Les risques liés aux données deviennent des risques commerciaux lorsque des chiffres incohérents parviennent aux décideurs, que des données sensibles sont divulguées à des utilisateurs non autorisés ou que les changements apportés aux indicateurs ne sont pas répercutés dans l’ensemble des rapports et des outils. L’article présente la couche sémantique comme un moyen concret de limiter ces risques, en plaçant les définitions des indicateurs, les règles métier et les autorisations à un point central auquel les différents outils peuvent se référer.
L’approche ne traite pas les risques dans leur sens abstrait, associé aux cadres de conformité, mais se concentre sur les pertes opérationnelles quotidiennes qui peuvent ne pas apparaître immédiatement. Un audit réglementaire peut révéler une différence dans un indicateur entre les systèmes, un membre du conseil d’administration peut remarquer deux chiffres contradictoires concernant les revenus dans deux rapports successifs, ou un outil d’intelligence artificielle peut produire une recommandation à partir de données qui n’ont pas été soumises à une gouvernance depuis le départ de l’analyste qui les a créées.
Trois grands domaines de risque
Selon l’article, les risques liés aux données se concentrent généralement dans trois domaines interdépendants, auxquels les organisations peuvent être exposées simultanément.
- Exactitude : à mesure que les organisations étendent leur utilisation des outils, des tableaux de bord et des applications reposant sur l’intelligence artificielle, la surface d’erreur s’élargit également. Un indicateur de revenus peut être défini d’une manière dans un classeur Tableau, d’une autre dans un modèle Power BI et d’une troisième dans un notebook Python. Cette différence ne constitue pas seulement un désagrément technique : elle peut entraîner de mauvaises décisions stratégiques, une mauvaise allocation des ressources, la non-réalisation des objectifs et une perte de confiance envers l’équipe chargée des données.
- Gouvernance et accès : les contrôles d’accès sont généralement répartis entre l’entrepôt de données, les plateformes de business intelligence, les tableaux de bord, les moteurs de stockage cloud et les disques partagés. Chaque système possède un modèle d’autorisations, une interface d’administration et des capacités d’audit différents, ce qui produit un ensemble fragmenté difficile à maintenir ou à examiner avec confiance. Des données sensibles peuvent parvenir à un tableau de bord où elles ne devraient pas apparaître, pas nécessairement en raison d’un comportement malveillant, mais parce que le périmètre de la gouvernance est devenu trop vaste pour être géré de manière cohérente.
- Gestion du changement : le directeur financier peut décider, par exemple, d’exclure les clients d’essai de l’indicateur des revenus récurrents annuels à partir du trimestre suivant. Mais l’application du changement peut nécessiter la modification d’une vue dans l’entrepôt de données, de deux classeurs Tableau, d’un modèle Power BI et d’un rapport Excel géré par l’équipe de planification et d’analyse financière, ainsi que d’un outil d’analyse qui dépend directement du lac de données. Si certains de ces éléments ne sont pas mis à jour, les chiffres recommenceront à diverger après un certain temps.
Ces risques s’aggravent lorsque l’indicateur n’est pas gouverné, qu’il est défini de différentes manières et qu’il ne peut pas être mis à jour depuis un point unique. Le problème ne réside donc pas nécessairement dans le fait que le changement lui-même soit erroné, mais dans la possibilité qu’il ne soit pas entièrement appliqué à toutes les composantes de l’écosystème.
Limites du modèle traditionnel
Les organisations s’appuient généralement sur une équipe centralisée d’analystes en business intelligence pour servir de point d’accès aux indicateurs, aux rapports et aux tableaux de bord. L’utilisateur demande un nouveau rapport, une modification d’un indicateur ou une explication concernant la différence entre deux chiffres, puis attend le traitement de sa demande. Ce modèle est né en partie du manque de confiance des organisations envers leurs données, qui les empêche d’autoriser pleinement le libre-service, mais il comporte des coûts évidents : lenteur, engorgement des demandes, coût du recrutement et qualité variable des résultats selon l’analyste et les outils utilisés.
Le problème s’accroît avec la répartition des contrôles d’accès, des rapports de qualité, du suivi de la provenance des données et de l’identification des responsables métier entre plusieurs outils et systèmes. Chaque tableau de bord, source de données ou plateforme supplémentaire ajoute une nouvelle surface de gouvernance, un autre endroit où les règles peuvent diverger et un point de défaillance potentiel. Par conséquent, les équipes chargées des données peuvent consacrer davantage de temps à la maintenance et à la correction qu’à la fourniture de données et d’informations.
Une seule couche pour la définition et la gouvernance
L’article propose un modèle différent : placer les définitions des indicateurs, la logique métier et les calculs à un emplacement unique au sein de la couche sémantique. Si l’indicateur des revenus récurrents annuels est défini une seule fois, Tableau, Power BI, Excel, Python et l’outil conversationnel reposant sur l’intelligence artificielle peuvent s’appuyer sur lui. Lorsque la définition est modifiée, par exemple pour exclure les clients d’essai, le changement est transmis aux outils en aval au lieu de rechercher manuellement chaque version logique de l’indicateur.
L’article établit également un lien entre la couche sémantique et la gestion des versions, ce qui permet de suivre les versions des principaux indicateurs et de savoir comment un indicateur était calculé auparavant. Parallèlement, la couche sémantique peut devenir le point d’accès central aux données gouvernées : les équipes utilisent leurs outils préférés, tandis que les autorisations, les définitions et les règles métier sont gérées depuis un emplacement unique. Ainsi, le périmètre de la gouvernance se réduit de dizaines de systèmes à un point plus ciblé.
L’avantage proposé ne se limite pas à la cohérence. La couche sémantique peut contenir la description des champs, les définitions des indicateurs, les cartographies des relations et les règles métier, en plus des modèles, des colonnes et des indicateurs eux-mêmes. Lorsque le contexte des données est documenté là où se trouvent les données, il ne dépend plus entièrement de la mémoire des analystes ni de documents dispersés qui peuvent ne pas être mis à jour. Cela favorise le libre-service et permet également aux agents d’intelligence artificielle de lire le contexte afin de comprendre les données à plus grande échelle.
Réduire les risques sans les éliminer
L’article souligne que la couche sémantique n’est pas un remède complet. Les données sous-jacentes doivent être propres, structurées et entretenues, et la règle « mauvaises entrées, mauvaises sorties » reste valable. De même, l’unification des définitions des indicateurs exige un accord organisationnel et un engagement de la direction, que les logiciels ne peuvent pas remplacer.
Mais la couche sémantique, selon cette approche, modifie l’économie de la gestion des risques. Au lieu d’ajouter davantage de personnel et d’outils de gouvernance pour suivre chaque source, tableau de bord et plateforme, elle réduit le nombre d’endroits où la logique peut diverger, où le changement peut se perdre ou qui peuvent être difficiles à auditer. La gestion des risques devient plus facile à contenir parce qu’elle se concentre en un seul endroit au lieu de se disperser dans toute la pile de données.
Cela prend une importance accrue pour les organisations qui s’appuient sur des analyses assistées par l’intelligence artificielle, car ces outils ont besoin de données gouvernées et accompagnées de leur contexte pour produire des résultats fiables. Du point de vue de l’article, la couche sémantique ne représente pas seulement une amélioration architecturale de la cohérence, mais aussi un élément de l’infrastructure nécessaire à la gestion des risques liés aux données dans un environnement où le coût des décisions fondées sur des informations non fiables augmente rapidement.