Data steward
Aussi : Data steward, Data stewardship, Domain data owner, Intendant des donnees, Responsable des donnees
Un responsable côté métier, garant de la qualité, de la cohérence et du bon usage des données de son domaine.
De quoi il s'agit
Un data steward est un rôle côté métier, responsable de la santé d'un ensemble de données précis au sein de son domaine (par exemple les données clients, produits ou financières). Contrairement au data engineer ou à l'administrateur de bases de données, qui détiennent la plomberie technique, le data steward est responsable du sens, de la qualité et du bon usage des données. C'est la personne capable de répondre à « que veut dire ce champ exactement ? » et « peut-on utiliser ce chiffre pour prendre cette décision ? »
Le stewardship est généralement un rôle fédéré : chaque domaine a son propre steward intégré au métier, plutôt qu'une équipe centrale unique qui détiendrait tout. Les stewards opèrent dans le cadre d'un programme de data governance plus large, souvent coordonné par un Chief Data Officer.
Pourquoi c'est important
Les données ne créent de la valeur que si l'on leur fait confiance et qu'on les utilise de façon cohérente. Sans stewards, vous obtenez :
- Des définitions contradictoires (trois équipes calculent chacune « client actif » différemment)
- Une dégradation silencieuse de la qualité (doublons, valeurs obsolètes, champs manquants)
- Un risque de conformité et de privacy (données réutilisées pour des finalités jamais prévues)
- Des décisions lentes (personne ne sait quelle source fait référence)
Les stewards comblent cet écart en incarnant l'humain responsable entre la donnée brute et son usage métier.
Comment on l'utilise en pratique
Un data steward, typiquement :
- Maintient les définitions et les règles métier dans un data catalog ou un glossaire
- Fixe et suit des seuils de qualité (complétude, exactitude, fraîcheur)
- Autorise ou restreint l'accès et l'usage conformément aux politiques et à la réglementation
- Traite les incidents de données signalés par les consommateurs et pilote les corrections à la source
- Certifie les jeux de données de référence pour que les équipes aval cessent de les reconstruire
Exemple concret
Une entreprise de retail lance un modèle de churn. L'équipe marketing, l'équipe finance et l'équipe AI ont chacune une notion différente du « client churné ». Le data steward des données clients les réunit, fait valider une définition unique (aucun achat depuis 180 jours), la documente dans le catalog et désigne la table clients certifiée comme source de vérité.
- Le CMO cible désormais le bon segment.
- Le CFO reporte le revenu à risque sur la même base.
- L'équipe AI entraîne son modèle sur un dataset labellisé, documenté et consenti.
Un rôle, une définition partagée, et trois équipes qui sont enfin d'accord.
Voir aussi
Questions fréquentes
Que fait concrètement un data steward ?
Un data steward est un responsable côté métier, garant du sens, de la qualité et de l'usage approprié des données d'un domaine : clients, produits ou finance par exemple. Il tient les définitions dans un catalogue, fixe des seuils de qualité (complétude, exactitude, fraîcheur), autorise ou restreint les accès, traite les incidents signalés par les utilisateurs et certifie les jeux de données de référence. C'est la personne capable de dire si un chiffre peut servir à telle décision.
Quelle différence entre un data steward et un data engineer ?
Le data engineer est propriétaire de la tuyauterie technique (pipelines, stockage, performance) ; le data steward est propriétaire du sens et de la fiabilité des données. Quand un champ est ambigu ou qu'un chiffre paraît faux au regard du métier, la réponse vient du steward, pas de l'ingénieur. Les deux rôles sont complémentaires : un pipeline cassé relève de l'ingénierie, des définitions contradictoires relèvent du stewardship.
Faut-il centraliser le stewardship dans une équipe ou le répartir dans le métier ?
Le modèle qui fonctionne est fédéré : chaque domaine a son propre steward intégré au métier, plutôt qu'une équipe centrale propriétaire de toutes les données. Le steward doit connaître la façon dont la donnée est produite et utilisée au quotidien, ce qu'une équipe centrale maîtrise rarement. La coordination reste centrale, en général via un programme de gouvernance porté par un Chief Data Officer, mais la responsabilité reste dans les domaines.
Qu'est-ce qui dérape dans une entreprise sans data stewards ?
Quatre défaillances reviennent systématiquement : des définitions contradictoires (trois équipes calculent « client actif » différemment), une dégradation silencieuse de la qualité via les doublons, les valeurs périmées et les champs manquants, un risque de conformité et de vie privée quand la donnée est réutilisée pour un usage non prévu, et des décisions lentes parce que personne ne sait quelle source fait référence. Aucune ne se règle par l'outillage seul : il faut un responsable humain entre la donnée brute et son usage métier.
Comment un data steward tranche un indicateur défini différemment par trois équipes ?
Prenez un distributeur qui lance un modèle de churn : marketing, finance et équipe IA ont chacun leur notion de client perdu. Le data steward du domaine client réunit les trois, fait valider une règle unique (aucun achat depuis 180 jours), la documente dans le catalogue et désigne la table client certifiée comme source de vérité. Le marketing cible alors le bon segment, la finance chiffre le revenu à risque sur la même base, et l'équipe IA entraîne son modèle sur un jeu de données labellisé, documenté et consenti.