Événement

Sommet Gartner sur les données et l'analytique 2026: Comment réussir le passage de l'IA du projet pilote à la production

Michael Curry, président de la division Modernisation des données chez Rocket Software, a présenté les 5 changements clés nécessaires pour déployer l'IA à grande échelle, de l'expérimentation à l'impact en entreprise. Découvrez ci-dessous les principaux enseignements de sa présentation.

Intégrez les enseignements tirés de votre session au sein de votre organisation.

 

Stand de Rocket

 

Lors du Gartner Data & Analytics Summit 2026, nous avons constaté que les entreprises ne rencontrent pas un « problème d'IA », mais un problème d'accès aux données, de confiance et de contrôle. Les projets pilotes s'enlisent face aux données héritées, aux documents protégés et aux contraintes de gouvernance. Nous avons également compris que notre réponse à ces problèmes est directement liée à des défis majeurs tels que le déploiement de l'IA à grande échelle, la gestion des perturbations et l'équilibre entre risque et gouvernance. Rocket est là pour vous aider à transformer ces enseignements en actions concrètes et à exploiter pleinement le potentiel de vos données pour un succès réel et durable.

 

Trois actions que vous pouvez exécuter rapidement

Les organisations peuvent réaliser rapidement de réels progrès en:

  • Définition des SLA de confiance pour leurs 10 ensembles de données les plus critiques.
  • Mise en œuvre de modèles de récupération contrôlés pour les données et le contenu.
  • Mise en place rapide de modèles sémantiques et de produits de données que les agents d'IA peuvent utiliser immédiatement.

Ces mesures créent une dynamique, réduisent les reprises et diminuent les risques liés à l'expérimentation en IA. Rocket est là pour vous aider à transformer ces informations en actions et à exploiter pleinement le potentiel de vos données pour générer un succès concret et durable.

Parlez à un expert

Principaux enseignements du sommet Gartner Data & Analytics 2026

  • La préparation à l'IA repose avant tout sur la confiance: confiance dans la qualité, la traçabilité, la sécurité et le contexte des données. Les organisations doivent formaliser des accords de niveau de service (SLA) de confiance garantissant une fourniture de données cohérente et contrôlée pour toutes leurs initiatives de modernisation et d'IA.
  • La recherche d'informations contrôlée doit être une compétence stratégique: l'IA oblige les entreprises à gérer la recherche d'informations à travers des données structurées, des contenus non structurés et des connaissances stockées sur les systèmes centraux. Les entreprises qui intègrent la recherche d'informations contrôlée comme un pilier architectural fondamental, et non comme un simple module de contrôle, seront les gagnantes.
  • La souveraineté des données doit évoluer d'une approche « géolocalisée » à une approche « axée sur l'usage »: les cadres de souveraineté traditionnels sont mis à mal par les modèles d'accès dynamiques de l'IA. Les entreprises ont besoin d'une souveraineté adaptative et fondée sur l'usage, où les règles s'adaptent au contexte d'utilisation et non aux limites du système, de la région ou du stockage.
  • La sémantique est la nouvelle interface des agents d'IA: ces derniers ne peuvent pas fonctionner correctement avec des tableaux bruts ou des schémas hérités. Ils ont besoin d'une sémantique adaptée à leurs besoins — un sens clair, des relations et une intention précises — exprimée par des métadonnées gouvernées, des modèles de connaissances et des produits de données bien conçus.
  • Les produits de données doivent être alignés sur l'IA, et pas seulement prêts pour l'analyse: les entreprises ont besoin de produits de données enrichis d'une sémantique lisible par machine, conçus pour la génération augmentée par la récupération (RAG), l'orchestration d'agents et l'intelligence ML continue, et non pas seulement de tableaux de bord ou de sorties ETL.
Contenu connexe
vidéo

L'avantage de l'IA: maximiser les données mainframe pour l'analyse

L'avantage concurrentiel tiré des données mainframe existe malgré ses limites.

Voir maintenant
Insight

Des silos à la stratégie: libérer le véritable potentiel des données

Le rôle de la gestion des données aujourd'hui n'est plus seulement d'accumuler et de stocker des données, mais de les visualiser, de leur faire confiance et d'en extraire une valeur maximale pour un avantage concurrentiel, quel que soit leur emplacement.

Lire maintenant
Insight

Au-delà du côté acheteur: vos données mainframe ne sont pas figées. Votre stratégie, si.

Dépasser les goulots d'étranglement des données et transformer les systèmes centraux en atout.

Lire maintenant