Données CRM : fiabiliser HubSpot pour enfin croire vos chiffres
En bref : une base HubSpot devient sale pour des raisons connues : doublons, imports non contrôlés, champs en texte libre, propriétés créées en double, intégrations qui écrasent les valeurs et surtout personne de responsable de la donnée. On la fiabilise en cinq temps : diagnostiquer, fixer des règles de saisie, normaliser et dédoublonner, automatiser le nettoyage, puis gouverner dans la durée. Un nettoyage ponctuel ne suffit pas : sans règles d'import et sans responsable, la base se dégrade de nouveau en quelques mois. Le gain est concret : une segmentation juste, un scoring qui veut dire quelque chose, des rapports que la direction croit, et une IA qui travaille sur des faits.

Pourquoi vos chiffres HubSpot ne sont pas crus
Le symptôme est toujours le même : en comité de direction, quelqu'un sort un chiffre du CRM, et quelqu'un d'autre sort un fichier Excel qui dit autre chose. À partir de ce moment, le CRM perd son statut d'outil de pilotage. Les commerciaux tiennent leurs propres listes, le marketing exporte pour retraiter, et chacun défend sa version.
Le problème vient rarement de HubSpot. Il vient de la façon dont la donnée entre dans l'outil, de qui la modifie et de l'absence de règles partagées. Notre position : un CRM n'est pas fiable ou non fiable, il est gouverné ou non gouverné.
Les six causes d'une base sale
Les doublons
Un même contact créé par un formulaire, puis par un commercial, puis par un import, avec trois adresses e-mail différentes. Une même entreprise sous « Société X », « Société X SAS » et « X ». Chaque doublon fausse le nombre de comptes, disperse l'historique et peut déclencher deux fois la même séquence.
Les imports non contrôlés
Un fichier de salon importé sans colonne de source, un export d'ancien outil chargé sans correspondance de valeurs, une liste achetée injectée directement : l'import est la porte d'entrée la plus rapide des erreurs, parce qu'il en fait entrer des milliers d'un coup.
Les champs texte libre au lieu de listes
Quand le secteur, le pays ou la source sont saisis en texte libre, on obtient « France », « FR », « france » et « Fr. ». Aucun filtre, aucune liste active, aucun rapport ne peut regrouper proprement ces valeurs.
Les propriétés en double
« Secteur », « Secteur d'activité », « Industrie », « Secteur (ancien) » : chaque équipe a créé sa propriété au fil des projets. Personne ne sait laquelle est la bonne, donc chacune est à moitié remplie.
Les intégrations qui écrasent les données
Un ERP, un outil de facturation ou une application métier synchronisés avec HubSpot sans règle de priorité peuvent remplacer une valeur juste par une valeur vide ou ancienne. Le problème est discret : la donnée change sans que personne ne l'ait modifiée.
L'absence de propriétaire de la donnée
C'est la cause qui rend les cinq autres durables. Si personne n'est chargé de valider une nouvelle propriété, d'autoriser un import ou de surveiller les synchronisations, chacun fait au mieux, et la base dérive.
Symptôme, cause probable, remède
Ce tableau sert de premier diagnostic. Il permet de remonter d'un problème visible dans les rapports à sa cause dans la base.
| Symptôme | Cause probable | Remède |
|---|---|---|
| Le nombre de clients diffère entre HubSpot et la comptabilité | Entreprises en double, statut client mal tenu | Dédoublonner les entreprises, fixer qui met à jour le statut |
| Un rapport par secteur affiche des dizaines de valeurs proches | Champ en texte libre | Convertir en liste déroulante, recoder l'existant |
| Un contact reçoit deux fois le même e-mail | Doublons de contacts avec deux adresses | Fusionner, puis encadrer la création manuelle |
| Une valeur correcte redevient fausse sans action d'un utilisateur | Synchronisation qui écrase | Définir l'outil maître par propriété et le sens de synchronisation |
| Le scoring classe « chaud » des contacts sans intérêt | Critères appuyés sur des champs mal remplis | Fiabiliser les champs utilisés avant de recalibrer le score |
| Personne ne sait quelle propriété utiliser | Propriétés en double, pas de dictionnaire | Archiver les doublons, documenter chaque propriété |
La méthode : le cycle de qualité des données
La fiabilisation n'est pas un chantier de nettoyage. C'est un cycle qui se répète, parce que la base continue de vivre.
| 1Diagnostiquer Doublons, complétude, propriétés |
2Fixer les règles Nommage, saisie, import |
3Corriger Normaliser et dédoublonner |
4Automatiser Workflows et formatage |
5Gouverner Responsable et revue trimestrielle |
Étape 1 : diagnostiquer
On mesure avant de corriger. HubSpot propose plusieurs outils pour cela : l'outil de gestion des doublons, qui suggère des paires de contacts ou d'entreprises à fusionner, et les outils de qualité des données regroupés dans Data Hub (anciennement Operations Hub), qui signalent par exemple des propriétés inutilisées ou des valeurs mal formatées. Le périmètre exact de ces outils dépend de votre édition (Starter, Professional ou Enterprise) : vérifiez ce qui est inclus dans votre abonnement avant de bâtir le plan.
Complétez avec des rapports de complétude simples : pour chaque propriété utilisée dans un rapport ou un scoring, quel pourcentage de fiches est renseigné ? Le diagnostic doit aussi lister les intégrations actives et ce qu'elles écrivent dans HubSpot.
Étape 2 : fixer les règles de nommage et de saisie
Une règle de nommage pour les entreprises (raison sociale ou nom d'usage, avec ou sans forme juridique), pour les transactions, pour les propriétés personnalisées. Une liste des champs obligatoires par étape du cycle de vie et par étape de pipeline. Un dictionnaire des propriétés : nom, définition, valeurs possibles, qui la remplit, quel outil fait foi.
