Data & IA

Data lineage : quand l’analyse d’impact suffit-elle ?

Un graphe incomplet peut manquer un filtre ou un Excel de clôture. Quelles preuves réunir avant un changement, et quand financer une collecte plus large ?

Miljan Stojiljkovic
26 Octobre 2026
9 min
nympharaidatalineagedirection-datagouvernancebi

Une équipe remplace paid par settled dans le statut de ses commandes. Le schéma ne change pas. Le rapport Finance a été identifié parmi les consommateurs ; un rapport Opérations lit les mêmes montants. La finance mentionne aussi un Excel de clôture, sans que personne ait encore retrouvé sa connexion et ses formules.

Dans cette situation fictive, le Head of Data ne manque pas d’une règle de publication. Il manque d’une preuve sur l’étendue du changement. Faut-il prolonger l’enquête, compléter le catalogue ou accepter les inconnues restantes ? Le nombre de rapports testés ne répond pas à la question si l’usage le plus important reste hors du périmètre vérifié.

Le data lineage, ou lignage des données, représente les relations entre sources, transformations et consommateurs. Il aide à diriger l’investigation. Pour autoriser un changement, il faut encore savoir ce que ce graphe couvre, ce qu’une absence de lien signifie et quel résultat a effectivement été vérifié.

Le calcul peut réussir tout en perdant son sens

Nous avons rejoué le 16 novembre 2026 notre atelier local sur quatre commandes fictives. Les montants sont de 100 euros payés, 40 annulés, 50 remboursés et 30 en attente. Le rapport Finance additionne uniquement les commandes dont le statut est paid.

Le scénario suppose le même sens métier : seul le libellé change. La modification remplace paid par settled, sans toucher aux colonnes ni aux montants. Le résultat SQLite est précis :

Contrôle du même jeu fictif Avant le changement Après le changement
Somme avec le filtre historique status = 'paid' 10 000 centimes NULL
Somme avec le filtre adapté status = 'settled' Non utilisée comme référence initiale 10 000 centimes
Somme brute, tous statuts 22 000 centimes 22 000 centimes
Nombre de commandes 4 4

L’ancienne requête termine sans erreur. Elle ne trouve plus de ligne à additionner ; son résultat n’est pas zéro. Une alerte de disponibilité du traitement et un contrôle du total brut laisseraient passer ce défaut.

Le champ status ne fournit aucun centime au résultat affiché. Il détermine pourtant quelles commandes y entrent. C’est une dépendance indirecte : la valeur du montant est conservée, mais le groupe de lignes retenues change. Un graphe qui ne suivrait que les valeurs directement transmises manquerait ce mécanisme.

L’atelier le montre en retirant les relations indirectes du parcours : le rapport Finance cesse alors d’apparaître parmi les descendants du statut. Il ne démontre pas qu’un produit particulier commet cette omission. Le graphe est déclaré à la main, et aucun catalogue n’a été connecté.

Trois preuves qui ne se remplacent pas

Pour notre changement de vocabulaire, trois niveaux doivent être examinés.

La dépendance directe explique d’où vient une valeur : le montant de commande alimente une somme. Elle permet de rechercher les transformations concernées si l’unité ou le calcul du montant change.

L’influence indirecte explique ce qui décide des lignes ou de leur organisation : le filtre de statut dans notre cas, une condition de jointure dans un autre. La spécification OpenLineage peut représenter ces relations et distingue notamment DIRECT et INDIRECT, avec des sous-types de filtre et de jointure. Cette capacité du format ne garantit pas qu’une intégration collecte toutes ces relations. Facette de lignage de colonnes OpenLineage.

La preuve d’usage relie la sortie à ce qu’une personne utilise pour agir. Un modèle technique peut alimenter un tableau de bord puis un export repris dans Excel. Le graphe de transformation n’explique pas nécessairement cette dernière étape ni l’importance du fichier pour la clôture.

Ces trois niveaux produisent des conclusions différentes :

Objet de notre scénario Ce que le graphe permet de dire Ce qui manque pour la décision
Rapport Finance Un chemin existe depuis le statut via le filtre Vérifier que le rapport adapté retrouve le résultat métier attendu
Rapport Opérations Aucun chemin depuis le statut dans le graphe fourni Examiner la requête et les éventuels filtres hors de ce graphe
Excel de clôture Consommateur mentionné, connexion inconnue Retrouver son responsable, son alimentation et la manière dont il sert la clôture

Le rapport Opérations n’est donc pas déclaré « sans impact » par notre atelier. Sa matrice indique « inconnu : aucun chemin dans ce graphe ». Cette formulation conserve l’information qui manque au lieu de transformer une limite de collecte en autorisation.

