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

Protection des données : une question de processus

À l'occasion de la Journée Européenne de la protection des données, un constat s'impose : protéger les données n'est pas une simple fonction IT, c’est une composante stratégique de la résilience opérationnelle. Depuis l’entrée en vigueur de DORA, les institutions financières l’ont compris : les approches en silos ne suffisent plus. Les équipes de sécurité sont noyées sous des milliers d’alertes quotidiennes, dont 70 % sont des faux positifs, souvent dépourvus de contexte métier. Le véritable enjeu n’est donc plus de détecter davantage, mais de détecter mieux. Lorsque la protection des données est considérée comme une obligation de conformité, elle génère un flot d’alertes qui noie les analystes. En revanche, intégrée nativement aux processus métiers, elle bénéficie du contexte nécessaire pour distinguer incidents réels et événements bénins, avec une réduction des faux positifs pouvant atteindre 60 à 80 %. L'intelligence artificielle et…

Privacy day : les données, c’est pas donné !

Le 28 janvier, l’entreprise célèbre un acteur parfois discret : le DPO. Ce collègue qui répond « ça dépend » plus vite que son ombre, et qui voit le mot « risque » là où vous voyez « super opportunité marketing », existe depuis la mise en place en mai 2018 du Règlement Général de la Protection des Données (RGPD) en Europe. Le DPO, super-héros du quotidien Le DPO est ce délégué à la protection des données qui veille à ce que les informations personnelles de chacun ne finissent pas en tourisme numérique sauvage. Son rôle au sein de l’entreprise est de conseiller, alerter, parfois contrarier, pour garantir le respect des droits des personnes et la conformité au RGPD, tout en permettant à l’activité de fonctionner. 28 janvier, fête des données La Journée mondiale de la protection des données, célébrée chaque 28 janvier, vise à sensibiliser tout le monde aux usages parfois un peu trop enthousiastes de nos données personnelles. Derrière cette…

IA industrielle : sans données fiables, l’intelligence artificielle est inutile

L’intelligence artificielle s’impose aujourd’hui comme un levier stratégique dans l’industrie. Maintenance prédictive, optimisation des procédés, supervision avancée, aide à la décision : les promesses sont nombreuses. Pourtant, sur le terrain, une réalité s’impose rapidement : l’IA industrielle n’a de valeur que si les données sur lesquelles elle s’appuie sont fiables, continues et correctement contextualisées. Contrairement à l’IA grand public, nourrie de volumes massifs de données homogènes, l’IA industrielle doit composer avec des environnements complexes, hétérogènes et souvent contraints. Automates anciens, capteurs de générations différentes, protocoles multiples, données bruitées ou incomplètes : le terrain industriel est tout sauf standardisé. Le premier défi : la donnée, pas l’algorithme Dans de nombreux projets, l’IA est abordée par le prisme des modèles et des algorithmes. Or, dans l’industrie, le principal défi se…

IA interdites : quand l’usage devient risqué et inacceptable

L’intelligence artificielle s’installe partout dans les organisations, des administrations aux plateformes en ligne. Derrière cette accélération se cache une question moins spectaculaire que les promesses de l’IA générative mais beaucoup plus sensible pour les dirigeants européens. Où s’arrête l’innovation légitime et où commence le risque jugé inacceptable par le nouveau règlement sur l’IA. Quand l’IA franchit la ligne rouge Entré en vigueur à l’été 2024, l’AI Act classe les systèmes d’IA en plusieurs catégories de risque et réserve un traitement particulier à certains usages considérés comme incompatibles avec les valeurs de l’Union. Ces pratiques ne relèvent pas du débat entre bonne ou mauvaise IA. Elles sont purement et simplement interdites et ne peuvent pas être mises en conformité, à la différence des systèmes à haut risque qui restent autorisés sous conditions. Le périmètre des interdictions tient moins à la technologie…

