Démystifier l'intelligence des données : ce qu'elle est et pourquoi elle sera importante en 2026

Bonjour à tous. Merci de vous joindre à notre conférence téléphonique d'aujourd'hui sur la démystification de l'intelligence des données, ce qu'elle est et pourquoi elle est importante. Je voudrais vous présenter nos intervenants, Emma McGrattan, directrice technique chez Actian, et Matt Aslett, directeur de recherche chez ISG.

Avant de commencer, je tiens à rappeler que cette conférence téléphonique est enregistrée et que vous en recevrez une copie. Nous vous invitons à poser vos questions et nous essaierons d'y répondre autant que possible pendant la conférence. Sur ce, je cède la parole à Emma.

Super, merci Danielle. Matt, merci de vous joindre à nous aujourd'hui. Pour ceux qui ne connaissent pas ISG, pouvez-vous nous en dire un peu plus sur ISG et sur les guides d'achat ?

Oui, bien sûr. Avec plaisir, et merci de nous avoir invités à ce webinaire. C'est un plaisir d'être ici.

Euh, oui, ISG est un cabinet d'analyse sectorielle. Euh, en particulier, une chose que les gens ignorent peut-être, c'est que nous influençons en réalité plus de 200 milliards de dollars de dépenses technologiques des entreprises. Notre influence est donc assez significative.

Une grande partie de l'activité principale est axée sur les fournisseurs de services et de technologies et sur la collaboration avec les entreprises pour les conseiller sur leur consommation de services et de technologies. La partie recherche logicielle de l'entreprise, dont je fais évidemment partie, relève de la recherche et a en fait été rachetée par ISG il y a maintenant deux ans et demi. Elle s'est donc étendue au domaine des logiciels, mais le conseil, l'analyse comparative, gouvernance la partie de l'activité liée aux fournisseurs de services constituent le cœur de métier.

Nos recherches en matière de logiciels couvrent donc deux domaines principaux. Il s'agit en quelque sorte des plateformes informatiques et technologiques sous-jacentes, de l'analyse et de l'IA des données, du commerce numérique, des technologies numériques, et cela fait partie de l'équipe dont je fais partie. L'autre domaine concerne toutes les applications qui fonctionnent à partir de là.

Donc, expérience client, HCM, Office of Finance, Office of Revenue, et nous avons, vous savez, nos collègues dans l'équipe qui se sont également occupés de cet aspect de la recherche logicielle de l'activité logicielle. En ce qui concerne les guides d'achat, nous allons évidemment parler davantage du guide d'achat sur l'intelligence des données, mais nos guides d'achat sont en réalité quelque chose qui existe depuis toujours dans le domaine de la recherche sur les logiciels, soit depuis un peu plus de 20 ans. Et c'est cette méthodologie que nous avons affinée et, espérons-le, améliorée au fil des ans.

Nous avons commencé sous le nom de Value Index Reports. L'indice de valeur reste notre méthodologie, mais nous avons rebaptisé ces rapports « guides d'achat » il y a environ trois ans. En tant qu'analystes et directeurs de recherche, nous nous mettons essentiellement à la place d'une personne qui achète une technologie ou qui cherche à acheter un logiciel particulier dans une catégorie donnée.

Dans ce cas, il s'agit évidemment de l'intelligence des données. Nous nous demandons donc ce qu'une personne à la recherche de ce logiciel doit savoir. Nous dressons donc une liste des fournisseurs qui nous semblent pertinents et qui seront évalués dans le cadre d'un processus de type R-F-I-R-P.

Nous dressons une liste de toutes les fonctionnalités qui, selon nous, doivent être prises en compte. Cela inclut non seulement les Fonctionnalités essentielles Fonctionnalités dans ce cas-ci, l'intelligence Fonctionnalités données, mais aussi des éléments tels que la fiabilité et la disponibilité, utilisateur, vous savez, utilisateur . Et ce sont des éléments qui s'appliquent à toutes les catégories de guides d'achat que nous réalisons.

Et puis, en plus, nous examinons le type expérience client. Donc, si vous travaillez avec un fournisseur, quel type d'assistance avez-vous pour comprendre la valeur potentielle ou mesurer la valeur potentielle de cet investissement ? Comment se déroule leur processus d'intégration ?

En Fonctionnalités leur support leurs services Fonctionnalités ? Donc, nous évaluons tous ces éléments. Donc, essentiellement, ce que nous faisons, c'est que nous envoyons les informations aux prestataires.

Certains d'entre eux choisissent de participer et de renvoyer des informations. D'autres non. Dans tous les cas, nous évaluons soit les réponses, soit les informations accessibles au public dont nous disposons, tout comme le ferait une entreprise qui examine les fournisseurs dans lesquels elle envisage d'investir. Nous passons en revue les questions et leur attribuons une note allant de A++ à une note inférieure, chaque question ayant un score.

Vous appliquez la note et, vous savez, vous vous retrouvez de toute façon avec cette matrice, qui est, vous savez, évidemment le quadrant du guide de l'acheteur.

Et évidemment, l'objectif pour un fournisseur, je suppose, doit se situer dans le coin supérieur droit, comme vous pouvez l'imaginer, ce que nous appelons « exemplaire ». Et ce sont essentiellement les fournisseurs qui obtiennent les meilleurs scores en termes d'expérience produit et expérience client. Voilà, en résumé.

Je suis sûr que nous pourrons en discuter davantage au fur et à mesure, mais c'est essentiellement ce que nous faisons. Et nous produisons, nous avons produit près d'une centaine de ces segments, je pense, l'année dernière, dans divers segments logiciels. Waouh, d'accord.

C'est très intéressant. Merci. Vous en parlez donc à beaucoup de gens et je pense que la priorité pour beaucoup de personnes du côté des données est la préparation des données pour l'IA.

Alors, que vous disent-ils à propos de la préparation des données pour l'IA ? Et, dans le prolongement de cela, comment définissez-vous les données prêtes pour l'IA ? N'est-ce pas ?

Oui. C'est drôle, nous avons organisé, euh, nous avons organisé ces dernières années des événements ISG AI . Le premier a eu lieu au Royaume-Uni et j'y étais présent. C'était assez amusant car il y avait beaucoup d'enthousiasme, évidemment, autour de l'IA, tout le monde parlait de ses projets d'IA et se lançait dans des projets d'IA.

Et il y avait un élément, en fait, il y avait un élément qui consistait à être en quelque sorte ce type qui dit : « Oui, mais n'oubliez pas les données. N'oubliez pas la qualité des données. N'oubliez pas gouvernance des données. »

Et pour être honnête, vous savez, cela n'a pas été complètement ignoré par les autres, mais ce qui est fascinant, c'est que depuis un an, à l'approche de notre événement, vers la fin de l'année dernière, la situation était complètement différente. Tout le monde parlait de la nécessité de mettre de l'ordre dans gestion des données, gouvernance des données gouvernance d'accélérer les projets d'IA. Et je pense qu'on a beaucoup insisté sur cette étude du MIT et les taux d'échec.

