Quelles sont les 5 tendances Data Gouvernance de 2026 à connaître ? Avec Charlotte (aka Governance Queen)
#148 - Le zoom, le podcast avec Charlotte et sa ressource préférée
Hello,
Bienvenue dans l’édition #148 de la newsletter DataGen ! 👋
L’agenda de la semaine :
🔍 Zoom sur les 5 tendances Data Gouvernance de 2026
🎙 Le podcast avec Charlotte, experte Data & AI Governance
📚 La ressource recommandée par Charlotte
C’est parti !
📢 Vous connaissez Alteryx ?
L’outil permet aux profils non techniques d’exploiter leurs données.
Il est utilisé par plus de 8000 clients tous secteurs confondus : Telco avec Orange, Banque avec la Caisse d’Epargne mais aussi Pharma, Services financiers, etc.
Jérôme, Customer Success Manager chez eux, est venu en parler dans l’épisode 258. Ils ont également rédigé un guide pratique pour préparer ses données aux cas d’usage IA.
Un immense merci à Alteryx de sponsoriser DataGen. ❤️
🔍 Zoom sur les 5 tendances Data Gouvernance de 2026 - 4 min
Ce zoom est tiré de mon échange avec Charlotte, experte Data & AI Governance. Elle accompagne de très belles boîtes comme Pernod Ricard ou Disney et elle crée en parallèle du contenu sur LinkedIn sur ce sujet avec beaucoup de succès (+50K abonnés). Charlotte est identifiée par les leaders data comme l’experte n°1 sur la Data Gouvernance.
On décrypte ensemble les 5 tendances Data Gouvernance de 2026 à connaître.
1/ On revient à la réalité sur le sujet “AI for Data Governance”
L’année dernière, on entendait partout “L’IA va révolutionner la Data Gouvernance !” en automatisant le tagging, le remplissage des catalogues… Aujourd’hui, on en revient : c’est coûteux et le ROI est faible.
“Il vaut mieux se concentrer sur ses cas d’usage coeur business, ils vont générer beaucoup plus de ROI.”
2/ La Data Gouvernance “fédérée” devient le modèle dominant
Le modèle “fédéré” est ni 100% centralisé (goulot d’étranglement), ni 100% décentralisé (trop coûteux). Il est hybride avec une équipe centrale qui définit les standards et des équipes métiers qui sont de plus en plus autonomes.
“Par ailleurs, on voit de plus en plus un binôme Data Steward métier et Data Steward IT se créer. Lorsque le Data Steward métier identifie un besoin dans son outil métier (ex : une règle de qualité), c’est le Data Steward IT qui va pouvoir y répondre.”
3/ Les rôles de Data Gouvernance évoluent vers l’AI Governance
Quand tu gouvernes bien tes données, tu peux faire de l’IA, mais l’IA elle aussi a besoin d’être gouvernée. Elle a ses propres limites : biais, éthique, risques réglementaires (AI Act)…
“Ce sujet va prendre de l’ampleur dans les années à venir. Les équipes Data Gouvernance vont se renommer “Gouvernance Data & IA”.”
4/ La Data & AI Governance devient un sujet COMEX
Avec les opportunités liées aux IA Génératives, les CEO suivent de beaucoup plus près les sujets data. En conséquence, les leaders côté métiers sont plus engagés dans leurs rôles de sponsors sur les projets Data & IA et participent activement aux comités qui sont dédiés aux sujets Data & AI Gouvernance.
“Résultat : nouveaux budgets, plus de ressources allouées et projets accélérés.”
5/ L’implémentation des outils de Data Quality s’accélère
On a atteint une bonne maturité sur le déploiement des Data Catalogs. Aujourd’hui, les entreprises accélèrent sur l’adoption des outils de Data Quality. Elles ont pris conscience qu’il n’y aurait pas de valeur générée sur l’IA sans données de qualité.
“Encore une fois, avec l’arrivée des IA génératives, les entreprises se disent : ok, il nous faut des données de qualité, est-ce qu’il y a des outils sur le marché qui peuvent nous aider à aller plus vite ?”
🎙 Le podcast avec Charlotte, experte Data & AI Governance
On aborde :
Le retour à la réalité sur le sujet “AI for Data Governance”
Le modèle de Data Gouvernance “fédérée” comme modèle dominant
Le nouveau bînome Data Steward Métier & Data Steward IT
Les rôles de Data Gouvernance qui évoluent vers l’AI Governance
Le fonctionnement de l’AI Governance dans la pratique
La Data & AI Governance qui devient un sujet COMEX
Comment ça se matérialise concrètement
L’arrivée en phase d’industrialisation sur les Data Catalogues
L’implémentation des outils de Data Quality qui s’accélère
“Pour la Data Quality, les entreprises utilisent les librairies type Great Expectations, les fonctionnalités de tests et d’observabilité de dbt ou des outils spécialisés type Tale of Data et Ataccama qui intègrent plus de fonctionnalités (alerting, gestion des rôles...).”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify
📚 La ressource recommandée par Charlotte
“Elle est Data Scientist et elle met bien en lumière les problématiques data que rencontrent un Data Scientist. Ça fait souvent le lien avec mes travaux sur la Data Gouvernance.”