Shadow IA : Comment sécuriser son SI face à l'IA invisible

68% des employés qui utilisent des outils comme ChatGPT ou d’autres IA génératives le font à l’insu de leurs responsables directs ou sans en informer leur DSI. Tout comme le shadow IT, le shadow IA consiste à utiliser des outils technologiques sans l’approbation de la DSI. En se passant des processus internes d’approbation et de validation, ces collaborateurs introduisent des risques significatifs pour la sécurité de l’entreprise et la gestion du SI. Tandis que les départements IT s’efforcent d’établir des règles de sécurité claires et rigoureuses, le shadow IA gagne de l’ampleur et menace de devenir un défi de taille. Quelles sont les causes de l’émergence du shadow IA Facilité d’accès aux technologies Si le shadow IA se développe si rapidement, c’est en partie grâce à la facilité d’accès aux technologies. Aujourd’hui, il suffit de quelques clics pour que vos employés accèdent à des outils SaaS en ligne. Et ce, sans avoir besoin de…

En 2026, la vitesse de la donnée primera sur l’IA

En 2026, l’intelligence artificielle (IA) ne sera plus un simple outil technologique, mais un levier stratégique pour les organisations. La différence ne se jouera plus sur la puissance des modèles, mais sur la capacité à intégrer l’IA dans les processus décisionnels grâce à des données en temps réel. Ceux qui sauront exploiter cette transition ne se contenteront pas de moderniser leurs infrastructures : elles redéfiniront leur avantage compétitif en transformant chaque flux de données en opportunité d’action immédiate et pertinente. Cette année marquera un tournant décisif : l’IA deviendra un actif stratégique, où la maîtrise des données dynamiques déterminera la capacité des organisations à anticiper, décider et agir plus vite que leurs concurrents. 1. Le passage des assistants IA à de véritables agents autonomes Jusqu’ici, l’IA a été une aide. Elle recommandait, résumait, suggérait. En 2026, elle commencera à agir. Les premiers agents…

Sans l’intelligence humaine, l’IA n’est qu’une coquille vide

L’intelligence artificielle fascine, inquiète, promet. Elle est partout, dans les discours, dans les comités de direction, dans les feuilles de route stratégiques. On lui prête des pouvoirs quasi magiques comme automatiser, prédire, décider, créer. Pourtant, une vérité essentielle mérite d’être rappelée avec force : sans intelligence humaine, il n’y a pas d’intelligence artificielle. L’IA n’est pas une conscience. Elle ne pense pas. Elle exécute, calcule, génère et accélère. C'est une fusée. Une fusée sans cerveau, un objet inerte qui, pour concevoir, à besoin d’être guidé, promptée L’humain est le professeur de l’IA. Il lui transmet des données, des règles, des intentions. Il lui enseigne un cadre, une logique, une finalité. Sans ce socle, l’IA ne produit que du bruit : des réponses rapides, certes, mais souvent creuses, hors-sol ou dangereusement biaisées. La qualité de l’intelligence artificielle dépend directement de la qualité…

La donnée comme dernier rempart contre l’accident industriel

Malgré l’élan de modernisation qui traverse l’industrie française, où automatisation, transition énergétique et digitalisation avancent à grands pas, la sécurité des sites de production reste en retrait. Elle demeure trop souvent pilotée selon une logique réactive, fondée sur des pratiques héritées d’un modèle linéaire du risque, peu adapté à la complexité actuelle des environnements industriels. Les chiffres en témoignent. En 2023, plus de 555 000 accidents du travail ayant entraîné un arrêt ont été enregistrés en France. Parmi eux, 759 se sont révélés mortels sur site, un pic jamais atteint depuis dix ans. Ce constat ne remet pas en cause la vigilance ni l’implication des acteurs de terrain. Il révèle plutôt l’essoufflement de dispositifs traditionnels tels que les inspections programmées, les protocoles standardisés ou les équipements de protection individuelle. Dans des contextes de production de plus en plus mouvants, ces approches…

