CDO Agenda 2023

Retrouvez la seconde version du CDO Agenda 2023 prenant en compte la nouvelle ère d’innovation que devront structurer les Chief Data Officers en 2023.

1 . Accélérer et généraliser le Data Management

Le Data Management doit être en mesure d’absorber la charge liée au nombre grandissant de projets intégrant de la donnée. Il nécessite d’autre part d’avoir une vision stratégique du déploiement de sa transformation pour que la feuille de route soit adaptée aux besoins et aux enjeux de l’entreprise

Le CDO devra :

a) Standardiser et généraliser le Data Management pour qu’il puisse donner un même socle à toute l’entreprise.

Au-delà de l’accès et de l’ingestion, la donnée doit être fiable quand elle est consommée. Le Data Management permet de garantir la qualité de la donnée en mettant en place des référentiels, des process, des outils et des rôles qui tous devront être standardisés au niveau de toute l’entreprise.

Ces choix et ces définitions se feront en central pour en assurer la cohérence et l’uniformité avant d’être distribués uniformément dans l’entreprise et surtout mis en œuvre opérationnellement.

b) Déployer une gouvernance Data et IA permettant d’allier stratégie et tactique pour accéder transversalement à la donnée de manière incrémentale.

Gouvernance Data et Data Management sont intimement liés au même titre que peuvent l’être la Data et l’IA. Après la mise en place des Master Data Plans permettant de manager analytiquement l’entreprise, l’IA vient driver la collecte de la donnée et sa montée en puissance.

La gouvernance IA permet de choisir les projets non seulement en fonction de la valeur qu’ils vont créer mais aussi en fonction d’une roadmap induite par les nécessités de la gouvernance Data confrontée à l’impérieuse nécessité de l’accès global à la donnée et à la fragmentation de ses systèmes.

c) Inclure la donnée publique et l’Open Data dans le catalogue Data pour connecter l’entreprise avec la réalité de son écosystème et augmenter sa capacité à prendre des décisions pertinentes.

Après avoir bien intégré le rôle de leur patrimoine Data dans l’augmentation de leur performance, les organisations se tournent vers la donnée publique pour venir encore augmenter leur capacité à prendre des décisions liées à leur écosystème ou leur environnement : risque, climat, finance, news, ….

L’inscription au catalogue est alors un vrai challenge car au-delà de l’ingestion, il faudra s’assurer de la qualité de ces données beaucoup plus volatiles et mettre en place un Data Management adapté.

d) Intégrer les concepts du Data Mesh pour driver à très long terme l’évolution de la donnée de l’entreprise.

Le Data Mesh n’est pas une nouvelle technologie mais une nouvelle vision conceptuelle du management de la donnée. Une vision très aboutie qui fait la synthèse de toutes les bonnes pratiques en décrivant une modélisation technique, méthodologique et organisationnelle qu’il faut utiliser comme des guidelines d’un changement culturel à très long terme.

Il faudra s’inspirer du Data Mesh et de ses concepts tout en se confrontant à la réalité et composer avec encore de longues années

2. Evoluer vers le deuxième âge des CDO Offices

Après une première phase d’apprentissage où chaque CDO a pu poser les bases et intégrer l’ensemble des bonnes pratiques de la transformation Data IA, il faut maintenant généraliser et préparer les prochaines étapes de l’industrialisation pour rendre opérationnelle et accélérer cette transformation en l’étendant à toute l’entreprise.

Le CDO devra :

a) Benchmarker son secteur d’activité pour se mettre au niveau de ses concurrents.

Le maintien de la compétitivité est au cœur des enjeux de la transformation Data IA.
Le benchmark permet de se mettre rapidement au niveau de son écosystème en profitant de l’effort réalisé par ses pairs et ses concurrents que ce soit pour l’efficacité opérationnelle ou la génération de nouveaux revenus.

b) Actualiser les Schémas Directeurs Data IA réalisés il y a plus de 3 ans.

Les entreprises visionnaires qui se sont lancées très tôt dans leur programme Data IA souhaitent bénéficier de la courbe d’apprentissage de ces dernières années. Cet exercice permet de rationaliser la démarche en intégrant les bonnes pratiques en vigueur, de nouveaux use cases classiques apparus entre temps et en arrêtant des use cases (use cases killing) sur une argumentation factuelle de trop faible ROI ou de faible apport à la stratégie
actuelle de l’entreprise.

c) Généraliser le Product Management dans le delivery pour embarquer efficacement les métiers.

Au même titre que le monde de l’édition du logiciel et de l’industrie utilise depuis longtemps les méthodes et process de Product Management pour gérer les différentes étapes de la vie d’un produit, il en va maintenant de même pour les outils et services développés en entreprise à destination des métiers.