Et moi, vous savez, je prends cela avec un peu de recul, car nous sommes manifestement dans une phase d'innovation, donc il y a des projets, dont certains sont censés échouer, n'est-ce pas ? Vous pouvez donc échouer rapidement et passer à autre chose. Mais ce que nous avons également constaté, vous voyez ici le principal défi que nous observons dans ce domaine, d'après notre étude Data Market Lens, le principal défi en matière de données est de rendre ces données utilisables pour l'IA.

Et je pense que nous avons vu beaucoup d'entreprises réaliser que pour passer d'un projet ciblé, spécifique à un domaine, d'une preuve de concept à quelque chose de plus substantiel, en particulier si cela concerne l'ensemble de l'entreprise, elles doivent disposer de données, comme vous l'avez dit, prêtes pour l'IA et, vous savez, ce que nous, la façon dont je vois les choses, c'est qu'être prêt pour l'IA, cela signifie que les données doivent être propres et bien organisées. Et elles doivent évidemment être conformes à toutes les réglementations applicables à ce projet. Mais elles doivent aussi être, en quelque sorte, alignées sur les objectifs commerciaux spécifiques et les indicateurs clés de performance de ce projet, n'est-ce pas ?

Et je pense que parfois, cela est un peu négligé, comme si nous avions toutes ces données, elles se trouvent dans un lac, peu importe l'environnement, et nous pouvons désormais les utiliser pour de nombreux projets d'IA différents. Et c'est potentiellement vrai, mais il faut comprendre les objectifs, les exigences et les indicateurs clés de performance, puis appliquer cela aux données qui sont accumulées, préparées et traitées pour ce projet spécifique. Donc oui, cela implique beaucoup de complexité.

Évidemment. Une autre chose que nous constatons, c'est que disposer de données de bonne qualité, propres et bien traitées a toujours été une exigence pour les entreprises. Donc, d'une certaine manière, tout cela ne fait que mettre en lumière des problèmes que les entreprises connaissaient déjà, mais qu'elles ont peut-être, disons, mis de côté, parce que ce sont des projets et des problèmes complexes.

Mais je pense que si vous voulez aller de l'avant avec une initiative importante en matière d'IA, vous devez relever ces défis. Peut-être pas au préalable, mais au fur et à mesure que vous avancez dans ce processus. Oui, c'est un bon point.

Je veux dire, nous parlons tout le temps aux clients de la qualité des données, et c'est comme si, vous savez, pourquoi y a-t-il aujourd'hui une vision plus large de l'ensemble du paysage de la qualité des données ? Et c'est l'IA qui évolue à la vitesse des machines, n'est-ce pas ? Avec l'analyse, vous avez un humain dans la boucle, et ils disaient : « Oui, ces chiffres ne sont pas corrects. »

Oui, je sais que j'ai conclu une grosse affaire la semaine dernière. Cela ne se reflète pas dans les chiffres ici.

Bon, vous savez, relançons le rapport, car les machines ne vont pas le faire à notre place. Oui, c'est une période et des données vraiment intéressantes. Oui.

Oui. Et, évidemment, comme vous l'avez suggéré, le fait que les agents puissent prendre des décisions automatisées met vraiment cela en évidence, car, comme vous le dites, vous n'avez plus la personne qui possède les connaissances nécessaires pour repérer ce qui ne semble pas correct ou qui présente il y a une certaine différence entre le tableau de bord que tableau de bord regardais hier et celui que je regarde aujourd'hui. Exactement.

Euh, oui.

Il est donc absolument nécessaire de le mettre en place pour permettre ce type d'initiatives. Génial. Nous avons donc évidemment participé à votre guide d'achat sur l'intelligence des données.

Mais pour ceux qui se sont joints à nous aujourd'hui et qui ne connaissent pas le terme « intelligence des données », pourriez-vous nous éclairer un peu à ce sujet ? Qu'est-ce que l'intelligence des données ? Oui, avec plaisir.

Je pense que, pour commencer, nous devons simplement expliquer pourquoi nous avons créé ce guide d'achat et pourquoi nous pensons que l'intelligence des données est importante. Nous constatons en effet qu'une proportion significative, soit les trois quarts des entreprises, s'engageront dans ce que nous appelons des initiatives d'intelligence des données d'ici la fin de l'année prochaine. Et la raison pour laquelle nous disons cela, c'est pour comprendre comment, quand et pourquoi les données sont utilisées dans l'organisation et par qui. C'est l'une de ces choses que, selon moi, les organisations devraient maîtriser, mais très peu le font.

Hum, vous savez, la raison particulière à cela, (je n'ai pas développé cela) Hum, vous savez, il y a plusieurs participants dans tout type de projet lié aux données. Et, vous savez, pour simplifier, nous pensons à cela en termes de producteurs de données et de consommateurs de données, et ils ont des exigences différentes ou ils ont des perspectives différentes sur les données. Et historiquement, vous savez, toutes ces questions étaient traitées au sein des organisations, mais historiquement, avec plusieurs outils, vous savez, l'administration des données, les équipes informatiques devaient continuer à travailler ensemble, à s'intégrer et à rester synchronisées.

Et je pense que ce que nous avons vu, c'est que l'intelligence des données, en tant que catégorie de produits, du moins telle que nous la concevons, est en quelque sorte issue des catalogues de données et de l'évolution de gouvernance des données gouvernance plateformes remplir le rôle d'une plateforme unique permettant de répondre à ces multiples exigences. Nous définissons donc l'intelligence des données comme un logiciel qui fournit spécifiquement une vue holistique des données, c'est-à-dire de leur production et de leur consommation , qui permet aux administrateurs de données de comprendre et de gérer l'utilisation des données dans les initiatives de BI et d'IA. Cela leur permet ensuite d'accélérer les initiatives stratégiques de démocratisation des données afin de fournir aux analystes et aux utilisateurs professionnels libre-service contrôlé aux données de l'ensemble de l'entreprise.

Il y a donc beaucoup à dire, beaucoup à analyser, mais c'est ainsi que nous voyons le marché. Et, vous savez, c'est un terme que nous avons beaucoup entendu, vous savez, plusieurs fournisseurs l'ont utilisé au fil des ans. Et pendant un certain temps, j'étais en fait plutôt sceptique quant au fait qu'il s'agisse d'une catégorie, car les fournisseurs venaient d'endroits différents sur cette carte, vous voyez.

Mais en réalité, je pense que nous avons assisté à une consolidation du marché et qu'il est devenu plus clair que les Fonctionnalités nécessaires pour répondre à toutes ces exigences. C'est pourquoi nous avons commencé à l'utiliser, car nous avons identifié non seulement qu'il s'agissait d'une catégorie, mais aussi qu'il y avait un besoin réel, en complément des investissements dans des produits plus traditionnels pour gestion des données, l'intégration des données, la qualité des données et gouvernance des données. Évidemment, aucun de ces éléments ne disparaît en soi, mais il existe une catégorie plus large, celle de l'intelligence des données.

