Pourquoi les data product marketplaces sont le socle de toute stratégie d’IA agentique

Les organisations doivent aujourd’hui évoluer dans des marchés et des environnements toujours plus complexes. L’IA agentique permet aux entreprises de faire face à cette complexité en offrant la capacité d’automatiser intelligemment des processus et des actions. Les agents apprennent et adaptent leurs décisions de manière autonome en fonction du monde qui les entoure, alliant efficacité et agilité.

Pour autant, adopter et déployer l’IA agentique avec succès exige des fondations solides : des données prêtes pour l’IA, une gouvernance forte, et la capacité à fournir le contexte nécessaire pour guider la prise de décision des agents.

Dans cet article, nous explorons comment les data product marketplaces constituent le socle de données et de contexte de l’IA agentique, ainsi que les cas d’usage qui bénéficient de la combinaison de ces deux technologies.

Gartner définit les agents IA comme des « entités logicielles autonomes ou semi-autonomes qui utilisent des techniques d’IA pour percevoir, décider, agir et atteindre des objectifs dans leur environnement numérique ou physique ».

L’IA agentique va au-delà des chatbots ou assistants IA traditionnels en offrant aux agents la capacité d’apprendre et d’agir de manière indépendante selon l’évolution des conditions. Contrairement aux chatbots, les agents IA ne suivent pas un script. Ils n’obéissent pas simplement aux instructions de l’utilisateur comme le ferait un assistant IA. Cette capacité à apprendre et à agir dans des environnements non déterministes rend les agents IA extrêmement puissants, mais comporte aussi des risques. Ils peuvent opérer de manière indépendante et prendre des décisions contraires aux politiques de l’entreprise, avec des actions qui échappent au contrôle humain.

Lors d’une présentation au Gartner Data & Analytics Summit 2026 de Londres, l’analyste Frances Karamouzis a souligné que la plupart des organisations en sont encore aux premiers stades du déploiement de l’IA agentique : seules 8 % ont des agents en production, et 87 % n’ont pas encore démarré ou en sont simplement au stade de l’exploration. 

Les applications orientées client, comme la CX, le marketing et les ventes, affichent la plus forte probabilité de déploiements actuels ou futurs, suivies des applications logicielles, puis de l’infrastructure et des opérations IT. Mais, comme pour l’IA générative, les organisations doivent disposer de la bonne stratégie et des bonnes fondations. Les data product marketplaces y jouent un rôle central, en donnant accès à des données fiables, vérifiées et bien gouvernées, tout en assurant le suivi de l’usage et de la lignée pour offrir une traçabilité et un contrôle complets.

Combiner IA agentique et data product marketplaces profite à toute l’organisation : les utilisateurs métier de la marketplace, les propriétaires de données, les équipes data, l’IT, et les agents eux-mêmes.

Transformer l’accès et la compréhension des données pour les consommateurs de données

Intégrer des agents dans l’interface de la data product marketplace offre aux utilisateurs un moyen supplémentaire de trouver et d’explorer les données disponibles. Ils peuvent simplement poser des questions sur les données en langage métier courant, ce qui renforce la confiance et accroît la consommation. 

Les utilisateurs peuvent dialoguer en continu avec un agent, recevoir des explications sur ce que couvrent les données et sur la signification de termes spécifiques. Les agents peuvent créer automatiquement des visualisations sur mesure à partir des requêtes des utilisateurs, garantissant que les données sont présentées dans des formats compréhensibles, tout en recommandant leur usage et d’autres données pertinentes.

L’agent IA Huwy de Huwise en est le parfait exemple. Les utilisateurs parcourent la data product marketplace, posent leur question en langage naturel, saisissent une requête pour interagir avec l’agent, et reçoivent une réponse immédiate et contextualisée directement dans leur flux de travail, que ce soit sur la page d’accueil, dans le catalogue ou sur la page d’un produit spécifique. 

En coulisses, Huwy est connecté au serveur Model Context Protocol (MCP) de Huwise. Il exécute des requêtes API et exploite toute la puissance des APIs de Huwise pour fournir des réponses fiables et pertinentes à l’utilisateur. Pour élargir les options des clients, Huwy est conçu pour fonctionner avec le LLM de leur choix, y compris OpenAI et Mistral AI.

Fournir des informations d’usage et améliorer les data products

Les data products ne sont pas des actifs de données statiques – ils doivent être suivis et améliorés en continu pour répondre à l’évolution des besoins des utilisateurs. Les data product marketplaces permettent de suivre l’usage grâce à une approche d’entonnoir de conversion similaire à celle utilisée sur les sites e-commerce. 

Les agents IA peuvent ainsi exploiter ces informations pour identifier les axes d’amélioration, que ce soit sur le data product lui-même, sa documentation ou sa mise en avant. Ils peuvent suggérer automatiquement les actions à mener, voire automatiser les améliorations, permettant aux propriétaires de data products de travailler de manière plus efficace et efficiente.

Automatiser l’administration de la marketplace pour libérer les équipes data

Les équipes data font face à une charge de travail croissante et doivent se concentrer sur leur mission clé : rendre la donnée accessible aux métiers pour améliorer la performance et la prise de décision. 

Les data product marketplaces contribuent déjà à recentrer cette mission en offrant un accès en self-service aux métiers, supprimant le besoin pour les équipes data de créer des rapports et des visualisations. Déployer des agents IA au sein de la marketplace renforce encore l’efficacité et libère du temps. Par exemple, les agents peuvent analyser les métadonnées de la marketplace et formuler des recommandations pour optimiser leur qualité, ou générer automatiquement des descriptions claires d’un jeu de données et de ses champs pour en faciliter la compréhension.