Cloud computing : un choix technologique devenu un choix d’avenir

Pour une entreprise, les données représentent la base de son activité, la confiance de ses clients, ainsi que la souveraineté numérique de son pays. Or, ces mêmes données peuvent échapper à son contrôle, non pas à cause d’une violation ou d’une erreur humaine, mais simplement parce que l’entreprise a accepté les conditions générales d’un fournisseur de cloud plusieurs années auparavant. Bien qu’elle puisse accéder à ses données et les utiliser, elle n'a désormais plus aucun contrôle sur l’écosystème qui les entoure, ni sur leur évolution et leurs changements. Loin d’être une simple hypothèse, ce cas de figure est une réalité quotidienne pour des milliers d’entreprises partout en Europe et dans d’autres pays. Cette situation soulève alors une question cruciale : comment garantir aux entreprises la maîtrise de leurs données et la liberté de choix dans un tel contexte ? La promesse du multicloud : entre attentes et réalité Face à ce…

Accélérer l’usage de l’IA au sein des TPE et PME

Véritable révolution technologique, l’intelligence artificielle va indiscutablement se positionner au centre des plans de transformation des entreprises. Pour autant, force est de constater que son adoption s’opère encore progressivement et que les grands comptes sont les principales structures qui expérimentent l’IA à grande échelle pour différents usages. Mais comment expliquer ce décalage entre la promesse d’une utilisation pour tous et un usage encore très timide de l’IA au sein des petites structures ? Une recherche d’approche très opérationnelle et efficace Utiliser l’IA dans un contexte professionnel diffère de notre usage personnel et doit permettre de simplifier le travail des équipes. En ce sens, il est important d’encadrer la démarche, de définir des cas d’usages concrets et de bénéficier d’apports tangibles qui permettent de mesurer un réel retour sur investissement. Sur ce point, les notions d’expérimentation de l’IA souvent…

Chat GPT : de son fonctionnement et de ses usages pour le grand public

L’IA générative Chat GPT est une technologie qui crée du contenu (texte, images, etc.) en s’appuyant sur l’apprentissage de milliards de données. Elle utilise un réseau de neurones artificiels, pour mettre au point un modèle LLM, capable de prédire et générer des textes cohérents selon le contexte. Chat GPT (GPT = Generative Pretrained Transformer) • Chat GPT est un agent conversationnel (Chatbot) développé sur la base du traitement du langage naturel. Son but est de dialoguer avec un utilisateur et de répondre à ses questions. • Un chatbot est un programme informatique capable de simuler une conversation avec un utilisateur, généralement par un chat en ligne ou une messagerie instantanée. • Chat GPT est un chatbot qui s’appuie sur un LLM, mais aussi du code avec lesquels le LLM va interagir pour analyser et créer des textes, faire des calculs ou des images. Réseau de neurones artificiels • Un réseau de neurones artificiels est un processus employé…

Apache Kafka : 15 ans pour réconcilier la technique et le métier

Apache Kafka fête ses 15 ans, et à l’image d’un adolescent en pleine maturité, il suscite autant d’enthousiasme et d’attachement que de débats passionnés. Ce n’est pas tant une success story consensuelle qu’un phénomène communautaire où chaque profil exprime ses propres raisons d’adhérer ou de s’en méfier. En tout cas, Apache Kafka a révolutionné l’informatique en permettant d’utiliser des données multiples dans des applications multiples avec une capacité de traitement en temps réel. Une techno aimé pour tout et son contraire Certains voient en Apache Kafka l’incarnation du real time car il autorise vitesse, faible latence et performance extrême. C’est ainsi qu’il est né du besoin de gérer les événements générés par les utilisateurs dans LinkedIn en 2010. D’autres lui vouent une fidélité sans faille pour sa stabilité et la garantie que la donnée est préservée quoi qu’il arrive. Pour d’autres encore, c’est la dissociation…

La validation proactive des données, levier clé pour des opérations résilientes à long terme

