Le sujet « Conservation des données analytics » doit conduire à une preuve, pas seulement à un déploiement : l'effet attendu doit être mesurable et réversible.
Cadrez le point « besoin analytique par horizon », contrôlez le point « données identifiantes séparées », puis décidez avec une mesure de référence explicite.
1. Chiffres clés
| Chiffre | Ce qu'il établit | Source, date et périmètre | Lecture pour vous |
|---|---|---|---|
| 14 mois | Une propriété GA4 standard conserve au maximum quatorze mois de données au niveau utilisateur pour les explorations. | Google Analytics Help — GA4 limits, consulté le 11 juillet 2026, propriétés standards de Google Analytics 4 | La conservation utile doit être conçue au-delà de l'interface si les analyses longitudinales l'exigent |
| 90 jours puis −50 % | Le stockage BigQuery non modifié pendant quatre-vingt-dix jours bénéficie automatiquement d'un tarif longue durée réduit de moitié. | Google Cloud — Estimate and control costs, consulté le 11 juillet 2026, stockage natif BigQuery | La politique de conservation doit séparer données actives, historiques utiles et archives |
| 1 guide PETs | L'ICO structure l'usage des technologies renforçant la protection de la vie privée selon objectifs, risques et gouvernance. | ICO — Privacy-enhancing technologies guidance, 19 juin 2023, organisations traitant ou partageant des données personnelles | Une technologie de confidentialité ne corrige pas une finalité floue ni une collecte excessive |
| 2 modes | Google distingue Consent Mode basic, sans envoi avant consentement, et advanced, avec signaux sans cookies lorsque le consentement est refusé. | Google Analytics — About consent mode, consulté le 11 juillet 2026, sites et applications utilisant les tags Google | Le choix technique doit être validé juridiquement et documenté |
| 4 propriétés | Un contrat de données décrit structure, sémantique, qualité et niveaux de service dans un format versionné et lisible par machine. | Data Contract CLI — Documentation, consulté le 11 juillet 2026, pipelines et produits de données | La définition devient testable et intégrable au cycle de livraison |
Ces repères bornent la décision sur une politique de conservation analytics ; ils ne la prennent pas à votre place. Une valeur publiée décrit un périmètre précis, une date et parfois une population différente de la vôtre. Lisez-la comme une contrainte à tester, non comme la promesse d'un effet automatique. Les exceptions révèlent la maturité.
Pour ce sujet, la première source conduit à la lecture opérationnelle suivante : « La conservation utile doit être conçue au-delà de l'interface si les analyses longitudinales l'exigent. » La deuxième référence du tableau doit, elle aussi, être confrontée à votre périmètre et à une mesure locale. Cette distinction entre référence externe et mesure locale protège l'analyse contre les extrapolations faciles.
2. Lire les sources sans surinterpréter
Parce que le contexte évolue, la décision d'arrêt demeure possible : une source est utile lorsqu'un lecteur comprend simultanément ce qu'elle affirme, le périmètre qu'elle couvre et la limite de l'extrapolation. Les cinq repères ci-dessous sont donc relus comme des bornes de décision, jamais comme des promesses causales.
Pour le périmètre « une politique de conservation analytics », une donnée externe n'est utilisable pour décider que si son périmètre, sa date, son unité et sa limite sont explicités. La revue doit séparer ce que la source établit, ce que l'équipe en déduit et ce qu'un test local doit encore démontrer.
Concrètement, la fiche de preuve conserve l'organisme, le titre, l'URL, la date de consultation, la population, l'unité, la méthode et la réserve d'interprétation. Elle indique ensuite la décision que le repère éclaire et l'observation locale capable de contredire ce repère. Dans ce dossier, rattachez ce registre à « besoin analytique par horizon » et confiez sa revue à « Producteurs de données ». Une donnée sans propriétaire documentaire vieillit silencieusement ; une donnée assortie d'une condition de révision demeure contrôlable et peut être citée sans perdre son contexte.
2.1. Repère 1
La référence Google Analytics Help — GA4 limits publie « 14 mois ». Avant d'en tirer une décision, vérifiez la date, la population couverte et la possibilité de reproduire la mesure localement. Le risque est concret.
2.2. Repère 2
La source Google Cloud — Estimate and control costs situe la borne « 90 jours puis −50 % » dans le champ « stockage natif BigQuery ». Elle apporte une référence externe au diagnostic ; elle ne remplace ni une mesure de référence locale ni l'analyse des exceptions. Le seuil demeure explicite.
