Les entreprises accordent une attention croissante à la question de savoir qui peut accéder à leurs données et à ce que cela implique en matière de confidentialité, de conformité et de résilience opérationnelle, raconte Adrian Johnson, CRO chez Hitachi Vantara. Dans un contexte marqué par les tensions géopolitiques, la multiplication des cybermenaces et le renforcement des réglementations, la souveraineté des données est devenue un véritable enjeu stratégique.
Une étude mondiale publiée en 2026 montre que 76% des organisations s’attendent à ce que ce sujet prenne encore davantage d’importance, principalement sous l’effet des exigences réglementaires. Pour les DSI et les décideurs IT, une question devient donc centrale : où se trouvent réellement les données de l’entreprise, à quelles réglementations sont-elles soumises et l’infrastructure actuelle permet-elle d’en garder durablement la maîtrise ?
Cette évolution soulève aussi une question de visibilité. Une même donnée peut exister sous plusieurs copies ou versions dans différents environnements, sans qu’il soit clairement établi laquelle est à jour, qui peut y accéder ou quelles réglementations s’y appliquent. Cela peut générer des risques en matière de conformité, de sécurité et d’exploitation.
L’IA rend la gouvernance des données incontournable
L’adoption rapide de l’intelligence artificielle renforce cette urgence. Les systèmes d’IA exploitent des volumes considérables de données issus de multiples sources, ce qui renforce les enjeux liés à leur classification, leur protection et leur gestion.
Après plusieurs années consacrées à la valorisation des données et à la gestion du « data deluge », l’IA ouvre la possibilité d’en tirer encore davantage de valeur. Mais pour obtenir des résultats pertinents, une entreprise doit pouvoir identifier les données dont elle a besoin, savoir où elles se trouvent, les protéger et s’assurer qu’elles sont correctement structurées et classifiées. Une IA alimentée par des données obsolètes, dupliquées ou mal identifiées peut produire des recommandations inexactes, des analyses peu fiables ou exposer des informations qui auraient dû rester protégées. Ce défi est loin d’être théorique : des recherches récentes montrent que la précision et la confiance accordées aux résultats produits par l’IA restent proches de 40 %.
Cela contribue à expliquer pourquoi de nombreux projets d’IA peinent encore à tenir leurs promesses. Sans visibilité et sans contrôle sur les données, les entreprises risquent de déployer l’IA plus rapidement qu’elles ne sont capables de gouverner les données dont elle dépend.
Des infrastructures qui n’ont pas été conçues pour l’IA
Beaucoup d’entreprises partent avec un handicap : leurs infrastructures ont été conçues pour des applications traditionnelles, et non pour répondre aux besoins de l’intelligence artificielle. Selon une étude récente, 59 % des organisations estiment que leurs infrastructures limitent aujourd’hui l’efficacité de leurs projets d’IA.
À cela s’ajoutent de nouvelles contraintes géopolitiques. Lorsque ces infrastructures ont été conçues, les entreprises n’avaient pas nécessairement anticipé que des enjeux comme la souveraineté des données ou la souveraineté de l’IA pèseraient sur leurs décisions technologiques.
Les données sont désormais réparties entre de nombreux environnements : infrastructures internes, clouds, plateformes SaaS ou services proposés par des hyperscalers. Plus cet écosystème se complexifie, plus il devient difficile de savoir précisément où circulent les données et quelles réglementations s’appliquent.
Une donnée peut par exemple transiter par une infrastructure située dans une autre juridiction, parfois sans que l’entreprise en ait une visibilité complète.
Retrouver de la maîtrise sur ses données
La première étape consiste à identifier clairement les réglementations auxquelles les données sont soumises. Dans des secteurs comme la banque, la santé ou l’industrie, elles peuvent déterminer leur lieu de stockage, les personnes autorisées à y accéder, leur durée de conservation ou encore les conditions de leur utilisation.
Les entreprises doivent ensuite être capables de classifier leurs données, d’identifier celles qui sont réellement critiques et de déterminer comment les protéger. Dans des environnements de plus en plus fragmentés, disposer d’une vision unifiée de l’ensemble des données peut faciliter leur suivi, limiter les silos et permettre une gouvernance plus cohérente.
L’objectif n’est pas d’opposer cloud et infrastructures internes, mais de disposer d’une stratégie permettant de déterminer quelles données doivent être conservées, où, dans quelles conditions et pour quels usages.
En définitive : placer les bonnes données au bon endroit, au bon moment et au juste coût
À mesure que l’IA se généralise, les organisations capables de savoir précisément où se trouvent leurs données, comment elles sont gouvernées et si leur infrastructure peut répondre aux nouveaux usages seront mieux armées pour maîtriser les risques et tirer davantage de valeur de l’IA.
Mettre ces fondamentaux en place permet aux entreprises d’aller plus vite tout en conservant le niveau de contrôle et de résilience dont elles ont besoin.
