Nous voulons que la data marketplace soit le socle d'agrégation de notre culture. Il ne s'agit plus de théorie, mais de transformer les comportements en pensant « data » dès la conception et en mettant en avant l'aspect collaboratif et industriel.
L'avenir de la donnée
et de l'IA 2030
stratégiques pour une organisation
AI-first
La donnée et l'intelligence artificielle transforment déjà en profondeur les organisations, leurs métiers et leurs modes de décision. Mais à quoi ressemblera l'entreprise data et IA de 2030 ? Et surtout, quelles transformations faut-il engager dès maintenant pour la construire ?
Cette Charte donne la parole à celles et ceux qui sont au cœur de cette transformation : les Data Voices, leaders et experts qui font évoluer chaque jour la donnée et les usages de l'IA dans des organisations complexes, internationales et en pleine mutation.
Nous sommes à un point de bascule. Comme pour Internet ou les réseaux sociaux, l’IA peut être le meilleur ou le pire des amplificateurs : un usage médiocre nuira à l’intelligence collective, tandis qu’un usage éclairé la renforcera. Au-delà des projets quotidiens que mène traditionnellement un CDO ou un CTO, le rôle de ce dernier évolue pour devenir aussi un garant du bon sens et du discours de réalité face au déferlement du marketing technologique. Cette trajectoire numérique présente des résonances frappantes avec la transition énergétique : c’est une responsabilité collective qui doit « faire société ». Tout comme nous choisissons notre futur énergétique, nous devons choisir une trajectoire numérique qui sert le projet humain.
La Charte Data Voices s'appuie sur une démarche d'enquête mixte, quantitative et qualitative, menée par Huwise auprès d'une centaine de leaders Data & IA issus de grandes organisations internationales, tous secteurs confondus. Un questionnaire bilingue (français et anglais) a permis de recueillir leur perception autour de six projections structurantes sur l'avenir de la donnée et de l'IA à horizon 2030. Ces résultats ont été complétés par cinq entretiens qualitatifs approfondis auprès de profils sélectionnés pour la diversité de leurs contextes organisationnels et sectoriels. Cette approche croisée a permis de consolider, nuancer et illustrer les résultats quantitatifs afin de faire émerger six projections stratégiques sur l'évolution des organisations vers un modèle AI-first.
6 projections pour une organisation AI-first
Cette initiative a été pensée comme un travail collectif, réunissant des leaders convaincus que la donnée et l'IA doivent devenir des leviers stratégiques au service des métiers, de la performance et de l'innovation.
Cliquez sur une projection pour en savoir plus : vision 2030, indice de confiance, bénéfices identifiés, obstacles, actions à mettre en place, et le regard d'une Data Voice.Touchez une projection pour en savoir plus : vision 2030, indice de confiance, bénéfices, obstacles, actions et regard d'une Data Voice.
dans l'atteinte
de cet objectif :7,2/10
D'ici 2030, le leader data et IA ne sera plus seulement un expert technique, il sera le partenaire direct du CEO dans l'anticipation de la stratégie de l'entreprise et dans l'accompagnement de sa mise en œuvre, parce que la donnée est au cœur de la transformation digitale.
Voir tout (6) Réduire
Voir tout (6) Réduire
Voir tout (8) Réduire
Réconcilier la rigueur de la gouvernance et l'agilité opérationnelle
“Le data leader n'est plus seulement un technicien élevé en grade. Il est la cheville ouvrière d'une transformation multidimensionnelle. Il est celui qui réconcilie la rigueur de la gouvernance avec l'agilité de l'efficacité opérationnelle.
Un garant du bon sens face au marketing technologique
“Au-delà de ses fonctions et expertises classiques, le rôle du CDO ou du CTO aujourd'hui est aussi d'être un garant du bon sens face au déferlement du marketing technologique. Nous devons porter cet effort d'acculturation dès maintenant, car la fracture numérique ne sera pas seulement une question d'accès aux outils, mais une question de capacité à les piloter.