Les outils n’observent pas le même périmètre

La documentation de dbt Catalog, vérifiée le 16 novembre 2026, maintient une réserve dans « Caveats in Catalog » : le lignage de colonnes reflète les usages dans les SELECT, sans couvrir les autres usages tels que les jointures et filtres. La même page décrit séparément le mode local dbt v2. Cette restriction de Catalog ne doit pas être appliquée à tous les modes dbt. Pour notre cas, elle justifie de vérifier le prédicat dans le SQL, même si le graphe affiché ne relie pas le statut au montant. Lignage de colonnes dbt.

Les exposures dbt permettent de décrire un usage aval, ses dépendances et son propriétaire. Elles peuvent être déclarées manuellement ; dbt documente aussi leur création automatique pour des intégrations prises en charge. Il faut donc vérifier la couverture de l’intégration réellement utilisée. Déclarer l’Excel rendrait son existence visible, mais ne prouverait pas que ses formules acceptent le nouveau statut. Documentation des exposures.

Dans Power BI, l’analyse d’impact d’un modèle sémantique expose des rapports et dashboards potentiellement concernés. Elle ne démontre pas qu’une mesure changera. Microsoft précise aussi les droits d’écriture nécessaires et l’affichage « Limited access » pour les éléments auxquels le lecteur n’a pas accès. Un compte disposant d’une visibilité réduite peut donc produire une enquête incomplète. Analyse d’impact Power BI.

Ces documents décrivent des fonctions et leurs limites. Nous n’avons exécuté ni dbt, ni OpenLineage, ni Power BI pour cette réécriture. Le choix de l’enquête ne peut pas reposer sur une capacité annoncée sans vérifier son activation, ses droits et la fraîcheur des métadonnées dans l’entreprise.

L’inconnue qui doit retenir l’avis de changement

Revenons à l’Excel. Ajouter des centaines de tables au catalogue ne répondrait pas nécessairement à l’inconnue qui compte ici. Il faut savoir si le fichier relit la source modifiée, reçoit un export qui a changé, ou utilise un lot déjà figé pour la clôture.

Dans ce scénario, je ferais rechercher ce fichier et son responsable avant d’élargir la collecte à d’autres domaines. Le travail demandé est précis : ouvrir l’alimentation réellement utilisée, retrouver le lot qui nourrit le résultat et examiner les filtres ou formules concernés. Le témoignage « ce fichier utilise les ventes » aide à le trouver ; il ne suffit pas pour conclure sur paid.

Deux constats possibles changeraient la décision :

  • Si le fichier est actualisé à partir de la source courante, le nouveau vocabulaire doit être essayé sur une copie du flux et du fichier. Le responsable de la clôture doit vérifier le résultat utile, pas seulement l’ouverture du classeur.
  • Si la clôture utilise un export figé, conservé et identifiable, et qu’aucune actualisation de ce lot n’est prévue pour cette clôture, le changement de la source n’altère pas ce lot. Cette conclusion porte sur la clôture examinée ; elle ne dispense pas de préparer l’extraction suivante.

L’atelier ne permet de choisir entre aucune de ces deux branches. Son Excel reste inconnu. Tant qu’il peut relire les données modifiées pour produire la clôture, je ne donnerais pas un avis d’impact maîtrisé sur ce périmètre. Valider les deux rapports visibles ne résout pas cette dépendance.

La priorité serait différente pour un fichier exploratoire sans engagement partagé, dont le propriétaire accepte l’interruption et sait repartir d’une copie. Une même lacune de graphe n’a pas la même conséquence selon l’usage. Cette différence doit être établie avec le responsable ; elle ne se déduit ni du nom du fichier ni de son nombre de consultations.

Jusqu’où pousser l’enquête ?

Exiger une cartographie complète de toute l’entreprise avant chaque livraison rendrait la décision dépendante d’un chantier sans fin définie. À l’inverse, vérifier seulement les nœuds déjà présents dans le catalogue laisserait ses angles morts décider du périmètre à votre place.

Pour ce changement, je bornerais l’enquête à la source et aux chemins par lesquels ses données sont diffusées. Le dossier de décision identifierait l’environnement, la version de la source, le changement exact et la date du graphe. Il rapprocherait ensuite les consommateurs décrits par les équipes des requêtes, connexions et extractions effectivement retrouvées.

Ce rapprochement sert à examiner la frontière du périmètre. Un compte technique partagé peut empêcher d’identifier le destinataire d’une extraction ; une connexion BI connue ne couvre pas automatiquement les fichiers qu’elle a permis d’exporter. Ces situations restent des inconnues à examiner selon leur conséquence. L’absence d’activité récente peut orienter une recherche, mais ne clôt pas à elle seule le cas d’un usage intermittent.

