Reprise des données ERP : préparer un import contrôlable

Une reprise de données réussie se vérifie par des contrôles définis avant l’import. Commencez par choisir ce qui sera transféré, ce qui sera archivé et ce qui devra être nettoyé. Demandez un essai représentatif, une liste des rejets et un rapprochement final. Le nombre de fichiers importés ne prouve pas que les données sont complètes ou utilisables.

Délimiter les objets et l’historique

Inventoriez clients, fournisseurs, articles, stocks, documents et écritures selon votre périmètre. Pour chaque objet, précisez la profondeur d’historique souhaitée et les liens à préserver. Reprendre les soldes n’équivaut pas à reprendre tous les mouvements. Décidez avec les responsables métier et comptables de ce qui doit rester accessible, dans quel système et pendant quelle durée appropriée. Ne supprimez pas des archives pour simplifier le projet sans examen de vos obligations. Le devis doit énumérer les objets et les pièces jointes inclus, ainsi que les exclusions acceptées.

Attribuer le nettoyage et la correspondance

Les doublons, les codes obsolètes et les champs incohérents demandent des arbitrages que l’intégrateur ne peut pas toujours prendre à votre place. Définissez qui corrige les fichiers et qui valide les règles de correspondance. Un ancien code peut devenir plusieurs valeurs dans le nouveau modèle, ou l’inverse. Documentez ces transformations et leur justification. Faites tester les formats, les caractères et les identifiants. La charge de nettoyage doit apparaître dans le planning interne, sans être supposée instantanée. Une règle décidée tardivement peut obliger à recommencer une partie de la reprise.

Organiser un import de répétition

Choisissez un échantillon couvrant les situations normales et les cas difficiles : données incomplètes, documents liés ou références particulières. L’essai doit produire un résultat analysable et une liste des erreurs. Mesurez la durée réelle du traitement pour préparer la bascule, sans extrapoler aveuglément à partir d’un petit fichier. Vérifiez les droits d’accès aux données de test et limitez les informations personnelles partagées. Précisez combien de cycles sont inclus dans la prestation et ce qui se passe si le format source change après validation.

Définir des contrôles de rapprochement

Comparez les quantités, les totaux et des enregistrements détaillés entre source et cible. Un même nombre de lignes peut masquer des montants mal affectés ou des liens perdus. Contrôlez les références, les dates, les unités et les pièces jointes importantes. Établissez une méthode pour traiter chaque rejet : correction, exclusion justifiée ou reprise supplémentaire. Faites valider les contrôles par les personnes compétentes pour les données concernées. Le compte rendu doit permettre de comprendre les écarts, pas seulement d’affirmer que l’import s’est terminé sans message d’erreur.

Préparer le gel et le retour arrière

La bascule suppose de savoir à quel moment l’ancien système cesse d’être modifié et comment traiter les opérations en attente. Définissez le gel, l’extraction finale, l’import et les contrôles avant ouverture. Un plan de retour arrière précise les conditions d’arrêt et la manière de préserver les opérations réalisées pendant l’essai. Gardez les sources intactes jusqu’à validation selon votre procédure. Si la fenêtre prévue est dépassée, le responsable doit pouvoir décider avec des critères préparés. Une décision improvisée sous pression peut rendre les données difficiles à rapprocher ensuite.

Exemple de travail

Exemple illustratif : un fichier contient 8 000 références. L’import en accepte 7 850 et rejette 150 lignes. Dire que « presque tout est passé » ne suffit pas. Les rejets peuvent concerner des articles très utilisés ou des liens essentiels. Classez-les par cause, corrigez les données et refaites le rapprochement. Vérifiez également que les 7 850 références acceptées portent les bonnes unités et relations. Aucun taux de réussite générique ne remplace ces contrôles. Le coût d’un cycle supplémentaire doit être prévu si le devis ne couvre qu’un nombre limité de répétitions.

Fiche de vérification

Élément	Question à documenter	Preuve ou responsable
Objet repris	Périmètre et historique	Propriétaire des données
Transformation	Règle et correspondance	Validation métier
Import	Acceptations et rejets	Journal exploitable
Rapprochement	Quantités et valeurs	Écarts expliqués

À faire dans votre équipe

Choisissez un objet lié à plusieurs autres, comme une commande avec client, article et pièce jointe. Suivez-le dans la source, le fichier d’extraction et la cible. Vérifiez que son identité et ses relations restent compréhensibles. Faites ensuite le même parcours sur une donnée volontairement invalide pour observer le rejet et sa correction. Cette répétition permet de tester la procédure de bout en bout, y compris les personnes qui interviennent. Rédigez un compte rendu court indiquant le jeu utilisé, les règles appliquées, les résultats et les réserves. Il servira de référence lors de la reprise finale et aidera à distinguer une anomalie de transformation d’un problème déjà présent dans les données sources.

Questions fréquentes

Faut-il reprendre tout l’historique ?

Pas automatiquement. Décidez selon les besoins d’exploitation, les possibilités d’archivage et les obligations à examiner avec les professionnels concernés. La simplification doit être documentée.

Qui corrige les doublons ?

Le responsable des données doit arbitrer les cas métier. Le prestataire peut fournir des outils ou réaliser des traitements, mais il lui faut des règles validées.

Un import sans erreur est-il une preuve suffisante ?

Non. Il faut contrôler le contenu, les liens et les valeurs, puis expliquer les écarts. L’absence d’erreur technique ne démontre pas l’exactitude métier.

Pour poursuivre

Sources et portée

CNIL — rôles des acteurs du cloud — référence officielle consultée le 30 octobre 2026.

Les démarches, tableaux et scénarios sont des propositions de méthode propres à ce guide. La référence officielle permet de vérifier les conditions ou notions mentionnées ; elle ne valide pas les hypothèses chiffrées illustratives et ne constitue pas un classement de produits.