les metrics de qualité de données que les fintechs suivent vraiment

Un seul enregistrement client dupliqué a coûté à une néobanque européenne environ 300 000 € lors d'un exercice de remédiation réglementaire en 2023, d'après les postmortems qui circulent dans les conférences de data governancedata governanceLa data governance est l'ensemble des politiques, rôles et processus qui garantissent que les données sont exactes, sécurisées, bien définies et utilisées de façon responsable dans toute l'organisation.Voir la définition complète →. Pas parce que l'enregistrement était malveillant. Parce que personne ne l'a intercepté avant qu'il n'arrive en production.

Cette leçon vous met à cette place. Vous allez travailler sur un jeu de données d'onboarding, calculer les quatre metrics dont vit toute équipe qualité de données en fintech, et trancher : on livre ce feed, ou on le bloque.

Pourquoi la qualité de données est un problème spécifique aux fintechs

Les fintechs tournent sur des pipelines de données qui alimentent le KYC (Know Your Customer, le processus de vérification d'identité obligatoire avant l'ouverture d'un compte financier), le credit decisioning, le scoring de fraude et le reporting réglementaire. Une donnée dégradée ne fait pas que salir un dashboard. Elle déclenche des refus à tort, des limites de crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →édit erronées et des manquements de conformité à déclarer à des régulateurs comme le CFPB (Consumer Financial Protection Bureau, États-Unis) ou au titre du DORA européen (Digital Operational Resilience Act, applicable en 2025).

Contrairement à une équipe analytics retail où un champ sale donne un mauvais graphique, une erreur de données en fintech peut signifier l'onboarding d'une personne sous sanctions ou un mauvais calcul de solvabilité. Les enjeux redéfinissent les metrics qui comptent.

Les quatre metrics, définies

Complétude : le pourcentage de champs obligatoires effectivement renseignés.

Formule : (champs obligatoires remplis / total des champs obligatoires) × 100.

Fraîcheur (aussi appelée timeliness) : à quel point la donnée est à jour au moment où on en a besoin. Mesurée comme le décalage entre la survenue d'un événement et sa prise en compte dans la donnée, souvent en minutes ou en heures pour la donnée de fraude, en jours pour les rafraîchissements des bureaux de crédit.

Exactitude : le pourcentage d'enregistrements qui correspondent à une source de vérité fiable (une base d'identité gouvernementale, le ledger central d'une banque, un fichier de bureau de crédit).

Taux de duplication : le pourcentage d'enregistrements qui sont des doublons exacts ou proches d'un autre enregistrement du même jeu de données, souvent le même client avec une faute de frappe dans l'email ou une candidature resoumise.

Exemple travaillé : jeu de données d'onboarding

Imaginez le feed d'onboarding de nouveaux clients d'une banque digitale sur une journée. Taille de l'échantillon : 1 000 enregistrements.

Contrôle de complétude. Champs obligatoires : nom légal, date de naissance, numéro de pièce d'identité, adresse, email. L'audit trouve 940 enregistrements avec les cinq champs renseignés.

Complétude = 940 / 1 000 × 100 = 94 %

Contrôle de fraîcheur. La donnée KYC doit se synchroniser avec le prestataire de vérification d'identité dans les 2 heures suivant la soumission. L'analyse des logs montre un décalage moyen de 3,5 heures aujourd'hui, avec 150 enregistrements dépassant 6 heures.

Taux de dépassement de fraîcheur = 150 / 1 000 × 100 = 15 % des enregistrements hors SLA (service level agreement, le temps de réponse cible convenu avec le prestataire ou l'équipe interne)

Contrôle d'exactitude. Sur un échantillon de 200 enregistrements confrontés au registre national d'identité (méthode d'audit courante, le contrôle exhaustif étant coûteux), 8 présentent un numéro d'identité non concordant.

Exactitude = (200, 8) / 200 × 100 = 96 %

Contrôle de duplication. Le fuzzy matching (comparaison du nom, de la date de naissance et de l'email avec tolérance aux fautes de frappe) signale 35 candidats probablement en doublon.

Taux de duplication = 35 / 1 000 × 100 = 3,5 %

À quoi ressemble le « bon » niveau : benchmarks

Ces seuils varient selon les entreprises et ne sont pas des obligations réglementaires universelles, mais voici les estimations couramment citées par les praticiens de la data governance en fintech en 2025 :

Notre jeu de données échantillon dépasse chacun de ces seuils. La complétude est 4 points sous la cible, la fraîcheur affiche 15 % de dépassements de SLASLAEngagement formel définissant le niveau de service qu'un fournisseur garantit à un client, avec des objectifs mesurables et des conséquences en cas de manquement.Voir la définition complète →, l'exactitude manque de 3 points et la duplication est à 3,5x la cible.

Quel dépassement doit bloquer la production ?

Tous les dépassements ne pèsent pas le même poids. C'est l'arbitrage que fait quotidiennement une équipe qualité de données.

Duplication (3,5 %) : pénible, coûte du budget marketing et salit les dashboards, mais bloque rarement un lancement à elle seule. Corrigeable en aval avec un job de merge.

Complétude (94 %) : préoccupante si les champs manquants sont critiques pour le KYC (pièce d'identité, adresse). Si les 6 % d'écart se concentrent sur des champs facultatifs comme un deuxième prénom, c'est tolérable. S'il s'agit de numéros d'identité manquants, cela suffit à bloquer le feed, car vous ne pouvez pas légalement onboarder sans identité vérifiée au titre des règles BSA/AML (Bank Secrecy Act / Anti-Money Laundering, États-Unis) ou de l'AMLD européenne (Anti-Money Laundering Directive).