L’avis favorable devient défendable lorsque les chemins modifiés ont été contrôlés, les résultats importants ont été rapprochés d’une référence et les usages critiques mentionnés ont chacun une conclusion étayée. Il peut rester des inconnues, mais leur exclusion du périmètre ou leur conséquence acceptée doit être explicite. Une preuve circonscrite permet une décision circonscrite ; elle n’autorise pas à annoncer « aucun impact dans l’entreprise ».

Dans notre cas, une lecture du SQL peut confirmer le filtre Finance ; une recette peut démontrer le défaut puis sa correction ; l’examen du classeur peut établir sa dépendance ou son isolation. Ces preuves n’ont pas besoin d’attendre l’installation d’un nouveau catalogue. Elles doivent en revanche rester rattachées à la version qui sera livrée. Un graphe collecté avant une nouvelle connexion ne couvre pas cette connexion.

Quand financer une collecte plus large

Pour une évolution rare, avec peu de chemins de diffusion et des responsables disponibles, l’enquête ciblée peut être le meilleur usage de la capacité. Elle consomme du temps de lecture et de recette à chaque changement, mais évite de maintenir des connecteurs dont l’entreprise aurait peu l’usage. Dans le cas présent, son apport immédiat serait de résoudre l’Excel et les influences de filtre, deux lacunes nommées.

L’automatisation devient plus intéressante si les mêmes recherches doivent être recommencées fréquemment, si de nouveaux consommateurs apparaissent entre deux inventaires, ou si la collecte manuelle manque régulièrement des dépendances connues après incident. Il faut alors vérifier que le dispositif proposé couvre précisément ces manques. Un meilleur graphe de colonnes sélectionnées ne résoudrait pas notre prédicat ; un connecteur supplémentaire sans visibilité sur les exports ne documenterait pas forcément le fichier de clôture.

Je comparerais la collecte candidate à une référence vérifiée manuellement sur ce périmètre : quels liens directs, indirects et usages retrouve-t-elle ? Lesquels manque-t-elle ? Quels liens proposés demandent une vérification supplémentaire ? Le temps de recherche économisé doit être confronté au travail de configuration, de droits, de correction des identifiants et de maintien des déclarations.

Un taux de couverture n’aurait de sens qu’avec son dénominateur : les dépendances confirmées de ce pilote. Il ne mesure pas les consommateurs encore inconnus de l’entreprise. Le maintien de l’enquête actuelle reste préférable si elle répond déjà au rythme des changements et que la nouvelle collecte n’apporte pas les preuves manquantes à un coût acceptable.

Une preuve locale que l’équipe peut reproduire

L’atelier historique téléchargeable est conservé sans modification. Il contient le graphe manuel, le script Python et la matrice d’impact. Depuis une extraction neuve, ouvrez le dossier atelier-lineage et lancez python3 atelier.py avec Python 3.10 ou plus ; SQLite et les autres modules utilisés font partie de la bibliothèque standard.

L’exécution réécrit resultats.json et matrice-impact.csv dans ce dossier isolé. Elle n’utilise aucun service réseau ni base persistante. Une assertion en échec termine avec une erreur. Le rejeu du 16 novembre passe les 14 contrôles prévus, dont l’omission du rapport en parcours direct, le filtre devenu incorrect et le maintien de l’Excel en couverture inconnue. Le graphe fourni n’est ni un export de catalogue ni un événement conforme à OpenLineage.

Ce résultat établit le mécanisme sur des données synthétiques. Il ne mesure pas la couverture d’une plateforme, la fréquence des incidents ou l’économie d’un catalogue. L’intérêt pour la direction est de savoir quelle preuve demander à l’équipe lorsque l’outil affiche un graphe rassurant mais que l’usage reste mal connu.

Le contrat de données traite l’engagement et l’autorité de publication. La transition d’un schéma CDC traite l’adaptation des lecteurs et le rejeu des anciens événements. Ici, la décision porte sur la connaissance de ceux qui seront touchés : pour notre changement de statut, je financerais d’abord l’enquête ciblée et la recette des usages critiques. Je réserverais l’extension du catalogue au cas où elle prouve qu’elle réduit les lacunes récurrentes de cette enquête.

Ressource gratuite

Checklist Audit IA 90 jours pour PME

Cadrage des process, données, cas d'usage, garde-fous RGPD/AI Act, quick wins, roadmap : 6 blocs et 28 points de contrôle, utilisables en autonomie. Reçue par email, sans séquence commerciale derrière.

Recevoir la checklist

Appliquer cette méthode à vos process

Votre équipe Data & IA externalisée, de 2 à 5 jours par semaine. L'atelier de cadrage inclus produit votre feuille de route priorisée par impact.