Une PME romande nous a sollicités fin d’année dernière après une mésaventure classique. Ils avaient lancé une campagne d’emailing massive sur leurs 4 200 contacts CRM, sans avoir fait d’audit data au préalable. Bilan deux semaines plus tard : taux de bounce à 31 %, plaintes de prospects qui n’avaient jamais demandé à être contactés, et un client important froissé d’avoir reçu un email d’acquisition alors qu’il facture avec eux depuis trois ans.

Diagnostic : leur base de 4 200 contacts contenait en réalité environ 1 800 entrées exploitables. Le reste était du bruit — doublons, adresses obsolètes, contacts inactifs depuis cinq ans, fiches d’un ancien commercial qui n’avait jamais nettoyé son fichier en partant.

Ce scénario, nous le voyons régulièrement. La question qu’il faut se poser avant de lancer une campagne — et plus largement avant de se déclarer « data-driven » — est simple : que vaut vraiment ma base aujourd’hui ?

C’est l’objet de cet article : poser une méthode pour évaluer votre propre base, sans budget, sans logiciel, en une journée de travail. Et indiquer à quel moment un audit accompagné devient pertinent.

Qu’est-ce qu’un audit data, vraiment

Un audit data n’est pas un projet confié à un grand cabinet de conseil avec un livrable de 50 slides. Pour une PME, c’est un état des lieux structuré qui répond à trois questions :

• Que contient ma base ?
• Quelle proportion est exploitable ?
• Qu’est-ce qui m’empêche aujourd’hui de l’activer correctement ?

Pas plus, pas moins. Le livrable type tient sur trois pages : un constat chiffré, une liste de problèmes prioritaires, et une feuille de route en 3 à 5 actions concrètes. Tout le reste — la cartographie SI, les schémas d’architecture, les recommandations d’outils sophistiquées — c’est du bonus, pas le cœur.

Cette définition minimaliste choque souvent les dirigeants qui ont déjà reçu des propositions à plusieurs dizaines de milliers de francs pour un audit data. Notre conviction : si l’audit ne tient pas sur trois pages lisibles par un dirigeant non-technicien, il a raté sa cible.

Les 5 critères qui comptent vraiment

Quand nous menons un audit data en PME, nous regardons cinq dimensions. Pas dix, pas vingt. Cinq.

1. Le volume utile, pas le volume total. Une base de 5 000 contacts dont 60 % sont des doublons, des prospects froids depuis quatre ans, ou des contacts qui n’ont jamais répondu, vaut moins qu’une base de 1 200 contacts qualifiés et à jour. La première métrique d’un audit n’est jamais « combien j’ai de lignes » — c’est « combien sont activables aujourd’hui ».

2. La qualité — doublons, complétude, fraîcheur. Trois sous-critères : combien de doublons (même contact présent plusieurs fois avec orthographes ou e-mails différents), combien de fiches incomplètes (champs critiques manquants : e-mail, téléphone, secteur), combien de fiches non touchées depuis plus de 24 mois. Ces trois chiffres révèlent l’état réel d’exploitation de votre base.

3. La structure. Vos champs sont-ils standardisés ? « Genève », « GE », « Geneve », « geneva » cohabitent souvent dans la même base. Avez-vous des statuts clairs (prospect, lead qualifié, client actif, client inactif) ou tout le monde est-il « contact » ? La structure conditionne tout ce qui viendra ensuite — segmentation, automatisation, reporting.

4. L’accessibilité. Qui peut requêter quoi ? Si seul le commercial qui a paramétré le CRM sait extraire les bons rapports, votre base n’est pas un actif d’entreprise — c’est une connaissance individuelle. Le jour où cette personne part, vous perdez l’accès.

5. La conformité nLPD. Depuis septembre 2023, la nouvelle loi suisse sur la protection des données impose des obligations spécifiques : finalité du traitement, durée de conservation, droit à la suppression, registre des traitements. Une base non conforme est un risque opérationnel et juridique — pas une option à traiter « plus tard ».

Checklist : 10 questions à vous poser cette semaine

Voici les 10 questions que nous posons systématiquement en début d’audit. Vous pouvez y répondre seul, en interne, sans rien acheter.

