Decideo - Actualités : Data Science, Big Data, Business Intelligence

Après la souveraineté des données, place à la souveraineté de l’IA

Pendant plusieurs années, le débat autour de la souveraineté numérique s’est principalement concentré sur la question de l’emplacement physique des données propriétaires. Face aux évolutions réglementaires et à la dépendance croissante envers les hyperscalers, cette réflexion a notamment alimenté le mouvement de la « data repatriation », consistant à rapatrier les informations critiques des organisations vers des environnements privés. Cependant, aujourd’hui l’émergence de l’IA agentique est en train de changer profondément la nature du problème et la question classique « où sont stockées les données ? » a été surclassée par « qui contrôle les systèmes qui les interprètent, les enrichissent et les transforment en décisions ? ». La souveraineté n’est plus qu’une question de localisation des données La souveraineté des données demeure un enjeu fondamental. Les organisations doivent continuer à répondre à des exigences croissantes en…

La gouvernance des données : la clé pour libérer la puissance de l'IA agentique

D’après une étude récente du Boston Consulting Group, 42 % des entreprises prévoient d’adopter des agents IA autonomes d'ici 2030, mais à peine 5 % disposent des garde-fous nécessaires pour le faire en toute sécurité. Dave Shuman, CDO chez Precisely, soulève cet enjeu majeur. Selon lui, une gouvernance des données rigoureuse est le prérequis indispensable au succès, à l'innovation et à la fiabilité de l'IA agentique. L'IA agentique fait peser des risques majeurs pour les organisations qui ne mettent pas en place de gouvernance des données. Contrairement à l'IA générative, qui peut produire des erreurs susceptibles d'être examinées et corrigées, l'IA agentique exécute des actions pour le compte d'une organisation, sans supervision humaine. Si ces systèmes fonctionnent sur la base de données incohérentes, biaisées ou mal comprises, ils risquent d'automatiser de mauvaises décisions à grande échelle, car ils reposent entièrement sur la fiabilité des…

La mémoire des agents IA doit entrer dans la cartographie des données

Un agent résume une note juridique, en extrait trois règles puis les conserve dans une mémoire utilisée la semaine suivante. Entre-temps, la note a changé. L’agent peut désormais produire une réponse cohérente à partir d’une information périmée. Le problème n’est ni un simple défaut de recherche documentaire ni une hallucination isolée : c’est une rupture de traçabilité entre la source, les transformations et l’usage du souvenir. De l’inventaire des documents à la chaîne de dérivation Une cartographie classique répond à des questions utiles : où réside une donnée, quel système y accède, combien de temps la conserve-t-on ? Un agent introduit plusieurs copies sémantiques : extrait récupéré par RAG, résumé de conversation, état de planification, mémoire persistante, message adressé à un autre agent. Le flux devient un graphe de dépendances. Une suppression dans le référentiel d’origine ne retire pas automatiquement les formulations…

L’IA ne manque pas d’intelligence mais les entreprises manquent de préparation

Et si la question la plus importante à poser avant de déployer une intelligence artificielle n’était pas « quel modèle choisir ? », mais « que va-t-elle réellement savoir de notre entreprise ? ». Depuis deux ans, les organisations se ruent sur l’IA générative. Les expérimentations se multiplient, les copilotes s’installent dans les outils de travail et les agents promettent désormais d’exécuter eux-mêmes certaines tâches. Pourtant, derrière cette accélération subsiste un angle mort : la capacité réelle des entreprises à rendre leur propre information exploitable par ces systèmes. Car une IA, aussi performante soit-elle, ne peut pas inventer le contexte qui lui manque. Elle ne transforme pas spontanément des milliers de documents, contrats, dossiers clients ou archives en une source fiable de décision. L’IA commence donc par une question beaucoup moins spectaculaire : sommes-nous prêts à lui donner accès à la bonne information ? Le véritable défi…

