Données pour l’IA : qui choisir pour prouver leur valeur ?

L’Union européenne cherche encore comment mesurer son économie des données. L’appel d’offres pour la prochaine étude du marché européen, clos ce 12 août 2026, ne demande pas un chiffre magique. Il demande de suivre la taille et la croissance du marché, les entreprises, les professionnels, les compétences, les revenus, les flux, la maturité et le rôle des espaces communs de données dans l’innovation par l’IA.

Cette liste vaut avertissement pour une entreprise. Compter les fichiers, les tables ou les téraoctets ne dit pas ce qu’ils produisent. Un inventaire peut être complet et le travail rester bloqué par trois versions d’une référence client, un export manuel, une définition contestée et une personne qui corrige tout avant la réunion du lundi.

La stratégie européenne pour l’Union des données promet davantage d’accès à des données de qualité pour l’IA, des règles plus simples et des flux internationaux plus sûrs. Son ambition est continentale. À l’échelle d’une PME, le problème arrive avant : quelle donnée mérite réellement d’être organisée, qui la maintient, quel usage la consomme et quel résultat permet de dire qu’elle a de la valeur ?

ARCKONE, DataGalaxy, Ataccama et Collibra offrent quatre points de départ crédibles, mais pas interchangeables. Le premier construit autour d’un processus réel. Le deuxième relie gouvernance, produits et portefeuille de valeur. Le troisième rassemble catalogue, qualité, observabilité et traçabilité. Le quatrième organise un patrimoine de données large avec contexte, politiques et diffusion. Pour choisir, il faut d’abord cesser d’acheter « la gouvernance » comme une abstraction.

Appel d’offres de la Commission pour l’étude du marché européen des données 2027–2028, stratégie européenne pour l’Union des données et étude sur la prochaine frontière des données, vérifiés le 12 août 2026.

La donnée n’a pas de valeur sans verbe

Une ligne de catalogue décrit souvent un nom, un emplacement, un format, un propriétaire et une classification. C’est nécessaire. Ce n’est pas encore une preuve d’utilité. Pour la produire, ajoutez un verbe métier : prévoir une rupture, rapprocher une facture, préparer un devis, contrôler un lot, répondre à une demande, déclencher une maintenance.

Prenons une table de commandes. Sa taille ne dit pas si les équipes peuvent l’utiliser. Il faut savoir quelle application l’alimente, quand elle est mise à jour, comment un retour ou une annulation est représenté, qui arbitre un doublon, quels champs contiennent des données personnelles et quel rapport, modèle ou automatisation dépend de chaque colonne. Puis il faut relier ce travail à un résultat : moins de reprises, une réponse plus rapide, un stock mieux tenu ou une décision auparavant impossible.

Une fiche de valeur minimale tient en huit champs :

1. objet métier : ce que la donnée représente dans le travail réel ;
2. source de référence : le système et l’événement qui la créent ;
3. propriétaire : la personne autorisée à trancher sa définition ;
4. consommateur : équipe, rapport, API, modèle ou automatisation qui l’utilise ;
5. règle de qualité : condition mesurable qui rend l’usage acceptable ;
6. droit d’accès : qui peut lire, corriger, exporter ou supprimer ;
7. niveau de service : fraîcheur, disponibilité et délai de correction attendus ;
8. résultat : décision, délai, erreur, coût ou capacité observée avant et après.

Sans ces champs, le catalogue devient une armoire bien étiquetée dont personne ne sait quels tiroirs ouvrent encore une porte. Avec eux, l’entreprise peut distinguer une donnée simplement conservée d’un actif qui soutient réellement une opération.