Les données erronées faussent les analyses, entravent les contrôles de conformité et compromettent les décisions automatisées. Lorsque les problèmes de qualité ne sont pas détectés à temps, ils se répercutent sur l'ensemble des écosystèmes. Lorsqu'un modèle de détection des fraudes détecte des données d'entraînement erronées, toutes les prédictions en aval ont déjà hérité de cette erreur. Les approches de validation traditionnelles échouent à l'échelle moderne, car elles fonctionnent en post-traitement. Pour les rapports de production par lots, la détection des problèmes quelques heures plus tard fonctionnait. Pour la prise de décision en temps réel (détection des fraudes, tarification dynamique, recommandations personnalisées), la validation réactive est inutile. Les données erronées faussent les analyses, entravent les contrôles de conformité et compromettent les décisions automatisées. Lorsque les problèmes de qualité ne sont pas…

IA sans conscience : progrès ou menace silencieuse ?

L’essor fulgurant de l’intelligence artificielle bouscule la dernière frontière humaine : la pensée. Si l’IA excelle dans la cognition, elle reste aveugle à ce qui fonde nos valeurs, à savoir la conscience et le libre arbitre. Deux caractéristiques qu’aucun algorithme ne semble en mesure d’acquérir à ce jour et qui résistent aux tentatives d’explication scientifique. En moins de deux ans, l’intelligence artificielle générative a franchi des seuils inimaginables. Capable d’écrire, traduire, coder, diagnostiquer, elle rivalise avec les compétences humaines dans des domaines toujours plus nombreux. Le test de Turing, jadis référence, semble devenir caduc tant nos échanges avec les modèles actuels paraissent naturels. Mais cette prouesse technique soulève une question cruciale : qu’est-ce qui différencie encore l’humain de la machine ? La cognition n’est pas la conscience À y regarder de près, un réseau neuronal artificiel et un cerveau humain…

Du classeur à la stratégie : l'évolution discrète du métier de documentaliste

Longtemps dédié à la gestion des bibliothèques d’entreprise, le documentaliste est devenu un acteur stratégique de l'information, souvent en première ligne de la veille. Technicisé, communicant et impliqué dans les décisions, il est un pilier incontournable de l’organisation. Parfois méconnu du grand public, le documentaliste constitue une référence que les entreprises ont parfaitement identifiée pour sa valeur-ajoutée. Selon le Larousse, ce professionnel est décrit comme une personne qualifiée chargée de réunir, classer, conserver et diffuser des documents. Centrale au sein de l’organisation (qu’elle soit publique, parapublique ou privée), la mission documentaire a connu ces dernières années une évolution sans précédent. Gérant des ressources physiques telles que des livres, des articles, des plans ou des dossiers, le documentaliste a vu son rôle de gestionnaire transfiguré par la dématérialisation et l’explosion du numérique. Plus question de…

Élaborer une stratégie GenAI pratique et axée sur la valeur dans le secteur de l'assurance

Les DSI du secteur de l'assurance sont confrontés à un défi de taille. Les données qu’ils utilisent sont considérables, complexes et intrinsèquement liées au risque, ce qui en fait un terrain propice à l’adoption de l'IA et une mise en garde contre les défis réglementaires, éthiques et opérationnels. L'IA générative (GenAI) a dépassé le stade des expériences théoriques, et en cas d’adoption, les DSI sont désormais censés apporter une valeur commerciale concrète par le biais de cas d’usage démontrés. Mais comment y parvenir tout en garantissant la conformité, l'évolutivité et l'applicabilité dans le monde réel ? Se concentrer sur les bons cas d’usage Dans son article de décembre 2024, How Insurance CIOs Can Develop a Successful Generative AI Strategy, Gartner[1] souligne que les assureurs privilégient les cas d’usage de la GenAI selon les résultats commerciaux attendus, bien que souvent difficiles à mesurer. La GenAI n’étant plus…