Enjamber la complexité technique pour parler business
“Ce que j'observe chez certains CDOs, c'est une carence en vision stratégique allant de pair avec un manque d'accès aux directions générales. Le rôle du leader est d'enjamber cette complexité technique ou administrative pour parler business. Si le dirigeant comprend l'impact, il demandera de lui-même : « De quoi avez-vous besoin pour réussir ? »
Traduire la complexité en vision globale
“Le leader data doit adapter le discours technique à une audience variée, parlant d'égal à égal avec un expert FinOps tout en restant audible pour des opérateurs de terrain et des Comex. C'est cette capacité à traduire la complexité en vision globale qui assoit sa légitimité.
Le rôle du leader data dépasse le simple delivery
“Le rôle du leader data dépasse le simple delivery et inclut 3 autres dimensions : la vision stratégique, connectée aux priorités business et les volets organisationnels et culturels pour transformer les modèles opérationnels, repenser les dynamiques de travail dans un cadre maîtrisé et responsable et accompagner l'adoption tout en assurant les fondations.
Transformer la donnée d'un actif technique en levier stratégique
“Le rôle du CDO est de transformer la donnée d'un actif technique en levier stratégique : industrialisé, adopté par les métiers et directement contributif à la performance business, dans un contexte où l'accélération de l'IA renforce l'exigence et l'accès à une donnée de qualité.
dans l'atteinte
de cet objectif :7,3/10
D'ici 2030, la culture data sera une réalité partagée. Chaque collaborateur, quel que soit son métier, sera pleinement autonome dans sa relation à la donnée, accompagné, si besoin, par des agents intelligents dédiés. La donnée sera l'ADN même des organisations.
Voir tout (7) Réduire
Voir tout (4) Réduire
Voir tout (5) Réduire
Ne laisser personne sur le bord de la route
“Sur l'acculturation, l'objectif n'est pas d'imposer une norme rigide qui freinerait nos leaders, qui investissent massivement sur la data depuis des années. L'enjeu est plutôt de définir un « minimum viable » culturel. Nous devons faire monter le niveau moyen pour que le Groupe fonctionne de manière homogène, tout en permettant aux entités les plus avancées de continuer à accélérer, en partageant leur expérience afin de jouer un rôle de locomotive pour celles qui disposent de moins de moyens. Il s'agit de ne laisser personne sur le bord de la route.
Lire la suite de l'entretien Réduire
Ce positionnement transforme radicalement la gestion du changement. La donnée cesse d'être une contrainte locale pour devenir un levier de cohérence globale, facilitant les synergies sans étouffer les spécificités métiers.
Le Crédit Agricole a choisi une approche basée sur la mise en pratique via une data marketplace Groupe pour industrialiser les partages de données : « penser data dès la conception » plutôt que la théorie.
dans l'atteinte
de cet objectif :6,7/10
D'ici 2030, l'intégralité du patrimoine de données stratégiques des organisations sera gérée, certifiée et partagée sous forme de data products autonomes et réutilisables, accessibles en libre-service, aussi bien par les collaborateurs que par les agents IA.
Voir tout (6) Réduire
Voir tout (8) Réduire
Voir tout (5) Réduire
Passer de la quantité à la pertinence
“La data marketplace fonctionne comme un supermarché d'actifs : rapports, vues Denodo, et métadonnées. Désormais, notre ambition est que l'utilisateur accède à de la Smart Data : il connaît le Data Owner, comprend la définition validée de l'indicateur et bénéficie d'une sécurité intégrée d'accès par région. C'est un passage de la quantité à la pertinence.
Lire la suite de l'entretien Réduire
On ne part jamais from scratch. L'idée n'est pas de plaquer une théorie rigide, mais d'adapter la maturité du data product au spectre fonctionnel de chaque métier — une approche « raisonnable » du Data Mesh.
Un produit de données se définit chez Coface par un propriétaire identifié, un contrat de service (SLA) et une traçabilité totale. La couche sémantique et le Virtual Data Lake sont le prérequis absolu à l'IA agentique : sans elle, l'IA agentique n'est qu'une promesse risquant de multiplier les mauvaises surprises.
dans l'atteinte
de cet objectif :6,3/10
En 2030, l'IA sera le moteur de toute la chaîne de valeur data des organisations, de la collecte à la valorisation, en passant par la qualité, l'observabilité, la gouvernance, la traçabilité, la sécurité et le cataloging.
