Quand tu entends un COMEX dire « la data gouvernance, on verra plus tard », qu’est-ce que ça révèle selon toi ?
Ça révèle d’abord que je l’entends souvent ! Le premier point, c’est que la gouvernance des données est encore largement perçue comme un frein à l’opérationnel. Quand tu mènes un projet, tu enchaînes tes étapes les unes après les autres, c’est très normé, très standard. Et quand tu viens parler de la couche de gouvernance des données « by design », c’est la couche qu’on n’avait pas prévue, la couche supplémentaire. Tout de suite, c’est non : « ça va nous ralentir, côté métiers comme côté projet ». Ça met des bâtons dans les roues, parce que ça va faire sortir plein de problèmes qu’on ne veut pas forcément voir.
Côté métier, le discours est toujours le même, et côté direction aussi : il faut aller vite, il faut délivrer, il faut explorer rapidement pour montrer s’il y a un intérêt à investir. Du coup, les contraintes, on les pousse un peu sous le tapis et on verra plus tard. Bien entendu, ce n’est pas la bonne manière de faire. Même si la gouvernance est vue comme un sujet non urgent, non différenciant et donc facilement reportable, nous travaillons au quotidien pour démontrer l’inverse.
Après 25 ans de projets data, qu’est-ce qui n’a pas tellement changé dans les discussions avec les décideurs ? C’est toujours pareil ?
Non, ça a évolué. Si tu reprends l’historique de la gouvernance des données, c’est d’abord devenu quelque chose de standardisé depuis 2014 avec la création du DAMA. Et il y a une forte empreinte réglementaire : c’est ça, la naissance de la gouvernance des données, il ne faut pas se leurrer. C’est le réglementaire qui est venu dire, sous forme d’injonction – notamment avec BCBS 239 pour la partie financière, ou Solvency pour la partie assurancielle – « il faut que vous traciez vos données, que vous en connaissiez le sens, etc. » Ensuite, ça s’est renforcé avec le règlement sur la protection des données personnelles : les dernières amendes sont extrêmement élevées, donc les entreprises sont un peu plus à l’écoute. Et plus près de nous, il y a l’AI Act, qui va être hyper impactant pour les entreprises dans les années qui viennent.
Malgré tout, ça a été un mal pour un bien. Les entreprises ont vu que ça permettait de mieux connaître leurs données, leur patrimoine, de savoir où étaient les données et comment elles circulaient. Il y a donc eu une extension logique au périmètre opérationnel, pour commencer à nourrir les projets et répondre aux objectifs métiers. Le marché a suivi, et même donné le tempo : c’est là que sont apparus les data catalogues pour documenter les données, faire le lignage, etc., et de très bons outils de data quality qui ont envahi le marché à partir de 2015. Tout ça a tiré la gouvernance vers plus de pragmatisme.
Mais ça ne veut pas dire que c’est gagné, ni que c’est embarqué à chaque fois, parce qu’il reste un invariant. La gouvernance est perçue comme un frein, mais aussi comme un coût : « mon projet n’est pas dimensionné financièrement comme ça, et là tu me rajoutes une histoire de qualité de données, du temps pour documenter… » C’est un coût supplémentaire dont les gens ne perçoivent pas immédiatement la valeur. Ils ne voient pas que c’est un levier business, parce qu’ils sont trop dans une pensée silotée et ne pensent pas entreprise et capitalisation globale.
Quand une organisation décide de ne pas financer la data gouvernance by design, qu’est-ce que ça produit concrètement dans 3, 6 ou 12 mois ?
Ce sont les coûts indirects, les coûts invisibles. Quand on dit « la gouvernance, on verra ça après, quand tout sera structuré », en réalité, en cours de projet, tu vas rencontrer des problèmes d’accessibilité aux données, de disponibilité, de qualité, etc. Et tout ça allonge les délais. Ça génère des surcoûts, parce que tes équipes vont repasser du temps sur des choses qu’elles n’avaient pas prévues : il y a un facteur humain de rework assez important. Et tu as une explosion de la complexité en fin de chaîne qui rend le projet compliqué – alors que si ça avait été pris dès le départ, ça aurait été identifié et anticipé.