Oui. Je veux dire, nous avons assisté à une sorte de transition depuis cette pile de données moderne qui indique les meilleures solutions pour diverses choses, n'est-ce pas ? Et les gens s'attendent désormais à ce que la plateforme d'intelligence fournisse tout cela, n'est-ce pas ?

Et que nous le développions par le biais de partenariats ou que nous le développions nous-mêmes, l'objectif est que tout soit intégré, n'est-ce pas ? Si vous utilisez un produit de données, par exemple, le contrat de données qui sous-tend ce produit observabilité , afin de garantir la fiabilité des résultats. Si des problèmes surviennent, vous avez la possibilité d'appuyer sur un bouton d'arrêt d'urgence et de dire : « D'accord, nous devons corriger les pipelines de données, vous savez, tant que nous ne l'aurons pas fait, nous ne pouvons pas poursuivre cette initiative. »

Mais chez Actian, nous constatons clairement que les gens aiment ce qui se fait de mieux, mais ils veulent que tout fonctionne ensemble. Et le moyen le plus simple d'y parvenir est de s'adresser à un seul fournisseur qui a conclu de bons partenariats. Oui, c'est vrai, c'est drôle de voir comment le pendule oscille d'un côté à l'autre et, vous avez mentionné la pile de données moderne et je pense qu'il y avait beaucoup de bonnes raisons pour lesquelles, évidemment, ces produits, beaucoup de ces produits ont vu le jour et ont été adoptés.

Mais je pense que nous avons vu cela comme, j'ai utilisé l'expression « buffet moderne de données ». Parce que c'était comme : « Hé, voici des centaines de choses parmi lesquelles vous pouvez choisir. Mais c'est à vous de les faire fonctionner ensemble. »

C'est bien, non ? Oui. Donc oui, je pense que, vous savez, évidemment, toutes les entreprises s'inquiètent du verrouillage et du fait de mettre tous leurs œufs dans le même panier.

Mais je pense vraiment que le pendule a basculé vers l'unification et vers le fait que toutes ces Fonctionnalités , ou presque, Fonctionnalités par un seul prestataire, notamment parce qu'elles fonctionnent toutes ensemble et qu'elles sont toutes interdépendantes. Et si vous assemblez tout cela vous-même, en quelque sorte, avec du ruban adhésif et de l'espoir, alors, à un moment donné, en particulier à grande échelle, cela va vous causer des problèmes. Oui.

La vitesse de la machine aussi, n'est-ce pas ? Oui, tout à fait. Oui.

Bon, nous avons donc défini en quelque sorte la notion d'intelligence des données pour notre public. En termes d'exigences fonctionnelles pour l'intelligence des données, quelle est la position d'ISG à ce sujet ? Oui, je pense que vous pouvez clairement voir certaines des Fonctionnalités clés Fonctionnalités , notamment, bien sûr, gouvernance et, évidemment, la sécurité qui en fera partie, absolument.

Vous savez, la qualité des données, et vous avez mentionné observabilité des données, et nous pourrons peut-être aborder ce sujet, mais vous savez, dans une certaine mesure, ces deux notions se recoupent. Et je pense qu'une partie de la raison pour laquelle nous avons constaté cette tendance est que certains des outils existants, les outils traditionnels, comme vous l'avez en quelque sorte laissé entendre dans votre question précédente, nous appliquons en quelque sorte Fonctionnalités coup. Une fois que vous avez créé le tableau de bord, vous le soumettez à un contrôle de qualité des données pour vous assurer qu'il répond à des normes suffisamment élevées.

Alors que observabilité des données observabilité essentiellement à suivre le pipeline et observabilité s'assurer, ou plutôt à essayer de s'assurer que ces problèmes de qualité des données ne se posent pas en premier lieu. Et bien sûr, il est beaucoup plus important d'être adaptatif, de connaître la provenance des données et de comprendre leur utilisation, c'est-à-dire de savoir qui les a manipulées, ce qu'elles ont été utilisées pour, comment elles ont été utilisées, etc. Du côté des consommateurs, nous avons évidemment constaté une forte concentration sur libre-service, découverte de données comme je l'ai dit, découverte de données émerge en quelque sorte de cet espace de catalogue lié à observabilité de la qualité observabilité la question de la confiance.

Et vous avez mentionné que le contrat de données est vraiment important ici pour comprendre, non seulement comprendre, mais aussi convenir de la qualité de ce produit et de la manière dont il sera livré. Et comprendre la nature de ces données, car c'est une chose de pouvoir rechercher en libre-service, vous savez, sur une libre-service , rechercher des données. C'est une autre chose que de comprendre réellement ce que sont ces données, ce qu'elles font, et en particulier en ce qui concerne les définitions des données au sein des organisations, de comprendre ce que signifient toutes ces données et quelles sont les applications et les objectifs commerciaux liés à ces données.

Je viens donc de sortir ceci, qui est lié au guide de l'acheteur. Comme je l'ai mentionné précédemment, nous attribuons des notes allant de A++ à F . Nous avons donc sélectionné, pour certains de ces éléments, la proportion de fournisseurs ayant obtenu une note A- ou supérieure, c'est-à-dire le niveau le plus élevé. Et vous pouvez voir certaines des Fonctionnalités clés Fonctionnalités nous observons dans ce domaine.

Évidemment, métadonnées est assez, vous savez, c'est assez, eh bien, j'allais dire « un enjeu crucial », évidemment, il y a beaucoup de différences dans la manière dont vous fournissez cela. Mais vous savez, le fait que cela soit une exigence est essentiel pour la découverte en langage naturel pour, vous savez, l'accès à la base de données est un autre élément assez largement adopté. Et puis, évidemment, vous savez, un espace émergent.

Ce type de graphe de connaissances Fonctionnalités , en fait, s'intègrent bien. Vous avez mentionné que les données en tant que produit s'intègrent très bien aux données en tant que produit également en termes de, vous savez, fournir cette représentation des données et les relations qui sont liées à ces données et les définitions qui fournissent cette compréhension commune des données. Donc, vous savez, moins bien adopté par les fournisseurs que nous évaluons à ce stade.

Mais évidemment, vous savez, nous constatons que c'est un domaine très important pour les investissements réalisés par les nouveaux fournisseurs dans ce secteur ou par certains des plus anciens qui, vous le savez, tentent de rattraper leur retard par rapport à certaines des innovations qui ont vu le jour ces dernières années. Il est donc évident que l'intelligence des données aide les entreprises à déployer leurs initiatives en matière d'IA jusqu'à la production. Mais l'IA a également un rôle à jouer dans la fourniture de l'intelligence des données elle-même, n'est-ce pas ?

Donc, utiliser l'IA pour des choses comme les glossaires et les interfaces en langage naturel pour les données, etc. Tu veux en parler un peu ? Oui, bien sûr.

