Du sommet à la stratégie: Au cœur du sommet Gartner D&A 2026

Du 9 au 11 mars, Rocket a participé au sommet Gartner sur les données et l'analytique à Orlando, en Floride. Cette année, le thème était « Créer de la valeur à la vitesse de l'IA: s'orienter dans le présent et l'avenir », et les plus de 3 000 fournisseurs, responsables des données, DSI et experts en technologies présents l'ont incarné dans leurs réflexions et leurs questions.

Les trois jours du sommet ont été riches en échanges stimulants avec clients, partenaires et pairs. Que ce soit lors de la session que j'animais, pendant les déjeuners et les réunions informelles, ou dans les couloirs entre les forums, le thème récurrent portait sur la résolution des problèmes d'accès aux données, de confiance et de contrôle.

L'événement étant terminé, la priorité est à la mise en œuvre. Voici comment traduire les enseignements de Gartner D&A en actions concrètes et rapides pour la stratégie de données de votre organisation.

Exploiter pleinement la puissance de vos données

J'ai animé une session intitulée « Du pilote à la production: 5 changements pour un environnement de données prêt pour l'IA ». J'ai constaté un schéma récurrent: un pilote d'IA fonctionne bien lors d'une démonstration, puis se heurte à l'obstacle du passage à la production. C'est à ce moment que la confiance est mise à l'épreuve, que les données et le contenu ne correspondent plus, que les contrôles deviennent un frein et que les premiers succès s'essoufflent.

Je me suis concentré sur les changements concrets mis en œuvre par les équipes pour surmonter les obstacles, notamment face à la généralisation des LLM et des flux de travail de type agent dans les opérations réelles. Mon objectif était d'identifier et de clarifier les problèmes rencontrés quotidiennement par les praticiens, tels que le manque de confiance mesurable, la déconnexion des données et des contenus, et la faiblesse des contrôles d'utilisation. Les agents accèdent à des tables brutes, les schémas évoluent et se rompent, les automatisations échouent et, faute de garde-fous, les utilisateurs constatent ces défaillances, ce qui met à mal leur confiance et celle de l'entreprise.

Vous trouverez ici une analyse détaillée des 5 changements clés que j'ai identifiés pour faire passer l'IA du stade expérimental à un impact en entreprise.

En résumé,

Lors de cet événement, un thème récurrent était que l'IA amplifie les données erronées plus rapidement que jamais. Mon principal enseignement du sommet Gartner sur les données et l'analyse est que si vos ensembles de données principaux ne sont pas fiables, les résultats de vos IA ne le seront pas non plus.

Un concept qui m'a particulièrement marqué lors de la conférence de Gartner était celui de « politique en tant que code », une base pratique pour gouverner ce nouvel environnement. Dans un environnement hautement distribué et piloté par des agents, la gouvernance ne peut reposer uniquement sur des contrôles centralisés. Les politiques doivent accompagner les données elles-mêmes, garantissant ainsi la protection, l'accès et la conformité au point d'utilisation, quel que soit l'emplacement des données.

Dans le même temps, la confiance dans les données demeure un pilier essentiel. À mesure que les organisations s'orientent vers des données compatibles avec l'IA, des fonctionnalités telles que la traçabilité et le contrôle de la qualité des données ne sont plus optionnelles, mais indispensables. Sans une visibilité claire sur l'origine des données et une confiance absolue en leur intégrité, les systèmes automatisés risquent d'amplifier les erreurs à grande échelle. Les organisations doivent donc intégrer formellement la notion de « confiance » dans leurs accords de niveau de service (SLA) afin de garantir une fourniture de données cohérente et gouvernée pour l'ensemble de leurs initiatives de modernisation et d'IA.

De nombreuses équipes expérimentent l'IA générale, mais sans gouvernance, ce qui pose problème. Au lieu de laisser les modèles d'IA puiser des données n'importe où ou les intégrer sans discernement, il est impératif de définir des méthodes standardisées et encadrées pour que les systèmes puissent extraire l'information.

Il apparaît clairement qu'une gestion rigoureuse des données est essentielle. La frontière traditionnelle entre données structurées et non structurées s'estompe, notamment avec la consommation et la génération d'informations par les agents à travers différents formats. Les organisations adoptent une vision plus globale des données, privilégiant l'utilisabilité, le contexte et la gouvernance plutôt que leur type. C'est là que le contexte, autre sujet phare du sommet, prend toute son importance. Les agents d'IA ont besoin non seulement d'accéder aux données, mais aussi à leur contexte et à leur structure. Les organisations les plus performantes sont celles qui rendent leurs données à la fois accessibles et interprétables par l'IA.

Ce qui compte le plus

Bien que la voie à suivre soit encore en évolution, l'urgence d'agir est indéniable. À mesure que les dirigeants progressent dans leurs initiatives, il est crucial de bien comprendre leur situation actuelle et leurs objectifs futurs, et d'élaborer une stratégie concrète pour les atteindre. Cela implique de définir des objectifs précis, d'établir des feuilles de route pour la gestion et l'architecture des données, et de nouer des partenariats avec les acteurs stratégiques clés pour garantir le succès.

Rocket est conçu pour vous aider à transformer ces connaissances en actions, en exploitant pleinement le potentiel de vos données pour atteindre un succès concret et durable. Découvrez comment tirer parti de l'IA et optimiser l'ensemble de votre écosystème de données pour l'avenir.