Aujourd’hui, ce que je vois au quotidien chez mes clients, pour la plupart, c’est qu’on reste dans une logique opportuniste. Chaque projet essaie d’avancer dans son coin, et il y a très peu de capitalisation : pas vraiment de logique de construction d’un patrimoine data réutilisable. C’est ce qu’on vient expliquer aux dirigeants : construire ce patrimoine data permet de capitaliser et de servir l’ensemble de l’entreprise.
Ce qui est intéressant, c’est qu’on voit ça depuis dix ans sur la data, et on est en train de le reproduire avec l’IA. On a mis beaucoup de temps à amener les entreprises vers le data product, le data mesh, la gouvernance, pour que tout fonctionne correctement. Et avec l’IA, on retombe exactement dans nos travers : « il faut aller vite, délivrer, montrer la valeur ». On n’a donc pas encore gagné, même si la plupart des entreprises ont engagé des stratégies de transformation. Et quand tu ajoutes à ça un risque réglementaire encore plus important qu’avant, avec des montants d’amende assez incroyables… La pression croissante des réglementations fait qu’on essaie de susurrer à l’oreille des dirigeants que ce n’est pas tout à fait inutile.
As-tu un exemple de projet data déceptif, où la techno était au top mais le résultat bien en dessous des attentes, à cause de la gouvernance ?
Certainement. C’est une excellente question. Il n’y a pas si longtemps, il y a quelques jours, je discutais avec un client et je lui demandais : « Est-ce que vous avez une stratégie data ? » Il m’a répondu : « Oui, j’ai acheté tel outil. » Ça, c’est une réponse qui tue.
J’ai en tête un projet de self-BI avec un investissement massif dans une stack moderne, performante, robuste, scalable, mais avec une approche uniquement techno : « je monte une data factory, je mets en place les meilleurs outils. » Et derrière, on ne s’inquiète pas trop de savoir si les données sont bien qualifiées, si le bon niveau de classification est appliqué, si les définitions sont claires et partagées par tous pour que la donnée soit utilisable par chacun, ni de définir les règles de gestion et d’interaction entre les différents rôles data. Et ça, ça met le chaos.
Résultat : tu te retrouves avec des livrables peu fiables. S’ils sont peu fiables, ils sont peu exploitables ; s’ils sont peu exploitables, les utilisateurs sont déçus et perdent confiance. Et le plus hallucinant, c’est qu’ils ne perdent pas confiance dans la chaîne technologique, mais dans la chaîne de valeur de la data. Ils se disent : « de toute façon, nos données ne sont pas fiables, on ne sait jamais laquelle prendre. » Ce n’est pas l’outil qui est challengé à ce moment-là.
On a souvent l’impression de faire des économies en ne finçant pas la gouvernance au départ. Tu as une analogie que j’aime beaucoup, celle du tunnel. Tu nous la racontes ?
Absolument. Les plus jeunes ne s’en souviennent peut-être pas, mais quand la France et l’Angleterre ont décidé de creuser le tunnel sous la Manche, il y a eu deux approches. L’approche britannique : « nous, on creuse, et on avisera au fur et à mesure. » Et l’approche française : « nous, on va prendre le temps, appeler des géologues, faire des études de sol, regarder les problématiques qu’on peut rencontrer et les anticiper. » Chacun sa méthode.
Au final, les Britanniques ont dérapé financièrement de manière bien plus importante que la France. Mais au quotidien, aux infos, ils donnaient l’impression d’aller plus vite, d’être plus efficaces. C’est ça qui est extraordinaire.