2.3. Repère 3
Le jalon « 1 guide PETs », publié par ICO — Privacy-enhancing technologies guidance, relève du périmètre « organisations traitant ou partageant des données personnelles ». Il aide à formuler une hypothèse vérifiable, sans transformer une valeur externe en objectif automatique. La moyenne peut tromper.
2.4. Repère 4
Google Analytics — About consent mode documente « 2 modes ». La portée exacte figure dans le tableau précédent ; conservez-la lorsque vous comparez cette donnée à vos propres opérations, populations et périodes. Le périmètre fait foi.
2.5. Repère 5
Data Contract CLI — Documentation fournit ici l'indication « 4 propriétés ». Cette information éclaire un choix ; elle ne démontre pas, à elle seule, que le même effet apparaîtra dans votre contexte. Le compromis apparaît clairement.
3. Fiche de citation réutilisable
Tant que le doute subsiste, les changements sont versionnés : une citation robuste doit pouvoir être reprise sans perdre son auteur, sa date, son périmètre ni sa limite. La fiche ci-dessous isole ces éléments et les rattache à une décision précise ; elle évite qu'un chiffre correct devienne trompeur après extraction de son contexte.
| Champ | Contenu à conserver |
|---|---|
| Assertion vérifiable | Une propriété GA4 standard conserve au maximum quatorze mois de données au niveau utilisateur pour les explorations. |
| Attribution | Google Analytics Help — GA4 limits, consulté le 11 juillet 2026 |
| Portée déclarée | propriétés standards de Google Analytics 4 |
| Valeur ou borne | 14 mois |
| Lecture opérationnelle | La conservation utile doit être conçue au-delà de l'interface si les analyses longitudinales l'exigent. |
| Décision concernée | Relier « besoin analytique par horizon » à une observation locale avant l'arbitrage |
| Propriétaire de la revue | Producteurs de données — Corriger la qualité au plus près de la production |
| Condition de révision | Réexaminer la citation si la source, le périmètre ou « archives agrégées plutôt que brutes » change |
4. Introduction : cadrer le risque principal
Un déploiement peut sembler abouti alors que le traitement de « besoin analytique par horizon » demeure incomplet, que la dépendance « données identifiantes séparées » reste fragile et que le contrôle de « suppression testée dans les dérivés » manque encore. L'écart n'apparaît souvent qu'au moment de « archives agrégées plutôt que brutes ».
Le risque concret prend la forme suivante : un entrepôt qui conserve tout parce que le stockage semble peu cher. Ce problème ne se corrige ni par une option activée ni par un tableau de bord supplémentaire ; il exige un périmètre, un responsable et une preuve contradictoire.
Sur ce périmètre, le résultat garde le même sens : notre position est donc nette : le dispositif n'a de valeur que si l'effet annoncé est observable. La comparaison doit porter sur la situation avant le changement, puis sur les mêmes segments après le test. La décision peut être revue.
5. Acteurs et responsabilités
| Acteur | Responsabilité dans la décision | Point de vigilance |
|---|---|---|
| Producteurs de données | Émettent événements et référentiels à la source | Corriger la qualité au plus près de la production |
| Équipe analytics | Modélise, teste et expose les indicateurs | Distinguer donnée provisoire, consolidée et estimée |
| Métiers et finance | Définissent le sens et utilisent les chiffres pour décider | Un KPI sans propriétaire se transforme en bruit |
| Plateformes de collecte | Collectent, transforment et exportent les signaux | Documenter seuils, modélisation et données absentes |
Cette répartition évite de confondre exécution et responsabilité. La première responsabilité opérationnelle revient à la fonction « Producteurs de données » ; la fonction « Équipe analytics » apporte un contrôle distinct. La décision n'est défendable que si chaque acteur sait ce qu'il mesure, ce qu'il autorise et ce qu'il reprend lorsque la limite acceptée est franchie. La mesure précède l'arbitrage.
6. Définition : politique de conservation analytics
Dans ce guide, le périmètre « une politique de conservation analytics » combine les points « besoin analytique par horizon », « données identifiantes séparées », « suppression testée dans les dérivés » et « archives agrégées plutôt que brutes ». L'objectif est d'obtenir un historique proportionné aux décisions et obligations ; la décision repose sur la part des données avec finalité, durée et règle de suppression.
