Le développement augmenté existe d’ores et déjà. Souvent regardés de haut, les outils de GenAI sont une évolution naturelle des fonctionnalités d’autocomplétion. À adopter d’urgence pour en tirer tous les bénéfices.
Même si l'IA est privilégiée, il faut toujours partir de la stratégie et des problèmes à résoudre, prévient la HBR, dont l'approche 3P fait écho au Tech, Orga, Culture de WEnvision.
"The Software Architect Elevator" est une de feuille de route pour les architectes. En embrassant le changement, en comprenant les systèmes organisationnels et en favorisant une communication efficace, les architectes peuvent jouer un rôle central en conduisant les organisations vers le succès.
DataOps est une pratique collaborative de gestion des données qui vise à améliorer la communication, l’intégration et l’automatisation des flux de données entre les gestionnaires et les consommateurs de données.
< Vers plus d'automatisation grâce au DataOps
Fini les tâtonnements, place à l’approche industrialisée de la donnée : le DataOps. Si on tire bien les leçons des années Big Data, qui ont coïncidé avec les débuts de la transformation numérique de la société, c’est bien de cela que les entreprises ont besoin : une infrastructure solide mais agile, qui offre aux métiers la possibilité de s’appuyer sur la donnée pour prendre rapidement des décisions pertinentes, voire automatiser un certain nombre de processus.
Gartner définit le DataOps ainsi :
« DataOps est une pratique collaborative de gestion des données qui vise à améliorer la communication, l’intégration et l’automatisation des flux de données entre les gestionnaires et les consommateurs de données au sein d’une organisation. L’objectif de DataOps est de fournir de la valeur plus rapidement en créant une livraison prévisible et une gestion du changement des données, des modèles de données et des artefacts connexes. DataOps utilise la technologie pour automatiser la conception, le déploiement et la gestion de la livraison des données avec des niveaux de gouvernance appropriés, et il utilise les métadonnées pour améliorer la convivialité et la valeur des données dans un environnement dynamique. »
Il s’agit donc de la combinaison d’un environnement technique (les infrastructures de type "data platform") et d’une gouvernance modernisée, prenant en compte la stratégie, les rôles, les processus, ou encore les métadonnées.
La pratique s'inspire fortement du DevOps, explique dans la vidéo ci-dessous Florent Legras, Data engineering manager de SFEIR Paris. Le monde du développement logiciel a su s'industrialiser ; c'est au tour du monde de la donnée.
Cet article est extrait du Livre blanc "DataOps" 🗝
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.
LACE, LUXCE, CCoE, DMCoE, AICoE, les "Centers of Excellence" (CoE) explosent. Au delà de l’effet de mode, les CoE sont un véritable moyen de mettre en mouvement les Tech Companies, à condition que les initiatives soient anticipées et coordonnées dans une démarche de "Continuous Learning".
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.
Quelles sont les perspectives de l'IA en 2024 ? Cet article décrypte les évolutions majeures qui influenceront les mois à venir, offrant un aperçu des tendances et des défis à venir.
