Pour réduire le travail manuel consacré à un glossaire, évitez de partir d’une page blanche. Vos métadonnées contiennent déjà l’essentiel d’une première version : les noms des tables et des colonnes, les descriptions des mesures dans Power BI, la logique de chaque mesure et les rapports que les utilisateurs consultent réellement. Un outil peut en tirer des suggestions de termes et des ébauches de définitions. Vos experts n’ont alors plus qu’à les relire et à les approuver, plutôt que de rédiger chaque entrée de zéro.
Pourquoi les projets de glossaire s’enlisent
On part généralement du principe qu’un glossaire doit être rédigé à la main, terme par terme, avant de devenir utile. C’est précisément pour cette raison que la plupart ne sont jamais terminés.
Prenons un exemple : une équipe data organise un atelier de lancement et en ressort avec un fichier reprenant les termes à envisager, à raison d’un onglet par département. Chaque terme reçoit un responsable et une échéance. Trois mois plus tard, l’onglet Finance est à moitié rempli, les Ventes n’ont pas commencé, et les définitions déjà rédigées décrivent les rapports de l’année dernière.
Dans les faits, les personnes qui savent ce qu’un terme signifie sont aussi les plus sollicitées dans l’entreprise. Leur demander de tout rédiger de zéro relègue le glossaire en bas de leur liste de priorités.
Ce que vous pouvez déjà rédiger à partir de vos métadonnées
Votre plateforme de données et vos rapports se décrivent déjà eux-mêmes. Ils le font simplement dans un langage technique. C’est la matière première d’une première version.
- Noms. Les noms des tables, des colonnes et des mesures fournissent les termes à envisager. « Chiffre d’affaires net » et « Nombre de commandes » constituent déjà une liste.
- Descriptions existantes. Les descriptions des mesures dans les modèles sémantiques Power BI et les commentaires sur les tables des bases de données sont souvent déjà partiellement renseignés. Réutilisez-les avant de rédiger quoi que ce soit de nouveau.
- Logique. Le code DAX d’une mesure ou le SQL d’une vue montre comment un chiffre est calculé. Il peut être reformulé en langage courant pour produire une première version. Power BI Desktop propose désormais une option Copilot qui rédige des descriptions de mesures à partir du DAX.
- Traçabilité. Savoir de quelle source et de quelle transformation provient un champ permet de repérer que deux rapports utilisent des versions différentes du « chiffre d’affaires ».
- Utilisation. Les rapports et les champs les plus consultés vous indiquent par où commencer. Un terme que personne ne lit peut attendre.
Ensemble, ces éléments fournissent à la personne chargée de la relecture une ébauche d’entrée comprenant une proposition de définition, une source et la liste des rapports où le terme apparaît. La relire demande bien moins d’efforts que la rédiger.
Ce qui nécessite encore une intervention humaine
Les métadonnées indiquent comment un chiffre est calculé. Elles ne précisent pas le sens que l’entreprise a convenu de lui donner. C’est là que l’intervention humaine reste nécessaire.
- S’accorder sur le sens. Lorsque la Finance et les Ventes utilisent le « chiffre d’affaires » différemment, quelqu’un doit décider de la définition officielle, ou nommer clairement les deux.
- Désigner un responsable. Une personne par terme, habilitée à approuver une modification. Un outil peut suggérer qui utilise le plus un terme, mais il ne peut nommer personne.
- Vérifier l’ébauche. Une explication du DAX en langage courant peut être exacte tout en passant à côté de l’essentiel, par exemple en décrivant un filtre sans expliquer sa raison d’être.
- Préciser les limites d’utilisation. Les exceptions, les lacunes connues et les mentions « à ne pas utiliser pour » viennent de l’expérience, pas des métadonnées.
Faut-il une couche sémantique avant de créer un glossaire ?
Non. Un glossaire est généralement l’une des premières étapes pour en construire une.
Une couche sémantique n’est pas du code. C’est une couche métier qui relie vos concepts : quel KPI dépend de quel terme, quels rapports et jeux de données l’utilisent, et qui en est responsable. Voyez-la comme le cerveau métier de vos données.
Un glossaire fournit à ce cerveau ses premières briques. Chaque terme validé est un concept. Une fois les termes définis, vous pouvez les relier entre eux ainsi qu’aux rapports et aux jeux de données dans lesquels ils apparaissent. C’est ainsi qu’un glossaire devient progressivement une couche sémantique, sans projet distinct.
Si vous utilisez Power BI, les mesures de vos modèles sémantiques constituent un point de départ naturel pour ces premiers termes.
