BIG DATA & IA 2021 – Les tendances vues par onepoint

Cette année, les salons Big Data et IA Paris se sont tenus simultanément le 28 et 29 septembre derniers, réunissant les professionnels du secteur. La thématique de cette édition : faire mieux, plus vite et à l’échelle.

Plus de 80 conférences stratégiques, 20 ateliers technologiques, 150 exposants et 12000 visiteurs, ont rythmé ces 2 jours au Palais des Congrès de Paris. Nous avons suivi les conférences et visité le salon pour vous afin d’explorer et décrypter les tendances fortes qui feront le Big Data et l’IA de demain.

Nous avons mobilisé un collectif de 10 experts dans les différentes salles, conférences et stands, pour capter sans a priori ni parti pris, les tendances qui font le Big Data & et l’IA en 2021.

Pêle-mêle, ressortent cinq tendances clés – qui donnent également la parole à certains de nos partenaires stratégiques – un aperçu rapide que nous proposons d’explorer dans une série d’articles à venir.

L’industrialisation

Finies les expérimentations, l’heure est au passage à l’échelle. Qu’il s’agisse d’accélérer sur la trajectoire d’équipement en matière de data (pas toujours big !) et d’intelligence artificielle ou de brancher les algorithmes sur les « vrais » systèmes : 2021 marque la fin des seules expérimentations et autres PoC (Proof of Concept) et consacre l’opérationnalisation. Eric Pavie d’AB Initio, insiste « D’une part, les Data Platform et Datalake ont aujourd’hui besoin de passer à l’échelle. D’autre part, les entreprises ont besoin de passer en mode industriel sur le partie IA ». Et de préciser que cette industrialisation passera aussi par une autre manière de travailler : « nos solutions proposent des outillages en low code à déployer dans tous les types d’infrastructures et operating systems. ». Le ROI de l’approche data est incontestable, le défi est maintenant son opérationnalisation. Pour Informatica, Franck Roulleaux précise que cette recherche se fait quel que soit l’environnement « en accompagnant les clients dans le Move to Cloud sur toutes les briques de la gestion de la donnée industrielle : MDM (Master Data Management), Référentiels, Data Catalogue, Data intégration et Data Gouvernance… et surtout cette évolution doit se faire avec toujours plus d’agilité, par exemple en mode SaaS (Software as a Service) pour répondre aux enjeux des entreprises »

Le Data Mesh

Là encore, la fin d’une époque. Celle du dogme du puits de données, où toutes les données de l’entreprise se déversent, sont disponibles. Principe de réalité aidant, la gestion de la donnée à grande échelle passe par la décentralisation du stockage et du calcul, ce qui suppose de l’autonomie localement mais également un haut niveau de cohérence d’un nœud à l’autre. Et ce qui est vrai à l’échelle d’une entreprise l’est à l’échelle d’un écosystème (comme le suggère l’image fractale d’un flocon) : plusieurs entreprises peuvent partager leurs données sans les mettre toutes au même endroit.  Eric Poilvet de Snowflake indique « Les entreprises veulent gérer les données, pas les infrastructures ; pour les modèles d’organisation Data MeshSnowflake met à disposition une solution cross-cloud, permettant d’assurer l’autonomie locale via des comptes Snowflake indépendants tout en assurant le partage instantané et gouverné des données à l’échelle de l’entreprise ou même de l’écosystème au travers de sa capacité « Data Sharing » . »

Les nouveaux usages du Data Analytics

Plus que jamais les métiers doivent être servis en information, et autonomisés dans l’exploration des données. La Self BI, le décisionnel « dopé » à l’algorithmique prédictive, le NLP (Natural Language Processing) sont autant de nouvelles manières de « consommer » de la data. Par exemple, HF Chadeisson de MicroStrategy observe que « les entreprises ont un besoin de modernisation et rationalisation des use cases mais aussi un besoin d’innovation sans faire beaucoup d’investissements et d’efforts. Ainsi nos outils proposent une couverture fonctionnelle très large, self-service et data visualisation dans une plateforme unique».

Pas d’IA sans éthique de l’IA

« Quand il y a une innovation, les Américains en font un business, les Chinois la copient et les Européens la réglementent. » écrivait en 2016 la femme d’affaire italienne Emma Marcegaglia. C’est ce qui fut reproché au RGPD. Mais un contexte post-Covid, quelques mois après la publication du tout récent Artificial Intelligence Act (avril 2021), l’éthique des algorithmes, des données qui les entraînent et plus largement de leur usage repositionne la conscience au cœur de la science des données.

Data Democracy

La donnée est là, les infrastructures rendant possible son utilisation sont disponibles… le déclencheur sera la culture data. En effet, pour mettre en mouvement l’entreprise « tirée par la donnée », les outils et les données ne suffisent. C’est la conjonction d’une information utile, utilisable et utilisée qui doit être atteinte. Si peu d’organisations disposent de cette maturité, toutes scrutent avec attention les évolutions à mettre en place pour mobiliser l’ensemble des forces de l’entreprise en vue de capter le pouvoir de la donnée. Le déploiement de la gouvernance est l’une des pièces maîtresses de la culture data et elle s’appuie sur la démocratisation de la donnée : Pour Collibra  « le but  est de démocratiser les données pour l’ensemble des utilisateurs de l’entreprise ; dans une logique de production et consommation massives de données, l’accessibilité à la bonne donnée est un enjeu majeur ».
Et la démocratisation concerne non seulement la donnée mais également ses usages ! Ainsi, pour Raphaël Savy d’Alteryx : « les entreprises ont beaucoup investi pour rendre les entreprises data driven mais côté métier les collaborateurs travaillent toujours sur des tableurs. L’enjeu est de donner le pouvoir de la donnée aux collaborateurs de la finance, du marketing, des risques etc grâce à un outil qui leur simplifie la vie et les rend plus efficaces ».

 

Restez connectés, dans les semaines à venir, nos experts vous détailleront les concepts clés présentés lors de ce salon, notamment au sujet du Data Mesh et des nouveaux usages du Data Analytics…

Auteur : Gontran Peubez

Partner data & IA et plateformes

Auteur : Mohamed Zrida

Partner architecture - data & IA