Aller au contenu
NL-Q CRM Un site du réseau NL-Q

Liste

Qualité des données CRM : la liste de contrôle

Avant de questionner votre CRM : champs vides, formats, doublons, étapes, fiches orphelines. Une liste de contrôle et la façon de mesurer chaque point.

Mis à jour le

Une question à votre CRM, qu'elle passe par un filtre ou par un assistant, ne donne une réponse juste que si les champs qu'elle utilise sont remplis, cohérents et uniques. Voici la liste de contrôle à passer avant de vous fier à un chiffre. Chaque point se mesure par un filtre simple.

La liste de contrôle

N° Point à contrôler Comment le mesurer Question qu'il fausse
1 Doublons d'entreprises et de contacts Outil de doublons du CRM Montant par client, inactifs
2 Contacts sans entreprise Filtre sur l'association Tout calcul par client
3 Mail ou téléphone vides Filtre « valeur inconnue » Relances, campagnes
4 Affaires sans montant Filtre « montant inconnu » Pipeline, panier moyen
5 Affaires sans date de clôture prévue Filtre « date inconnue » Prévisions par période
6 Dates de clôture dépassées, affaire ouverte Date antérieure à aujourd'hui + statut ouvert Pipeline du mois
7 Affaires abandonnées jamais clôturées Aucune activité depuis N mois Taux de conversion
8 Affaires perdues sans motif Filtre « motif inconnu » Analyse des pertes
9 Étapes au sens flou Relecture des définitions Conversion par étape
10 Formats incohérents (pays, téléphone, majuscules) Rapport groupé par valeur Regroupements par région
11 Listes de choix « libres » Rapport groupé par valeur Rapports par secteur, source
12 Propriétaire absent ou parti Filtre sur le propriétaire Performance par commercial
13 Champs créés et jamais remplis Taux de remplissage Lisibilité, erreurs de saisie
14 Fiches très anciennes sans activité Date de dernière activité Volumes, conformité RGPD

Mesurer le taux de remplissage

Pour chaque champ important : fiches où le champ est rempli ÷ total des fiches × 100. Dans HubSpot, l'aide des filtres de segments décrit l'opérateur « is unknown », qui retient les fiches sans valeur dans une propriété. Elle précise qu'un champ numérique à 0 compte comme une valeur connue : une affaire à « 0 € » ne sort donc pas comme vide.

Fixez un seuil par champ, selon l'usage. Le montant d'une affaire ouverte doit être rempli presque toujours ; la date d'anniversaire d'un contact, rarement utile, peut rester vide.

Ce que propose HubSpot

L'aide de HubSpot, mise à jour le 20/07/2026, décrit un espace Qualité des données (Gestion des données > Qualité des données) qui couvre :

  • un aperçu des propriétés : le nombre total de propriétés et de problèmes sur une période, avec trois types de problèmes, les doublons, les propriétés sans données et les propriétés inutilisées. On peut masquer ou archiver des propriétés ;
  • les problèmes de format : des corrections proposées pour les valeurs mal formatées, à accepter ou refuser une par une ou en masse ; la correction automatique des futures fiches est réservée à Data Hub Professional et Enterprise ;
  • les doublons de contacts et d'entreprises, à examiner, fusionner ou rejeter.

L'outil est disponible avec les abonnements Starter, Professional ou Enterprise des hubs Marketing, Sales, Service, Data ou Content ; certaines fonctions demandent Data Hub Professional ou Enterprise.

Ce que propose Odoo

La documentation d'Odoo 18 décrit trois fonctions de nettoyage : la déduplication, le recyclage des enregistrements (repérer les fiches obsolètes selon un champ de date et un délai, pour les archiver ou les supprimer) et le nettoyage de champs, qui standardise du texte par recherche et remplacement. Le recyclage est disponible dans l'édition Community ; la déduplication et le nettoyage de champs, seulement dans l'édition Enterprise.

Les étapes du pipeline : un point à part

Une étape mal définie ne se voit dans aucun filtre, mais elle fausse tous les taux de conversion. Pour chaque étape, écrivez :

  • le fait qui fait entrer l'affaire : « rendez-vous tenu », « devis envoyé au client » ;
  • le fait qui la fait sortir ;
  • la probabilité associée, calculée sur votre historique (voir le pipeline pondéré).

HubSpot recommande d'inclure les étapes « gagné » et « perdu » dans la probabilité des affaires, pour que ses rapports de ventes traitent correctement les affaires. C'est un rappel utile : une affaire perdue doit être clôturée en perdu, pas laissée ouverte.

Par où commencer

  1. Doublons d'entreprises : voir détecter et fusionner les doublons.
  2. Les champs de vos trois questions principales. Si vous suivez surtout les relances, contrôlez l'étape, la date d'envoi et la prochaine activité. Les champs nécessaires à chaque question sont indiqués dans les 30 questions à poser à son CRM.
  3. Une règle de saisie par champ critique, écrite et partagée : format de téléphone, liste fermée de secteurs, montant obligatoire à partir de l'étape devis.
  4. Un contrôle mensuel : refaire les filtres « valeur inconnue » et noter les taux de remplissage. Un chiffre qui baisse dit qu'une règle n'est plus suivie.

Et les fiches très anciennes ?

Les fiches de prospects sans aucun échange depuis des années ne sont pas seulement inutiles pour vos analyses : leur durée de conservation est encadrée. La CNIL a publié des repères pour les clients et les prospects, résumés dans RGPD et CRM : ce que dit la CNIL.

Questions fréquentes

Comment mesurer la qualité des données d'un CRM ?

Pour chaque champ utile, mesurez le taux de remplissage : fiches où le champ est rempli ÷ total des fiches. Un filtre « valeur inconnue » donne le nombre de fiches vides.

HubSpot a-t-il un outil de qualité des données ?

Oui. Son aide décrit un espace Qualité des données, dans Gestion des données, qui signale les doublons, les propriétés vides ou inutilisées et les valeurs mal formatées.

Sources

Pages consultées pour écrire cet article :

  1. https://knowledge.hubspot.com/data-management/use-data-quality-tools
  2. https://knowledge.hubspot.com/segments/determine-filter-criteria
  3. https://knowledge.hubspot.com/object-settings/set-up-and-customize-pipelines
  4. https://www.odoo.com/documentation/18.0/fr/applications/productivity/data_cleaning.html

À lire aussi