Laurence Houdeville, Renault Digital : "Nous intégrons le Privacy by Design dans nos démarches projet"

Quelle est l'approche de valorisation des données chez Renault ?
Laurence Houdeville -  La première pierre de l'édifice, c'est le management de la donnée car pour valoriser ses données,  il faut les connaître et en mesurer la valeur.
Les chantiers de connaissance et de traçabilité de la donnée (data catalog et data lineage) sont importants. Il en est de même pour toutes les actions qui permettent de renforcer la qualité des données et d'en définir la valeur fonctionnelle et business. Ce travail est piloté par des fonctions Data et notamment les data managers au sein des métiers, qui intègrent très en amont les enjeux de sécurité et les critères de confiance et de transparence.

Quelle approche stratégique développez-vous ?
La donnée est un asset de la stratégie digitale. Sa transversalité oblige le Groupe à repenser le partage de l'information. C'est un indicateur de maturité qui nous permet de mesurer la vitesse de déploiement de la transformation digitale. Nous mettons en place une approche à deux niveaux :
> Une approche par les résultats qui prend la forme d'une Data Value Map : 20 macro use cases construits tout au long de la chaîne de valeur du groupe et illustrés de Kpi fonctionnels et financiers.
> Une approche par les processus avec la mise en oeuvre d'un référentiel de data management. Ce dernier aborde la data par les risques. Il prend la forme d'un autodiagnostic sur huit grands axes de la donnée dont la data quality, enjeu central pour le Groupe.

 Quel défi représente un projet Data, transverse entre les métiers et l'IT ?
Le premier défi est la disponibilité des données. Accéder et consommer des données nécessitent quelques étapes préliminaires . J'utiliserai ici l'analogie avec la restauration. La présence et la traçabilité des ingrédients, la qualité de la recette, les étapes d'épluchage, de cuisson, l'assurance que le plat est attendu, souhaité par le consommateur sont des jalons nécessaires.
Il en va de même des données. Leur transformation est un travail non négligeable réalisé par les data engineers.
J'ajouterai un autre aspect de la vie d'un projet data. Dans les années 1990, Ann Cavoukian, Commissaire à l'information et à la protection de la vie privée de l'Ontario, avait proposé de ne collecter que les informations dont l'entreprise avait besoin (principe de minimisation) et de les traiter avec précaution et loyauté.
C'est le fameux Privacy by Design que nous intégrons dans nos démarches projet.

Quelle est votre responsabilité dans l'utilisation de la donnée, notamment  avec l'IA ?
Pour répondre à la question de la responsabilité nous avons proposé de rédiger en 2019 une politique de la donnée. Elle posera, en la matière, quelques grands principes.
Il y a quelques semaines, le procès fictif de l'intelligence artificielle, qui s'est tenu à la Cour d'Appel de Paris, a montré l'étendue des réflexions à mener en amont de la circulation de véhicules autonomes. Les jurés devaient se prononcer sur la responsabilité civile, pénale et comptable d'une IA impliquée en 2042 dans un carambolage meurtrier. La personnalité juridique des IA avait été reconnue dans une réforme quelques années auparavant. Elle les dotait d'un patrimoine permettant de dédommager les victimes d'un accident.
Cet exemple pose la question des interdits de l'IA et me fait penser aux romans de science-fiction d'Isaac Asimov. Dès les années 1940, il avait soumis ses robots à des règles strictes : ils ne pouvaient pas porter atteinte à un être humain et devaient obéir à leurs ordres.

Sur tous ces sujets, je recommande la lecture d'un rapport conduit sous la direction de Lionel Andreu « Des voitures autonomes - une offre de loi » (ed. Dalloz).
L'étude analyse les difficultés juridiques posées par la circulation des voitures autonomes et propose des textes qui pourraient alimenter une future réforme du droit en matière de circulation routière, responsabilité civile et des assurances, données personnelles .

Revenons à la valorisation de la donnée. Quelles sont les chantiers en amont de la construction d'une data marketplace ? 
Les grands chantiers souvent cités sont la définition de la customer journey du data provider, l'intégration des thésaurus et des modèles de données, la construction d'alliances avec différents partenaires (analytics, connectivité .) ou autres data providers, l'exploration de modèles contractuels et business. mais je le répète la data marketplace est un projet d'envergure qui nécessite de connaître et maîtriser ses données.
Data catalog et outil de data quality sont les prémices à la mise en place d'une global data marketplace.