La rupture de l’exactitude, de l’exhaustivité, de la cohérence, de la traçabilité ou de la chaîne autorisée des données financières ou opérationnelles de sorte que la confiance en ces données compromet la production de rapports, les contrôles internes, la mesure des risques ou la prise de décision.

Principe

Les systèmes, contrôles et décisions qui s’appuient sur des données héritent de leurs défauts : les erreurs de source se propagent dans les agrégations, réconciliations et modèles, produisant des résultats erronés sauf si elles sont détectées et corrigées au point de contrôle approprié.

Démonstration

Scénario illustratif → Situation : un grand livre de paiements reçoit des écritures dupliquées après une migration. Reconnaissance : les rapports de réconciliation montrent des augmentations de solde inexpliquées. Action : des ingénieurs données retracent le script de migration, éliminent les doublons, rétablissent les enregistrements canoniques et renforcent la validation post‑migration. Conséquence : les indicateurs et rapports réglementaires sont corrigés ; avant remédiation, les décisions fondées sur des soldes gonflés auraient mal alloué le capital.

Mauvaise application

Supposer qu’une validation ou une réconciliation ponctuelle garantit l’intégrité. L’erreur sémantique consiste à considérer des contrôles ponctuels comme une preuve systémique ; l’intégrité exige la traçabilité, des validations de bout en bout et des contrôles visant les modes de défaillance probables, pas seulement des vérifications isolées.

Conséquence

Les défaillances d’intégrité des données entraînent de manière causale des inexactitudes, des métriques de risque erronées, des contrôles inefficaces et des décisions inappropriées ; cela peut conduire à des manquements réglementaires, des erreurs de reporting financier, des allocations de capital incorrectes et des perturbations opérationnelles selon les domaines de données affectés et le délai de détection.

Inversion

Des erreurs isolées, détectées et entièrement corrigées avec une piste d’audit complète et des contrôles compensatoires peuvent ne pas compromettre matériellement la prise de décision ; l’existence d’un chemin de correction auditable et d’une remédiation rapide limite l’impact fonctionnel d’un incident d’intégrité des données.

Limite

Dans la définition : écritures corrompues dans un grand livre qui modifient les soldes des états financiers. Cas limite : des données exactes mais obsolètes pour certaines décisions en temps réel. Hors définition : la falsification volontaire des données (fraude) — bien que liée, la fraude relève d’une catégorie causale distincte nécessitant des contrôles différents.

Tension sémantique

Actualité ↔ Exactitude — le besoin de données rapides et quasi‑temps réel peut entrer en conflit avec des procédures de validation approfondies ; les organisations doivent arbitrer latence et confiance selon l’usage.

Synthèse

La défaillance d’intégrité des données est une condition de systèmes et processus : elle résulte d’une traçabilité, de validations ou de contrôles insuffisants et se gère mieux par la conception d’une provenance de bout en bout, des contrôles automatisés aux points d’intégration, et des protocoles de remédiation clairs plutôt que par des vérifications ponctuelles.