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. Des milliers de 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 intervient à deux niveaux distincts. D’abord au sein de la direction de l’équipe en charge de définir, implémenter et opérer les produits de la marketplace — au cœur des décisions produit et techniques. 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. Mais le gain le plus tangible vient de la suppression maîtrisée des artefacts obsolètes : grâce à un processus de décommissionnement en plusieurs étapes — identification, qualification, validation métier, suppression — plusieurs milliers de machines virtuelles sont supprimées en toute sécurité. Sans ce processus rigoureux, personne n’osait toucher à ces artefacts de peur de casser quelque chose

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 QlikSense couvrent l’ensemble des 15 référentiels, chaque indicateur de qualité est visible à J+1, chaque anomalie de synchronisation est détectée avant qu’elle n’impacte les utilisateurs à Paris, New York ou Singapour

Résultat : plusieurs milliers de machines virtuelles supprimées grâce à un processus maîtrisé, 2,5 M€ de coûts réduits, une gouvernance des données qui tient dans la durée, et des milliers de personnes sur 3 continents qui travaillent enfin à partir de la même vérité