Voir tout (7) Réduire
Voir tout (6) Réduire
Voir tout (7) Réduire
L'expertise humaine se déplace, elle ne s'efface pas
“On ne se contente pas d'installer un outil ; on conçoit des systèmes complexes de « skills », de « harness » et d'intégration pour encadrer l'IA. L'expertise humaine ne s'efface pas, bien au contraire : elle se déplace et se matérialise différemment. C'est parce qu'il est correctement encadré par des sachants humains que le système se comporte tel qu'attendu.
Lire la suite de l'entretien Réduire
Le risque majeur est celui d'une dépendance cognitive. En déléguant trop la réflexion à des modèles contrôlés par un nombre limité d'acteurs, nous risquons d'affaiblir notre souveraineté intellectuelle.
L'avantage compétitif ne réside pas dans l'outil lui-même, mais dans la capacité à orchestrer quatre piliers de savoir : la connaissance scientifique, les données internes, la connaissance compressée des LLM, et le savoir tacite des humains — jamais dans l'isolement de la technologie.
dans l'atteinte
de cet objectif :6,9/10
D'ici 2030, les data products seront fiables et de qualité, permettant le développement de toute exploitation de la donnée et jusqu'à un usage large de l'IA agentique : contexte intégré, couche sémantique embarquée, interopérabilité totale.
Voir tout (8) Réduire
Voir tout (7) Réduire
Voir tout (9) Réduire
Rien d'exploitable en sortie sans indicateur de contrôle
“Les entreprises peuvent être tentées de privilégier le delivery rapide, le côté shiny, au détriment de la véracité et de la sécurité. Mon équipe est là pour rappeler que si l'on injecte n'importe quoi en entrée dans un modèle, sans indicateur de contrôle, nous n'obtiendrons rien de véritablement exploitable en sortie.
Lire la suite de l'entretien Réduire
La résolution passe par un triptyque indispensable : une responsabilité humaine incarnée par les métiers, une rigueur absolue des processus opérationnels et une infrastructure MDM performante.
Aujourd'hui, les collaborateurs ne perçoivent la qualité qu'en bout de chaîne, à travers le prisme déformant du reporting. Il faut sans cesse faire de la pédagogie : c'est une question d'acculturation et de documentation bien plus que de pur système informatique.
dans l'atteinte
de cet objectif :6,3/10
D'ici 2030, la gouvernance data & IA ne sera plus un cadre rigide imposé à l'organisation, mais un dispositif vivant et adaptatif, plus fédéré que centralisé, ancré au cœur de chaque data product, intégrant naturellement les exigences de confiance, de durabilité et de sobriété.
Voir tout (6) Réduire
Voir tout (5) Réduire
Voir tout (8) Réduire
Remettre la responsabilité là où se crée la valeur
“Si le terme « gouvernance » continue de rebuter, c'est qu'il reste encore souvent associé à un imaginaire bureaucratique qui peut décourager les opérationnels. Le « Business Data Ownership », lui, change de perspective : il replace la responsabilité là où se crée la valeur.
Lire la suite de l'entretien Réduire
Chez AXA France, le modèle de « décentralisation gouvernée » repose sur trois piliers complémentaires : un Data & IA Office garant de la stratégie et du cadre régalien, un pilier technologique (DataOps, observabilité en temps réel), et un pilier culturel où la responsabilité de la donnée est partagée par tous.
Il n'y a d'IA pérenne que si elle est responsable. L'éthique n'est pas un à-côté, c'est le cœur du business : cela passe par la garantie que l'on conçoit et utilise l'IA ni à tort ni trop tard.
Les priorités des Data Voices en quelques mots
Invitées à classer les 6 projections par ordre d'importance, les Data Voices dessinent une trajectoire en deux temps : d'abord poser les fondations humaines et data, puis déployer les transformations les plus ambitieuses.
La pérennité de l'innovation chez Coface dépendra de notre capacité à ne pas brûler les étapes. L'histoire de la donnée dans notre groupe est un récit en construction, fondé sur une vision pragmatique : la technologie est un levier de différenciation, mais la rigueur sémantique en est le socle immuable, c'est elle qui garantit que la donnée reste un actif fiable, exploitable et durable dans le temps.
