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.
Quelques années après son apparition, le concept de data mesh (ou datamesh) reste énigmatique pour nombre d'entreprises. Quand il n'est pas désigné comme le Graal ! Avec le recul, on peut dire que oui, le datamesh, c’est un peu du meilleur de chaque monde adapté aux enjeux spécifiques de la data pour les entreprises.
Le framework est utile et a déjà prouvé son efficacité chez un grand nombre de clients - à condition de ne pas faire l’économie d’une gouvernance des données maîtrisée et déployée à l’échelle au risque d’aboutir à des bastions et de retomber dans les problèmes d’enclavement des données.
Le datamesh pour sortir des architectures data en silos
Le datamesh est un cadre conceptuel qui englobe plusieurs dimensions et repose sur la notion de fédération. Nous connaissions ses aspects d’architecture du SI : découper les systèmes informatiques en domaines indépendants et autonomes associés à une approche produit, les doter d’une couche d’interface (API ou autre) et de la documentation associée pour que le reste de l’organisation puisse venir consommer les produits.
En 2023, le datamesh s’est particulièrement illustré dans ses impacts organisationnels en entreprise. L’article fondateur de Zahmak Deghani de 2019 propose d’ailleurs avant tout un moyen de sortir de l’impasse aux entreprises qui ont une organisation complexe, morcelée et parfois silotée. C’est un chemin possible pour ces entreprises, qui n’ont pas réussi à créer un point de vérité central d’entreprise avec une gouvernance forte et un partage exhaustif du patrimoine de données via un datalake maîtrisé et performant.
Le Data Mesh impose une approche Produit, avec une gouvernance appropriée
D’un point de vue organisationnel, le datamesh propose de s’aligner sur la vision Produit, à savoir : chaque unité de production (souvent un domaine data croisé d’un domaine métier) est responsable de bout en bout des produits qu’elle est en capacité de proposer à ses clients. L’unité de production dispose de tous les moyens nécessaires pour produire et est en capacité de prendre des décisions sur les évolutions à implémenter pour servir au mieux ses clients.
La gestion de la plateforme technique reste la prérogative de la DSI, qui elle aussi adopte le mode d'interaction du produit et travaille à mettre à disposition son produit : la plateforme data composée de l’ensemble des éléments de stockage, des flux et outils d’exploitation et surveillance associés au périmètre data.
Deux éléments clés d’un déploiement sans couture d’une organisation data mesh :
● la data gouvernance avec des règles et standards uniformes pour l’ensemble de l’entreprise. La data gouvernance peut être traitée par une équipe “chapeau” de l’organisation data si elle a ses points de relais dans les différents domaines. Sinon elle peut être intégrée au dessus de l’équipe plateforme et s’associer aux équipes plateforme.
● la gestion du patrimoine data de l’entreprise qui doit être matérialisé dans un set documentaire partagé avec l’ensemble des collaborateurs. La documentation des données, de leurs transformations et des domaines owners est soit décentralisée dans les domaines, soit centralisée au dessus de l’équipe plateforme. La donnée est alors pensée “as-a-service” et constitue une brique complémentaire du mesh.
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.
L'IA générative était (surprise !) la vedette du keynote de l'AWS Summit Paris, ce 3 avril au Palais des Congrès. C'est LE sujet qui tire le Cloud et la Data.
Les projets data sont souvent abordés sous un seul angle. Voire deux. Réussir sa stratégie data nécessite de considérer l'ensemble des 4 piliers fondamentaux : la tech, l’orga, la culture et la gouvernance.