La validation automobile entre dans l’ère de l’intelligence

Pendant des décennies, la validation automobile a reposé sur une logique simple : plus un véhicule était complexe, plus il fallait multiplier les essais, les bancs, les prototypes et les kilomètres parcourus. Ce modèle a accompagné efficacement l’industrialisation automobile. Mais le véhicule d’aujourd’hui n’est plus celui d’hier. Il est devenu un système logiciel évolutif, connecté, capable de recevoir des mises à jour à distance et intégrant des fonctions d’intelligence artificielle. Certaines fonctionnalités peuvent même continuer à évoluer après la livraison au client. Dans ce contexte, augmenter indéfiniment les moyens physiques de validation ne suffit plus. La question n’est plus seulement de savoir combien de tests peuvent être réalisés, mais si l’on teste les bonnes choses. De la quantité de tests à l’intelligence du risque La multiplication des variantes, des configurations et des interactions entre systèmes crée un espace de…

L'IA ne réparera pas votre système d'information : pourquoi la gouvernance Data est devenue stratégique

Qualité des données, urbanisation du SI et gouvernance : les fondations indispensables d'une intelligence artificielle fiable, performante et créatrice de valeur. L'intelligence artificielle est devenue un enjeu stratégique majeur pour les entreprises. IA générative, Machine Learning, RAG, agents intelligents… Les organisations multiplient les investissements pour automatiser leurs processus, améliorer leurs décisions et gagner en productivité. Mais derrière cet engouement technologique, une réalité fondamentale reste souvent sous-estimée : une intelligence artificielle, aussi sophistiquée soit-elle, ne peut pas produire durablement des résultats fiables si elle s'appuie sur des données de mauvaise qualité. C'est le principe bien connu du Garbage In, Garbage Out (GIGO) : des données erronées, incomplètes, incohérentes ou obsolètes conduisent à des résultats peu fiables. Et avec l'IA, les conséquences peuvent être considérables. Une donnée incorrecte peut…

Planification : arrêtons de demander à l’IA de prédire l’avenir, demandons-lui de nous aider à décider

Il y a dix ans, convaincre un dirigeant d’investir dans un outil de planification demandait de la pédagogie. Aujourd’hui, plus personne ne conteste que la Supply Chain est au cœur de la performance d’une entreprise. Les crises successives (pénuries, ruptures logistiques, inflation, volatilité de la demande) ont fait du stock, du service client et du cash des sujets de comité de direction. Pourtant, dans beaucoup d’entreprises, la réalité quotidienne de la planification a peu changé. Les prévisions se construisent encore dans des fichiers Excel. Les arbitrages entre commerce, production et finance se font dans l’urgence. Et les équipes passent plus de temps à consolider des données qu’à prendre des décisions. Le présent : l’IA est partout, la valeur pas encore Le marché vit un moment paradoxal. Tous les éditeurs parlent d’intelligence artificielle. N’importe qui peut aujourd’hui promettre une solution d’IA en quelques semaines. Mais une IA posée…

La donnée avant l'étiquette : le nouveau défi des PME

Alors que les PME font face à des exigences croissantes de réactivité, de fiabilité et de transparence, la traçabilité est devenue un levier essentiel de performance. Pourtant, elle reste encore trop souvent abordée sous l'angle de l'équipement. La véritable valeur ne réside plus dans l'étiquette ou le code-barres, mais dans la capacité à collecter, partager et exploiter la donnée en temps réel pour piloter efficacement l'activité. Dans de nombreuses entreprises, la traçabilité est encore perçue comme un sujet essentiellement matériel : choisir la bonne imprimante, le bon support d'étiquetage ou le terminal mobile le plus adapté. Ces technologies sont indispensables, mais elles ne constituent que la partie visible d'un enjeu bien plus large. Car aujourd'hui, la question n'est plus seulement d'identifier un produit ou un mouvement de stock. Elle consiste à garantir que l'information associée soit disponible immédiatement et puisse circuler sans rupture entre les…