Et, vous savez, nous constatons, je veux dire, évidemment, que tous les éditeurs de logiciels, enfin, presque tous les éditeurs de logiciels investissent dans Fonctionnalités d'IA. S'ils ne le font pas, ils devraient absolument le faire. Oui.

Et c'est ce qu'ils obtiennent. Euh, mais oui, comme vous l'avez dit, l'intelligence des données en particulier, en quelque sorte gestion des données Fonctionnalités vraiment mûre pour, vous savez, une accélération grâce à l'utilisation des données, grâce à l'IA générique. Et donc oui, nous pensons que presque tous les fournisseurs de logiciels d'intelligence des données vont certainement offrir support ce type de Fonctionnalités, vous savez, tout au long, euh, tout au long de l'année prochaine.

Euh, oui, comme vous l'avez mentionné, certains des domaines clés, identifier, classer, maintenir, vous savez, ces cartes de relations, créer ces graphiques de connaissances, automatiser la génération de descriptions de données, résumer les données, vous savez, évidemment, comme toujours avec Gen AI, vous savez, vous devez vous assurer que le résultat généré est correct et précis. Il y a donc évidemment ces mises en garde, mais il existe certainement des domaines importants où une accélération considérable peut être réalisée en termes de réduction de la quantité de tâches vraiment cruciales, mais aussi banales et chronophages, n'est-ce pas ? Oui.

Ce qui m'ennuie à mourir, c'est de créer un glossaire, n'est-ce pas ? Oui, oui. Absolument, mais c'est extrêmement important.

Oui ! Et cela doit être fait. Donc, évidemment, tout ce qui peut accélérer cela.

Je pense que, dans ce domaine, nous recherchons clairement des tâches qui pourraient être accélérées afin de permettre à ces personnes de se concentrer sur des tâches à plus forte valeur ajoutée plutôt que de les remplacer. Et évidemment, comme vous l'avez dit, si vous effectuez des contrôles de qualité des données, si vous générez des résumés de données, ce genre de choses, cela doit être vérifié par un humain, qui doit vérifier et valider ces données afin qu'elles puissent être fiables pour ceux qui les consultent. Mais oui, je veux dire, encore une fois, ce sont les pourcentages de fournisseurs qui obtiennent une note A- ou supérieure, donc cela vous donne une indication, même si, comme je l'ai dit, nous prévoyons que tous les fournisseurs de logiciels d'intelligence des données investiront dans ces domaines au cours des deux prochaines années.

Certains sont plus avancés que d'autres. Euh, et, euh, il y a donc beaucoup d'investissements en cours dans ce domaine. Euh, euh, mais c'est certainement un domaine où je pense, vous savez, que les agents peuvent également apporter une valeur ajoutée en ce qui concerne l'automatisation de certains de ces processus.

Oui, c'est exactement ce que nous faisons, n'est-ce pas, et ce n'est pas surprenant. Euh, oui. D'accord, super.

Bon, alors, nous avons parlé tout à l'heure, lorsque vous définissiez l'intelligence des données, n'est-ce pas ? Nous avions les producteurs de données et les consommateurs de données. Et vous savez quoi, j'ai vu beaucoup de réussites dans des organisations qui utilisent data products elles ont défini un propriétaire du site de données, euh, pardon, oui, un propriétaire côté ingénierie des données du produit de données, n'est-ce pas, et un propriétaire côté entreprise.

Et cela facilite la consommation, car les deux équipes se sont mises d'accord sur ce qu'elles vont produire, à quoi cela ressemblera, quelle sera la qualité, etc. Et cela facilite l'adoption. Comment voyez-vous cela ?

Vous voyez ça ? Désolé, continuez. Je veux dire, c'est certainement l'un des domaines où il y a, vous savez, énormément, vous savez, de marge de progression.

Et c'est l'un des domaines, je pense, où notre organisation, comme beaucoup d'autres, a souhaité s'améliorer, car elle savait que c'était un défi : amener ces deux groupes de personnes au sein de l'organisation à collaborer afin d'améliorer la mise en œuvre des initiatives en matière de données et d'analyse. Oh mon Dieu, je ne vais pas entrer dans les détails des raisons pour lesquelles cela est difficile, car il y en a beaucoup et chaque organisation est différente. Chaque organisation rencontre des défis différents à cet égard.

Mais je pense que c'est l'une des raisons pour lesquelles nous avons vu beaucoup d'intérêt pour data products. Vous savez, ce n'est pas, euh, vous savez, ça ne va pas tout résoudre du jour au lendemain. Vous devez adapter vos processus commerciaux et vos processus de collaboration pour tirer parti de la technologie.

Mais comme vous venez de le décrire, cela met l'accent sur la définition des données, des entrées de données, des sorties, des hypothèses, des objectifs et des indicateurs clés de performance. Et j'étais particulièrement, comme vous l'avez dit, si vous intégrez data contracts ce processus, ce que nous voyons, vous savez, dans la plupart des organisations, enfin, la plupart des fournisseurs sont en train de fournir ces Fonctionnalités permettre aux organisations de le faire avec des logiciels d'intelligence des données. Cela fournit vraiment le point central et l'objet de l'accord entre ces deux parties, ce qui donne aux utilisateurs la confiance nécessaire pour tirer parti des données qu'ils trouvent, comprendre à quoi elles servent, connaître leurs définitions, et accélérer leur utilisation de ces data products.

Oui. J'étais récemment à une conférence et quelqu'un est venu me voir après mon discours et m'a demandé s'il fallait attendre d'avoir résolu tous les problèmes de qualité avant de mettre en place gouvernance. Je me suis dit : « Oh mon Dieu, vous n'allez jamais résoudre tous vos problèmes de qualité. »

N'est-ce pas ? Il y aura constamment de nouvelles sources de données.

C'est comme si on ne devait pas attendre. D'accord ? Mais je dois leur présenter ce concept de data contracts data products leur dire : « D'accord, identifions un petit projet, montrons qu'il peut être couronné de succès, d'accord ? »

Vous n'avez pas besoin de vouloir tout faire, il suffit de réduire l'ouverture à une seule application, n'est-ce pas ? Et examinons la qualité de cette application. Livrons un produit et livrons le succès.

Et c'est ainsi que j'aime considérer data contracts data products vous donnent en quelque sorte l'occasion de montrer votre réussite, car tout le monde est, je pense, impressionné par la rapidité avec laquelle nous allons mettre en place une IA de qualité industrielle dans l'entreprise. Et ils constatent tellement de succès avec, vous savez, l'utilisation de ChatGPT dans leur vie personnelle et le fait que leurs e-mails semblent beaucoup plus intelligents et ainsi de suite, qu'ils s'attendent à ce que l'expérience professionnelle soit similaire et cela va nous prendre un certain temps pour y parvenir. Il est donc important, je pense, d'identifier les domaines dans lesquels vous pouvez obtenir des résultats rapides.