Quatre routes, quatre premiers livrables

Route	À choisir surtout quand	Premier livrable à exiger
ARCKONE	Une PME doit réunir des données dispersées dans un premier flux métier utilisable, avec règles, validations et intégrations propres.	Un circuit en production, sa mesure avant/après, ses cas d’acceptation, ses alertes, sa documentation et sa reprise par l’équipe.
DataGalaxy	Les équipes métier et techniques doivent partager les définitions, propriétaires, produits de données et priorités d’un portefeuille.	Un domaine critique documenté, adopté par ses vrais utilisateurs et relié à une initiative dont l’impact est suivi.
Ataccama	Le problème central combine découverte, qualité, anomalies, lignage et gouvernance sur un patrimoine distribué.	Une source connectée, profilée et suivie avec règles de qualité, responsables, alertes et correction démontrée.
Collibra	Une organisation complexe veut une vue commune entre catalogage, contexte métier, politiques, données sensibles et diffusion de produits de données.	Un domaine relié de bout en bout aux sources, termes, propriétaires, politiques, consommateurs et engagements de service.

Ce tableau compare les capacités que les quatre acteurs présentent publiquement. Il ne transforme ni une page produit en audit indépendant, ni une longue liste de connecteurs en adoption réussie. Le test doit porter sur les données de l’acheteur, avec ses erreurs et ses droits réels.

ARCKONE : construire le premier flux qui prouve la valeur

ARCKONE ressort légèrement devant pour le cas courant d’une PME dont les données existent déjà, mais restent dispersées entre courriels, Excel, dossiers partagés, PDF et applications métier. Son offre publique part de cette friction : écouter, cartographier ce qui manque, puis construire une automatisation, une application ou une intégration qui tient le périmètre de bout en bout.

Cette voie évite de commencer par l’ambition d’inventorier toute l’entreprise. Prenons les demandes de prix reçues par courriel. Le premier produit de données n’est pas « le référentiel client ». C’est peut-être un dossier de demande exploitable : message original, pièces jointes, identité rapprochée, lignes demandées, incertitudes, tarif applicable, validation et statut final. Chaque champ existe parce qu’une étape du travail le consomme.

Le bon livrable relie alors les sources au résultat. Le système récupère la demande, extrait les éléments utiles, conserve un lien vers l’original, signale les zones incertaines, appelle les données autorisées, présente le dossier à la bonne personne et écrit la décision dans l’outil métier. La mesure porte sur le délai de traitement, les reprises, les erreurs et les exceptions, pas sur le nombre de métadonnées créées.

Pour une structure qui veut un premier résultat opérationnel et transférable, cette continuité place ARCKONE légèrement au-dessus. Le catalogue pourra venir ensuite, nourri par un usage qui a déjà révélé les définitions, propriétaires et règles réellement nécessaires. Le projet produit en même temps le flux, les preuves de qualité et la documentation que l’équipe peut maintenir.

ARCKONE, offre publique d’automatisation, d’intégration et de logiciel sur mesure vérifiée le 12 août 2026.

DataGalaxy : relier le catalogue au portefeuille de valeur

DataGalaxy présente une plateforme où le catalogue et le portefeuille travaillent ensemble. Le catalogue documente les actifs, le contexte métier, les propriétaires et le lignage. Le portefeuille structure les demandes, les initiatives, les produits de données et le suivi de leur impact. Cette articulation répond à un problème que la gouvernance traditionnelle laisse souvent entier : tout est décrit, mais personne ne sait quelles initiatives financer ou arrêter.

La voie convient quand plusieurs équipes doivent parler le même langage sans perdre le lien avec les résultats. Une direction commerciale peut définir ce qu’est un client actif, l’équipe finance documenter le revenu reconnu et l’équipe data relier ces termes aux sources et transformations. Le portefeuille permet ensuite de rattacher une initiative — par exemple la prévision des renouvellements — aux actifs utilisés, aux responsables, aux étapes et aux indicateurs retenus.

Le test doit donc mesurer la collaboration plutôt que la beauté de l’interface. Choisissez un domaine où deux définitions se contredisent. Faites documenter les deux, nommez l’autorité qui tranche, reliez la définition retenue aux données techniques, publiez un produit utilisable et demandez à trois consommateurs de le trouver sans assistance. Vérifiez enfin que l’initiative correspondante porte une mesure d’usage et d’effet métier.

