L’intelligence Artificielle, en tant que partie prenante du processus de digitalisation de l’entreprise, connaît un essor impressionnant sur un grand nombre de secteurs d’activité et ses cas d’applications se multiplient. Les entreprises s’appuient de plus en plus sur l’analyse des données et leur exploitation, pour adapter leur stratégie, prédire les différents scénarios possibles, automatiser les processus et réduire leurs coûts.

La donnée est ainsi devenue le carburant du système d’information. Elle est aujourd’hui interne comme externe, structurée comme non structurée, produite par les humains ou des objets connectés. Pour améliorer l’information, ouvrir de nouvelles opportunités et réduire les coûts les DSI doivent garantir à l’entreprise que les données traitées répondent aux exigences définies par le CobiT* : efficacité, efficience, confidentialité, intégrité, disponibilité, conformité et fiabilité. Ces données sont un capital dont la volumétrie ne va pas cesser de croître (Cf. tableau ci-dessous) notamment avec le développement continu de l’IoT (Internet of Things). Ceci implique l’acquisition de compétences nouvelles, notamment en matière de réseaux, d’outils de traitement et de connaissance des méthodes de mise en place de modèles de calculs (data sciences & analytics).

Dans ce contexte il est donc nécessaire d’établir un cadre d’organisation permettant d’établir la stratégie, les objectifs et les politiques permettant de gérer efficacement les données de l’entreprise. Faute d’établir ce cadre, de nombreuses entreprises ont vu leur projet de développement ou d’amélioration de leur compétitivité remis en cause que ce soit par leurs salariés, désorientés par l’inefficacité des mesures mises en place et ne contribuant pas au système, et/ ou sanctionnées par leurs clients mécontents de la qualité ou de la performance du service apporté.

C’est ce cadre, appelé gouvernance, dont nous allons tenter dans ce livre blanc de définir la nature et les contours, qui en sont les acteurs, ce que sa mise en place implique et présenter plusieurs cas d’applications :

Cas 1 : Mettre en place une gouvernance de la donnée en partant des exigences réglementaires autour de la qualité des données
Cas 2 : Mettre en place une gouvernance de la donnée afin de permettre à 5 marques de voiture d’utiliser une plateforme digitale commune pour leurs 270 sites internet

Cas 3 : Normalisation de la donnée digitale/ comportementale pour la mise en place du projet Client 360°

Ces cas d’applications montrent à quel point une bonne gouvernance de la donnée est nécessaire pour valoriser des données souvent peu utilisées et réussir les programmes impliquant notamment de l’intelligence artificielle.