Au-delà des projets du quotidien, une de mes préoccupations actuelles, c'est de faire de l'IA et de la technologie une dynamique positive. Pour maximiser l'impact de la technologie, l'objectif est de trouver les bonnes stratégies pour les bons couplages, les bonnes intégrations dans les processus, les bonnes combinaisons entre hommes et machines.
Mon obsession demeure le socle de gouvernance et la désignation de responsables par domaines. Mon objectif est de solidifier le master data, car c'est là que se joue la survie de l'innovation. Le succès de demain dépendra de notre capacité à rendre visibles ces missions de structuration, essentielles à la véracité de tout ce que l'IA pourra produire.
Nos priorités en matière de soutien aux transformations de nos métiers sont fixées dans notre plan stratégique Act 2028. Sur la data, l'initiative clé est l'industrialisation des partages de données via la data marketplace au niveau Groupe. Elle permettra d'accélérer les partages de données internes.
Notre priorité 2026-2030 est claire : basculer d'une logique de projets à une logique de plateforme et d'usages, pour industrialiser la valeur Data & IA à grande échelle. Dans ce modèle, la valeur se crée au plus près des métiers, là où naissent les usages, tandis que le passage à l'échelle repose sur des plateformes communes, des assets mutualisés et une gouvernance structurée, garantissant cohérence, sécurité et efficacité économique.
La priorité des prochaines années est de transformer l'essai, réellement. Exit les effets d'annonce, les démonstrations impressionnantes qui emballent le marché et pressurisent les entreprises, au risque de confondre vitesse et précipitation. L'enjeu est de dompter la vague de l'IA agentique en ciblant les batailles clés capables de transformer en profondeur la chaîne de valeur assurantielle tout en maintenant la confiance.
Où les leaders data sont-ils le plus confiants ?
Indice de confiance moyen dans l'atteinte de chaque projection d'ici 2030, tel que déclaré par les Data Voices interrogées. Classement de la plus forte à la plus faible confiance (note sur 10).
Projetez-vous pour 2030
Comme les Data Voices, classez les 6 projections par ordre d'importance pour votre organisation, puis évaluez votre confiance dans leur atteinte d'ici 2030. Vous obtenez votre priorité, votre indice de confiance global et le quick win à activer.
Pour chaque projection : indiquez votre priorité de 1 à 6 (un rang choisi n'est plus proposé pour les autres projections), puis faites glisser le curseur de 0 à 10. Les repères « DV » indiquent le classement et la note moyenne des Data Voices.
Les 6 "quick wins" indispensables
Les actions à mettre en place dès maintenant pour initier la transformation vers une entreprise AI-first et accomplir les projections identifiées par les Data Voices d'ici 2030.
Les ambitions des Data Voices en quelques mots
Extraits des entretiens qualitatifs menés pour la Charte. Retrouvez l'intégralité des entretiens en téléchargeant la Charte d'engagement des Data Voices.
Le data product, entendu comme un ensemble de données traitées, qualifiées et packagées, n'est plus une option. C'est le socle qui nous permet de passer de la donnée brute à un actif stratégique. Le seul moyen de les mettre à disposition et de responsabiliser les métiers, c'est la data marketplace interne, que nous déployons, et qui marque la fin du monopole de la Business Technology sur la donnée.
L'ambition pour 2030 est de passer de l'augmentation locale de tâches existantes à une véritable refonte des processus, conçus dès le départ avec l'IA comme partenaire. Cela exige aussi de penser à des systèmes informatiques et des architectures techniques beaucoup plus ouverts et communicants.
Penser que l'on peut innover avec un nouveau système sans s'attaquer aux fondamentaux, aux processus amont, et à son legacy, est une illusion. Si l'on ne prend pas en compte le processus global — de la saisie de la donnée jusqu'à sa consommation —, les nouveaux systèmes ne feront que reproduire ou amplifier les erreurs.
Le passage à l'échelle de l'IA repose d'abord sur un alignement des priorités avec la vision stratégique de l'entreprise et un choix mesuré de quelques cas d'usage qui impactent vraiment le P&L, la satisfaction client et l'efficacité opérationnelle.
Envie d'en savoir plus ?
La Charte complète réunit l'ensemble des résultats quantitatifs et leur analyse ainsi que les 5 entretiens des Data Voices dans leur intégralité.