SEMINAIRE
La Data Gouvernance en action
Introduction
Shelemat DANIEL, Co-founder, Data Enablement Partners
« La gouvernance des données commence à se structurer dans les années 2000 avec la place grandissante de la donnée dans l'entreprise connectée et l'évolution du Data Management. Mais c'est bien dans les années 2010 que la gouvernance des données prend son essor. Les premières initiatives démarrent par des projets réglementaires de mise en conformité : Solvabilité II en 2009, BCBS 239 en 2013, GDPR en 2018,...
C'est ensuite aux projets analytiques, Big Data et Cloud que s'applique la Data gouvernance. C'est le passage de l'approche risques du début des années 2010 vers l'approche valorisation des années 2020. Avec l'avènement de l'IA, la capacité de connaître et de qualifier les données reste incontournable.
Sur le plan organisationnel, la Data Gouvernance qui est l'exercice de codifier, d'organiser et de promouvoir les bonnes pratiques sur les données continue d'occuper une place centrale. Sur le plan technique, les méthodes traditionnelles sont augmentées par le Machine Learning; la Data Gouvernance devient Data Intelligence.
Data Enablement Partners accompagne ses clients dans la professionnalisation des métiers de la Data et des pratiques associées. Nos interventions incluent la mise en place et l'animation de programmes de formations et d'acculturation, l'accompagnement à la structuration et au déploiement de dispositifs de gouvernance des données et d'IA, et des assistances techniques dans le déploiement de solutions technologiques.»
Obtenir la présentation
Retour d'expérience "Centraliser et partager la qualité des données avec le Catalogue"
Oliver MORENO, Data Officer, Société Générale Assurances
« Enfonçons une porte ouverte : la non-qualité des données est un obstacle à leur usage. Une prise de décision basée sur des données erronées, une mauvaise connaissance du client, un défaut de conformité avec les normes en vigueur peuvent induire des opportunités manquées, une perte de revenus et une atteinte à la réputation de l’entreprise. L'objectif était pour nous le suivant : bâtir un socle data permettant de rationaliser le procédé d’évaluation de la qualité des données, afin de fédérer les parties prenantes autour d’un langage et de normes de fabrication en commun.
Notre démarche de gouvernance est basée sur un triptyque : un Data Catalogue qui permet de partager un langage commun, un Data Lake qui centralise les données clés de l'entreprise et un moteur de contrôle au cœur du datalake. L'enjeu a été pour nous de passer d'un contexte segmenté vers une approche qui standardise et démocratise l'accès à la connaisssance et à la qualité des données.
Les bénéfices sont multiples : procédés de fabrication standardisés, coûts et time-to-market réduits, gouvernance des données by design, appropriation aisée par le top management, sensibilisation par capillarité et réduction des contrôles en double.»
Obtenir la présentation
Retour d'expérience "Déployer le Catalogue des données par les usages"
Denis LYSCAR, Group Data Office, Crédit Agricole Consumer Finance
« L’idée de travailler sur les usages a été pour nous un fil conducteur dès le démarrage. Le Data Office et le processus de capitalisation de la connaissance data ont vu le jour en même temps que la Data Factory, "usine à Data" avec la mise en place d’un datalake et d’un data Lab.
Dans notre contexte, les briques de la connaissance Data se construisent de manière itérative au fur et à mesure des usages identifiés. Un usage, vu de manière très simple, c’est un Reporting rattaché à des entrées du glossaire métier (termes métier et KPIs) partagées de tous et relié au dictionnaire technique (tables et colonnes du Système d’information). Ce premier effort permet d’expliquer à tout le monde d’où proviennent les données d’un reporting, quelles sont leur définitions et ainsi comprendre les raisons de chiffres différents entre deux reporting lorsque c’est le cas.
Les traitements du registre RGPD, les API ou encore les modèles analytiques viennent compléter notre dispositif de capitalisation de la connaissance Data.
Toutes ces briques s'articulent ensemble pour former une vision de bout-en-bout de la donnée et de ses usages. C'est une démarche transversale qui touche l'ensemble de l'entreprise et nécessite la contribution de tous les "sachants".
L'enjeu est que tout le monde dans l’entreprise, puisse rechercher une information, la trouver, la comprendre, et ait confiance en cette information. Cette maîtrise est indispensable pour passer le cap du développement des usages et de l’IA.»
Obtenir la présentation
"Les enjeux réglementaires liés au Machine Learning et à l'IA"
Maître Matthieu BOURGEOIS, Avocat Associé, Klein Wenner
« La proposition de Règlement Européen relatif à l’Intelligence Artificielle, a été rendue publique en avril 2021. Le texte fait apparaître trois catégories d'IA. La première concerne les IA interdites car elle représentent un risque inacceptable pour la société.Il s’agit par exemple des IA permettant la diffusion de messages cachés, exploitant la vulnérabilité d’un groupe, fournissant une notation sociale d’un comportement aux fins de sanction etc…
La deuxième catégorie est celle des IA à "haut risque" qui fait l'objet d'une série d'exigences. Cette classification inclut les produits et les composants de produits devant faire l’objet d’une évaluation de conformité (équipements radioélectriques ou sous pression, appareils à gaz, dispositifs médicaux…).
On y trouve également les IA ayant des implications en matière de droits fondamentaux : identification biométrique, gestion et exploitation des infrastructures critiques, éducation et formation professionnelle, analyse de solvabilité et scorings dans le domaine de la banque/assurance, applications dans le domaine de l’emploi et de la gestion RH,... La dernière catégorie des IA est celle des IA à "faible risque" qui est peu réglementée.
Le Réglement s'applique dès lors que sont situés dans l'Union européenne : les systèmes d’IA eux-mêmes, les utilisateurs professionnels de l'IA, l’utilisation des résultats produits par l'IA. Son périmètre d'application est donc extrêmement large et n'est pas sans rappeler celui de la RGPD.
La gouvernance des données fait l'objet de l'Article 10 du Texte. Les obligations introduites par le Réglement sont substantielles : documentation technique, tenue de registres, transparence et fourniture d’informations aux utilisateurs, surveillance de l’homme, précision, robustesse et cybersécurité…
Le Réglement devrait être voté en 2022 ou 2023. Il convient donc de s’y intéresser dès maintenant, afin d’anticiper l’effort de mise en conformité – et pour voir les choses positivement, de faire de cette contrainte un levier. »
Obtenir la présentation