Nettoyer les données de son CRM : doublons, champs et règles

Nettoyer les données de son CRM devient urgent le jour où un commercial trouve trois fiches « Dupont », un téléphone vide sur deux et un statut que personne ne met à jour. Il retourne à son tableur, et le CRM se dégrade un peu plus : un CRM ne vaut que la confiance que l’équipe lui accorde.

Ce guide suit l’ordre que nous conseillons, du constat chiffré aux contrôles qui font tenir le résultat. Les guides voisins, sur le choix d’un CRM, la migration et l’exploitation, sont dans notre rubrique CRM.

En bref

• Une sauvegarde testée et un état des lieux chiffré avant toute correction de masse.
• Les doublons certains se trouvent sur une clé fiable ; les doublons probables passent par un regard humain, jamais par une fusion automatique.
• Moins de champs, des listes plutôt que du texte libre, et des valeurs qui ne veulent dire qu’une chose.
• Une durée de conservation fixée et appliquée : en France, la CNIL propose trois ans pour un prospect.
• Des règles d’entrée et un contrôle automatique chaque nuit, sinon le désordre revient par les mêmes portes.

Pourquoi un CRM mal tenu coûte-t-il cher ?

L’adoption. Des données dont on doute ne sont plus consultées, donc plus mises à jour, donc encore moins fiables. Ce cercle condamne un CRM plus sûrement qu’un mauvais choix de logiciel.

Les automatisations et l’IA. Chaque automatisation lit le CRM : une relance part au mauvais contact, une facture est créée deux fois, un rapport compte deux fois le même client. Une IA branchée dessus fait pire, parce qu’elle répond avec assurance : interrogée sur l’interlocuteur d’un client, elle choisit l’un des doublons sans prévenir. La qualité des données est d’ailleurs l’une des raisons pour lesquelles la rentabilité de l’IA en entreprise se fait attendre.

Le RGPD. L’article 5 du règlement demande des données exactes et, si nécessaire, tenues à jour, et que toutes les mesures raisonnables soient prises pour effacer ou rectifier sans tarder celles qui sont inexactes. Il demande aussi des données limitées à ce qui est nécessaire (la minimisation), et conservées pas plus longtemps que nécessaire. Un CRM jamais nettoyé s’éloigne un peu plus de ces principes chaque année.

Étape 1 : mesurer avant de toucher

On ne nettoie pas à l’aveugle, et on ne supprime rien sans filet.

• Une sauvegarde complète avant toute modification en masse, et une restauration testée.
• Des opérations réversibles : une correction de masse se lance d’abord en simulation, avec un moyen de revenir en arrière ; tant qu’un doute subsiste, on archive plutôt qu’on ne supprime.
• Un état des lieux chiffré, sur vos propres données : nombre de fiches par objet, part des fiches sans email ni téléphone, fiches sans propriétaire, nombre de valeurs différentes dans chaque liste (un champ « Secteur » saisi librement révèle vite ses variantes d’écriture), fiches sans aucune activité depuis longtemps. Ces chiffres serviront ensuite à mesurer le progrès.
• La définition d’une fiche utilisable : le minimum sans lequel un contact ne sert à rien, par exemple un nom, une entreprise, un moyen de le joindre, un propriétaire et une origine.

Étape 2 : traiter les doublons

D’où ils viennent

Les doublons ont toujours une porte d’entrée : des imports répétés, un formulaire de site qui crée une fiche à chaque envoi, deux commerciaux qui saisissent la même entreprise, et toutes les variantes d’écriture (« Dupont SARL », « SARL Dupont » et « Dupont » ; un email personnel et un email professionnel ; un site écrit avec ou sans « www »). Repérer la porte compte autant que le ménage : sinon, ils reviennent.

Les trouver

Deux niveaux de recherche :

• les doublons certains, sur une clé fiable : l’email pour une personne, le domaine du site pour une entreprise. Dans Twenty, ces deux champs sont uniques par défaut, et la documentation des contraintes d’unicité explique comment en rendre d’autres uniques dans les réglages du modèle de données, par exemple un numéro client repris de votre logiciel de facturation ;
• les doublons probables : même nom écrit autrement, même numéro de téléphone, même adresse. Ceux-là demandent un regard humain. On en fait une liste à valider, jamais une fusion automatique.

