Sanofi devait relever un défi majeur : fiabiliser des données produits hétérogènes et incomplètes, issues d’années de pratiques décentralisées, pour sécuriser ses opérations.
Entre doublons, qualité variable des données et référentiels éclatés entre sites, les équipes opérationnelles faisaient face à des risques concrets : retards, erreurs, coûts supplémentaires et complexité croissante.
Pour reprendre le contrôle de son référentiel articles et fiabiliser sa chaîne de valeur, Sanofi a lancé un programme ambitieux de Master Data Management (MDM). Dans ce cadre, Sanofi a fait appel à Jérôme Dumas, Consultant Colibee, afin de piloter la mise en place d’une gouvernance MDM durable.
L’enjeu principal de la mission consistait à mettre en qualité les données stratégiques utilisées tout au long de la chaîne de valeur, en garantissant leur fiabilité, leur complétude et leur cohérence entre les différents sites et métiers. Il s’agissait de définir clairement les responsabilités associées à chaque attribut de donnée, afin que chaque information soit collectée, maintenue et exploitée par les bons acteurs, au bon moment.
La mission visait également à rationaliser le référentiel articles, notamment en identifiant et en supprimant les doublons entre sites. Enfin, la réussite du programme reposait sur l’adhésion durable des équipes autour de la valeur stratégique de la donnée.
Le consultant Colibee a assuré le pilotage global du programme en garantissant un suivi rigoureux des plannings, des budgets et des risques.
Il a encadré une équipe de 25 collaborateurs, internes et externes, et orchestré la coordination de l’ensemble des parties prenantes – métiers, supply chain, achats, qualité, HSE et IT – afin d’assurer la cohérence d’ensemble et la bonne exécution des travaux.
Dans ce cadre, il a joué un rôle clé dans la structuration de la gouvernance des données produits et supply chain, en définissant des procédures et des workflows clairs couvrant l’ensemble du cycle de vie de la donnée. Chaque attribut a été associé à des rôles et responsabilités précisément définis selon une approche de type RACI, afin de sécuriser la création, la mise à jour et la suppression des informations.
Les modèles de données MDM ont été définis et enrichis afin de répondre à l’ensemble des besoins métiers, incluant les articles, les attributs, les nomenclatures et les relations site-produit. Des règles de contribution, de validation et de contrôle qualité ont été formalisées afin d’assurer un niveau de maturité homogène des données, en particulier pour les attributs critiques utilisés en production et pour les exigences réglementaires.
Un dispositif de pilotage de la qualité de la donnée a été déployé (une gouvernance globale), s’appuyant sur des indicateurs clés tels que l’accuracy, mesurant la conformité des données aux référentiels, et la completeness, évaluant la complétude et la fréquence de recontrôle des informations. Ces indicateurs ont permis de suivre l’évolution de la qualité des données dans le temps et de prioriser les actions correctives.
Pour traiter la problématique des doublons entre sites, une solution s’appuyant sur Snowflake et ses capacités d’intelligence artificielle a été mise en œuvre. L’analyse automatique de la documentation technique des articles a permis d’identifier des références identiques ou proches. Après validation par la R&D, les équipes achats ont consolidé les références sous des codes uniques et engagé des renégociations fournisseurs, intégrant à la fois les dimensions économiques et supply chain.
Tout au long de la mission, des actions de conduite du changement ont été menées à travers des formations et des ateliers métiers. L’objectif était de sensibiliser les équipes à la valeur stratégique de la donnée et de faire évoluer des pratiques historiquement perçues comme optionnelles vers des exigences indispensables au bon fonctionnement de l’entreprise.
À l’issue de la mission, Sanofi disposait d’une gouvernance MDM structurée, opérationnelle et partagée, garantissant une meilleure fiabilité et une meilleure traçabilité des données produits. Les équipes supply chain et production bénéficiaient de données plus complètes et mieux maîtrisées, réduisant les risques opérationnels liés à des informations manquantes ou erronées.
La rationalisation des références articles a créé des leviers concrets d’optimisation des achats et des stocks, tout en simplifiant la relation fournisseurs. Enfin, l’appropriation progressive des règles de gouvernance et des indicateurs de qualité a permis d’inscrire durablement la démarche dans les pratiques de l’entreprise, avec une vision claire de la valeur stratégique de la donnée.
