Au cours de l’année passée, j’ai eu plus de conversations sur l’IA qu’à n’importe quel autre moment de ma carrière. De plus en plus, ces échanges portent sur la gouvernance des données de l’IA, c’est-à-dire la manière dont les organisations peuvent avancer rapidement grâce à l’IA tout en continuant à faire confiance aux données qui la sous-tendent.
L’IA est passée de l’expérimentation ç l’exécution, de projets parallèles à des sujets discutés au niveau des comités de direction. Ce qui a toutefois surpris beaucoup d’organisations, c’est la rapidité avec laquelle l’IA a mis en évidence des lacunes bien ancrées en matière de gouvernance des données, de qualité des données et de préparation organisationnelle.
Lors d’une récente conversation avec Nicola Askham, Data Governance Coach, nous avons réfléchi à ce que nous avons appris au cours de l’année écoulée, à ce qui évolue en profondeur et à ce que les responsables des données doivent mettre en place dès maintenant pour réussir en 2026. Un thème s’est imposé très clairement : l’innovation en matière d’IA et une gouvernance des données fiable sont désormais indissociables — ce ne sont plus des priorités concurrentes.
C’est une idée que Nicola a soulignée dès le début de notre conversation: l’IA ne se contente pas de renforcer l’importance de la gouvernance, elle la rend incontournable.
Vous trouverez ci-dessous quelques-unes des principales conclusions de notre discussion, présentés pour les professionnels de la gouvernance des données à qui l’on demande désormais d’aller plus vite, de penser plus largement et de diriger avec confiance dans un monde axé sur l’IA.
De « nice to have » à incontournable : comment la gouvernance a évolué en 2025
Il y a encore un ou deux ans, la gouvernance des données était encore trop souvent perçue comme un exercice de conformité ou une fonction défensive. Beaucoup d’organisations investissaient dans la gouvernance parce qu’elles étaient obligées de le faire, et non parce qu’elles y voyaient un moteur direct de valeur.
Cet état d’esprit a radicalement changé. Ce que nous avons observé au cours de l’année passée, c’est une prise de conscience croissante : l’IA amplifie tout — le meilleur comme le pire. Les premières implémentations de l’IA et certains échecs très médiatisés ont rendu une chose évidente : une mauvaise gouvernance des données ne fait pas que ralentir l’innovation, elle la compromet activement. Lorsque les modèles sont entraînés sur des données incohérentes, biaisées ou mal comprises, les résultats peuvent être au mieux inexacts, au pire préjudiciables.
En conséquence, de plus en plus d’organisations formalisent ou repensent leurs programmes de gouvernance. De fait, la majorité d’entre elles déclarent désormais avoir mis en place une initiative structurée de gouvernance des données, ce qui représente une augmentation significative par rapport à il y a quelques années. Mais il ne s’agit pas ici de gouvernance pour la gouvernance.
La motivation a changé.
Aujourd’hui, la gouvernance est motivée par la valeur métier :
- Confiance dans les décisions basées sur l’IA : les dirigeants se demandent s’ils font suffisamment confiance à leurs données pour laisser l’IA influencer, voire automatiser, leurs décisions.
- Échelle opérationnelle : l’IA intégrée aux fonctions métiers essentielles exige cohérence, clarté et contrôle.
- Pression éthique et réglementaire : à mesure que l’IA s’étend à des domaines réglementés et à fort impact, la gouvernance devient essentielle pour une utilisation responsable.
Nous assistons également à une évolution des rôles en matière de gouvernance. Les modèles traditionnels de gestion s’étendent désormais à la gestion des métadonnées, à l’utilisation éthique des données et aux responsabilités en matière de préparation à l’IA. Les équipes chargées de la gouvernance ne se contentent plus de documenter les données ; elles façonnent la manière dont les données sont utilisées, interprétées et considérées comme fiables dans l’ensemble de l’organisation.
Métadonnées, confiance et réalité de l’adoption de l’IA
L’une des leçons les plus importantes retenues de l’année passée est que la préparation à l’IA est, fondamentalement, un problème de métadonnées.
Les organisations parlent beaucoup d’architectures (data mesh, data fabric, plateformes cloud), mais quelle que soit l’approche adoptée, le succès dépend de la maturité des métadonnées. Sans définitions claires, sans lineage, sans indicateurs de qualité et sans contexte d’utilisation, les données ne peuvent être réutilisées ou mises à l’échelle de manière fiable. L’IA ne fait qu’augmenter les enjeux et amplifier les conséquences.