Oui, oui. Non, tout à fait. Et je pense qu'un autre aspect de cela en relation avec data products , vous savez, l'orientation principale des data products.

Vous avez donc parlé de gains rapides ou de la définition du champ d'application au sein d'un service ou d'un domaine particulier et de l'identification des indicateurs clés de performance (KPI) associés. Évidemment, l'objectif est de mettre les résultats à la disposition des autres membres de l'organisation, ce qui fait partie intégrante de l'approche axée sur les données et les produits. Mais cela permet de se concentrer sur un objectif précis, ce qui, à mon avis, est l'une des raisons pour lesquelles tout le monde peut avoir de très bonnes intentions en matière d'amélioration, comme je l'ai dit, de la collaboration entre les producteurs et les consommateurs de données au sein de l'organisation.

Si vous essayez de le faire à l'échelle de toute l'organisation, c'est un projet colossal. Si vous pouvez le faire dans le cadre d'un projet, un projet à la fois axé sur différents domaines, alors oui, cela allège au moins le processus. Donc, en parlant de domaines, voyez-vous beaucoup de gouvernance fédérée gouvernance déployée, où chaque département dispose d'un certain niveau d'autonomie en matière de gouvernance son domaine particulier et fait appel à des passionnés de données et à des personnes passionnées par les données dans les différents domaines de l'entreprise ?

Oui. Des passionnés de données plutôt que des geeks de données. Disons que « curieux de données » est probablement un meilleur terme pour cela, n'est-ce pas ?

D'accord. Oui. Oui.

Hum, ce que je trouve intéressant, alors regardons cela, c'est que le concept de produit de données a clairement émergé avec data mesh. Et j'ai constaté, nous avons constaté une adoption moindre du data mesh son ensemble. Mais je pense que le data products et sa mise en œuvre basée sur le domaine, et comme vous l'avez dit, gouvernance fédérée, gouvernance clairement liés à cela.

N'est-ce pas ? Vous pouvez, bien sûr, adopter Data Pro. Je pense, enfin.

Nous constatons que différentes organisations abordent cela différemment. Tout le monde ne dit pas : « Hé, nous y allons tous. Nous nous lançons tous dans data mesh. »

Nous sommes tous dans gouvernance fédérée. Cela dépend, bien sûr, nous avons mené des recherches intéressantes l'année dernière sur les approches organisationnelles en matière de données, que celles-ci soient distribuées ou non, la responsabilité informatique. Est-elle répartie entre différentes unités commerciales ? Est-elle confiée à une équipe centralisée ?

S'agit-il d'un modèle mixte ? Et bien sûr, chaque organisation, vraiment chaque organisation, sera légèrement différente. Je pense donc que de nombreuses organisations sont en train de déterminer quelle approche leur convient le mieux.

Mais d'une manière générale, oui, je pense que nous voyons davantage cette approche fédérée, car elle présente de réels avantages, notamment en termes d'amélioration de la collaboration et d'accélération de la réalisation des projets. Mais vous savez, chaque organisation est différente, et son succès dépendra donc de nombreux autres facteurs, plutôt que de la simple adoption de la technologie et de la décision de dire « oui, c'est ce que nous allons faire ». Chaque organisation, comme je le dis, est différente, et par conséquent, leur succès dans ce domaine dépendra de nombreux autres facteurs plutôt que de la simple adoption de la technologie et de la décision de dire : « Voilà ce que nous allons faire ».

Il faut vraiment, oui, c'est plus facile à dire qu'à faire. Disons-le ainsi. Oui, c'est très vrai.

Bon, nous avons reçu quelques questions avant le webinaire, et nous en avons reçu d'autres pendant que nous étions en ligne. Je pense donc que la première question ici est la suivante : « L'IA a-t-elle renforcé la valeur de l'intelligence des données au cours des 12 derniers mois ? » Et je dirais que, de mon point de vue, absolument.

N'est-ce pas ? Non seulement cela a accru la valeur de l'intelligence des données, mais cela a également mis en évidence le coût de ne pas en disposer. N'est-ce pas ?

Nous avons évoqué précédemment le fait que la BI traditionnelle n'avait pas besoin d'être parfaite, n'est-ce pas ? Vous aviez un humain dans la boucle qui pouvait détecter les erreurs flagrantes, mais dans l'ensemble, les réponses obtenues étaient suffisamment bonnes pour prendre des décisions pour l'entreprise. Mais avec l'IA, et vous savez, la vitesse à laquelle les agents et les LMS consomment les données, vous ne pouvez pas toujours avoir cet humain dans la boucle, n'est-ce pas, pour vous assurer que les données sont de qualité suffisante.

Il faut donc utiliser observabilité, la qualité des données, etc. Donc oui, pour moi, l'intelligence des données est passée d'un atout appréciable à une nécessité absolue. Mais Matt, de votre point de vue chez ISG, voyez-vous les organisations passer d'une vision de l'intelligence des données comme une sorte d'initiative de modernisation en matière de gestion des données à une vision où elle est considérée comme une infrastructure absolument fondamentale pour l'IA ?

Non, absolument pas. Je pense, comme je l'ai dit, que nous avons vu de nombreuses organisations, pas nécessairement, encore une fois, je reviens à cette étude du MIT, ce n'est pas comme si elles abandonnaient leurs projets d'IA, mais je pense que vous pouvez faire votre preuve de concept. Et nous voyons des entreprises le faire.

Faites la preuve de concept, prouvez la valeur des initiatives d'IA ou à petite échelle, mais reconnaissez également si vous allez, si vous allez étendre cela à l'ensemble de l'organisation, si vous allez passer de, vous savez, quelques projets à 10, vous savez, alors ils doivent avoir un niveau de confiance de base non seulement dans certaines de leurs données, mais dans toutes leurs données. Et les données dans l'investissement dans l'intelligence des données et les Fonctionnalités dont Fonctionnalités parlions tout à l'heure sont potentiellement un moyen d'y parvenir. Car, comme vous l'avez dit, en pilotant certains de ces processus qui étaient auparavant réalisés après la création de tableaux de bord et de rapports, voire de projets d'IA, afin de les anticiper en termes observabilité définir à l'avance des éléments tels que les indicateurs clés de performance et les attentes en matière de qualité des données.

Euh, parce que comme vous l'avez dit, en termes d'automatisation et, vous savez, d'utilisation accrue d'agents et du fait qu'il y a, vous savez, certaines de ces Fonctionnalités être garanties. Euh, pour qu'ils puissent avoir confiance et les adopter. Mais aussi en termes de, vous savez, si vous envisagez des initiatives d'IA à grande échelle, alors vous vous intéressez, vous savez, cela dépend évidemment du projet, mais vous pouvez supposer que les données proviennent de plusieurs sources différentes, de plusieurs sources différentes, vous savez, ce qui aurait pu être des silos.

