Réflexions sur le Sommet Gartner sur les données et l'analytique: principaux points à retenir

Comme nous l'avons mentionné dans notre résumé d'après-spectacle, l'équipe Rocket s'est éloignée de Sommet Gartner sur les données et l'analytique (D&A) À Orlando, le sommet a été riche en idées et en perspectives lors de ses nombreuses sessions et discussions. Pour ceux qui n'ont pas pu y assister, il a réuni des responsables informatiques, commerciaux et de données de divers secteurs afin d'échanger, d'apprendre et de partager leurs connaissances sur l'intelligence artificielle (IA), la gestion des données, l'architecture, la gouvernance et bien plus encore. Parmi les principales préoccupations des participants figuraient l'exploitation optimale du potentiel de l'IA, le rôle de l'architecture des données et les mesures que les professionnels des données doivent prendre pour se préparer à l'avenir. 

L'équipe ayant vécu l'événement sous différents angles, nous nous sommes réunis ensuite pour partager nos impressions. Deux thèmes majeurs se sont dégagés: l'avenir de l'IA et l'architecture des données. Afin de vous éclairer sur ces sujets importants, je souhaite partager nos conclusions et leurs implications pour vos fonctions, aujourd'hui et demain. 

IA: L’acronyme le plus utilisé (et toujours le plus déroutant) de 2025

En résumé, les entreprises cherchent encore à définir leurs initiatives en matière d'IA. La technologie évolue si rapidement qu'il est difficile de prendre des décisions fermes. (Une étude récente indique que…) L'IA peut devenir « anxieuse »Attendez, quoi ?) Mais il est clair que l’IA représente l’avenir de la gestion des données et du savoir en entreprise. L’essentiel est de bien définir vos objectifs en matière d’IA pour vos initiatives de collecte et d’interprétation des données avant de vous lancer.  

Voici notre avis: 

• L' investissement dans le domaine des données, désormais porté par l'IA, continue de s'accélérer. Cependant, les modèles économiques et les résultats des initiatives d'IA sont encore en développement. S'il est essentiel de lier les résultats commerciaux aux investissements en IA, les données inexploitées, piégées dans les mainframes, demeurent un obstacle majeur à l'élaboration d'un modèle économique solide.
• Un point intéressant a été soulevé lors d'une des sessions: « Seule une organisation sur cinq a réussi à exploiter efficacement ses données pour des cas d'usage d'IA . » Face à la prédominance des slogans axés sur l'IA et aux entreprises qui prétendent maîtriser parfaitement tout ce qui touche à l'IA, cette citation a fait écho en nous. Elle ne correspond pas vraiment à la réalité – et nous ne pouvons qu'approuver ! L'essor de l'IA est plus complexe qu'il n'y paraît. Par exemple, nous savons que la grande majorité des données mainframe ne sont toujours pas exploitées (72 % selon [référence manquante]). nos recherchesOmettre ces données essentielles des initiatives d'analyse et d'IA signifie que les entreprises prennent des décisions concernant leur avenir avec des données incomplètes, voire inexactes.
• La gestion des données, leur gouvernance et la gestion du changement sont essentielles. Elles doivent être intégrées à l'analyse des coûts de tout projet d'IA. Cependant, les entreprises doivent d'abord investir dans les fondations pour maîtriser la gestion et l'intégration de leurs données. La gouvernance de l'IA doit refléter le cadre de gouvernance des données existant, sans se limiter à des pratiques superficielles, et doit impérativement se poser la question: « Quels sont les risques ? » Les métadonnées sont la clé. Elles constituent l'élément commun à tous les types et formats de données. Pour être efficaces, les métadonnées de base doivent être propres et précises, bien organisées et facilement utilisables par tous les membres de l'organisation.
• L'IA est omniprésente . Elle était évoquée sur presque tous les stands et dans presque toutes les sessions. Si certains cas d'usage de l'IA sont plus clairs qu'il y a un an, ses avantages précis restent flous. Personne n'a annoncé d'économies multipliées par dix grâce à l'IA pour tel ou tel cas d'usage. Les participants cherchaient des réponses concrètes à leurs problèmes spécifiques. Le message « Préparez vos données pour l'IA » était partout. Mais qu'est-ce que cela signifie ? Les réponses étaient presque toujours spécifiques à chaque fournisseur. Une définition commune et une expertise reconnue sont nécessaires pour aider les entreprises à comprendre les implications de l'IA pour elles.
• La sécurité des données et l'utilisation sécurisée des contenus d'entreprise avec GenAI ont constitué une préoccupation majeure pour les participants. Les conseils sur la manière d'assurer cette sécurité ont particulièrement retenu leur attention, notamment concernant les données mainframe. Les professionnels des données et de l'informatique savent que les mainframes renferment d'énormes quantités de données critiques et que leur exploitation représente trop souvent un obstacle insurmontable. Nombre d'entre eux ignorent même s'ils… peut Passer à autre chose.  
   