IA : sans cadre clair, pas de passage à l'échelle

Pour les entreprises, le défi n'est plus tant de découvrir les applications de l'intelligence artificielle que de l'intégrer durablement dans leurs activités. Cela suppose bien plus que l'accès à des modèles performants : sans cadre clair intégrant gouvernance, qualité des données et règles d'usage, aucun passage à l'échelle n'est possible. De l'expérimentation au déploiement Ces dernières années, les entreprises se sont concentrées sur l'identification des cas d'usage de l’IA les plus pertinents, dans des domaines aussi variés que le développement logiciel, l'analyse documentaire, l'assistance aux équipes métiers ou les systèmes agentiques. La question n'est plus seulement de savoir où l'IA peut apporter de la valeur. Elle est de comprendre comment l'intégrer durablement dans les activités, les processus et les métiers de l'entreprise. Autrement dit, il ne s'agit plus simplement de tester des outils ou de valider des cas d'usage, mais de créer les…

IA et open source : le nouveau choix stratégique des DSI

Longtemps considérée comme un sujet d'innovation réservé aux grands acteurs du numérique, l'intelligence artificielle devient une composante concrète des outils de gestion des services informatiques. Pour les DSI, la question n'est plus de savoir si l'IA sera utilisée, mais dans quelles conditions elle devra être déployée. Automatisation du support, gestion des incidents, assistance aux agents : les promesses sont nombreuses. Mais avec la montée en puissance des technologies open source, une question s’impose désormais aux directions informatiques : faut-il privilégier des solutions propriétaires ou miser sur l’ouverture ? Plusieurs modèles coexistent aujourd’hui. Certains éditeurs associent des briques d’IA propriétaires à des plateformes open source. Cette approche facilite le déploiement et garantit un accompagnement technique solide. En contrepartie, elle crée une dépendance vis-à-vis du fournisseur, tant sur les coûts que sur la compréhension…

IA physique : pourquoi le stockage des données devient stratégique à l’ère des machines autonomes ?

Robots, véhicules autonomes, machines intelligentes : à mesure que l’IA s’incarne dans le monde réel, les besoins en données explosent. Cette transformation impose de repenser les infrastructures de stockage pour répondre aux exigences de performance, de capacité et de fiabilité des systèmes autonomes. L’intelligence artificielle s’est d’abord imposée à travers des interfaces conversationnelles capables de générer du texte, des images ou du code. Mais une nouvelle étape est déjà en marche : celle de l’IA physique (Physical AI). L’IA ne se contente plus d’analyser des informations ou de répondre à des requêtes ; elle pilote désormais des robots, des véhicules autonomes ou encore des machines capables de percevoir leur environnement, de raisonner et d’interagir avec le monde réel. Cette évolution marque un changement profond. Les systèmes d’IA ne sont plus uniquement conçus pour comprendre des données : ils doivent désormais agir en temps…

Agents IA en entreprise : pourquoi le modèle de langage ne devrait jamais produire un chiffre

Les agents IA arrivent dans les fonctions commerciales, financières et RH des PME. Leur promesse est réelle, mais une confusion persiste : on demande à un modèle de langage de faire ce qu'il fait mal, calculer et affirmer, au lieu de ce qu'il fait bien, comprendre et formuler. Un modèle de langage produit du texte plausible. C'est sa nature, et c'est précisément ce qui le rend précieux pour comprendre une demande formulée en français courant, résumer un échange ou rédiger une relance. C'est aussi ce qui le rend dangereux dès qu'on lui demande un chiffre. Interrogé sur une trésorerie prévisionnelle, il répondra avec la même assurance qu'il ait raison ou non. Sur une question d'argent, « plausible » ne suffit pas. Séparer la bouche et le cerveau La première règle d'architecture que je défends est simple : aucun chiffre métier ne doit être produit par le modèle de langage. Les calculs appartiennent à du code, alimenté par les données réelles de…

