Lire les résultats avec prudence
Lire la tendance avec les changements de périmètre, de volume et de méthode de collecte. Une amélioration apparente peut provenir d’une population différente ou d’un reclassement. Croiser la mesure avec une observation terrain avant d’en déduire une progression réelle.
La question de contrôle reste : vérifier qu’une fusion erronée peut être détectée, expliquée et corrigée sans perdre les liens nécessaires.
Identifier les objets maîtres, sources autorisées, identifiants, règles de rapprochement, conflits et modes de diffusion.
Dans l’approche DYNAMAP appliquée à l’IA, le MDM participe à une gouvernance élargie. Cela ne signifie pas qu’un produit MDM couvre seul métadonnées, sécurité et traçabilité complète.
Application à votre contexte
Vérifiez si la population, la source ou les règles de calcul ont changé. Comme une moyenne ne montre pas la dispersion, examinez les cas les plus pénalisants et les services critiques avant de conclure à une amélioration.
Mesurez les anomalies sur un dénominateur explicite et distinguez les données corrigées des causes supprimées. Nettoyer un export chaque semaine peut masquer une erreur de saisie ou de transformation qui continue à se reproduire dans la source.