé les flux critiques réglementaires en premier, notamment ceux liés aux reportings CCAR (Comprehensive Capital Analysis and Review) et BCBS 239BCBS 239Principe du Basel Committee on Banking Supervision imposant aux grandes banques une traçabilité stricte des données de risque, ayant catalysé la création de nombreux postes de CDO dans le secteur bancaire.. Ces domaines avaient une pression externe claire, ce qui a facilité l'obtention du budget et de l'adhésion des parties prenantes métiers.

Les résultats obtenus

Les chiffres publics précis sur les résultats internes de JPMorgan restent limités, la banque étant naturellement discrète sur ses métriques opérationnelles. Ce qui est documenté dans des interventions publiques de membres de l'équipe data engineering de la banque : le temps de détection des anomalies de données sur les flux couverts par des contrats est passé de plusieurs jours à quelques heures, parfois minutes, grâce à la validation automatisée à l'ingestion.

L'autre gain documenté concerne les migrations de systèmes sources. Avant les contrats de données, une modification de schéma dans un système source pouvait casser silencieusement des pipelines en aval pendant des jours. Avec le versioning des contrats et les notifications automatiques aux consommateurs enregistrés, les migrations sont devenues des événements coordonnés plutôt que des incidents de production. L'équipe a mentionné une réduction substantielle des incidents liés aux changements de schéma non annoncés, sans avancer de pourcentage précis dans les sources publiques disponibles.

Sur la dimension organisationnelle, la clarification des rôles de "data owner" a eu un effet indirect notable : les discussions sur la qualité des données sont remontées au niveau des directeurs de domaine, sortant du périmètre exclusif des équipes IT. C'est un changement de dynamique, pas une simple amélioration technique.

Ce qui se transfère, et ce qui ne se transfère pas directement

Pour un CDO qui envisage une démarche similaire, plusieurs éléments du cas JPMorgan sont directement transposables, avec des adaptations.

La priorisation par contrainte réglementaire fonctionne dans presque tous les secteurs. Les données soumises à des obligations externes (RGPD, Solvabilité II, DORA en Europe, reportings prudentiels) créent une urgence légitimante que les arguments purement internes n'ont pas. C'est par là qu'il faut commencer, non pour des raisons rhétoriques, mais parce que ces domaines obtiennent les budgets et l'attention des directeurs métiers.

La séparation entre data owner et data steward est utile dans les organisations de taille intermédiaire, mais elle peut devenir une couche bureaucratique supplémentaire dans des équipes plus petites. Dans une entreprise avec moins de dix domaines de données, un seul rôle de "responsable de domaine" avec des responsabilités clairement définies suffit souvent.

Le versioning des contrats avec notification automatique aux consommateurs est la mécanique qui a le plus de valeur immédiate, indépendamment de la taille. Même sans infrastructure Kafka, un registre simple (Notion, Confluence, ou un outil dédié comme Great Expectations ou Soda, éditeurs d'outils de qualité des données dont les métriques commerciales sont à vérifier auprès de sources indépendantes) peut suffire pour démarrer.

Ce qui ne se transfère pas directement, c'est la capacité de JPMorgan à investir dans une infrastructure de validation automatisée à grande échelle. La banque dispose d'équipes d'ingénierie data de plusieurs centaines de personnes. Pour la plupart des organisations, l'automatisation complète est un objectif de moyen terme, pas un prérequis au démarrage.

Le point de départ réaliste pour un CDO en 2026 : identifier trois à cinq flux de données critiques avec des producteurs et des consommateurs clairement identifiables, rédiger des contrats de données simples à quatre clauses (schéma, qualité, fréquence, responsable), et les faire co-signer par les deux parties. Ce n'est pas une transformation, c'est une discipline de gestion que l'on construit progressivement. JPMorgan a pris plusieurs années pour couvrir ses domaines prioritaires ; l'essentiel est de comm