Jira · Qualité des données · 2026-11-19
Jira Assets : préparer un import CSV sans créer de doublons
Une méthode pour fiabiliser vos fichiers avant un import dans Assets : identifiants stables, responsabilités, essais et contrôle des écarts.
La question à résoudre avant d’automatiser
Comment mettre à jour un inventaire issu d’Excel sans recréer les mêmes équipements à chaque import ? La première décision concerne l’identité des objets, avant la fréquence de synchronisation. Un nom peut changer, un responsable peut partir et une ligne peut être déplacée. Il faut donc convenir de ce qui représente durablement le même équipement dans le fichier et dans le référentiel.
Dans Assets Cloud, Atlassian indique que la correspondance repose sur un attribut identifiant ; une correspondance introuvable peut conduire à créer un nouvel objet. Les références techniques de cet article concernent Cloud. Pour Data Center, vérifiez la documentation de votre version. La démarche de préparation ci-dessous est notre proposition de travail, à adapter à votre environnement.
1. Définir un contrat de données simple
Commencez par un seul type d’objet et une seule source responsable. Écrivez la définition de chaque colonne : sens métier, format attendu, caractère obligatoire et personne habilitée à corriger la valeur. Un champ « propriétaire » doit préciser s’il désigne le responsable métier, le support technique ou le détenteur physique. Ces rôles ne sont pas interchangeables.
Choisissez ensuite un identifiant stable dans votre périmètre. Ne supposez pas qu’un numéro de série est toujours renseigné ou unique : contrôlez les valeurs réelles. Si plusieurs entités utilisent les mêmes codes locaux, définissez une convention commune avant l’import. Conservez séparément l’identifiant et le nom affiché afin qu’un renommage ne devienne pas, dans votre logique de rapprochement, un nouvel équipement.
2. Contrôler le fichier avant sa transmission
Nous recommandons un contrôle préalable qui isole les lignes sans identifiant, les identifiants répétés et les valeurs hors du vocabulaire convenu. Conservez les zéros initiaux des codes et traitez explicitement les espaces superflus. Ne fusionnez pas automatiquement deux lignes simplement parce que leurs noms se ressemblent. Transmettez les exceptions au responsable de la source avec une raison compréhensible.
Décidez également qui fait autorité pour chaque information. Un inventaire technique peut fournir le modèle d’un équipement tandis qu’un autre registre définit son responsable métier. Sans cette répartition, un import pourtant réussi peut remplacer une donnée validée par une information plus ancienne. Notez les règles et gardez le fichier source daté pour expliquer les modifications.
3. Tester les cas difficiles sur un périmètre isolé
Exemple entièrement fictif : un fichier pilote contient vingt équipements identifiés de EQ-001 à EQ-020. Préparez une seconde version où EQ-007 change de nom, où une ligne répète EQ-012 et où EQ-020 manque. Le résultat attendu est défini avant l’essai : le renommage conserve l’identité, le contrôle préalable bloque le doublon et l’absence déclenche une revue plutôt qu’une suppression automatique.
La documentation du mapping Cloud distingue le traitement des objets absents et celui des valeurs vides. Examinez ces réglages séparément. Pour notre pilote, nous recommandons une configuration conservatrice et un environnement de test isolé. Ne prenez pas l’absence dans un export partiel pour une preuve de retrait de l’équipement.
4. Accepter le résultat avant de planifier
Après l’essai, comparez les identifiants et attributs avant et après, pas seulement le nombre total d’objets. Relancez le même fichier : votre critère d’acceptation doit inclure l’absence de créations supplémentaires inattendues. Documentez les rejets, les corrections autorisées et la procédure de récupération testée. Un message de réussite technique ne remplace pas cette vérification métier.
Désignez enfin la personne qui examine les écarts et celle qui peut suspendre les prochains imports. L’automatisation devient pertinente lorsque ces responsabilités et ces contrôles sont reproductibles. ITSMWORK accompagne la gouvernance ITSM, Jira Service Management et le reporting ; un diagnostic ciblé peut cadrer les règles de données et les critères d’un pilote avant une mise en œuvre plus large.