csrdready Inscrivez-moi sur la liste d'attente

Kennisbank

Comment vos données de durabilité deviennent contrôlables pour une mission d'assurance

Un auditeur qui délivre une assurance sur des données de durabilité pose une question simple : d'où vient ce chiffre, et qui peut le démontrer. Beaucoup d'organisations ne remarquent qu'au moment de la préparation d'une mission d'assurance que cette question ne peut pas être répondue point de donnée par point de donnée. Le chiffre figure dans le rapport, mais le chemin qui y conduit n'est nulle part consigné.

Ce que l'assurance appelle contrôlable

L'assurance ne demande pas un beau rapport. Elle demande une piste : un point de donnée doit pouvoir être retracé jusqu'à une source, via des étapes consignées, avec un propriétaire identifiable capable d'expliquer comment le chiffre est né. Sans cette piste, tout contrôle devient une reconstruction a posteriori, avec les risques qui l'accompagnent : des personnes qui ne savent plus pourquoi un chiffre a été modifié, des feuilles de calcul qui ont été écrasées, une source qui n'est plus retrouvable.

La question où un point de donnée existe-t-il déjà paraît simple, mais c'est précisément la question qui refait surface pendant l'assurance. Si la réponse diffère selon le système, ou si personne ne le sait avec certitude, ce n'est pas une question de forme de rapport. C'est une faille dans la lignée que révèle une mission d'assurance.

Pourquoi cela ne commence pas par un outil

On a tendance à vouloir résoudre ce problème avec un logiciel qui génère des rapports. Cela ne change rien à la contrôlabilité des chiffres sous-jacents. Un outil qui produit une sortie soignée au-dessus d'un processus sans sources ni responsabilités consignées livre un rapport plus convaincant sur les mêmes données peu fiables. L'assurance regarde à travers cette couche.

La contrôlabilité commence par trois questions par point de donnée : d'où vient-il, qui en est responsable, et quelle règle détermine si la valeur est correcte. Ce ne sont pas des questions qu'un outil de reporting résout. Ce sont des questions qu'une organisation doit elle-même clarifier, consigner et entretenir.

Ce que cela apporte, et ce que cela n'apporte pas

Un registre de points de données avec une lignée source-to-report répond à ces trois questions, point de donnée par point de donnée. Il montre quelle partie des données dispose déjà d'une source et d'un propriétaire clairs, et quelle partie n'en dispose pas. Cette distinction est exactement ce dont il est question dans combien de vos points de données ont une source : non pas une estimation, mais un comptage par point de donnée, avec les lacunes visibles plutôt que noyées dans une moyenne.

Ce que cela ne fait pas : cela ne produit pas de jugement d'assurance, cela n'évalue pas la matérialité, et cela ne garantit pas l'approbation d'un auditeur. Un registre avec lignée est un travail préparatoire. Il rend visible ce qui est contrôlable et ce qui ne l'est pas encore, afin qu'une mission d'assurance ne trébuche pas sur des questions qui auraient déjà dû être posées depuis longtemps. Le résultat de cette mission reste entre les mains de la partie qui délivre l'assurance.

La responsabilité n'est pas un détail

Un point de donnée sans propriétaire est un point de donnée que personne ne peut défendre lorsqu'une question surgit à son sujet. Dans la pratique, la responsabilité change : les personnes changent de fonction, des feuilles de calcul sont reprises par un successeur qui n'en connaît pas l'historique. La question qui lit votre registre de points de données quand vous ne serez plus là n'est donc pas une expérience de pensée. C'est un test permettant de vérifier si la consignation est indépendante d'une seule personne, ou si le savoir disparaît dès que cette personne s'en va.

Un registre qui n'existe que dans la tête du contrôleur n'est pas un registre. L'assurance exige quelque chose qui tient bon même quand la composition de l'équipe change.

Ce n'est pas chaque point de donnée qui est le problème

Une partie de la difficulté lors de la préparation à l'assurance ne vient pas de mauvaises données, mais de trop de données : des points de données collectés parce qu'ils paraissaient pertinents à un moment donné, sans que personne ne vérifie plus s'ils le sont toujours. La question de quels points de données avez-vous réellement besoin fait donc partie du même exercice que la construction de la lignée. Moins de points de données avec une piste complète sont plus contrôlables qu'une longue liste dont la moitié n'a jamais été utilisée.

Les feuilles de calcul sont souvent accusées dans ce contexte, mais le problème réside rarement dans le format de fichier lui-même. Les raisons pour lesquelles les feuilles de calcul ne sont pas toujours le problème sous-jacent sont traitées sur pourquoi les feuilles de calcul ne sont pas le problème : une feuille de calcul avec une source consignée et un propriétaire désigné est tout aussi contrôlable qu'un système, et un système sans cette consignation est tout aussi vulnérable qu'une feuille de calcul isolée.

Ce qui change une fois la lignée en place

L'effet d'un registre complet se fait sentir non seulement lors de la préparation à l'assurance, mais dans le travail quotidien autour du reporting : moins d'allers-retours sur l'origine d'un chiffre, moins de temps consacré à reconstruire un chemin déjà clarifié une fois. Ce qui change concrètement une fois cette structure en place est décrit sur ce qui change une fois la lignée en place.

Cet outil est en cours de développement. Ceux qui souhaitent faire réaliser le scan dès qu'il sera disponible peuvent s'inscrire sur la liste d'attente.

Clarifier les sources, les responsabilités et les règles de qualité est un travail qui se fait aujourd'hui souvent manuellement, point de donnée par point de donnée, système par système. Une partie de ce travail de clarification peut être accélérée par l'IA, une autre partie non, et la répartition entre les deux varie selon l'organisation et le processus. FTE TO AI propose un scan de travail qui calcule, tâche par tâche, quelle part du travail peut être reprise par l'IA, afin de rendre visible où l'automatisation libère du temps et où le travail manuel demeure.

Marvinde assistent van de Data Readiness Scan

Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.

Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.