Et donc, vous ne pouvez pas faire cela au cas par cas, projet par projet. Vous devez disposer d'une base de confiance dans la majorité de vos données. Évidemment, vous n'allez pas utiliser toutes vos données à chaque fois, mais oui.

Et donc, on se concentre beaucoup plus sur l'intelligence des données comme moyen potentiel d'y parvenir. Pour faire suite à cela, Matt, dans quels domaines les entreprises sous-estiment-elles le risque opérationnel lié au déploiement de l'IA sans métadonnées couche sémantique régies ? Oh, dans de nombreux domaines.

C'est une question surprise, n'est-ce pas ? Oui. Eh bien, voyons voir.

Je veux dire, vous savez, je trouve intéressant le concept de risque. Je pense, vous savez, l'une des, eh bien, il y a plusieurs raisons pour lesquelles on y accorde beaucoup plus d'attention. Si vous y réfléchissez, il y a beaucoup plus de projets d'IA menés par des cadres supérieurs et les attentes sont énormes, vous savez, qu'elles soient réalistes ou non, quant à ce que l'IA peut accomplir.

Donc, vous savez, le risque, vous savez, c'est plutôt un risque interne de ne pas réussir à fournir ce que le conseil d'administration attend de vous, et ce risque est énorme. Évidemment, il y a énormément de risques potentiels, vous savez, des risques réglementaires et des risques juridiques. Il y a d'énormes défis éthiques potentiels.

Et, euh, c'est tout, je ne trouve pas le mot, mais, vous savez, en termes de, vous savez, le risque pour la réputation si, vous savez, les projets ne sont pas menés à bien, eh bien, premièrement, s'ils ne sont pas menés à bien, mais deuxièmement, ils pourraient être menés à bien, mais vous n'avez pas mis en place les garde-fous nécessaires pour contrôler ce que fait l'IA. Vous exposez un biais énorme. Oui, oui, oui, exactement.

Donc, oui. Les risques sont nombreux et variés, et bien sûr, ce sont tous des éléments qui constituent potentiellement des risques existants liés aux projets, mais leur niveau est clairement mis en évidence, il est accru pour chacun d'entre eux. Et, vous savez, je pense que ce qui est un peu différent, c'est que vous combinez tous ces éléments lorsque vous examinez IA générative particulière d'agentic et IA générative , et oui.

Il y a donc plusieurs aspects à gouverner. C'est pourquoi nous avons constaté une attention beaucoup plus grande accordée aux données, vous savez, gouvernance, pas seulement gouvernance des données, mais aussi gouvernance de l'IA gouvernance les modèles et tout le reste. Et la combinaison de ces deux aspects.

Oui, il faut absolument aborder ces deux aspects en même temps. D'accord. Notre prochaine question est la suivante : « Comment concilier la qualité des données et la rapidité, en particulier lorsque l'on se trouve dans un environnement en phase de démarrage ? » C'est une excellente question, n'est-ce pas ?

Parce que les entreprises en phase de démarrage pensent souvent que gouvernance les ralentir, n'est-ce pas ? Mais en réalité, gouvernance l'absence de gouvernance va vraiment vous ralentir plus tard. Et je pense que, vous savez, en matière de gouvernance qualité, la règle 1-10-100 s'applique toujours, n'est-ce pas ?

J'aime bien donner l'exemple suivant : je me suis installée à Los Angeles juste après avoir obtenu mon diplôme universitaire en Irlande, et je suis allée passer mon permis de conduire. Je savais qu'aux États-Unis, on mesure le poids en livres, alors j'ai indiqué mon poids en livres, mais j'ai supposé que si le poids était en livres, la taille était en pouces, n'est-ce pas ? Je mesure 1,60 m, j'ai donc inscrit 63, n'est-ce pas ? J'ai reçu mon permis par la poste, et il indiquait que je mesurais 1,90 m, n'est-ce pas ?

Je me suis dit : « Oh, c'est plutôt amusant. » Alors je suis allé dans des boîtes de nuit, j'ai montré ma carte d'identité, je mesurais 1,90 m, ça n'a rien changé. Et puis, quand je suis arrivé à... j'ai reçu une contravention pour excès de vitesse, je conduisais vers Las Vegas, j'ai reçu une contravention pour excès de vitesse, et je pense que j'aurais pu m'en sortir grâce à mon charme irlandais et tout ça, sauf que quand on regardait la différence entre la taille indiquée sur le permis et moi en personne, j'ai reçu une contravention, et j'ai dû prendre un avocat, et ça m'a coûté très cher.

Je suis donc la preuve vivante que cette règle du 1-10-100 est quelque chose que vous devez prendre en considération, n'est-ce pas ? Réglez ces problèmes de qualité dès le départ. Très bien, nous avons donc réfléchi au fait que si vous en êtes à vos débuts et que vous ne voulez pas vous enliser dans gouvernance, et que vous considérez gouvernance comme un gouvernance moteur d'innovation, n'est-ce pas ?

Et pas quelque chose qui va vraiment être trop contraignant. Que pensez-vous de gouvernance minimale viable gouvernance comment la mettre en place pour qu'elle puisse évoluer ? Oui, comme vous l'avez dit, c'est une très bonne question, car c'est un véritable défi pour les organisations. Je suis tout à fait d'accord avec vous : gouvernance souvent considérée comme un frein, mais il gouvernance évident gouvernance mauvaise gouvernance le fait de ne pas gouvernance occuper gouvernance en réalité ralentir davantage gouvernance

Mais, vous savez, il y a cet équilibre. Je pense, comme je l'ai dit, que lorsque nous avons constaté ce changement dans la qualité des données, qui était quelque chose qui s'appliquait après coup, après que le pipeline de données réduit le rapport, alors vous exécutez, vous savez, il y a toujours un rôle à jouer pour cela. Là, évidemment, vous voulez clairement évaluer la qualité du résultat.

Mais, vous savez, avec observabilité des données, cela observabilité déplacé vers le début du processus. Et encore une fois, pour en revenir data contracts, je pense que lorsque c'est possible, on peut définir assez rapidement les attentes d'un projet dès le début. Et donc, vous savez, il y a évidemment plus de travail à faire pour répondre à ces attentes, mais vous pouvez vraiment définir assez rapidement un niveau grâce aux produits de données et data contracts .

Et je pense qu'il existe aujourd'hui de nombreuses approches très efficaces, non seulement en matière de qualité traditionnelle, mais aussi en termes de règles et de contrôles de la qualité des données, et même d'évaluations basées sur l'intelligence artificielle. Et puis, vous savez, je sais que nous avons déjà parlé des scores de confiance, vous savez, du point de vue humain, du point de vue utilisateur, vous savez, ces données sont-elles de haute qualité ? Vous savez, oui, elles peuvent être de haute qualité, toutes les données sont correctes.