Volume et qualité

1. Combien de contacts au total dans votre CRM principal ?
2. Combien de doublons identifiés (même nom, même entreprise, ou même email) ?
3. Quel pourcentage de fiches a une adresse e-mail valide et vérifiée ?
4. Quel pourcentage de fiches n’a aucune interaction enregistrée dans les 18 derniers mois ?

Structure

5. Vos statuts de contact sont-ils définis et documentés (qui est « prospect », qui est « client actif », qui est « inactif ») ?
6. Vos segments commerciaux sont-ils standardisés (secteur d’activité, taille d’entreprise, géographie) ?
7. Avez-vous une politique claire pour saisir un nouveau contact (champs obligatoires, source d’origine identifiée) ?

Accessibilité et conformité

8. Combien de personnes dans l’entreprise savent extraire un rapport simple — par exemple, tous les clients actifs du secteur de la construction ?
9. Avez-vous un registre des traitements de données conforme à la nLPD ?
10. Si votre commercial principal partait demain, sauriez-vous reprendre la main sur votre CRM en moins d’une semaine ?

Si vous répondez « non » ou « je ne sais pas » à plus de 4 questions sur 10, votre base est probablement dans la moyenne des PME romandes que nous accompagnons — et un audit structuré vous fera gagner six mois sur les décisions à venir.

Quand l’auto-diagnostic ne suffit plus

Faire l’auto-diagnostic est utile et gratuit. Il atteint cependant ses limites dans deux cas précis.

Premier cas : sources multiples qui ne se parlent pas. Si vos données vivent dans trois outils ou plus — CRM, facturation, fichier Excel commercial, formulaires du site — vous n’obtiendrez pas la photo unifiée que demande un audit complet. Recouper manuellement quatre sources prend des semaines, et le résultat est rarement fiable.

Deuxième cas : absence de référentiel. Constater que 40 % de vos fiches n’ont pas été touchées depuis 18 mois ne vous dit pas si c’est normal pour votre secteur ou alarmant. Il faut comparer à des benchmarks, et c’est là qu’un regard extérieur change la donne.

C’est précisément l’objet de notre offre Audit Data. Le livrable est cadré : trois pages, des chiffres, une feuille de route priorisée. Pas de tunnel de 50 slides.

FAQ

Combien de temps prend un audit data en PME ? En auto-diagnostic, comptez une demi-journée à un jour de travail pour répondre aux 10 questions de la checklist. Pour un audit accompagné incluant cartographie complète, qualification de la base et benchmarks, la durée varie selon la complexité de votre architecture et le nombre de sources à recouper.

Faut-il un CRM avant de faire un audit data ? Non — c’est souvent l’inverse. Faire un audit avant l’achat d’un CRM permet de définir précisément ce que l’outil devra accomplir, ce qui évite d’acheter une Ferrari pour aller chercher le pain.

À quelle fréquence faut-il refaire un audit data ? Un audit complet tous les 18 à 24 mois suffit pour la plupart des PME. Entre deux audits, un nettoyage trimestriel de la base (doublons, contacts inactifs) maintient la qualité.

Mon audit révèle 60 % de fiches inutilisables. Faut-il les supprimer ? Pas systématiquement. Avant suppression, vérifier l’historique commercial (un contact froid peut redevenir actif), respecter la nLPD sur les durées de conservation, et archiver plutôt que détruire pour les fiches à valeur historique. La règle : nettoyer en plusieurs passes, pas en une seule.

Avant le grand projet, l’état des lieux

Un audit data n’est pas un préalable à un grand projet de transformation digitale. C’est l’inverse — c’est le préalable à savoir si vous avez réellement besoin d’un projet, et lequel. Beaucoup de PME romandes investissent dans un nouveau CRM ou une nouvelle stack marketing alors qu’un audit aurait révélé que le problème était ailleurs : règles de saisie, formation des équipes, gouvernance des données.

Si vous voulez un état des lieux extérieur structuré, sans engagement au-delà, notre Audit Data est conçu exactement pour ça. Et pour comprendre comment cet audit s’inscrit dans une démarche plus large, l’article sur devenir data-driven en PME B2B romande pose le cadre méthodologique complet.