Audit qualité

Avant de brancher un catalogue sur un agent ou un dashboard, il vaut la peine de vérifier que les données tiennent la route. L'onglet Audit qualité fait exactement ça : il profile chaque colonne, détecte les anomalies et résume les points d'attention.

Accéder à l'audit

Depuis un dataset, ouvrez l'onglet Audit qualité (à côté de Données et Paramètres).

Au premier passage, lancez l'audit avec Lancer l'audit. Les audits suivants se relancent via Relancer l'audit en haut à droite.

États possibles

• Aucun audit — le dataset n'a pas encore été analysé
• En cours — calcul des métriques en cours (peut prendre un instant sur de gros volumes)
• Réussi — résultats disponibles
• Échec — une erreur s'est produite ; le message d'erreur s'affiche avec un bouton Réessayer

Indicateurs globaux (KPI)

Une fois l'audit terminé, des cartes synthétisent l'état du dataset :

• Lignes — nombre total de lignes analysées
• Colonnes auditées — nombre de colonnes profilées
• Complétude — taux global de remplissage (valeurs non nulles)
• Colonnes en anomalie — colonnes signalées comme problématiques
• Colonnes vides — colonnes entièrement vides
• Colonnes constantes — une seule valeur sur toutes les lignes
• Lignes dupliquées — lignes strictement identiques
• Avec outliers — colonnes numériques contenant des valeurs atypiques
• Dernière synchronisation — date de référence des données auditées

Résumé IA

Un bloc Résumé IA met en avant les constats principaux en langage naturel — utile pour partager un état des lieux sans parcourir chaque colonne.

Table des colonnes

Chaque colonne est listée avec :

• Type déclaré
• Vides — taux de valeurs manquantes (les colonnes au-delà de 50 % de vides sont visuellement signalées)
• Distinct — nombre de valeurs uniques
• Dominante — valeur la plus fréquente
• Outliers — présence de valeurs atypiques (colonnes numériques)
• Constante — oui si une seule valeur
• Statut — OK, Anomalie ou Constante

Cliquez sur une ligne pour ouvrir le détail de colonne dans le panneau latéral.

Détail d'une colonne

Selon le type de la colonne, le profilage affiche des métriques adaptées :

• Numérique — min, max, moyenne, médiane, écart-type, quartiles, comptage de zéros et de valeurs négatives
• Date — borne min/max, nombre de dates futures
• Texte — longueur min/max/moyenne, valeurs dominantes (masquées si la colonne est marquée sensible)
• Booléen — taux de vrai / faux

En cas d'anomalie, le panneau détaille le code, la valeur observée, la borne et un score d'anomalie.

Quand relancer un audit ?

• Après une synchronisation qui a modifié significativement les données
• Après un changement de schéma (nouvelles colonnes, import massif)
• Avant de connecter un dataset critique à un agent ou un dashboard de production

Concepts liés

• Complétude : part des cellules renseignées sur l'ensemble du dataset
• Outlier : valeur numérique éloignée de la distribution habituelle
• Colonne constante : colonne sans variance — souvent inutile pour l'analyse ou le RAG
• Journal d'audit : trace des actions utilisateur sur la plateforme (voir Organisation)

Pour documenter vos colonnes après l'audit, direction Paramètres → Métadonnées.