Réfléchissez à cette réalité :
- De nombreux chefs d’entreprise ne font toujours pas entièrement confiance à leurs données pour prendre des décisions.
- Ils sont encore moins nombreux à penser que leurs données sont vraiment prêtes à prendre en charge l’IA.
Cet écart entre l’ambition et la préparation explique pourquoi tant d’initiatives en matière d’IA sont bloquées avant même d’atteindre le stade de la production. Comme je l’ai évoqué lors de ma conversation avec Nicola, c’est précisément ici que les équipes en charge de la gouvernance ont une vraie opportunité de redéfinir leur rôle, non pas en tant que garde-fous, mais en tant qu’équipes qui rendent une IA fiable et évolutive réellement possible.
Malgré le battage médiatique, seule une petite fraction des projets d’IA parviennent à une utilisation opérationnelle durable. La plupart peinent sous le poids de données floues, de biais cachés et de frameworks de gouvernance qui n’ont pas été conçus gérer la complexité et l’échelle de l’IA.
Lorsqu’elle est envisagée sous l’angle de la gouvernance des données IA, la gouvernance devient directement liée à l’innovation, à l’échelle et à la confiance, plutôt qu’au simple contrôle. Le débat passe de « nous avons besoin de meilleures données » à « nous avons besoin de données fiables pour alimenter des systèmes autonomes ou semi-autonomes ». Il s’agit là d’une proposition de valeur fondamentalement différente et plus convaincante.
À mesure que l’IA s’intègre dans les processus fondamentaux, la confiance dans les données devient une confiance dans les résultats. La gouvernance n’est plus une activité administrative, mais un catalyseur stratégique.
WEBINAIRE2026 Readiness: Balancing AI Innovation with Trusted Data Governance
Rejoignez Nicola Askham, Data Governance Coach, et David Woods, SVP Global Services Precisely, dans ce webinaire tourné vers l’avenir, où nous reviendrons sur les enseignements les plus importants tirés de 2025 et explorerons ce que nous réserve 2026.
Perspectives pour 2026 : données prêtes pour les agents IA et maîtrise de l’IA
À l’horizon 2026, une tendance se détache nettement : l’évolution vers des systèmes d’IA autonomes et agentique.
C’est un domaine dans lequel Nicola et moi-même étions parfaitement alignés, car à mesure que l’IA devient plus autonome, la tolérance à l’ambiguïté dans les données et les métadonnées disparaît presque complètement.
L’IA agentique – des systèmes capables de prendre et d’exécuter des décisions avec un minimum de supervision humaine – va imposer de nouvelles exigences en matière de gouvernance des données. La manière dont nous organisons, décrivons et contrôlons les données doit évoluer pour répondre non seulement aux besoins des utilisateurs humains, mais aussi à ceux des agents intelligents.
Cela implique de repenser les métadonnées sous un angle nouveau afin de soutenir la gouvernance des données IA à grande échelle :
- De l’approche basée sur les personas à l’approche prête pour les agents : les métadonnées ont traditionnellement été conçues en fonction de la manière dont les humains recherchent et utilisent les données. Si l’interaction humaine reste importante, les agents IA ont besoin d’un contexte plus riche et plus explicite afin de réduire l’ambiguïté et les biais.
- Une plus grande importance accordée à la lignée et à la provenance : les agents doivent comprendre d’où proviennent les données, comment elles ont été transformées et si elles sont appropriées pour une décision ou un cas d’utilisation donné.
- Des attentes plus élevées en matière de cohérence et d’intégrité : les systèmes autonomes amplifient les petites incohérences pour en faire des résultats à grande échelle.
Dans le même temps, la pression réglementaire s’accélère. La législation relative à l’IA, comme la loi européenne sur l’IA (EU AI Act), se développe rapidement, avec des exigences variables selon les régions et les juridictions. Ces réglementations font systématiquement référence aux données, aux métadonnées, à la transparence et à la responsabilité.
Superposez à tout cela un besoin croissant de culture en IA.
De nombreuses organisations déploient des programmes de sensibilisation à l’IA, mais les plus efficaces reconnaissent que la culture des données est indissociable de la culture de l’IA.
Comprendre le fonctionnement des modèles ne représente que la moitié du chemin. Les collaborateurs doivent également comprendre les données qui alimentent ces modèles : leurs limites, leurs risques, leur contexte et leur utilisation appropriée.
Les organisations qui investissent dans ces deux domaines seront mieux placées pour développer l’IA de manière responsable, plutôt que de réagir constamment à des échecs ou des surprises réglementaires.