Quand tu prends le temps de penser les choses au départ, le but, c’est de minimiser le risque et d’anticiper les coûts pour pouvoir les piloter et les prévoir. La gouvernance des données, dans son essence, c’est la gestion du risque. Or en France, on a une vision probabiliste du risque : « tant que ce n’est pas arrivé, je ne suis pas concerné. » Quand on dit aux entreprises « il faut que vos données soient propres, classifiées, que vous sachiez d’où elles viennent et comment elles circulent », c’est « oui, oui, oui »… puis un jour, il y en a qui tombent quelque part, et là, bizarrement, ça accélère le phénomène. Il faut tomber sur l’amende, se faire rattraper par le policier, pour commencer à mettre la ceinture.
Passons au concret. Quand tu dois convaincre un COMEX aujourd’hui, quels sont les arguments qui fonctionnent le mieux ?
Contre toute attente, il ne s’agit pas d’un argument financier ni d’un argument spécifique à la valeur. Quand je vais voir un COMEX aujourd’hui, je lui parle d’un truc un peu bizarre : la survie. En général, on me regarde avec de grands yeux quand je demande : « Comment assurez-vous la pérennité de votre entreprise dans l’avenir ? » Et là, le COMEX a tout à coup les oreilles qui s’ouvrent. Il comprend que la data, son actif stratégique, n’est pas exploitable si elle n’est pas contextualisée, définie, exposée, transmissible à l’ensemble.
Et comme on est dans une logique où les boomers vont bientôt partir à la retraite, il se dit : « en effet, je vais avoir une déperdition incroyable du savoir dans l’entreprise. » Il y a une perte de connaissances implicites qui va se faire avec tous ces départs. On a tous utilisé le super fichier Excel construit par Gérard… et une fois qu’il est parti, on ne sait plus le maintenir ni le faire évoluer.
On leur dit donc : « il faut anticiper cette transmission du savoir. » Et cela passe avant tout par la maîtrise de votre patrimoine de données, celui qui vous sert à fonctionner au quotidien. La gouvernance, c’est ce qui va vous permettre de construire ce patrimoine et de le rendre exploitable dans le temps. On n’est pas dans une logique d’immédiateté, mais d’anticipation : « dans cinq ans, quand vos seniors seront partis à la retraite, qui restera pour expliquer ce qui s’est passé et comment on se sert des choses ? » C’est un argument qui me semble au bon niveau pour un COMEX, et qui résonne différemment de ce qui peut être poussé par d’autres personnes de l’organisation venues demander des budgets. Ce n’est pas le seul, bien entendu – on aborde les autres critères – mais celui-là, pour un patron, il résonne très fort.
Si tu devais résumer en une phrase ce qui fait vraiment la différence pour débloquer un budget de gouvernance auprès d’un COMEX, ce serait quoi ?
Je résumerais ainsi : déployer la gouvernance des données by design permet de maximiser la valeur délivrée par ces données, tout en minimisant les risques qui leur sont liés. La donnée traitée comme un asset – c’est une phrase que j’utilise beaucoup. Cette donnée, traitée comme un actif stratégique au même titre que les immeubles, les flottes de camions ou tout autre élément de la supply chain, participe à la pérennisation de l’entreprise. Soyez-en conscients. C’est ça qu’on dit.
Merci infiniment, Nicolas, pour cet échange. Ce que je retiens c’est qu’un COMEX dispose d’un capital, avec des actifs, des savoir-faire, une capacité à créer de la valeur dans la durée. Cette notion de durée est vraiment importante, et la donnée en fait désormais totalement partie. Et un patrimoine qui n’est pas documenté n’est ni transmissible ni compréhensible : il finit par se déprécier. La vraie question n’est donc peut-être pas « combien ça coûte », mais « qu’est-ce qui restera de votre patrimoine data, et de votre patrimoine tout court, dans 3, 5 ou 10 ans ? ». C’est une notion de gestion à long terme. Ce n’est sûrement pas la plus simple, mais elle est tout à fait au niveau d’un COMEX. Merci beaucoup, Nicolas, pour tes réflexions et tes conseils.
👉 Suivez Nicolas sur Linkedin