Est-ce que je fais vraiment confiance, suis-je sûr de ces données, sommes-nous sûrs de leur source ? Savons-nous vraiment d'où elles proviennent et où elles ont été entre-temps ? Et donc, je pense que la capacité à investir dans la traçabilité et observabilité des données, oui, cela représente un investissement initial, et, vous savez, Fonctionnalités des contrats de données.

Mais je pense que nous voyons bien que certaines de ces Fonctionnalités absolument fournir les garde-fous qui vous permettront ensuite d'aller plus vite. Et bien sûr, cela ne doit pas nécessairement être un énorme gouvernance des données traditionnelles dès le départ. Mais oui, c'est une très bonne question.

C'est un véritable défi. Oui. Je veux dire, il y a un risque réel de trop le complexifier, et ensuite tout le monde essaie de trouver des moyens de le contourner, n'est-ce pas ?

Oui, c'est vrai. Oui, tout à fait.

Oui. Très bien, question suivante. Oh, data contracts .

Comment data contracts les catalogues fédérés garantissent-ils la qualité à long terme des produits de données ? C'est une excellente question, n'est-ce pas ? Parce que data products assez rapidement dès leur lancement, n'est-ce pas ?

Euh, à moins que vous n'ayez une propriété très claire, et j'en ai parlé tout à l'heure, nous recommandons, lorsqu'il y a un produit de données, d'avoir quelqu'un dans l'équipe d'ingénierie des données qui en soit responsable et quelqu'un du côté commercial qui en soit responsable. Ainsi, si quelque chose ne va pas, vous savez qui appeler et vous savez qui en est responsable. Et je pense que le fait d'avoir cette responsabilité aide vraiment.

Mais, euh, les catalogues fédérés, n'est-ce pas ? Ils facilitent la découverte, gouvernance fédérée, n'est-ce pas ? Je pense que la traçabilité est extrêmement importante.

Il est important de faire respecter les politiques. Comprendre le contexte. Pour nous, le contexte n'a jamais été aussi important.

Il est donc extrêmement important de bien comprendre la sémantique. Mais pour moi, les catalogues sont un moyen de mettre en œuvre l'application et, euh, cela permet en quelque sorte de s'assurer que vos data products se fanent data products sur pied, n'est-ce pas ? Alors, quels conseils donneriez-vous aux entreprises qui souhaitent déployer data products, avec ou sans data contracts s'assurer que oui, c'est une initiative qui continue d'avancer et qui n'est pas une sorte de catalogue de produits morts et inconnus ?

Oui, encore une fois, c'est une très bonne question. Euh, comme vous l'avez en quelque sorte évoqué, le défi consiste évidemment à faire en sorte que data products soit fondamentale pour votre fonctionnement en tant qu'entreprise et à mettre en œuvre certains des processus clés qui permettent la livraison de ces data products. Et bien sûr, il faut veiller à ce qu'elles restent à jour, s'assurer qu'elles ne sont pas figées, mais qu'elles sont continuellement mises à jour.

Parce que je pense que c'est, c'est un autre aspect que nous n'avons pas encore mentionné, qui est un élément clé : les données sont produites en continu et ces produits devraient être mis à jour en continu. Et cela devrait être le cas, les informations à ce sujet devraient être mises à la disposition des consommateurs lorsqu'ils recherchent des produits. Ou mieux encore, ils devraient être avertis qu'il existe une nouvelle version de ce produit de données ou, bien sûr, lorsque cela est pertinent et qu'ils peuvent s'y inscrire.

Mais, vous savez, il s'agit en quelque sorte, oui, de mettre en œuvre et d'intégrer ces méthodes d'approche des projets de données dans votre mode de fonctionnement en tant qu'entreprise, comme vous le dites, tant sur le plan commercial que technologique. Et cela nécessite, vous savez, eh bien, selon la taille et l'âge de l'entreprise, cela peut nécessiter un véritable changement culturel. Et donc, vous savez, et donc ce que j'ai mentionné plus tôt, c'est que, vous savez, c'est potentiellement plus facile à dire qu'à faire, mais l'autre chose que je pense, c'est que, vous savez, nous pensons aux data products, vous savez, une partie de la raison pour laquelle, vous savez, nous les appelons data products, c'est qu'ils devraient être le résultat ou le produit de la réflexion.

Oui, ils doivent être conçus pour être un produit que le consommateur souhaite avant tout. Et, vous savez, et a défini, vous savez, les attentes comme nous l'avons dit en termes de qualité et de valeur, vous savez, la nature des données et la qualité des données. Mais aussi, vous savez, nous réfléchissons à la façon dont nous consommons et achetons, vous savez, les produits aujourd'hui, vous savez, la capacité de dire, vous savez, oui, c'est un bon produit, non, c'est un mauvais produit.

Oui, vous savez, donner un avis, cinq étoiles, peu importe. Oui. Je pense que, vous savez, dans certains cas, tous les fournisseurs n'intègrent pas cela dans leurs couches d'intelligence des données, dans leurs data products Fonctionnalités de consommation.

Parce que cela fait partie, vous savez, ce n'est pas, évidemment pas la seule chose, mais cela fait partie du processus qui permet de garder cela à jour et de s'assurer que, vous savez, si vous en tant que consommateur pouvez y accéder et, vous savez, oui, les données peuvent être anciennes, mais vous pouvez voir que quelqu'un les a utilisées hier et les a approuvées et que, oui, elles sont toujours pertinentes. Et oui. Vous savez, c'est utilisateur un utilisateur commercial qu'un utilisateur technologique, vous voyez ?

Oh, désolé. Vous savez, l'équipe technique. Vous savez, ça en fait partie, mais c'est, oui.

Il s'agit donc de mettre en œuvre toutes ces Fonctionnalités . Et de réfléchir à cette approche produit, n'est-ce pas ? Il y a donc un cycle de vie de développement, n'est-ce pas ?

Et il y a un responsable des produits de données, n'est-ce pas ? Je pense donc que dans les organisations plus matures, nous considérons cela comme un rôle qui garantit presque le succès, n'est-ce pas ? Si quelqu'un en est responsable, si son travail consiste à gérer data products, je pense que cela peut aussi aider.

Est-ce que c'est ce que vous constatez dans les organisations plus matures ? Oui, sans aucun doute. Comme je l'ai dit, cela nécessite un changement culturel.

Donc, évidemment, les organisations qui font cela depuis plus longtemps. Je veux dire, depuis combien de temps data mesh le data mesh ? N'est-ce pas ?

Vous savez, cela fait déjà quelques années maintenant, et évidemment, les entreprises qui ont été précurseurs dans ce domaine, oui. Elles ont, vous savez, expérimenté. Elles ont, vous savez, évidemment, je ne dis pas que tous les cas ont été, euh, vous savez, couronnés de succès pour moi, mais elles ont trouvé les processus qui fonctionnent pour elles et les ont mis en œuvre.

Donc oui, plus mature en termes d'adoption de, euh, de data products. Absolument. Oui.

Très bien. La question suivante est intéressante. Je ne sais pas trop comment y répondre.