Les domaines dans lesquels l’IA est utile – et ceux dans lesquels elle nuit
À mesure que les capacités de l’IA s’étendent, il est tentant de les appliquer partout. Mais l’une des conclusions les plus pratiques de notre discussion a été l’importance du discernement.
L’IA est incroyablement efficace pour :
- Automatiser les tâches répétitives et chronophages
- Profilage des données et détection de modèles à grande échelle
- Accélérer la création d’artefacts techniques tels que des règles de qualité ou des métadonnées
Utilisées à bon escient, ces capacités peuvent considérablement réduire les obstacles à l’entrée dans le domaine de la gouvernance et permettre aux équipes de se concentrer sur des activités à plus forte valeur ajoutée.
Cependant, l’IA rencontre des difficultés lorsque le contexte est très important.
Des tâches comme la définition des termes métiers, la résolution des divergences sémantiques ou l’obtention de l’adhésion des parties prenantes exigent toujours du jugement humain et de la collaboration. L’IA peut aider en fournissant un point de départ, mais elle ne peut remplacer les conversations qui permettent de parvenir à une compréhension partagée.
Les organisations les plus performantes adoptent une approche « human-in-the-loop » :
- Laisser l’IA se charger des tâches lourdes lorsque l’échelle et la vitesse sont importantes
- Mobiliser l’expertise humaine là où la nuance, la responsabilité et la confiance sont essentielles
Cet équilibre permet aux équipes gouvernance d’avancer plus rapidement sans renoncer au contrôle ou à la crédibilité.
Le changement de mentalité que doivent opérer les responsables des données
Alors que nous démarrons 2026, le changement le plus important que doivent opérer les responsables des données n’est pas d’ordre technique, mais philosophique.
Tout d’abord, nous devons cesser de traiter la gouvernance des données, la gouvernance de l’IA et la stratégie commerciale comme des initiatives distinctes. Elles font partie du même système. Les décisions relatives à l’IA soulèvent inévitablement des questions sur la qualité des données, l’éthique, la responsabilité et la préparation organisationnelle. Aborder ces défis de manière isolée crée des frictions qui pourraient être évitées.
Deuxièmement, la gouvernance doit être envisagée comme un moyen de faciliter les choses, et non comme un moyen de les imposer.
Comme Nicola l’a souligné lors de notre discussion, elle travaille avec certaines organisations qui reflètent déjà cette évolution en renommant leurs équipes « gouvernance des données » en « facilitation des données ». Si le nom en lui-même n’est pas important, l’intention derrière ce changement l’est. La gouvernance existe pour aider l’entreprise à réussir, pour rendre l’innovation plus sûre, plus rapide et plus durable.
Enfin, les dirigeants doivent continuer à investir dans les ressources humaines.
L’IA ne supprime pas le besoin d’intelligence humaine. Elle le renforce. Le développement des compétences, la gestion du changement et les programmes d’alphabétisation sont essentiels à la réussite à long terme. Les organisations qui négligent ces domaines peuvent déployer l’IA rapidement, mais elles ne la déploieront pas correctement et il sera peu probable qu’elle puisse évoluer et apporter une valeur durable.
Transformer la gouvernance en avantage concurrentiel
La voie à suivre est claire, même si elle n’est pas simple.
Les organisations qui réussiront avec l’IA en 2026 et au-delà seront celles qui considèrent la gouvernance des données IA comme fondamentale et non comme facultative, celles qui :
- Intègrent la gouvernance des données directement dans les initiatives IA
- Développent la maturité des métadonnées en gardant à l’esprit des cas d’utilisation concrets
- Investissent dans l’IA et la maîtrise des données à l’échelle de l’entreprise
- Équilibrer la rapidité et la responsabilité grâce à des cadres pragmatiques
L’IA n’est plus expérimentale. Elle est opérationnelle, influente et de plus en plus autonome. Cette réalité exige une nouvelle approche de la gouvernance, une approche capable de suivre le rythme de l’innovation tout en l’ancrant dans la confiance.
Lorsqu’elle est bien conçue, une gouvernance des données fiable ne ralentit pas l’IA. C’est ce qui permet à l’IA de fonctionner.
Quelles sont vos priorités en matière d’IA pour 2026 ? Comment allez-vous vous assurer que la gouvernance reste au premier plan ? Pour en savoir plus sur les perspectives de Nicola et moi-même, regardez l’intégralité du webinaire « 2026 Readiness: Balancing AI Innovation with Trusted Data Governance ». C’est un événement à ne pas manquer pour les responsables de la gouvernance des données.
