Gestion et analyse des données : 5 tendances pour 2023

Alors que la pandémie a accéléré la transition vers le numérique, le consensus général est que de nombreuses entreprises qui restaient essentiellement physiques ont franchi le pas dans cette direction. Même si elles font machine arrière, une part considérable de leurs transactions continuera de s'opérer sous forme électronique. De fait, l'innovation grâce au numérique et aux données permettra aux leaders de se différencier et de sortir du lot.

Les données étant au coeur du numérique, leur gestion et les infrastructures associées, ainsi que la mise en place d'une stratégie et d'une planification appropriées, seront indispensables au succès des entreprises. C'est pourquoi nous nous attendons à quantité d'innovations dans les domaines liés aux infrastructures et architectures de gestion des données.

Voici les cinq grandes tendances que nous voyons avoir le plus d'impact en 2023, dans la mesure où elles ont trait aux données et à leur analyse.

1 - Face au spectre de la récession, les entreprises vont chercher à optimiser leurs coûts d'infrastructures

Que la France soit en récession ou non en 2023, les entreprises réduisent activement leurs coûts, ainsi que leurs infrastructures informatiques, ce qui a toujours constitué une solution de facilité pour leurs dirigeants. Les coûts de traitement et de stockage ne cessent de baisser en raison de l'utilisation du cloud.

Pourtant, ils peuvent encore occasionner de lourdes factures pour les entreprises compte tenu de leurs investissements considérables dans les infrastructures d'analyse des données. En partie grâce au vaste choix de solutions de stockage, de traitement et d'applications, les entreprises adoptent souvent une stratégie de remplacement intégral pour moderniser leurs infrastructures dans ce domaine. Non seulement cette approche est coûteuse, mais elle peut fréquemment perturber le fonctionnement de l'informatique.

En 2023, un plus grand nombre d'entreprises se focaliseront sur des solutions modernes et non disruptives pour la mise à niveau de leurs infrastructures informatiques. Ce, que leurs données résident entièrement dans un seul cloud, dans de multiples clouds, ou bien dans un environnement hybride conservant des installations sur site.

2 -  Avec le multicloud, la maîtrise des coûts du cloud devient nécessaire

Pour de nombreuses entreprises, les données sont réparties entre des clouds et des sites géographiques multiples. Ce, que ce soit en raison de préférences différentes dans le choix du prestataire de services cloud (CSP) ou à la suite de fusions-acquisitions entre des entités dépendant de CSP distincts.

Alors que la migration des données dans le cloud s'intensifie et que certains CSP s'imposent dans certaines régions par rapport à d'autres, l'adoption d'une architecture multicloud s'accélère dans les multinationales. À l'heure actuelle, il n'existe pas de solution simple pour gérer et intégrer les données et les services entre ces divers CSP.

La persistance de ce problème aboutit toujours à la création de silos de données et à une fragmentation de la gestion des données, d'où des complications dans leur accès et leur gouvernance. En outre, contrairement à une idée répandue, les coûts du cloud deviennent de plus en plus d'ordre matériel à cause du simple volume des données et des frais de sortie associés, pour ne citer que quelques raisons.

Pour nombre d'entreprises, les investissements dans le cloud n'apportent pas les retombées économiques ni les avantages métiers escomptés. C'est pourquoi elles font appel à des méthodes FinOps afin de maîtriser les coûts et les usages du cloud, d'identifier le ratio coût/valeur et de déterminer comment en optimiser la gestion entre les environnements hybrides et multicloud modernes.

Durant l'année à venir, il faut s'attendre à ce que les FinOps montent en puissance et jouent un rôle critique pour aider les entreprises à mieux gérer leurs dépenses dans le cloud hybride et le multicloud.

3 - Accélération de l'adoption du data fabric et du data mesh

Durant les deux dernières décennies, la gestion des données a connu des cycles de centralisation et décentralisation : bases de données, data warehouses, data stores cloud, data lakes, etc. Si chaque approche compte ses partisans et ses opposants, les dernières années ont prouvé que les données sont davantage distribuées que centralisées dans la plupart des entreprises.

Tandis qu'il existe quantité d'options pour le déploiement d'une architecture de données d'entreprise, 2022 a vu s'accélérer l'adoption de deux d'entre elles - le data fabric et le data mesh - destinées à améliorer la gestion et l'accès des données distribuées. Les deux sont de nature différente : le data fabric est un ensemble composable de technologies de gestion des données et le data mesh est une orientation des processus permettant à des équipes distribuées de gérer les données d'entreprise comme bon leur semble.

