Dans cette tribune inédite, Emilie Pierre-Desmonde, Directrice du salon Big Data & AI Paris, livre aux lecteurs de Solutions Numériques & Cybersécurité son expertise sur les défis cachés de la data en entreprise.
À écouter les discours publics, la data serait entrée dans une phase de maturité : industrialisation des usages, généralisation des plateformes, promesse d’une IA enfin à l’échelle. Dans les échanges privés avec les Chief Data Officers et responsables data de grands groupes, le constat est plus nuancé, parfois plus exigeant. La transformation est bien engagée, mais elle se heurte à une réalité moins visible : celle d’une complexité accumulée, qui ralentit autant qu’elle structure.
Depuis dix ans, les entreprises ont construit par strates successives leur environnement data. Data lakes, outils de transformation, couches de visualisation, modèles, APIs : chaque brique répondait à un besoin légitime, souvent dans l’urgence ou sous pression d’innovation. L’ensemble forme aujourd’hui des architectures denses, interdépendantes, dont la cohérence n’a pas toujours été pensée globalement.
« Une part croissante du temps est consacrée à comprendre l’existant plutôt qu’à produire de la valeur. Ce n’est pas un dysfonctionnement ponctuel, mais le symptôme d’un modèle qui atteint ses limites. »
Cette complexité n’est pas uniquement technique. Elle est aussi organisationnelle et économique. Les dépendances entre outils et fournisseurs se multiplient, les trajectoires de coûts deviennent difficiles à anticiper, et les arbitrages dépassent désormais le seul périmètre des équipes data. Les programmes de rationalisation sont des initiatives techniques mais dans plusieurs grands groupes elles sont aussi des décisions stratégiques, portées au plus haut niveau, parce qu’elles engagent la capacité de l’entreprise à maintenir et faire évoluer son système d’information dans la durée.
Dans ce contexte, la donnée elle-même redevient le point de gravité. Sa qualité, sa traçabilité, sa gouvernance conditionnent directement la performance des systèmes et la crédibilité des cas d’usage. Les retours convergent :
« la difficulté est désormais de confiance à la donnée, de la relier, de la maintenir dans le temps. »
Les investissements se déplacent vers des sujets moins visibles mais structurants : lineage, observabilité, qualité, organisation des data offices. Autant de chantiers qui traduisent un changement de priorité, du déploiement vers la maîtrise.
Les décisions qui en découlent sont d’une autre nature que celles des années précédentes. Il s’agit désormais de redéfinir des architectures, de clarifier des modèles d’exploitation, de revoir les relations avec les fournisseurs. Ces choix engagent les entreprises sur plusieurs années, avec des implications fortes en termes de coûts, de compétences et de gouvernance. L’attention portée aux logiques de pilotage économique, inspirées notamment du FinOps, témoigne de cette évolution : la data est un poste de dépense structurant, qui doit être arbitré comme tel.
Cette transformation met également sous tension les organisations. La promesse d’une collaboration fluide entre équipes data, IT et métiers se heurte à des réalités plus fragmentées. Les responsabilités sont souvent diffuses, les modèles d’organisation encore instables, et les processus de décision insuffisamment alignés avec les enjeux. Là encore, le sujet n’est pas nouveau, mais il change d’échelle : ce qui relevait hier de l’ajustement devient aujourd’hui un facteur déterminant de performance.
Ce que révèlent ces échanges, au fond, c’est un changement de phase.
« La data est un sujet d’arbitrage entre complexité et simplification, entre innovation et soutenabilité, entre vitesse d’exécution et robustesse des systèmes. »
Les entreprises disposent désormais d’un socle solide et il faut rendre ce socle opérant à grande échelle.
À mesure que la data s’installe au cœur des décisions d’entreprise, elle appelle des échanges à la hauteur de ses enjeux. Les directions data cherchent des lieux où il est possible de parler d’architecture, de coûts, d’organisation, sans simplification ni posture. Des lieux où l’on peut comparer des trajectoires, comprendre des arbitrages, et mesurer concrètement ce qui fonctionne à l’échelle. Big Data & AI Paris s’inscrit dans cette dynamique, en réunissant, les 15 et 16 septembre prochains à Porte de Versailles, celles et ceux qui sont directement confrontés à ces décisions.
Découvrez comment devenir exposant au salon Big Data & AI Paris 2026.