Assurer une gestion des données de bout en bout pour améliorer l’efficacité de l’IT

Avec la croissance des volumes et des sources de données, la stack de gestion des données s’est considérablement complexifiée. Les organisations ont déployé une multitude d’outils différents pour gérer des fonctions telles que le nettoyage, l’enrichissement, la gouvernance, le catalogage et la gestion des données de référence (master data management). Il devient alors difficile de créer, surveiller et gérer des pipelines de données de bout en bout sans une implication humaine importante.

Les agents IA sont capables d’automatiser cette gestion, réduisant la complexité et augmentant l’efficacité. Gartner considère que la combinaison des plateformes de gestion des données (DMP) et de l’IA agentique est essentielle pour réduire la charge de travail de l’IT et de l’ingénierie des données. Par exemple, les agents peuvent exécuter des opérations d’ingénierie des données (comme la gestion adaptative des pipelines), surveiller, détecter et corriger les problèmes de qualité des données, automatiser la découverte en matière de gouvernance des données et faire respecter la sécurité.

Contrairement à l’automatisation traditionnelle, les agents IA peuvent apprendre et adapter leur comportement à mesure que les circonstances évoluent, ce qui les rend plus dynamiques et intelligents. Parmi les exemples d’agents IA de gestion des données cités par Gartner :

• Les agents orientés tâche, qui traitent des missions spécifiques et ponctuelles, comme la correction d’erreurs
• Les agents d’orchestration, qui gèrent des workflows à travers plusieurs systèmes, comme la coordination des transferts de données entre différentes parties de la stack de gestion des données
• Les systèmes multi-agents (MAS), essaims collaboratifs d’agents qui traitent des problèmes plus complexes, comme la création de nouveaux data products de A à Z

Fournir des data products contextualisés pour alimenter les agents IA dans toute l’entreprise

Pour fonctionner efficacement, les agents ont besoin d’accéder à des données AI-ready. Cela va au-delà de la simple fiabilité et qualité de l’information. Elle doit être compréhensible par les agents, tant sur le plan sémantique qu’en termes de contexte.

Des capacités telles que les couches sémantiques traduisent les données techniques brutes en termes compréhensibles par le métier, tout comme les glossaires métier, qui standardisent la terminologie à l’échelle de l’organisation. Ces éléments aident les agents IA à comprendre le sens des données en termes métier, en évitant qu’ils ne les interprètent mal ou ne tentent de comparer des jeux de données disparates sans en comprendre les différences sous-jacentes.

Le contexte va au-delà du seul sens des données : il fournit les informations nécessaires pour les interpréter correctement. Il dépasse la couche sémantique pour couvrir également la gouvernance, la lignée, la qualité et le contexte opérationnel. Il est souvent stocké sous forme de métadonnées, incluant des éléments tels que qui a créé la donnée, quand, à quelle fréquence elle est mise à jour et à quoi elle était initialement destinée. Sur ce plan du contexte, les humains peuvent s’appuyer sur leur expérience et leurs connaissances pour l’ajouter aux données qu’ils consultent. Les agents IA, eux, ne le peuvent pas : une couche de contexte est donc nécessaire pour garantir la précision.

Les data products, disponibles via la marketplace, fournissent nativement ces informations sémantiques et contextuelles. Ils offrent ainsi un environnement riche et structuré permettant aux agents IA de découvrir et de sélectionner les données les plus pertinentes pour alimenter leurs actions et leurs décisions dans toute l’organisation. Les informations d’usage renforcent ce contexte – par exemple, si un data product spécifique est utilisé par 90 % de l’équipe finance, c’est un signal fort pour un agent d’accorder sa confiance à cet actif et de le consommer.

Les data product marketplaces, telle que proposées par Huwise, soutiennent l’IA agentique grâce à une combinaison de serveurs MCP intégrés, de data products prêts pour l’IA, d’une gouvernance solide et d’une approche sensible au contexte qui guide les agents IA vers les meilleures données pour leurs besoins.

• Serveur MCP : le standard MCP offre un accès aux données lisible par machine pour les agents et les LLM, permettant de partager les données avec des environnements tels que Claude Desktop, OpenAI, Mistral AI et Microsoft Copilot.
• Data products : les data products sont des actifs de données prêts pour l’IA, alliant qualité et documentation claire, ce qui les rend facilement compréhensibles à la fois par l’IA et par les humains.
• Une gouvernance solide : la lignée des données permet aux organisations de surveiller quels actifs de données sont utilisés par les agents IA, offrant une traçabilité complète qui s’intègre aux outils et processus de gouvernance des données plus larges.
• Une approche sensible au contexte : les agents peuvent facilement visualiser l’usage métier des data products et les informations contextuelles, garantissant qu’ils sont orientés vers les meilleures données pour leurs besoins spécifiques.

L’IA agentique promet de transformer les opérations métier, en offrant des agents véritablement intelligents et agiles, capables d’apprendre et de décider en fonction de l’évolution de leur environnement. Cela suppose l’accès à des données contextualisées, de haute qualité et prêtes pour l’IA, ainsi que des garde-fous pour surveiller, observer et gouverner les actions menées par les agents IA. Les data product marketplaces sont au cœur de la fourniture de ces données, et constituent une plateforme robuste pour alimenter – et bénéficier de – l’IA agentique, en facilitant son déploiement dans toute l’organisation pour créer une valeur réelle.