Tous deux sont essentiels pour les entreprises désireuses de mieux gérer leurs données. Un accès facilité aux données ainsi que leur gouvernance et leur sécurisation revêtent de l'importance pour chaque acteur des données, du data scientist au chef d'entreprise. Celles-ci sont, en effet, indispensables pour la production de tableaux de bord et de rapports, l'analytique avancée, le Machine Learning (ML) ou encore l'intelligence artificielle (IA).

Le data fabric comme le data mesh peuvent jouer un rôle critique dans l'accès, l'intégration, la gestion et la diffusion des données dans l'ensemble de l'entreprise, à condition d'être mis en place avec l'infrastructure adaptée. Par conséquent, en 2023, une nette accélération de l'adoption des deux architectures est à prévoir dans les moyennes et grandes entreprises.

4 - L'IA éthique devient primordiale alors que de plus en plus de décisions reposent sur l'intelligence artificielle

Les entreprises font de plus en plus appel à l'IA pour leurs prises de décisions fondées sur les données, qu'il s'agisse de la modération des réseaux sociaux, de la relation des professionnels de santé avec les patients ou de l'octroi par les banques de crédits aux consommateurs.

Or, lorsque l'IA conditionne la décision, il n'existe actuellement aucun moyen d'éliminer le biais inhérent de l'algorithme. C'est pourquoi des législations en préparation, telles que la directive
« intelligence artificielle » proposée par l'UE, commencent à encadrer l'utilisation de l'IA dans les entreprises commerciales. Ces nouvelles réglementations classent les applications de l'IA en fonction du risque qu'elles présentent (inacceptable, élevé, moyen ou faible) et interdisent ou régissent leur utilisation en conséquence.

En 2023, les entreprises devront être en mesure de se conformer à ces réglementations, notamment en matière de protection de la vie privée et de gouvernance des données, de transparence des algorithmes, d'équité et de non-discrimination, de traçabilité et d'auditabilité.

Dans cette optique, il leur faut mettre en place leurs propres cadres au service de l'IA éthique, par exemple, sous la forme de lignes directrices pour une IA fiable, d'examens par les pairs ou encore de comités d'éthique dédiés. Alors que les entreprises sont de plus en plus nombreuses à mettre en oeuvre l'intelligence artificielle, l'IA éthique est appelée à acquérir une importance sans précédent l'an prochain.

5 - Augmentation de la qualité et de la préparation des données, de la gestion des métadonnées et de l'analytique

Tandis qu'elle a souvent pour finalité d'alimenter des outils analytiques avancés et des techniques d'IA et de ML, une gestion adéquate des données est elle-même essentielle pour le succès des entreprises. Les données sont fréquemment qualifiées de nouvel or noir, car leur analyse est constamment le moteur de l'innovation.

À mesure que les entreprises en intensifient l'utilisation, il est crucial pour celles-ci de ne pas perdre de vue leur gouvernance et leur qualité, ainsi que la gestion des métadonnées. Pourtant, alors que leur volume, leur variété et leur vitesse augmentent continuellement, ces divers aspects deviennent trop complexes à gérer à grande échelle.

Témoin le temps que les data scientists et data engineers doivent passer à rechercher et à préparer les données avant même de pouvoir commencer à les exploiter. C'est pourquoi divers acteurs du secteur ont récemment proposé une gestion augmentée des données permettant aux entreprises, grâce à l'application de l'IA, d'automatiser un grand nombre de tâches dans ce domaine.

Selon certains des plus éminents analystes, chaque couche d'un data fabric - acquisition, traitement, orchestration, gouvernance, etc. des données - doit intégrer l'IA ou le ML, afin d'automatiser chaque étape du processus de gestion des données.

En 2023, la gestion augmentée des données va fortement gagner du terrain sur le marché, aidant les professionnels à se concentrer sur l'analyse des données sans être entravés par des tâches administratives de routine.

S'il s'agit là de cinq tendances fortes, il est d'autres domaines de l'analytique qui vont déterminer, autant la survie que le succès des entreprises numériques en 2023 et au-delà. Les trois dernières années nous ont assurément enseigné que le numérique n'est en réalité pas une solution de repli lorsque les rencontres en présentiel sont impossibles, mais bien une solution d'avenir.

Olivier Tijou, Vice-Président Régional EMEA francophone et Russie - Denodo.