Euh, quelle surveillance est nécessaire pour les réseaux d'IA agentique par rapport aux agents individuels ? Pour moi, il s'agit vraiment gouvernance évoluer gouvernance au-delà de la simple surveillance du modèle. Il s'agit désormais d'examiner l'ensemble workflow, n'est-ce pas ?

Parce que vous avez cette chaîne d'agents et des interactions entre agents, et vous avez des agents qui peuvent modifier le contexte de manière dynamique. Il s'agit d'une énorme orchestration de gouvernance , n'est-ce pas ? Je ne sais pas trop comment répondre à cette question.

Et toi, Matt ? Quelle surveillance est nécessaire ? Oui, une surveillance est nécessaire.

Euh, oui, je veux dire, évidemment, nous en sommes encore aux tout premiers stades de, quoi, eh bien, je crois que l'expression était « réseaux d'IA agentique », mais je pense, oui, applications multi-agents ou peu importe comment vous voulez l'appeler. Vous savez, je pense qu'il y a beaucoup d'intérêt pour l'IA agentique, évidemment, et pour le développement d'agents. Je pense que la plupart d'entre eux sont actuellement, vous savez, des tâches uniques, peut-être pas uniques, mais ils se concentrent sur un domaine très spécifique, un ensemble de tâches très spécifiques.

Il s'agit en fait d'automatiser des processus existants, même s'il s'agit tâche multiples. Alors que je pense que la question, vous savez, la question est en fait d'arriver à couvrir plusieurs applications. Parce que, évidemment, l'autre chose que nous constatons, c'est que chaque application, chaque grand fournisseur d'applications propose ses propres agents et Fonctionnalités d'agents.

La plupart des organisations envisagent donc un avenir où elles devront, disons, faire appel à des agents capables de fonctionner avec différents fournisseurs de logiciels, différents services externes, y compris des services cloud. C'est un sujet très vaste. Oui, la gouvernance absolument nécessaire pour cela.

Je pense qu'en ce moment, nous essayons de mettre en place notre prochain guide d'achat, qui porte sur l'IA et plateformes de données. Évidemment, dans le domaine des plateformes d'IA, nous nous intéressons particulièrement à gouvernance aux opérations de l'IA, ainsi qu'à la capacité de gérer toutes ces parties mobiles, de les surveiller et d'en avoir conscience dans le cadre d'un processus agentique et multi-agents, ce qui, je dirais, représente actuellement un défi vraiment important pour les fournisseurs de logiciels et les entreprises. Mais c'est clairement la direction que tout le monde prend. Donc, un peu, donc ce domaine, mais oui, je veux dire, oui, c'est un énorme, énorme défi, vous savez, je pense que nous pouvons convenir que c'est là que, là où le marché évolue.

Oui. À quelle vitesse nous y parviendrons, pour revenir à ce que vous disiez tout à l'heure, à quelle vitesse nous y parviendrons, je ne sais pas trop, car je pense qu'il y a beaucoup de défis vraiment importants comme celui-là, que nous commençons seulement à relever, oui. Oui.

D'accord.

Bon, alors notre dernière question pour aujourd'hui, et elle est super simple. Je plaisante. Elle est énorme, non ?

Comment mettre en place une gouvernance des données, n'est-ce pas ? Comment s'assurer que lorsque vous définissez votre gouvernance des données, celle-ci ne se résume pas à une série de pages de compliments, mais devienne réellement un cadre qui peut être mis en œuvre à la fois dans l'ingénierie et dans les activités commerciales ? Oui.

Sympa. Facile. Ouais, c'est ça.

Je veux dire, on pourrait faire tout un autre webinaire là-dessus, non ? Mais on pourrait, je veux dire, je pense que la question est : où en êtes-vous, comment vous y prenez-vous ? Par où commencez-vous, je suppose que c'est ça qui est important ici ?

Si nous partons du principe que nous parlons d'une organisation qui n'en a pas. C'est exact. Je pense que vous devez commencer par vous demander, bien évidemment, pourquoi vous mettez en œuvre une stratégie gouvernementale quotidienne.

Et cela comportera plusieurs aspects. Il y aura des aspects réglementaires, sans doute, il y aura, comme je l'ai dit tout à l'heure, des aspects liés aux risques, il y aura des aspects éthiques. Mais tous ces éléments pourraient potentiellement accélérer les exigences de l'entreprise, du conseil d'administration.

Je pense donc que l'essentiel serait en fait de ne pas, si vous partez de zéro, de ne pas vous précipiter sur les données que nous traitons, celles dont nous disposons, leur utilité. Comment les leur fournir ? Mais en réalité, quels sont vos objectifs ?

Comment allez-vous mesurer si vous atteignez ces objectifs ? Hum, je vais m'arrêter là pour l'instant, car je pense que c'est par là que je vais commencer. Et ensuite, vous pourrez continuer.

La raison, c'est ça ? Oui, oui, oui, oui. Nous avons, euh, une de mes collègues ici, elle va demander pourquoi cinq fois, n'est-ce pas ?

C'est comme, pourquoi, mais, mais pourquoi, mais pourquoi, n'est-ce pas ? Et tant que vous ne comprenez pas vraiment, pourquoi le faites-vous ? C'est probablement un projet que vous ne devriez pas commencer.

Et, et une chose qui me surprend vraiment, c'est que parfois, vous savez, nous nous lançons dans une gouvernance, ce que nous pensons être une opportunité, et parfois, à la fin du POC, ils décident qu'ils ne veulent en fait rien faire parce qu'ils se rendent compte de l'ampleur de la tâche. N'est-ce pas ? Et à moins qu'ils ne puissent répondre à cette question, à savoir pourquoi nous faisons cela, ils ne le feront peut-être pas.

Oui, oui, oui. Et parce que, évidemment, comme vous l'avez dit tout à l'heure, gouvernance est clairement un processus continu. On ne peut pas se dire : « Bon, on va arriver là, et puis ce sera fini. »

Mais au moins, si vous pouvez définir pourquoi vous le faites, vous pouvez alors comprendre les indicateurs qui vous permettront de mesurer vos progrès au fur et à mesure que vous avancez dans ce processus continu et sans fin. Merci beaucoup pour cette conversation. Je l'ai vraiment appréciée.

J'espère que notre public a également apprécié. C'était très interactif. J'ai beaucoup aimé cet aspect.

Hum, j'aimerais inviter notre public à visiter actian.com. Vous pouvez télécharger le guide de l'acheteur. Nous avons donc aujourd'hui sur notre page d'accueil le guide de l'acheteur ISG, ainsi qu'une présentation de notre plateforme d'intelligence des données. Mais Matt, je vous remercie sincèrement d'avoir pris le temps de nous expliquer ce sujet et de nous en parler aujourd'hui.

Merci beaucoup et passez une bonne journée. Non, merci à vous. Super.

Oui, merci. Prends soin de toi. Salut.