40 ans à façonner la gestion de l’information dans un monde en constante évolution

En quarante ans, la gestion de l’information a profondément changé. Le document, autrefois essentiellement physique, associé à l’impression, à la reproduction et à l’archivage, est devenu numérique, fragmenté et omniprésent. Il circule entre les collaborateurs, les métiers et les systèmes, et s’inscrit désormais au cœur des activités et des décisions. Cette transformation dépasse largement la seule dimension technologique. Elle pose une question essentielle aux organisations : comment durer dans un monde où les technologies, les usages et les contraintes se renouvellent en permanence ? De la gestion des flux à la maîtrise de l’information L’information est aujourd’hui un actif stratégique. Les organisations doivent gérer des volumes croissants de données et de documents, tout en répondant à des exigences renforcées en matière de sécurité, de conformité et de traçabilité. La priorité n’est donc plus seulement de produire, stocker ou…

Souveraineté des données : sortir de l'illusion de la localisation

La souveraineté numérique s'est imposée en quelques années dans le débat public européen. Elle infuse désormais les conseils d'administration, les cahiers des charges informatiques et les discours institutionnels, au même titre que l'autonomie stratégique en matière de défense ou d'industrie. Mais derrière ce consensus apparent se loge une confusion durable, celle qui assimile souveraineté et simple localisation géographique des données. La souveraineté numérique peut-elle réellement se résumer au lieu où sont hébergées les données, alors que leur sécurité et leur maîtrise dépendent d’une chaîne technologique, juridique et opérationnelle beaucoup plus large ? C’est là tout l’enjeu. Une donnée hébergée en France n’est pas nécessairement une donnée pleinement souveraine. Pour apprécier le niveau réel de maîtrise d’une organisation, il faut regarder au-delà de son lieu de stockage : qui exploite l’infrastructure ? Sous quelle juridiction…

Facturation électronique : la circulation de la donnée change la nature du risque d’entreprise

La généralisation de la facturation électronique est souvent présentée sous l’angle de la conformité, de la simplification administrative ou de la lutte contre la fraude à la TVA. Ces dimensions sont légitimes. Mais elles ne doivent pas masquer une transformation plus profonde : nous entrons dans une économie où la donnée financière et commerciale circule de façon toujours plus systématique entre les organisations, leurs partenaires, leurs prestataires et les administrations. Ce changement mérite d’être regardé sous un autre angle : celui du risque. Car lorsque la donnée circule davantage, le risque ne disparaît pas. Il se déplace. Il ne se situe plus uniquement dans les systèmes qui hébergent l’information, mais également dans les flux, les identités et les relations de confiance qui permettent sa circulation. C’est une évolution que l’on observe déjà très concrètement dans les entreprises. La transformation numérique n’a pas supprimé le…

Données industrielles : pourquoi les collecter ne suffit plus

Dans une usine, deux valeurs de « 34 » peuvent être identiques dans une base de données et pourtant décrire deux réalités différentes. Leur sens dépend de leur origine, de l’équipement, de l’instant de mesure ou du contexte de production. La valeur seule ne suffit pas : pour être exploitable, une donnée industrielle doit conserver ce qui permet de l’interpréter. Pourtant, de nombreux projets de digitalisation commencent encore par une question quantitative : quelles données pouvons-nous collecter ? On connecte les automates, on historise des tags, puis on alimente un SCADA, un MES, une GMAO, un ERP, une plateforme IIoT ou un outil de BI. C’est souvent à ce moment que le coût du contexte perdu apparaît. Quand le lac de données devient un « lac de tags » Collecter beaucoup ne signifie pas disposer de données utilisables. Sans contexte structuré, l’entreprise constitue progressivement un « lac de tags » : des milliers de valeurs dont l’interprétation…

Du commerce omnicanal au commerce unifié : la donnée comme nouveau socle des marques D2C