Les résoudre

Pour chaque groupe, on choisit la fiche à garder (la plus complète, ou celle qui porte les affaires en cours), on y rapatrie ce qui est utile des autres (notes, téléphone, liens vers les affaires), puis on supprime les autres. Selon l’outil, cela passe par une fonction de fusion, par l’API ou par la main : vérifiez ce que le vôtre propose avant d’ouvrir le chantier.

Trois comportements de Twenty sont à connaître, et la même documentation les décrit. Avant un import, les doublons à l’intérieur du fichier sont surlignés, et l’on peut corriger ou retirer ces lignes avant de lancer l’import. Une ligne importée dont l’email ou le domaine existe déjà met à jour la fiche existante au lieu d’en créer une seconde : pratique pour compléter, dangereux si le fichier contient une version plus ancienne des données. Enfin, les fiches supprimées comptent dans ce contrôle : réimporter la même valeur restaure la fiche supprimée. Un nettoyage par « suppression puis réimport » peut donc ressusciter ce qu’on voulait voir disparaître.

Étape 3 : des champs qui veulent dire une seule chose

Une bonne part du désordre vient du modèle, pas de la saisie.

• Des listes plutôt que du texte libre pour tout ce qui sert à trier ou à compter (secteur, origine, statut, taille) : quelques valeurs nettes donnent des rapports utilisables, un texte libre donne des variantes.
• Moins de champs. Chaque champ que personne ne remplit est du bruit, et une raison de plus de ne pas ouvrir la fiche. C’est aussi ce que demande le principe de minimisation de l’article 5 : ne garder que ce qui sert.
• Des champs obligatoires, mais peu. Le strict minimum de la fiche utilisable. Trop d’obligations produisent de fausses valeurs (« à compléter », « 0000 »), pires qu’un champ vide parce qu’elles ont l’air vraies.
• Une valeur, un sens. Tout champ qui sert à décider (origine, statut, propriétaire) se vérifie avec une question : chaque valeur désigne-t-elle une seule réalité ? Une origine « Site web » qui mélange les demandes de devis et les inscriptions à la lettre d’information rend les deux indiscernables le jour où l’on veut savoir d’où viennent les ventes.

Étape 4 : ce qu’on n’a plus de raison de garder

Nettoyer, c’est aussi supprimer. En France, la CNIL propose des durées de référence pour les fichiers de clients et de prospects, résumées dans ses questions-réponses sur le référentiel de gestion des activités commerciales :

• les données d’un prospect utilisées pour la prospection peuvent être conservées trois ans à compter de leur collecte ou du dernier contact venant du prospect, par exemple un clic sur un lien dans un email ;
• celles d’un client peuvent l’être pendant la relation commerciale, puis trois ans après sa fin.

Au terme du délai, on peut reprendre contact avec le prospect pour savoir s’il souhaite continuer à recevoir des sollicitations. Sans réponse positive et explicite, ses données sont supprimées, ou archivées dans une base séparée des données actives si une obligation le justifie (comptable ou fiscale, par exemple).

Deux précisions de la même page comptent pour le nettoyage. Ces référentiels ne sont pas contraignants : vous pouvez fixer d’autres durées, à condition de pouvoir justifier ce choix. Et une personne qui s’est opposée à la prospection ne doit pas revenir par le prochain import : la CNIL recommande de garder ce qui permet de respecter son opposition au moins trois ans, dans une liste d’exclusion qui ne sert qu’à cela.

En pratique : un champ « dernier contact » tenu à jour, idéalement par une automatisation, et une liste régulière des fiches qui ont dépassé la durée fixée.

Étape 5 : des règles pour que ça tienne

• Une personne responsable des données, nommée, avec un suppléant. Pas « l’équipe ».
• Des droits clairs : qui crée, qui modifie, qui supprime. Les rôles et permissions de l’outil servent à ça.
• Des portes d’entrée sous contrôle : un formulaire du site cherche d’abord si l’email existe avant de créer une fiche, et un import passe toujours par un fichier relu, dédoublonné et comparé à la liste d’exclusion.
• Une revue mensuelle : la liste des doublons probables, des fiches sans propriétaire et des fiches au-delà de la durée de conservation. Elle reste courte quand les contrôles automatiques ont préparé le travail.