Avant toute extension, la comparaison conserve un état antérieur : la définition est donc opérationnelle : elle nomme les composantes, l'effet recherché, l'indicateur et la limite. Un lecteur peut la citer sans devoir reconstituer le sens dans le reste de la page. Les rôles sont distincts.
7. Pourquoi le sujet devient structurant
Les sources convergent sur trois bornes : 14 mois, 90 jours puis −50 % et 1 guide PETs. Elles ne décrivent pas une moyenne universelle ; elles précisent des seuils, des obligations ou des conditions d'exploitation. Dans le cas présent, la troisième source conduit à la lecture opérationnelle suivante : « Une technologie de confidentialité ne corrige pas une finalité floue ni une collecte excessive. »
Cette lecture transforme les chiffres en questions de décision : quel périmètre couvrent-ils, quelle incertitude subsiste et qui peut agir lorsque la mesure sort du seuil accepté ? Sur une politique de conservation analytics, cette responsabilité conditionne l'effet recherché. Ces erreurs coûtent cher.
8. Comparer quatre niveaux d'engagement
| Niveau | Ce qu'il optimise | Critère de décision | Limite à rendre visible |
|---|---|---|---|
| Observation sans mesure de référence | Vitesse apparente | besoin analytique par horizon | Le résultat ne peut pas être attribué |
| Pilote borné | Apprentissage sur un flux | Écart à la mesure de référence | Le cas testé peut rester trop simple |
| Déploiement gouverné | Effet démontré sur le périmètre utile | Les contrôles « suppression testée dans les dérivés » et « archives agrégées plutôt que brutes » | Le coût récurrent doit rester explicite |
| Réduction ou arrêt | Maîtrise du risque principal | Seuil de sortie documenté | Préserver données, preuves et réversibilité |
Concernant une politique de conservation analytics, la comparaison ne désigne pas un vainqueur universel. Elle rend visible le coût d'une preuve absente, d'un pilote trop simple ou d'une extension prématurée. Le bon niveau dépend de la criticité du flux, de la qualité de « données identifiantes séparées » et de la possibilité concrète de reprendre « archives agrégées plutôt que brutes ». Le contrôle demeure humain.
9. Méthode recommandée : sept étapes vérifiables
Appliquée à une politique de conservation analytics, la méthode suivante relève de bonnes pratiques publiques et opérationnelles. Elle n'est pas présentée comme une méthode propriétaire de Logiks : sa valeur vient de l'ordre des contrôles et de la possibilité, pour un tiers, de vérifier chaque livrable.
9.1. Formuler la décision
Ici, l'action consiste à décrire le résultat attendu et le relier à « besoin analytique par horizon ». Exécutez le contrôle sur un cas normal et un cas dégradé, en gardant la décision réellement ouverte et la valeur qui la justifie comme critère. La sortie concrète prend la forme d'une note de cadrage qui nomme la décision, la limite et le responsable.
9.2. Mesurer le point de départ
Lorsqu'un arbitrage est contesté, la dépendance externe est documentée : cette étape transforme l'intention en contrôle : observer l'indicateur de décision avant toute modification. Mesurez ce qui change réellement dans la situation de départ et ses variations entre segments, y compris les reprises humaines. Documentez le tout dans une mesure initiale datée et ventilée par segment utile.
9.3. Tracer le chemin critique
Pour avancer sans masquer le coût différé, vous devez relier « données identifiantes séparées » aux données, équipes et dépendances concernées. Comparez avant et après sur les exceptions rencontrées par les équipes qui exploitent le dispositif, puis faites relire une carte des exceptions, dépendances et propriétaires par un acteur qui n'a pas conçu le test.
9.4. Poser les garde-fous
Action attendue : encadrer « suppression testée dans les dérivés » par des limites, des droits et une procédure de reprise. Commencez sur un périmètre où l'équipe peut encore revenir en arrière. La preuve attendue porte sur les limites, les droits d'action et la possibilité de revenir en arrière ; consignez-la dans une matrice de contrôle qui rend coût et réversibilité visibles.
9.5. Tester le cas difficile
Le travail consiste d'abord à éprouver « archives agrégées plutôt que brutes » dans un scénario représentatif, puis dans un scénario dégradé. Ne retenez ni une démonstration idéale ni une moyenne globale : observez le comportement nominal, l'échec provoqué et la qualité de la reprise. Le livrable utile est un compte rendu du scénario nominal, de l'échec et de la reprise humaine.