Les marques D2C ont bâti leur modèle sur une promesse simple : parler directement à leurs clients, sans intermédiaire. Une force considérable. Mais aussi, aujourd’hui, un défi majeur. Car le client de 2026 ne fait plus la différence entre les canaux. Il découvre un produit sur les réseaux le matin, le compare sur son mobile à midi, l’achète depuis son ordinateur le soir et veut le retourner en boutique le week-end. Pour lui, ce ne sont pas quatre parcours. C’est un seul. Celui de la marque. Dès lors, une question s’impose : à l’heure où les consommateurs ne distinguent plus les canaux, comment les marques D2C peuvent-elles passer d’une simple logique omnicanale à un véritable commerce unifié, sans engager de coûteux chantiers de transformation ? Le problème est moins celui de la multiplication des points de contact que celui de leur capacité à partager une même réalité. Dans la plupart des organisations, ce parcours unique repose encore sur des…

L’IA accélère les marchés. Qui garde le contrôle ?

L’intelligence artificielle s’impose progressivement dans l’ensemble de la chaîne financière. Elle analyse des volumes considérables de données, détecte des signaux faibles, mesure la liquidité disponible et optimise l’exécution des ordres en quelques fractions de seconde. Pour certains, cette évolution annonce une finance plus efficace, plus rapide et plus précise. C’est en partie vrai. Mais il serait dangereux de croire que la technologie, parce qu’elle est performante, peut se substituer à la responsabilité humaine. Les marchés financiers ont toujours cherché à gagner en vitesse. Les outils changent, mais la promesse reste la même : mieux identifier les opportunités, réduire les coûts de transaction et limiter les risques. Les algorithmes d’exécution permettent aujourd’hui de répartir un ordre sur plusieurs plateformes, de s’adapter aux volumes échangés et de réduire l’impact d’une opération sur le prix d’un titre. Cette sophistication…

Faites de votre gouvernance des données un levier de pilotage

Les organisations prennent chaque jour des milliers de décisions. Certaines sont opérationnelles et concernent la gestion courante des activités. D'autres sont tactiques et orientent l'allocation des ressources ou l'organisation des opérations. D'autres encore sont stratégiques et engagent durablement l'avenir de l'organisation. À ces catégories s'ajoutent les décisions réglementaires, qui permettent de démontrer la conformité, de satisfaire une obligation légale ou de justifier une position auprès d'une autorité de contrôle. Toutes ces décisions ont un point commun : elles reposent sur des données. Les données sont transformées en informations, les informations en connaissances, puis ces connaissances sont mobilisées pour décider. Cette chaîne est au cœur du fonctionnement des organisations modernes. Elle conditionne leur performance, leur capacité d'adaptation, leur maîtrise des risques et leur conformité. Pourtant, les initiatives de gouvernance des…

Dans les secteurs réglementés, le prochain scandale ne viendra peut-être pas d’une fraude. Mais d’un document introuvable.

Dans la banque, l’assurance, l’industrie, l’énergie, la santé, l’immobilier ou le notariat, les entreprises ont appris à vivre avec la réglementation. Elles disposent de responsables conformité, de procédures, de systèmes de contrôle, d’audits, de certifications et parfois de logiciels extrêmement sophistiqués. Pourtant, une question beaucoup plus élémentaire reste souvent sans réponse : Sommes-nous réellement capables de savoir quel document fait foi ? Pas quelle version circule dans une boîte mail. Pas celle enregistrée sur le bureau d’un collaborateur. Pas celle retrouvée dans un ancien dossier partagé. Mais la bonne version. Validée par la bonne personne. À la bonne date. Avec la capacité de démontrer son historique. Dans un secteur réglementé, cette nuance peut devenir considérable. Car la conformité ne consiste plus seulement à posséder un document. Elle consiste à pouvoir prouver sa gouvernance. Nous avons créé des montagnes de…

La rentrée, moment de vérité pour les données des entreprises : et si le vrai retard n'était pas là où on le croit ?

