Big Data London : la Data Governance devient-elle un piège ?

Après avoir passé du temps à Big Data London, assisté à de nombreuses présentations, échangé avec des éditeurs et écouté d’innombrables discussions autour des plateformes de données, des catalogues, de la gouvernance, du lineage et de l’intelligence artificielle, je suis reparti avec une conviction grandissante : notre industrie consacre une énergie considérable à résoudre le problème d’hier.

Le message dominant sur l’ensemble du salon était familier : davantage de gouvernance, de catalogues, de métadonnées, de lineage, de stewardship, de politiques, de contrôles… le tout agrémenté d’une touche d’IA.

Presque tous les éditeurs, quelle que soit leur proposition de valeur, semblaient finalement raconter une variation de la même histoire : si les organisations gouvernaient mieux leurs données, tout le reste suivrait naturellement.

Pourtant, au fil des échanges, j’ai eu le sentiment qu’il existait un décalage croissant entre ce que le marché vend et ce dont les entreprises ont réellement besoin.

À l’heure où les organisations sont de plus en plus pilotées par l’IA, je ne suis pas convaincu que davantage de Data Governance soit la réponse.

Je pense que nous avons besoin de quelque chose de différent.

L’industrie confond le moyen et la finalité

Soyons clairs : la gouvernance est importante.

Les organisations doivent savoir d’où proviennent leurs données, qui en est responsable, comment elles sont sécurisées et si elles respectent les exigences réglementaires. La qualité des données, le lineage, le stewardship et la gestion de la responsabilité sont des capacités essentielles.

Mais, quelque part en chemin, la gouvernance a cessé d’être un moyen pour devenir une fin en soi.

Aujourd’hui, de nombreuses organisations évaluent le succès de leur stratégie data à travers :

• le nombre d’actifs catalogués ;
• le pourcentage de métadonnées renseignées ;
• le volume de lineage documenté ;
• le nombre de processus de gouvernance mis en place.

Le problème est qu’aucun de ces éléments ne crée de valeur métier à lui seul.

Une entreprise ne devient pas plus compétitive parce qu’elle a documenté 10 000 jeux de données.

Un directeur financier ne prend pas de meilleures décisions parce qu’un glossaire contient 500 définitions métier validées.

Un responsable opérationnel n’améliore pas ses performances parce que les propriétaires des données ont été identifiés dans toute l’organisation.

Ces éléments ont leur utilité. Ils apportent de l’ordre, de la cohérence et réduisent les risques.

Mais ils n’améliorent pas automatiquement les décisions.

Or, au final, ce sont bien les décisions qui comptent.

L’IA change la nature du problème

Ce qui m’a le plus frappé à Big Data London, c’est la fréquence avec laquelle l’IA revenait dans les conversations, tout en étant souvent présentée comme une simple extension des approches traditionnelles de gouvernance.

Le raisonnement est généralement le suivant :

« L’IA a besoin de données de confiance. Donc nous avons besoin de plus de gouvernance. »

Cette affirmation contient une part de vérité, mais elle passe à côté de l’essentiel.

Le véritable défi posé par l’IA n’est pas simplement qu’elle nécessite des données gouvernées.

Le défi est qu’elle accélère radicalement le rythme de la prise de décision.

L’IA crée un monde où l’information est consommée en continu, où les recommandations sont produites en temps réel et où les décisions peuvent être de plus en plus automatisées.

Dans cet environnement, la question clé n’est plus :

« Connaissons-nous cet actif de données ? »

La véritable question devient :

« Comprenons-nous les conséquences métier des décisions prises à partir de ces informations ? »

C’est un problème fondamentalement différent.

Et la gouvernance à elle seule n’y répond pas.

Le catalogue n’est pas le cockpit

En parcourant les allées du salon, j’ai vu d’innombrables démonstrations impressionnantes :

• de magnifiques catalogues ;
• des visualisations de lineage ;
• des cartographies de données ;
• des glossaires métiers ;
• des référentiels de métadonnées ;
• des tableaux de bord de conformité.

La technologie est devenue extrêmement sophistiquée.

Mais je me suis posé sans cesse la même question :

Si j’étais CEO, COO, directeur d’usine, directeur supply chain ou responsable du service client, est-ce que cela m’aiderait réellement à piloter mon activité demain matin ?

La réponse est non.

La plupart des solutions expliquent l’organisation.
Aucune ne l’aide réellement à se piloter.

Il existe une différence profonde entre documenter un système et le piloter.

Le manuel d’un avion contient des informations très détaillées sur chacun de ses composants.

Le cockpit permet au pilote de le faire voler.

De nombreuses plateformes de gouvernance deviennent aujourd’hui d’excellents manuels.

Ce dont les organisations ont de plus en plus besoin, ce sont des cockpits.

Nous sommes devenus obsédés par les données et avons oublié les décisions

L’un des grands paradoxes de la gestion moderne des données est que beaucoup d’organisations connaissent mieux leurs données que leurs propres mécanismes de décision.

Elles peuvent vous dire :

• quelles applications existent ;
• quelles bases de données sont utilisées ;
• quelles tables sont connectées ;
• quels rapports consomment quels jeux de données.

Mais elles peinent souvent à répondre aux questions suivantes :

• Quelles décisions pilotent réellement la performance ?
• Quels processus créent de la valeur ?
• Quels risques opérationnels sont les plus critiques ?
• Quelles actions doivent être entreprises lorsqu’un KPI se dégrade ?
• Quels systèmes ont l’impact métier le plus important ?