L’adoption de ces outils et services par les métiers représente un de plus gros challenge de cette transformation. Autant le besoin va être recueilli et retranscrit à travers la méthode agile du Product Owner autant il faut s’inspirer des méthodes éprouvées du product marketing pour favoriser non plus la « vente » mais l’adoption qui fonctionne sur le même principe mais en interne.

d) Structurer la DSI pour passer à l’échelle et proposer une qualité de service compatible avec les environnements opérationnels.

Après avoir réussi ses premiers déploiements et posé les bases d’une industrialisation du process, le passage à l’échelle passe par un transfert du Datalab rattaché au CDO Office vers la DSI qui est et a toujours été, compte tenu de ses process, le meilleur opérateur des systèmes d’information de l’entreprise.

Il faut pour cela préparer le transfert de compétence, décrire les workflows et les nouvelles compétences que la DSI devra acquérir.

e) Rendre autonomes les métiers afin d’accélérer la transformation et bénéficier des fruits de la transformation en décuplant le ROI.

Comme à chaque étape de l’évolution de la mécanisation de l’entreprise, le métier gagne à être autonome pour augmenter sa productivité. Il en sera de même de même avec la Data et l’IA.

Il faut cependant lui en donner les moyens :

I. Publier
Le CDO Office / Data Office devra publier un cadre et un environnement permettant à un métier soit de faire la demande de développement d’un algorithme en décrivant le use case, soit de développer lui-même son propre algorithme puis de demander à ce qu’il soit mis en production de manière industrielle.

II. Former
Le métier doit être formé à la Data Science pour être en mesure de détecter les gisement de gain de performance puis de demander un développement ou le faire lui-même s’il en a la capacité. A l’environnement et aux process publiés par le Data Office pour être opérationnel et autonome.

f) Créer des Offres De Services (ODS) Data IA accélère la transformation en facilitant le développement des nouveaux services.

La plateformisation des infrastructures logicielles est une évolution naturelle de la mutualisation des coûts. Il en est de même pour la Data et l’IA.

En créant une plateforme de composants de base dont les APIs auront été publiées, cette architecture en couche permet de bénéficier de toute l’innovation interne et de la courbe d’apprentissage qui prend tout son sens avec l’IA et permet de tendre vers des architectures basées sur des micro-services de type SOA, étape ultime de
l’industrialisation logicielle.

Au-delà de la nécessité absolue de réduire les coûts de développement liés à l’utilisation de modèles de Machine Learning en faisant des composants standards paramétrables, les Offres De Services Data IA permettent non seulement d’accélérer le déploiement mais aussi de fédérer les talents des Datascientists, des développeurs, des utilisateurs que l’on embarquera d’autant mieux avec le volet collaboratif des plateformes

3. intégrer l’impact de l’AI Act

Après avoir eu droit à des discours apocalyptiques voire transhumanistes en 2017 puis des usages contraires à nos modèles démocratiques dans certains pays, la Commission Européenne, dans son rôle de protection du citoyen s’est emparée du bon usage de l’Intelligence Artificielle.

En basant cette réglementation sur une segmentation des usages, la commission Européenne oblige à prendre conscience de son impact, ses droits et ses obligations.

Le CDO devra :

a) Acculturer ses équipes à cette réglementation et ses impacts

b) Auditer ses déploiements actuels et futurs pour maitriser son risque

c) Intégrer la composante réglementaire dans les Schémas Directeurs Data IA et l’évaluation des initiatives

d) Se préparer à se mettre en conformité et suivre l’évolution des GPT sur le plan technique, économique et contractuel, maitriser les problématiques d’ambiguïté et de modération et préserver sa Propriété Intellectuelle.

4. Intégrer Chat GPT dans son programme d’innovation

L’arrivée sur le marché de ChatGPT marque une vraie révolution qui va reléguer nos bons
vieux Chatbots et autres moteurs de recherche que nous avions mis des mois voire des années
à mettre en œuvre au rang d’antiquité.

Les GPT sont basés sur des modèles généralistes utilisés sous forme de plateformes sur lesquels il sera possible d’entrainer son propre modèle et donc finalement de le contextualiser à son environnement. En effet, OpenAI propose dès à présent une API permettant d’utiliser les modèles disponibles en fonction de la rapidité ou de la qualité attendue, de les entrainer avec ses propres données et enfin un pricing à la requête.

Nous rentrons donc en 2023 dans un nouveau cycle d’innovation avec ces nouveaux modèles généraux de NLP vendus sous forme de plateforme, comme l’ont été les modèles génériques préentrainés des grandes plateformes du cloud.

Le CDO devra :

1) Mettre en place un cycle d’innovation dédié au chat GPT afin de se former, d’en comprendre le potentiel, ses limites et le spectre d’utilisation de ces nouveaux modèles génératifs.

2) Cartographier, évaluer et qualifier leur potentiel utilisation dans l’entreprise pour trouver un premier use case permettant de progresser sur la courbe d’apprentissage et montrer des premiers résultats.

3) Suivre l’évolution des GPT sur le plan technique, économique et contractuel,
maitriser les problématiques d’ambiguïté et de modération et préserver sa Propriété Intellectuelle