Sommet des dirigeants de la communauté Gartner CDAO de New York

Quel était l'objectif du sommet ?

Merci de votre participation au Gartner New York City CDAO Community Executive Summit.

Lors du Sommet, les responsables des données et de l'analytique se sont réunis pour se concentrer sur les conditions concrètes nécessaires au déploiement de l'IA au sein des organisations, et non plus seulement sur la théorie. Les discussions ont porté sur la mise en place d'infrastructures de données robustes, l'instauration d'une gouvernance adaptée et l'adaptation du rôle du CDAO (Data Data Officer Accountability) face à l'évolution de l'IA, de la phase d'expérimentation à l'intégration dans les opérations quotidiennes. Grâce à des échanges pratiques entre pairs, les participants ont partagé leurs bonnes pratiques, leurs difficultés et la manière dont les CDAO peuvent impulser des progrès significatifs sans se surestimer ni faire de promesses irréalistes. Lors de la session très suivie de Rocket, Michael Curry a ancré ces thèmes dans la réalité du travail des CDAO et a défini une stratégie claire pour l'avenir.

Du projet pilote à la production: les 5 exigences pour des données prêtes pour les agents

La session de Michael a examiné comment l'IA agentive transforme le rôle des CDAO dans le passage des projets pilotes à la production d'IA, sans accroître les risques ni la complexité. La discussion a porté sur cinq exigences que les CDAO doivent mettre en œuvre pour approuver et déployer à grande échelle des systèmes autonomes de manière responsable, en s'appuyant sur les réalités opérationnelles actuelles et en adéquation avec les priorités des CDAO à l'horizon 2026. La session a proposé un cadre pratique pour évaluer l'état de préparation, clarifier les responsabilités et séquencer les progrès, sans augmenter les risques ni la complexité.

Principaux points à retenir:

• Pourquoi les organisations qui déploient l'IA avec succès considèrent-elles l'IA en production comme un défi de gestion et de gouvernance des données, et non comme un problème de modélisation ?
• Comment les équipes dirigeantes concrétisent-elles la confiance grâce à des normes mesurables — telles que la fraîcheur, la traçabilité et la validation des données — avant que l'autonomie ne soit approuvée ?
• Qu’entend-on par unifier les données structurées et les contenus non structurés au moment de la prise de décision afin de fournir aux agents des connaissances cohérentes et maîtrisées ?
• Comment le contexte partagé, la politique en tant que code et le comportement prévisible du système permettent aux CDAO de défendre leurs résultats sous le contrôle des instances exécutives et réglementaires
• Les organisations qui commencent aujourd'hui à se concentrer sur un domaine ou un produit de données précis s'efforcent de progresser vers des données prêtes à l'emploi pour les agents, sans perturbation à grande échelle.

Points clés: Les priorités actuelles des CDAO

1. Faire passer l'IA des expériences à l'entreprise

Un message récurrent de la conférence était que le défi de l'IA ne consiste plus à démontrer sa valeur ajoutée lors de projets pilotes, mais à la déployer de manière fiable à grande échelle. Gartner a souligné que le succès en production repose sur la préparation des données dans des environnements complexes – confiance, gouvernance et reproductibilité – plutôt que sur les seuls modèles ou outils. Définir clairement les conditions préalables à l'approbation des systèmes autonomes est une étape cruciale pour permettre une IA fiable. Cela contribue à repenser le progrès comme un défi d'exécution et de préparation plutôt que comme une expérimentation continue.

2. Une gouvernance qui accélère, et non qui restreint

À mesure que les systèmes d'IA gagnent en autonomie, les intervenants ont souligné la nécessité d'une gouvernance intégrée à l'exécution, et non d'un simple contrôle a posteriori. L'accent a été mis sur une gouvernance dynamique, axée sur les politiques, qui permet un accès plus rapide aux données fiables tout en garantissant la responsabilité et la supervision. Cette évolution reposera sur une confiance exécutoire, un contexte partagé et des politiques intégrées aux exigences opérationnelles. Il est apparu clairement qu'il ne s'agit pas d'un projet unique ni d'une nouvelle plateforme, mais d'une démarche progressive. En gérant cet effort de manière réaliste et par étapes, les responsables de la gouvernance de l'IA (CDAO) peuvent démontrer en toute sécurité comment la gouvernance peut évoluer au même rythme que l'IA sans freiner les progrès.

3. Opérationnaliser les « données en tant que produit »

De nombreuses sessions ont abordé l'importance des modèles de données en tant que produit pour clarifier la propriété, les exigences de qualité et la responsabilité à mesure que les initiatives d'IA se développent. Les agents s'appuyant de plus en plus sur ces modèles, des actifs de données stables et gouvernés, ainsi qu'une responsabilité opérationnelle clairement définie, seront des prérequis pour des données prêtes à l'emploi et, à terme, pour des produits de données. Ensemble, ces perspectives ont souligné combien les fondements de données orientés produit deviennent essentiels pour déployer l'IA à grande échelle en toute confiance.

Sachez où en est votre stratégie de données et quelles sont les prochaines étapes. Faites le point sur votre stratégie de données et définissez vos prochaines actions.

IDC identifie six piliers de la modernisation informatique. Des données complètes et fiables sont essentielles à chacun d'eux. Si votre stratégie de données ne répond pas à ce besoin, l'IA et l'analyse avancée auront du mal à générer de la valeur à grande échelle.

Comparez votre organisation à ses concurrents, identifiez les écarts et clarifiez vos priorités. Une fois vos résultats obtenus, les experts de Rocket Software sont à votre disposition pour les analyser et discuter des prochaines étapes concrètes afin de renforcer votre infrastructure de données pour l'IA d'entreprise.