L’innovation ne devrait pas nous remplacer… mais nous rendre plus humains

Dans un contexte économique et technologique en perpétuelle mutation, la question de l’impact de l’IT sur le travail se pose avec acuité. Trop souvent, l’innovation est perçue comme un moyen de remplacer l’humain, de réduire les coûts et de maximiser la productivité. L’automatisation des tâches répétitives, l’intelligence artificielle capable de réaliser en quelques secondes ce qui prenait des heures, les logiciels toujours plus sophistiqués : tous ces progrès technologiques peuvent sembler inquiétants pour ceux qui craignent de perdre leur emploi ou leur rôle au sein de l’entreprise. Pourtant, la véritable révolution numérique ne consiste pas à remplacer l’homme par la machine, mais à le libérer. Libérer son temps, son énergie et sa créativité pour des missions à plus forte valeur ajoutée. Libérer son esprit pour innover, collaborer et créer. La technologie, si elle est pensée et utilisée intelligemment, ne doit pas être un facteur…

La démocratisation de l'IA : du spécialiste à l'utilisateur

L’IA est un outil puissant, mais sa véritable valeur réside non pas dans ses capacités les plus impressionnantes, mais dans la manière dont elle s'ancre dans le quotidien de chacun. On parle beaucoup d'intelligence artificielle comme d'une révolution technologique majeure, qui promet de bouleverser des industries entières et de résoudre des problèmes complexes. On promet de tout optimiser, de prédire la demande ou de générer des insights. Cependant, pour de nombreux professionnels, ces scénarios restent abstraits. La véritable question n'est pas « que peut faire l'IA ? », mais « comment l'intégrer concrètement dans nos métiers ? ». Le vrai sujet n'est pas le manque de technologie, mais le manque de liens avec la réalité du terrain. L'IA ne vaut rien sans l'intelligence des métiers, et ne peut avoir un impact que si elle s'appuie sur ceux qui savent faire : les professionnels. La vraie valeur de l'IA : du concept à la réalité du terrain Une grande partie du…

Comment rendre l’IA rentable

4 étapes à suivre L'adoption de l'IA explose, mais la facture aussi. Les fournisseurs de services opèrent en effet avec des marges très réduites, tandis que les petites entreprises risquent de se retrouver exclues du marché. Si près de 90 % des entreprises affirment que l'IA est essentielle à leur activité, plus de 70 % d'entre elles ont toutefois du mal à en assurer la rentabilité. Le principal défi qu’elles rencontrent est lié aux capacités de calcul et à l'énergie nécessaires au traitement des charges de travail de l'IA. Pour rendre l'IA plus rentable, voici les quatre grandes étapes à suivre : 1. Clarifier ses besoins en matière de performances Une erreur fréquente et particulièrement onéreuse commise par les entreprises consiste à déployer une infrastructure dont les performances sont supérieures aux besoins réels. Trop souvent, ces entreprises investissent dans du matériel sans avoir au préalable défini leurs priorités. Ledit matériel peut par…

Sécurité et intelligence artificielle : pourquoi les RSSI doivent passer à l’offensive

L’essor fulgurant de l’intelligence artificielle bouleverse les équilibres dans le monde de la cybersécurité. Si l’IA accélère l’innovation, elle offre aussi aux cybercriminels des moyens inédits pour attaquer, contourner les défenses et s’adapter en temps réel. Pour les RSSI (Responsables de la sécurité des systèmes d'information), ce changement de paradigme impose une nouvelle posture : celle de l’anticipation, de la visibilité totale et d’un contrôle accru des environnements critiques. À l’heure du cloud hybride et des modèles de langage internes, la sécurité ne peut plus être statique. Elle doit être stratégique. Cloud public : d’accélérateur d’innovation à zone de vigilance Il fut un temps où le cloud public représentait la voie royale vers l’agilité et la transformation numérique. Mais aujourd’hui, cette promesse se heurte à une réalité plus complexe. Alors que l’IA s’appuie sur des volumes massifs de données pour…

