L'IA offre un potentiel significatif pour rationaliser et optimiser la gestion du backlog Produit, mais son adoption nécessitera de trouver un équilibre judicieux entre automatisation et validation humaine, tout en assurant la transparence et en atténuant les risques de biais.
L'arrivée de l'intelligence artificielle (IA) bouscule les pratiques Agile. Que signifie encore "être Agile" à l'ère de l'IA? Cette série d'articles dresse un panorama des changements culturels et méthodologiques à prévoir au sein des organisations.
Le Cloud, choix évident pour valoriser ses données
L’industrialisation de la démarche de valorisation de la donnée est l’un des tout premiers moteurs du passage au Cloud. Amazon et Google ont montré la voie.
Le Cloud est un choix évident pour bâtir sa plateforme de données et les valoriser.
L’industrialisation de la démarche de valorisation de la donnée est même l’un des tout premiers moteurs du passage au Cloud. Pionniers de cette démarche, Amazon et Google ont montré la voie. Leur exemple montre qu’on peut bâtir des infrastructures de données offrant une élasticité inouïe mais aussi la possibilité de s’aventurer sur le terrain du machine learning de façon industrielle.
Les plateformes de données Cloud bénéficient d’abord des gains génériques du modèle Cloud : élasticité, montée en charge, disponibilité, évolution, sécurité... De façon traditionnelle, il faudrait d'abord évaluer le dimensionnement de l'infrastructure (en se basant sur les pics d'utilisation - ou bien en faisant des concessions importantes sur le temps de traitement), acheter et installer les machines, etc.
Une infrastructure de qualité, managée
Dans une grande entreprise, cela représenterait déjà plusieurs mois ; le Cloud redonne ainsi de l'agilité. Pour une entreprise de petite taille ou de taille moyenne, le Cloud est l’assurance de pouvoir disposer d’une infrastructure de qualité, digne des plus grands, à un tarif abordable car lié à l’usage.
Cela facilite également la vie des ingénieurs devant installer, configurer et maintenir les technologies. La technologie open source Kafka, par exemple, qui sert à recevoir, ordonner et délivrer des messages, dans le cadre d’une architecture orientée événements, nécessite plusieurs mois d’implémentation dans une architecture on premises ainsi qu’une équipe pour la maintenir. Des offres managées, dans le Cloud, accélèrent la mise en œuvre et exonèrent l’entreprise des efforts de maintenance et d’évolution. Il en va de même pour de nombreuses technologies de bases de données, dont les hyperscalers offrent des versions managées - quand ces technologies ne sont tout simplement pas exclusives au Cloud.
Partager les données en toute sécurité
La sécurité des données s’en sort renforcée également, grâce aux mécanismes de sécurité inclus ou proposés en option avec les offres de Cloud - qu’il faudra donc activer et paramétrer correctement ! Les accès aux données, en particulier, sont beaucoup plus surveillés dans une infrastructure Cloud où le mode Zero Trust est la norme (ou devrait l’être !) : on part du principe que chaque accès vient potentiellement de l’extérieur et on ne fait confiance à personne à l’intérieur du réseau ; chaque tentative d’accès doit donc disposer des autorisations ad hoc. Cela facilite aussi le partage sécurisé des données avec des partenaires ou des clients.
Cet article est extrait du Livre blanc "DataOps" 🗝
Parce qu'il est bon de lire et relire les classiques, nous vous convions à vous replonger dans cette somme impressionnante sur le data management qu'est ce Data Management Body of Knowledge.