9.6. Constituer la preuve
En présence d'un tiers, les hypothèses demeurent relisibles : à cette étape, il faut comparer résultat, erreurs, interventions et coût complet au point de départ. Faites participer la personne qui traite les exceptions, puis confrontez le résultat à l'écart entre la promesse initiale et les faits consignés. Vous devez pouvoir remettre un dossier de journaux, d'écarts et de décisions relisibles par un tiers à un décideur absent du projet.
9.7. Décider et revoir
Lors de la revue, le signal est ventilé par segment : ici, l'action consiste à attribuer la revue et suivre la mesure selon une cadence explicite. Exécutez le contrôle sur un cas normal et un cas dégradé, en gardant le seuil qui déclenche une correction, une extension ou un arrêt comme critère. La sortie concrète prend la forme d'une règle de revue assortie de seuils de correction et d'arrêt.
10. Conseils Logiks : preuve, maîtrise et réversibilité
Notre priorité porte sur le risque suivant : un entrepôt qui conserve tout parce que le stockage semble peu cher. Commencez là où cette fragilité produit déjà une attente, une perte ou une décision contestée ; le périmètre prestigieux peut attendre.
Sans propriétaire désigné, la date de mesure est consignée : gardez la mesure de référence au niveau où une équipe peut agir. Une moyenne trimestrielle ne remplace pas une observation par parcours, par cohorte ou par type d'exception ; le repère doit demeurer actionnable.
Traitez « besoin analytique par horizon » comme une décision documentée. Un responsable, une hypothèse, une limite et une date de revue valent mieux qu'un réglage dont personne ne connaît l'origine.
Éprouvez « suppression testée dans les dérivés » avec « archives agrégées plutôt que brutes », puis avec une reprise dégradée. Le test doit révéler le fonctionnement et le coût d'exploitation, pas seulement confirmer que la démonstration tient.
N'étendez le dispositif que si les faits observés soutiennent l'effet recherché et si « données identifiantes séparées » demeure maîtrisable par une personne extérieure au projet.
Dans ce dossier, les recommandations expriment un jugement de séquence : rendre le risque observable, tester l'hypothèse portant sur « suppression testée dans les dérivés », puis engager les ressources. La sophistication vient après la démonstration de l'effet annoncé ; elle ne la remplace pas. La nuance compte ici.
11. Grille de décision
| État | Signal observé | Preuve attendue | Décision prudente |
|---|---|---|---|
| À cadrer | « besoin analytique par horizon » existe sans résultat nommé | mesure de référence datée | Ne pas engager tout le périmètre |
| En pilote | « données identifiantes séparées » est testé sur un flux réel | Écart au point de départ | Inclure une exception représentative |
| Gouverné | « suppression testée dans les dérivés » possède un responsable et une revue | Stabilité, coût et incidents | Documenter le mode dégradé |
| À étendre ou arrêter | « archives agrégées plutôt que brutes » permet une décision | Valeur nette et risque résiduel | Appliquer la règle de sortie |
La grille ne produit pas automatiquement l'arbitrage sur une politique de conservation analytics. Elle force en revanche les équipes à montrer leurs hypothèses sur « besoin analytique par horizon », leurs seuils et leurs responsabilités ; un désaccord est alors explicite et peut être tranché. Chaque étape laisse une trace.
12. Erreurs fréquentes
12.1. Confondre activation et résultat
Activer « besoin analytique par horizon » ne prouve pas que l'effet attendu est atteint. Cette erreur déplace le débat vers l'outil alors que la décision porte sur un changement observable.
12.2. Optimiser le premier indicateur disponible
Si la mesure diverge, la procédure de repli est accessible : un proxy commode peut progresser pendant que la mesure décisive se dégrade. Reliez chaque signal à une décision et à un garde-fou.
12.3. Ignorer les exceptions
Lorsqu'une dépendance change, la limite budgétaire est notée : le parcours nominal masque souvent la fragilité décrite plus haut. Testez un cas limite, un échec et la façon dont l'équipe reprend la main.
12.4. Laisser une dépendance sans propriétaire
Lorsque « données identifiantes séparées » relève de tout le monde, personne ne tranche l'incident ni le coût. Attribuez la décision avant le déploiement.
12.5. Présenter le risque comme une formalité
Documenter « suppression testée dans les dérivés » sans corriger le système produit une conformité de façade. Le dossier doit montrer un contrôle exécuté et son résultat.