La data au centre des transformations des villes et des territoires

En profonde évolution, les villes déploient des plans de transformation de grande ampleur pour répondre aux nouveaux usages et modes de vie et offrir un environnement toujours plus qualitatif aux habitants. Dans ce contexte, le numérique joue un rôle essentiel et la captation et l’utilisation en temps réel de la data sont des sujets stratégiques. En effet, des solutions connectées permettent de moderniser la gestion urbaine : surveillance en temps réel, automatisation avancée et analyse prédictive. Il est alors possible d’optimiser les réseaux d’eau, d’énergie, les transports, de réduire l’impact environnemental, mais aussi de renforcer la sécurité et la résilience et donc de s’adapter aux enjeux actuels et futurs. Collecter, unifier et exploiter les données de la smart city Il est nécessaire d’offrir des solutions avancées pour centraliser, structurer et sécuriser les données terrain en temps réel, mais aussi pour simplifier la supervision et…

Apprendre aux employés à faire confiance à l'IA

Presque toutes les entreprises ont adopté l’intelligence artificielle en principe, mais son intégration complète dans les usages quotidiens reste encore limitée. Le vrai défi aujourd’hui n’est pas tant l’expérimentation que l’appropriation : comment faire en sorte que les employés utilisent réellement l’IA et lui fassent confiance ? Dépasser la peur du remplacement L’un des freins majeurs tient à la crainte que l’IA ne finisse par remplacer certains postes. Pourtant, la bonne question n’est pas de savoir si l’IA remplace une personne, mais si elle automatise une tâche. Dans les faits, l’IA complète bien plus qu’elle ne substitue. L’expertise humaine, la coordination et le jugement conservent une valeur centrale. Rassurer sur ce point est essentiel pour encourager son adoption. La confiance ne se décrète pas, elle se démontre. Les organisations doivent montrer concrètement comment l’IA peut faciliter le travail quotidien. Des projets pilotes,…

Penser l’architecture data pour l’agilité, pas pour la vitesse

Dans le domaine du data management, une question revient souvent : faut-il privilégier le traitement par lots ou en temps réel ? Or, à l’heure où l’instabilité économique est devenue la norme, ce débat paraît de plus en plus dépassé. Trop d’équipes continuent de concevoir des architectures rigides, sans se poser la vraie question : leur plateforme de données est-elle capable de s’adapter en continu, avec fiabilité et à grande échelle ? Le rythme d’ingestion des données ne doit pas dicter l’architecture. Ce qui importe, c’est que celle-ci soutienne les objectifs métier. Séparer les flux rapides des traitements par lots crée des systèmes fragmentés, plus complexes et moins agiles. Une plateforme unifiée permet au contraire de maximiser la flexibilité, la scalabilité et la réactivité. Gagner en efficacité, réduire les coûts : l’apport des flux de données Contrairement aux idées reçues, le traitement en continu est souvent plus efficace. Le…

Cloud public : attention à la fausse évidence

Dans les PME et ETI, la bascule vers le Cloud se fait rarement par conviction, mais davantage par obligation. Un éditeur arrête la version locale de son logiciel ? Vous suivez, parce qu’il faut bien avancer. Une solution devient uniquement accessible en ligne ? Vous migrez, parce qu’en apparence c’est simple, rapide et pratique. Mais avez-vous pris le temps d’évaluer ce que cela change pour votre entreprise ? Ce que cela implique pour la performance de vos outils, la maîtrise de vos flux, ou la continuité de vos activités ? Franck Dunière et Luc Catalan, experts chez Dstny France Entreprises Nous accompagnons de plus en plus d’entreprises qui n’ont pas véritablement “choisi” le Cloud : elles y ont été poussées, et mises devant le fait accompli parfois du jour au lendemain, par un éditeur qui abandonne le modèle installé au profit d’une offre 100 % SaaS. Ce n’est pas un projet de transformation mûrement réfléchi, mais une bascule imposée. Et…