Chaque année, le même scénario se répète. Les équipes reviennent, les comités de direction se réunissent, les feuilles de route du dernier trimestre se dessinent. Les projets s'empilent, les arbitrages s'accélèrent. Et très vite, la même question revient sur la table : a-t-on les bons chiffres pour décider ? Car la rentrée agit souvent comme un révélateur. Pendant les mois d'été, les systèmes d'information ont continué à vivre. Des données ont été saisies, modifiées, importées. Des doublons sont apparus, certaines informations n'ont pas été mises à jour, des référentiels ont continué à diverger. Rien de spectaculaire, pris individuellement. Mais, mis bout à bout, ces petits écarts finissent par peser. Le paradoxe est d'autant plus important que les entreprises disposent aujourd'hui de volumes de données considérables, sans pour autant en tirer toute la valeur. Selon une étude citée par Mazars, elles n'exploiteraient en moyenne qu'environ 30 % de…

Entreprise : comment choisir son IA experte et souveraine ?

Les gains de productivité sont acquis ; ils ne départagent plus les offres. Le choix d’une intelligence artificielle engage désormais trois sujets de gouvernance : la preuve, la souveraineté et la propriété de ce que la machine apprend. Il n’est plus un comité de direction qui n’ait inscrit l’intelligence artificielle à son ordre du jour. Et pourtant, la plupart des entreprises choisissent encore leur IA comme elles choisiraient un logiciel de bureautique : à la vitesse, à la démonstration, au prix de l’abonnement. Ce réflexe, compréhensible, repose sur un malentendu. Dès lors qu’une réponse engage la signature de l’entreprise, dans un appel d’offres, un audit, un questionnaire de sécurité ou un reporting réglementaire, le sujet cesse d’être la rédaction pour devenir la preuve. Et le choix d’une IA cesse d’être un achat d’outil pour devenir une décision de gouvernance. Reconnaissons-le volontiers : les gains de productivité sont réels, et…

Comment faire de votre gouvernance des données un levier de transformation

Dans une précédente tribune, nous défendions l'idée que la gouvernance des données devait évoluer sur deux plans. Le premier concerne sa conception : partir des décisions plutôt que des seules données afin de transformer la gouvernance en levier de pilotage. Le second concerne son déploiement : réduire les délais, les frictions et les efforts nécessaires à son adoption afin d'en faire un véritable levier de transformation. Cette seconde évolution est souvent reléguée au second plan. Pourtant, elle conditionne largement le succès des initiatives de gouvernance. Une gouvernance qui nécessite plusieurs années d'efforts avant de produire ses premiers résultats peine à mobiliser durablement les métiers. Une gouvernance qui multiplie les ateliers, les arbitrages et les travaux préparatoires finit par être perçue comme une charge supplémentaire. Une gouvernance qui tarde à démontrer sa valeur compromet sa propre adoption. Le problème n'est pas que les…

Détecter les deepfakes IA : un impératif stratégique pour les entreprises

L’émergence d’une IA générative toujours plus réaliste transforme profondément les risques de fraude et d’usurpation. S’appuyer sur une approche permettant de rétablir un signal de confiance fiable dans les contenus numériques, pensée comme une brique technologique au cœur des systèmes existants est alors une nécessité pour rendre l’IA vérifiable, traçable et maîtrisable à grande échelle. Créer un environnement de confiance dans de nombreux cas d’usage Neutraliser la fraude à l’IA implique donc de s’appuyer sur des dispositifs éprouvés et intégrés. L’objectif est de garantir que les documents sont bien originaux et qu’ils n’ont pas été altérés ou manipulés par l’IA. Il est alors possible de mener à bien des opérations à forte valeur ajoutée et de sécuriser des processus complexes. À titre d’exemple, nous pouvons citer les secteurs banque, finance et assurance, particulièrement exposés aux fraudes documentaires, usurpations…