12.6. Étendre sans règle de sortie
Si « archives agrégées plutôt que brutes » ne permet pas de décider, le pilote se poursuit par inertie. Fixez à l'avance les seuils de poursuite, de correction et d'arrêt.
13. Plan d'action 30 / 60 / 90 jours
13.1. Jours 1 à 30 : établir le point de départ
- décrire la décision, le périmètre et la personne qui l'assume ;
- consigner la valeur initiale de l'indicateur avant toute modification ;
- inventorier les dépendances et leurs exceptions ;
- écrire le risque principal et sa condition de détection.
Au prochain jalon, l'unité de calcul ne change pas : la première phase sert à rendre le désaccord visible. À trente jours, la direction doit connaître la mesure de référence, les données manquantes et le cas précis sur lequel la progression sera jugée.
13.2. Jours 31 à 60 : éprouver le chemin critique
- mettre en œuvre le contrôle principal sur un flux représentatif ;
- tester la reprise dans une situation normale puis dégradée ;
- enregistrer erreurs, interventions humaines, délais et coûts ;
- comparer les observations au scénario de départ.
Sur le chemin critique, l'hypothèse peut être contredite : ce pilote ne cherche pas seulement à démontrer que la technologie fonctionne. Il doit établir si le dispositif fait progresser l'indicateur retenu sans déplacer une charge disproportionnée vers l'exploitation, les utilisateurs ou un fournisseur.
13.3. Jours 61 à 90 : décider et organiser la suite
- consolider les preuves et faire relire leurs limites ;
- attribuer chaque contrôle récurrent à une fonction nommée ;
- confirmer la prochaine date de revue et la procédure de sortie ;
- étendre seulement si les faits soutiennent l'effet annoncé au départ.
Hors scénario nominal, la vérification locale peut être reproduite : à quatre-vingt-dix jours, il faut démontrer ou infirmer l'hypothèse initiale. Trois décisions demeurent légitimes : étendre, corriger ou arrêter le périmètre ; continuer sans seuil ne constitue pas une quatrième option.
14. FAQ
14.1. Comment définir une politique de conservation analytics ?
Il s'agit d'un cadre de décision appliqué à une politique de conservation analytics. La démarche relie « besoin analytique par horizon » aux contrôles « suppression testée dans les dérivés » et « archives agrégées plutôt que brutes », avec une mesure de référence, des responsables et une règle de sortie.
14.2. Par quoi commencer ?
Devant un écart, les opérations peuvent reprendre : commencez par une décision réelle, une mesure de référence et une manifestation déjà observée du risque principal. L'outil vient après ce cadrage.
14.3. Quel budget faut-il retenir ?
Une fois la baseline établie, les droits d'action sont documentés : additionnez préparation, intégration, exploitation, contrôle, formation, incidents et sortie. Comparez ce coût complet à la valeur attendue, et non au seul prix de licence ou de campagne.
14.4. Combien de temps doit durer le test ?
Le test doit couvrir un cycle complet de la mesure et au moins une exception liée à « suppression testée dans les dérivés ». Sa durée découle de cette observation, et non d'un standard arbitraire.
14.5. Quand passer à l'échelle ?
Passez à l'échelle lorsque la progression demeure stable, que « archives agrégées plutôt que brutes » est contrôlé et que les responsabilités, coûts et conditions de sortie sont documentés.
15. Conclusion
Entre deux revues, le coût complet apparaît : la décision est solide lorsqu'une mesure commune relie les choix techniques, métiers et financiers. Le nombre d'options activées importe moins que la capacité à expliquer les écarts, à traiter les exceptions et à revenir sur un choix devenu coûteux.
Le pivot est simple : le chantier « une politique de conservation analytics » ne doit plus être un projet à livrer, mais une capacité à gouverner pour produire l'effet annoncé. L'écart mérite une explication.
16. Sources principales
- Google Analytics Help — GA4 limits — consulté le 11 juillet 2026 — propriétés standards de Google Analytics 4.
- Google Cloud — Estimate and control costs — consulté le 11 juillet 2026 — stockage natif BigQuery.
- ICO — Privacy-enhancing technologies guidance — 19 juin 2023 — organisations traitant ou partageant des données personnelles.
- Google Analytics — About consent mode — consulté le 11 juillet 2026 — sites et applications utilisant les tags Google.
- Data Contract CLI — Documentation — consulté le 11 juillet 2026 — pipelines et produits de données.