Le centre de gravité s’est déplacé vers la documentation des actifs plutôt que vers la compréhension des opérations.

L’IA met aujourd’hui cette faiblesse en évidence.

Elle n’a pas seulement besoin de données structurées.

Elle a besoin de :

• contexte ;
• compréhension ;
• signification métier.

Elle doit comprendre non seulement ce qu’est une fiche client, mais pourquoi elle est importante.

Non seulement d’où vient une métrique, mais quelles actions devraient en découler.

Non seulement comment les données circulent dans les systèmes, mais aussi comment les décisions circulent dans l’entreprise.

La gouvernance concerne le contrôle. Le pilotage concerne l’action.

Cette réflexion m’a conduit vers ce que je considère de plus en plus comme la prochaine évolution de notre discipline.

La Data Governance se concentre sur le contrôle.

Le Data Piloting se concentre sur l’action.

La gouvernance pose les questions suivantes :

• Quelles données possédons-nous ?
• Qui en est responsable ?
• Sont-elles conformes ?
• Le lineage est-il documenté ?
• Le niveau de qualité est-il acceptable ?

Ce sont des questions importantes.

Mais le Data Piloting pose d’autres questions :

• Quelles décisions dépendent de cette information ?
• Quel résultat métier est en risque ?
• Qu’est-ce qui est en train de changer ?
• Quelle action devons-nous entreprendre maintenant ?
• Que se passe-t-il si nous modifions ce processus ?
• Où le management doit-il concentrer son attention ?

La gouvernance gère les actifs informationnels.
Le pilotage gère les résultats métier.

La nuance peut sembler subtile.

Elle est pourtant profondément transformationnelle.

L’IA nécessite une représentation numérique de l’entreprise

Les gagnants de l’ère de l’IA ne seront pas ceux qui possèdent simplement le meilleur catalogue de données.

Ils seront ceux qui comprendront le mieux le fonctionnement réel de leur organisation.

Pour produire des recommandations intelligentes, l’IA doit être capable de relier :

• les données ;
• les processus ;
• les systèmes ;
• les contrôles ;
• les risques ;
• les décisions ;
• les objectifs ;
• les résultats.

Autrement dit, elle doit comprendre l’entreprise comme un système vivant.

Un catalogue seul ne fournit pas cette compréhension.

Le lineage seul ne la fournit pas davantage.

Les métadonnées seules ne suffisent pas non plus.

Ces éléments restent essentiels.

Mais ils ne constituent pas la destination finale.

La destination est un modèle dynamique de l’entreprise permettant aux humains comme aux IA de comprendre comment les choses fonctionnent, pourquoi elles fonctionnent et ce qui se produit lorsqu’elles évoluent.

C’est le fondement du Data Piloting.

Des plateformes de gouvernance vers des plateformes de pilotage

En repensant aux discussions entendues à Big Data London, je me suis demandé si le marché n’était pas à un point d’inflexion.

Aujourd’hui, les éditeurs se différencient principalement sur :

• les capacités de catalogage ;
• la gestion des métadonnées ;
• la qualité des données ;
• les workflows de stewardship ;
• la profondeur du lineage ;
• l’automatisation de la gouvernance.

Demain, je pense que les organisations s’intéresseront davantage à :

• l’analyse d’impact ;
• l’intelligence des processus ;
• l’intelligence décisionnelle ;
• l’observabilité métier ;
• la simulation de scénarios ;
• les recommandations assistées par l’IA ;
• la navigation opérationnelle.

La question ne sera plus :

« Pouvez-vous documenter mon entreprise ? »

Elle deviendra :

« Pouvez-vous m’aider à piloter mon entreprise ? »

C’est un marché très différent.

Et cela nécessite une philosophie radicalement différente.

La gouvernance ne disparaîtra pas

Rien de tout cela ne signifie que la gouvernance devient inutile.

Bien au contraire.

La gouvernance reste essentielle.

La sécurité reste essentielle.

La conformité reste essentielle.

La qualité des données reste essentielle.

La responsabilité reste essentielle.

Mais la gouvernance devient une infrastructure.

Elle constitue la fondation nécessaire sur laquelle construire quelque chose de plus précieux.

De la même manière que personne n’achète un avion uniquement pour la robustesse de sa structure, les organisations ne devraient pas investir dans leurs programmes data dans le seul but d’atteindre une maturité de gouvernance.

• L’objectif n’est pas la gouvernance.
• L’objectif est la performance.
• L’objectif est l’agilité.
• L’objectif est une meilleure prise de décision.
• L’objectif est de meilleurs résultats.

La gouvernance soutient ces objectifs.

Elle n’est pas l’objectif en elle-même.

L’avenir est au Data Piloting

Ma principale conclusion après Big Data London n’est donc pas technologique.

Elle est culturelle et conceptuelle.

Pendant des années, notre industrie s’est concentrée sur l’aide aux organisations pour gérer leurs données.

À l’ère de l’IA, la véritable opportunité consiste à aider les organisations à naviguer dans la complexité.

Les leaders de demain ne seront pas les entreprises qui disposent des catalogues les plus complets, des glossaires les plus détaillés ou des organisations de stewardship les plus vastes.

Ce seront celles capables de comprendre leur activité en temps réel, d’anticiper les impacts avant qu’ils ne surviennent, d’évaluer instantanément différents scénarios et d’orienter aussi bien les humains que les IA vers de meilleures décisions.

Ce n’est pas de la gouvernance.

C’est du pilotage.

Et je suis de plus en plus convaincu que le Data Piloting, bien plus que la Data Governance, deviendra la discipline structurante de l’ère de l’IA.