Notre position : une propriété sans définition écrite ne devrait pas exister. Si l'équipe ne sait pas ce qu'elle mesure, le rapport qui l'utilise ne mesure rien.
Étape 3 : normaliser et dédoublonner
Normaliser, c'est transformer les champs critiques en listes déroulantes, harmoniser les formats (pays, téléphones, majuscules sur les noms) et recoder les valeurs existantes vers la nouvelle liste. On archive ensuite les propriétés en double, après avoir rapatrié leurs valeurs dans la propriété retenue.
Dédoublonner demande des règles avant des clics : quel enregistrement est le maître, quelles valeurs conserver, que deviennent les associations et l'historique. Certains doublons apparents sont en réalité deux entités différentes, par exemple deux filiales d'un même groupe. On procède par lots, en commençant par les comptes à fort enjeu.

Les règles de données se décident avec les équipes qui saisissent, pas seulement avec celles qui lisent les rapports.
Étape 4 : automatiser le nettoyage
Une fois les règles posées, les workflows prennent le relais : remplir une propriété dérivée, corriger un format à l'entrée, alerter un responsable quand une fiche reste incomplète, affecter un propriétaire aux contacts orphelins. Les actions de formatage de données dans les workflows relèvent de Data Hub et ne sont pas disponibles dans toutes les éditions. Les règles de validation des propriétés, quand votre abonnement les propose, empêchent une partie des erreurs à la saisie.
Étape 5 : gouverner
La gouvernance tient en trois décisions. Un responsable de la donnée, nommé, qui valide toute nouvelle propriété et tout import. Des règles d'import écrites, appliquées à chaque fichier. Une revue trimestrielle : taux de doublons, complétude des champs clés, propriétés créées depuis la dernière revue, erreurs de synchronisation.
Check-list : les règles d'import
- Le fichier a un propriétaire identifié et une raison d'être importé
- Chaque colonne correspond à une propriété existante, aucune propriété n'est créée pendant l'import
- Les valeurs des listes déroulantes sont recodées avant l'import, pas après
- Les adresses e-mail et les domaines sont vérifiés, pour que HubSpot rapproche les fiches existantes
- Une propriété de source ou de campagne indique d'où viennent les fiches
- Le consentement et la base légale de contact sont documentés
- Un import test sur quelques lignes précède l'import complet
- Le responsable de la donnée valide avant de lancer
Ce que des clients en disent
Chez DJUST, le besoin portait directement sur ce sujet : « remettre au carré notre HubSpot, en particulier sur la partie marketing & data », avec un objectif de montée en compétence de l'équipe (avis client). C'est le bon réflexe : une base fiabilisée par un prestataire puis laissée sans compétence interne se dégrade de nouveau.
WIISMILE l'a vécu lors d'une migration : son avis décrit un accompagnement « sur l'onboarding, la migration de données, la prise en main utilisateurs », avec des solutions « adaptées à notre SI ». Une migration est le meilleur moment pour fiabiliser : on ne transfère que ce qui est propre, et on fixe les règles avant que la base ne se remplisse de nouveau.
Ce qu'on gagne avec une base propre
- Une segmentation juste : les listes ciblent les bonnes personnes, sans doublons ni valeurs orphelines
- Un scoring utile : les critères s'appuient sur des champs remplis et homogènes
- Un reporting crédible : le chiffre du CRM devient le chiffre de référence en comité
- Une IA qui aide vraiment : les assistants et agents IA lisent la base telle qu'elle est
Ce dernier point devient décisif. Notre position : une IA branchée sur des données sales ne vous fait pas gagner du temps, elle vous donne des réponses fausses avec assurance. Avant de déployer des fonctions IA dans HubSpot, fiabilisez les propriétés qu'elles vont lire. Pour aller plus loin sur l'architecture, lisez notre page sur la centralisation et la fiabilisation de la donnée CRM, et sur le reporting CRM.
Questions fréquentes
Faut-il Data Hub pour fiabiliser ses données HubSpot ?
Non, une grande partie du travail (règles, listes déroulantes, dédoublonnage manuel, rapports de complétude, gouvernance) se fait sans. Data Hub ajoute des outils de qualité des données et des automatisations de formatage qui font gagner du temps sur les gros volumes. Le périmètre varie selon l'édition : faites-le vérifier avant d'acheter.
Combien de temps prend un nettoyage de base CRM ?
Cela dépend du volume, du nombre de sources et des intégrations. Un diagnostic ciblé tient en quelques semaines ; une fiabilisation complète, avec normalisation, dédoublonnage et automatisations, se mène par lots sur plusieurs mois. Commencez par les données qui alimentent vos rapports de direction.
Qui doit être responsable de la donnée CRM ?
Une personne nommée, souvent côté RevOps, Sales Ops ou administration du CRM, avec l'autorité pour refuser un import ou une propriété. Elle s'appuie sur des référents dans chaque équipe. Sans ce rôle, les règles restent théoriques.
À propos de Copernic
Copernic est un cabinet de conseil et d'intégration HubSpot, partenaire HubSpot Elite, présent à Nancy et Paris. Intégrateur HubSpot depuis 2016, ses 30 experts ont accompagné plus de 800 clients, avec une note de 4,9/5 sur plus de 300 avis et 4 accréditations HubSpot, dont la migration de données CRM. Pour un premier état des lieux de votre base, découvrez notre audit HubSpot.
Vous êtes dans cette situation ? Parlez de votre projet avec un expert Copernic : rappel sous 24h ouvrées.