Trois approches pour créer un glossaire, en comparaison
| Approche | Origine de la première version | Qui réalise le travail | À partir de quand le glossaire aide les lecteurs | Mise à jour lorsque les données changent |
|---|---|---|---|---|
| Tout rédiger de zéro | Ateliers et entretiens | Les experts rédigent chaque terme | Une fois qu’assez de termes sont rédigés | Uniquement si quelqu’un le met à jour manuellement |
| Cartographier chaque concept et chaque lien dès le départ | De longs ateliers pour concevoir tout le modèle en une fois | Les experts et les architectes de données ensemble | Une fois l’ensemble du modèle validé | Uniquement si quelqu’un entretient les liens manuellement |
| Partir de métadonnées collectées automatiquement et de suggestions | Noms, descriptions, logique et données d’utilisation déjà présents dans vos outils | Les experts relisent et approuvent les ébauches | Dès les premiers termes approuvés | Les éléments nouveaux ou modifiés sont signalés à chaque collecte |
Aucune de ces approches ne fait l’impasse sur la couche sémantique. Dans la troisième, chaque terme approuvé et chaque lien confirmé constituent déjà un pas dans cette direction.
Une méthode pratique : Collecter, Suggérer, Prioriser, Valider, Actualiser
- Collecter : connectez vos sources et vos rapports existants pour récupérer automatiquement les noms, les descriptions, la logique et les données d’utilisation.
- Suggérer : transformez ces métadonnées en propositions de termes et en ébauches de définitions, signalées comme non approuvées.
- Prioriser : commencez par les termes de vos rapports les plus utilisés, pas par la liste complète.
- Valider : le responsable désigné corrige et approuve chaque ébauche au lieu de la rédiger.
- Actualiser : lorsqu’une mesure ou un champ change, le terme associé est à nouveau soumis à validation.
Le rôle de dScribe
dScribe commence à construire le glossaire dès qu’il collecte vos métadonnées. Il ne lit que les métadonnées : vos données restent donc là où elles se trouvent. Ses suggestions intelligentes vous aident à définir les termes et les KPI, à les relier aux rapports et aux jeux de données dans lesquels ils apparaissent, à repérer les doublons et à retracer leur origine et leurs transformations. Vos experts relisent et approuvent au lieu de tout rédiger de zéro. Définir les KPI demande toujours une part de jugement, mais les suggestions éliminent une grande partie du travail manuel. Ce sont ces liens qui transforment progressivement un glossaire en couche sémantique. Lorsqu’un élément change dans vos sources ou vos rapports, les termes associés sont à nouveau soumis à validation : le glossaire reste ainsi à jour sans devoir être entièrement réécrit.
Pour conclure
Personne n’aime rédiger de la documentation, et un glossaire qui repose sur cet effort ne sera jamais terminé. Partez de ce que vos métadonnées disent déjà. Laissez aux personnes concernées ce qu’elles seules peuvent faire : s’accorder sur le sens, désigner le responsable et approuver l’ébauche. Un glossaire construit de cette manière est utilisé parce qu’il existe réellement.
Questions fréquentes
L’IA peut-elle rédiger un glossaire métier à ma place ?
Elle peut rédiger une première version à partir de vos métadonnées, ce qui évite l’essentiel du travail de saisie. Elle ne peut pas décider du sens que l’entreprise a convenu de donner à un terme. Considérez le résultat de l’IA comme une suggestion à faire approuver par un responsable.
Que doit contenir une entrée de glossaire métier ?
Un terme, une définition en une phrase et en langage courant, un responsable désigné et les rapports ou jeux de données dans lesquels le terme est utilisé. Les synonymes et les mentions « à ne pas confondre avec » sont utiles lorsque les départements emploient des mots différents pour désigner la même chose.
Par quels termes commencer un glossaire ?
Ceux des rapports les plus consultés, en particulier les rapports destinés au conseil d’administration et à la direction. Les données d’utilisation de votre outil BI vous permettent de les identifier. Ajoutez les autres à la demande.
Quelle est la différence entre un glossaire métier et une couche sémantique ?
Un glossaire définit vos termes métier un par un, en langage courant. Une couche sémantique relie ces concepts : quel KPI utilise quel terme, quels rapports et jeux de données en dépendent, et qui en est responsable. Un glossaire est souvent la première étape vers une couche sémantique, pas une alternative à celle-ci.
Comment garder un glossaire à jour sans y consacrer un gestionnaire à temps plein ?
Reliez chaque terme aux données qu’il décrit, afin qu’une modification d’une mesure ou d’un champ renvoie le terme à son responsable. Prévoyez une révision à intervalles réguliers, par exemple chaque trimestre, plutôt qu’un grand nettoyage ponctuel.