DATA MESH vs TABRIC vs WAREHOUSE vs DATALAKE vs …

L'architecture des données a également constitué un axe majeur de notre réflexion, et à juste titre. Face à la multitude d'options disponibles, la réponse la plus fréquente à la question « Quelle solution choisir ? » est: « Cela dépend. » Nous partageons cet avis. Il n'existe pas de solution miracle. Par conséquent, collaborer avec des partenaires solides, maîtrisant l'ensemble des options et des combinaisons possibles, et désireux de comprendre en profondeur votre situation et vos objectifs, représente la voie la plus efficace et efficiente pour progresser. L'alternative, une approche basée sur l'apprentissage par l'expérience, est tout simplement intenable.  

Voici ce que nous avons retenu:  

• Il est intéressant de constater que le concept de « fabric de données » est passé d'une idée encore floue l'an dernier à une stratégie concrète mise en œuvre dans les grandes entreprises. Le principal enseignement des sessions consacrées à ce sujet est que chaque stratégie est unique. On observe des combinaisons de lac de données, de maillage, de fabrique de données, d'entrepôt de données, et plus encore, selon le contexte et les besoins. Les organisations ne peuvent pas simplement l'appliquer tel quel. Elles doivent construire et ajuster leur infrastructure au fur et à mesure, ce qui peut donner des résultats très différents de ce qu'elles avaient imaginé. Tout cela souligne l'importance de métadonnées de qualité à l'échelle de l'organisation. L'intégration pilotée par les métadonnées est la seule approche d'intégration d'entreprise capable de prendre en charge toutes ces variations.
• Les concepts de maillage de données et de réseau de données existent depuis quelques années. Gartner a clairement défini leur différence: le maillage de données décentralise les données, tandis que le réseau de données les contrôle de manière centralisée. Pourtant, les participants les utilisaient encore indifféremment. Cette confusion provient peut-être du fait qu'il ne s'agit pas d'un « produit » commercialisable. De plus, comme mentionné précédemment, leur application est très variable et dépend du contexte. Le réseau de données gagne indéniablement du terrain, mais les participants souhaitaient savoir quelle solution est la plus adaptée à leurs entreprises et à leurs secteurs d'activité respectifs. « Si je travaille dans le secteur XYZ et que j'utilise Databricks, quelle stratégie de réseau de données dois-je adopter ? » La réponse n'est pas si simple.
• Les « lakehouses » (plateformes de stockage hybrides) continuent de gagner en popularité. Elles combinent les avantages des lacs de données (stockage économique des données brutes) et des entrepôts de données (gestion et gouvernance des données structurées) au sein d'une plateforme unique. Étant donné que les données structurées et non structurées permettent toutes deux l'analyse, les architectures de stockage lacustre qui combinent les deux offrent le meilleur des deux mondes.
• Et, bien sûr, l'accès efficace aux données des ordinateurs centraux reste un problème . Ma session sur Exploiter les données mainframe pour l'analyse Enterprise pilotée par l'IA L'événement a généré un trafic important vers le stand Rocket . Il a attiré un large public, a trouvé un écho favorable et nous avons pu discuter avec plusieurs personnes par la suite des données inexploitées stockées dans leurs mainframes, données que les décideurs n'utilisent pas. Cette révélation a sans aucun doute captivé les spécialistes des données, de l'analytique et de la BI. Il était surprenant de constater que si peu de participants savaient que c'était possible ! Comme nous l'avons dit, les mainframes renferment d'énormes quantités de données critiques et leurs propriétaires les protègent jalousement. Il est essentiel d'analyser ces données sous l'angle de leur valeur ajoutée pour l'entreprise. Les professionnels des données, de l'IA et de l'analytique doivent construire une stratégie commerciale, en partant des objectifs finaux, afin d'optimiser l'impact considérable des données sur la stratégie, l'orientation et les résultats de l'entreprise – autrement dit, leur impact considérable sur vos résultats financiers et l'avenir de votre entreprise. 

Dernière remarque

En tant que professionnels des données et de l'analytique, l'avenir de votre entreprise repose littéralement entre vos mains. Fournir à la direction des données complètes et fiables permettra de prendre les meilleures décisions stratégiques. À mesure que vous mettez en œuvre vos initiatives, il est essentiel de bien comprendre votre situation actuelle, vos objectifs et d'élaborer une stratégie réaliste pour les atteindre. Cela implique de définir clairement vos objectifs, d'établir des feuilles de route pour la gestion et l'architecture des données, et de vous entourer des partenaires stratégiques indispensables à votre réussite. peut Construisez votre avenir avec certitude. 

Apprendre encore plus à propos de l'exploitation de l'IA et de l'optimisation de l'ensemble de votre environnement de données pour l'avenir.