Étape 6 : des contrôles automatiques

Une automatisation peut relire le CRM chaque nuit et produire une courte liste : nouveaux doublons probables, fiches créées sans champ obligatoire, valeurs hors liste, fiches au-delà de la durée de conservation. La liste part à la personne responsable, par un canal qu’elle lit vraiment. Ce sont les principes de la supervision des automatisations appliqués aux données : une alerte, une liste à traiter, aucune correction silencieuse.

Un contrôle sert surtout à dire ce qu’il ne sait pas trancher. Sur Palmora, un portail d’annonces immobilières que nous opérons, l’audit de la base des biens a relevé 20 fiches mal typées et 55 titres dupliqués, et il a remonté à une personne 7 doublons qu’aucune règle ne pouvait résoudre. Une machine qui fusionne seule ce qu’elle comprend mal fait plus de dégâts que les doublons eux-mêmes.

Ce que le nettoyage ne règle pas

• Un processus flou. Si personne ne sait qui suit un prospect ni quand mettre à jour un statut, les données se dégradent à nouveau. La réponse est d’organisation, pas de logiciel.
• Les ressemblances légitimes. Une personne qui change d’entreprise, un groupe et ses filiales qui partagent un domaine : tout ce qui se ressemble n’est pas un doublon.
• Ce qui n’a jamais été saisi. Le nettoyage rend fiable ce qui existe ; il ne reconstitue pas ce qui manque.

Par où commencer ?

Commencez par l’état des lieux de l’étape 1, sur vos propres chiffres : il dit l’ampleur du chantier avant que vous n’y passiez du temps, et il servira de point de comparaison. Si un changement de CRM se profile, faites le grand ménage à ce moment-là et posez les règles dès le premier jour du nouvel outil : notre guide pour migrer de HubSpot vers un CRM libre montre où le nettoyage s’insère dans la migration.

Si vous préférez être accompagné, dans notre offre CRM vos données existantes sont reprises, dédoublonnées et vérifiées : rien de douteux n’entre tel quel, et l’équipe démarre sur une base propre. Et si votre CRM est Twenty, notre retour d’usage de Twenty en production dit ce que demande son exploitation au quotidien.

Questions fréquentes

À quelle fréquence faut-il nettoyer son CRM ?

Un grand ménage une fois, idéalement au moment d’un changement d’outil, puis des contrôles automatiques chaque nuit et une courte revue humaine chaque mois. Le contrôle quotidien attrape les doublons et les fiches incomplètes le jour où ils entrent, quand ils sont encore faciles à corriger. Un ménage annuel sans règles entre deux revient à éponger sans fermer le robinet.

Peut-on confier le dédoublonnage à une IA ?

Pour repérer des doublons probables (noms proches, variantes d’écriture, même personne avec deux emails), c’est un bon usage : l’IA propose, une personne valide. Pour fusionner ou supprimer, non, pas sans validation humaine. Une fusion erronée mélange l’historique de deux clients, leurs affaires et leurs échanges, et se démêle mal. Gardez la décision humaine, et une sauvegarde avant toute fusion en série.

Combien de temps peut-on garder les données d’un prospect ?

En France, le référentiel de la CNIL propose trois ans à compter de la collecte ou du dernier contact venant du prospect. Au terme de ce délai, vous pouvez lui demander s’il souhaite rester en relation ; sans réponse positive, ses données sont supprimées ou archivées à part. Une autre durée reste possible, à condition de savoir la justifier.

Faut-il nettoyer ses données avant de changer de CRM ?

Oui, et c’est le meilleur moment : seules les fiches utiles sont reprises, et le nouvel outil démarre sans les doublons de l’ancien. Mais le ménage ne suffit pas seul. Sans règles d’entrée posées dès le premier jour (champs uniques, formulaires qui cherchent avant de créer, imports relus et dédoublonnés), les doublons reviennent par les mêmes portes, et le nouveau CRM finit comme l’ancien.