Quand la réussite d'une marketplace génère plus de chaos que l'échec qu'elle devait éviter.

En 2016, BNP Paribas CIB lance une marketplace de services IT. L’idée est simple, l’ambition modeste : offrir aux équipes internes un catalogue de ressources cloud structuré, un guichet unique pour consommer des services sans passer par des tickets manuels et des délais à rallonge.

Le pari est gagné. Trop bien gagné.

En quelques mois, le succès déborde les frontières du projet initial. Le périmètre s’étend à tous les métiers, tous les services internes, toutes les entités du groupe. Cent cinquante personnes consomment la plateforme depuis Paris, New York, Singapour. Des millions d’artefacts sont provisionnés, modifiés, dépréciés — et enregistrés dans 15 référentiels distincts qui, faute de gouvernance coordonnée, commencent à diverger silencieusement.

C’est la rançon du succès : plus une plateforme est adoptée rapidement, plus la dette de qualité de données s’accumule vite. Chaque nouveau fournisseur adhérent apporte ses propres conventions de nommage, ses propres cycles de vie, ses propres définitions des entités partagées. Personne ne ment. Tout le monde a raison dans son périmètre. Et pourtant, les 15 référentiels ne racontent plus la même histoire.

Nobori Partners est appelé à deux niveaux distincts. D’abord comme membre du board fournisseur CIB : définir les services à implémenter, participer aux ateliers de spécification, garantir la cohérence entre vision produit et réalité technique. Ensuite, quand l’ampleur de la dérive données devient impossible à ignorer, comme maître d’œuvre de l’audit et du plan de remédiation.

L’audit commence par un travail d’archéologie. Il ne s’agit pas de lister des anomalies — n’importe quel outil ETL peut le faire. Il s’agit de comprendre pourquoi le système en produit structurellement : cartographier les interactions entre fournisseurs via la méta-orchestration, reconstituer la généalogie de chaque artefact, identifier les points de friction où les référentiels se désynchronisent. La modélisation révèle une architecture de la complexité : des dépendances en cascade, des cycles de vie qui ne se parlent pas, des golden records qui n’existent nulle part.

Vient ensuite la phase de remédiation. Pour chaque entité critique, un golden record est défini — une version de référence, unique, vers laquelle tous les référentiels convergent. Un datalake unifié absorbe la complexité multi-sources via S3 et Spark. Des pipelines NiFi et Airflow automatisent les flux de réconciliation, transformant une synchronisation manuelle et fragile en un processus industriel qui tourne sans intervention humaine. La donnée cesse d’être un reflet approximatif de la réalité pour redevenir ce qu’elle devrait toujours être : la réalité elle-même.

Mais la remédiation n’est qu’une victoire temporaire si personne ne surveille ce qui vient après. La dernière phase industrialise l’observabilité : des dashboards Superset et QlikSense couvrent l’ensemble des 15 référentiels, chaque indicateur de qualité est visible en temps réel, chaque anomalie de synchronisation remonte avant qu’un utilisateur à Paris, New York ou Singapour ne soit impacté.

Résultat : 1,4 M€ économisés, une gouvernance des données qui tient dans la durée, et 150 personnes sur 3 continents qui travaillent enfin à partir de la même vérité.