Fraîcheur (15 % de dépassements SLA) : décisive pour les feeds de scoring de fraude, bien moins pour un extract de reporting mensuel. Dépend du contexte.

Exactitude (96 %) : c'est en général le bloqueur le plus dur. Un taux de non-concordance de 4 % face au registre national d'identité signifie qu'environ 1 candidat sur 25 a un champ d'identité erroné en production. C'est une exposition KYC/AML directe.

La décision : bloquer le feed d'abord sur l'exactitude, ensuite sur la complétude (si elle se concentre sur les champs d'identité), et traiter la fraîcheur et la duplication comme surveillées-mais-livrables avec un ticket de remédiation. Cela reflète la façon dont les vraies équipes de data governance en fintech font leur triage : l'exposition juridique et de conformité prime sur la propreté opérationnelle.

D'où vient réellement cette donnée

Les fintechs puisent dans un ensemble précis de sources qu'il faut connaître :

• Prestataires de vérification d'identité (Jumio, Onfido, PersonaPersonaUne représentation semi-fictive, fondée sur des données, de votre client idéal : ses objectifs, ses frustrations, ses comportements et ses critères de décision.Voir la définition complète →) : documents, contrôles biométriques, alimentent les metrics d'exactitude et de fraîcheur du KYC.
• Bureaux de crédit (Experian, Equifax, TransUnion aux États-Unis ; Schufa en Allemagne, Experian au Royaume-Uni) : alimentent le credit decisioning, rafraîchis périodiquement, pas en temps réel.
• Core banking ou systèmes de ledger (Mambu, Thought Machine, ou en interne) : la source de vérité interne pour les soldes et les transactions.
• Payment rails (ACH, SEPA, réseaux de cartes) : données au niveau transaction, extrêmement sensibles à la fraîcheur pour la détection de fraude.
• API d'open banking (sous le standard Open BankingOpen BankingCadre réglementaire (PSD2 en Europe) obligeant les banques à partager les données clients via des API standardisées, avec consentement, transformant les données bancaires en actif compétitif. britannique ou la PSD2 européenne, Payment Services Directive 2) : données de comptes tierces, la qualité dépend entièrement de la fiabilité de l'APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète → de la banque connectée.

Chaque source a ses caractéristiques de qualité natives. La donnée des bureaux est très exacte mais périmée de plusieurs jours. Les feeds d'open banking peuvent être frais mais incohérents d'une banque à l'autre. Connaître le profil de qualité intrinsèque de la source détermine quel seuil est réaliste, et pas seulement souhaitable.

Un snippet de monitoring simple

Les équipes qualité de données automatisent souvent ces contrôles. Un exemple minimal en pseudocode façon pandas :

def completeness(df, required_cols):
    filled = df[required_cols].notna().all(axis=1).sum()
    return round(filled / len(df) * 100, 1)

def duplication_rate(df, match_cols):
    dupes = df.duplicated(subset=match_cols).sum()
    return round(dupes / len(df) * 100, 1)

completeness_score = completeness(onboarding_df, ["name","dob","id_number","address","email"])
dup_score = duplication_rate(onboarding_df, ["name","dob","email"])

Les vrais systèmes de production (avec des outils comme Great Expectations ou Monte Carlo) exécutent ces contrôles sur chaque batch et alertent automatiquement en cas de dépassement de seuil, plutôt que de s'appuyer sur un audit quotidien manuel comme dans notre exemple.

Pour une référence open-source plus poussée sur la mise en place de ces contrôles, voir la documentation Great Expectations, un framework de qualité de données open-source largement utilisé.

🎬 [VIDEO: "Data QualityData QualityLe degré d'aptitude des données à l'usage prévu : exactes, complètes, cohérentes, à jour, valides et uniques. Une data quality faible fragilise l'analytics, le reporting et l'IA.Voir la définition complète → Fundamentals" - youtube.com/results?search_query=data+quality+fundamentals+fintech - cherchez ce terme pour des démonstrations de praticiens à jour sur la complétude, l'exactitude et les pipelines de monitoring dans des contextes de données financières]

Points clés

• Les quatre metrics de base sont la complétude, la fraîcheur, l'exactitude et la duplication. Chacune a une formule calculable sur un échantillon, et chacune correspond à un risque opérationnel différent.
• Les seuils ne sont pas universels : les champs critiques KYC exigent une complétude et une exactitude proches de 100 %, alors que les champs marketing ou analytics tolèrent plus de jeu.
• Quand plusieurs seuils sont dépassés en même temps, priorisez d'abord par exposition à la conformité (exactitude et complétude sur les champs d'identité), puis par coût opérationnel (duplication, dépassements de fraîcheur non critiques).
• Connaissez le profil de vos sources : la donnée des bureaux de crédit est exacte mais lente, la donnée d'open banking est rapide mais incohérente. Jugez les dépassements à l'aune de ce que la source peut réellement livrer.
• Le monitoring automatisé (Great Expectations, Monte Carlo, ou scripts internes) est aujourd'hui la norme ; les audits quotidiens manuels comme l'exemple de cette leçon sont un outil pédagogique, pas la réalité de production.