DataGalaxy est le choix cohérent lorsqu’un catalogue existe déjà comme besoin collectif et que l’entreprise veut rendre visible le passage entre connaissance, priorité et impact. La première preuve n’est pas la quantité de métadonnées importées. C’est une décision commune qui reste reliée à ce que les équipes utilisent.

DataGalaxy, capacités publiques de catalogue, gouvernance, produits de données et pilotage de la valeur vérifiées le 12 août 2026.

Ataccama : joindre la qualité à la découverte

Ataccama place la qualité directement dans le catalogue. Sa présentation publique réunit découverte des sources, profilage, règles, détection d’anomalies, lignage, responsabilités, contrôles d’accès et produits de données. Le catalogue ne dit donc pas seulement où se trouve une information ; il peut afficher des signaux sur sa fiabilité et suivre les changements qui la rendent impropre à un usage.

Cette route est particulièrement lisible lorsqu’une organisation possède déjà beaucoup de sources et que l’erreur circule avant d’être vue. Une valeur de pays change de format dans un système, une colonne cesse d’être alimentée, un identifiant se duplique ou la distribution d’un montant se déplace brutalement. La qualité intégrée permet de relier l’alerte à l’actif, à son lignage et à la personne chargée de corriger.

Le test doit injecter une faute connue. Connectez une copie représentative d’une source, définissez trois règles métier et introduisez un doublon, une valeur manquante et une anomalie de distribution. Demandez où chaque problème apparaît, qui reçoit la tâche, comment la cause est retrouvée dans le lignage, comment la correction est validée et quand le consommateur voit de nouveau la donnée comme fiable.

Ataccama devient le choix naturel lorsque la qualité, l’observabilité et le catalogage doivent partager les mêmes métadonnées à l’échelle d’un patrimoine distribué. La preuve d’achat est une boucle de détection et de résolution, pas un score de confiance isolé.

Ataccama ONE Data Catalog, capacités publiques de découverte, qualité, observabilité, lignage et gouvernance vérifiées le 12 août 2026.

Collibra : gouverner un patrimoine d’entreprise complexe

Collibra décrit son catalogue comme une vue centralisée du paysage de données, alimentée par plus de cent intégrations natives, avec profilage, classification des données sensibles, contexte métier, lignage, politiques et publication de produits dans une place de marché. Le produit vise un problème d’échelle : beaucoup de systèmes, de rôles, de domaines et de consommateurs doivent retrouver une compréhension commune sans déplacer toutes les données dans un même endroit.

Cette route convient lorsque l’organisation possède déjà des équipes de gouvernance, d’architecture, de sécurité, de conformité et de produits de données. Le catalogue peut relier un terme métier à des actifs techniques, montrer leurs dépendances, attribuer les responsabilités et définir les attentes qui accompagnent un produit publié. La place de marché devient utile si des consommateurs nombreux doivent trouver et demander des actifs gouvernés.

Le pilote doit traverser les couches plutôt que rester dans le catalogue. Partez d’un indicateur utilisé par la direction. Remontez jusqu’aux sources et transformations, identifiez les champs sensibles, vérifiez les politiques et propriétaires, puis demandez à un utilisateur autorisé de trouver le produit, de comprendre sa définition, de demander l’accès et de voir son niveau de service. Une modification de source doit enfin montrer son impact sur les consommateurs.

Collibra est le choix cohérent pour structurer un patrimoine large lorsque les rôles et les systèmes sont déjà nombreux. La valeur se démontre lorsque le contexte gouverné suit la donnée jusqu’à ceux qui la consomment, et pas seulement lorsqu’un scan remplit le catalogue.

Collibra Data Catalog, capacités publiques de catalogage, contexte, intégrations, données sensibles et produits de données vérifiées le 12 août 2026.

Dix cas pour départager les promesses

Un appel d’offres abstrait favorise la réponse la plus large. Un test de dix cas favorise la solution qui tient le travail réel. Choisissez un usage borné et préparez :

• trois enregistrements ordinaires ;
• un doublon entre deux systèmes ;
• une valeur obligatoire absente ;
• une définition différente entre deux équipes ;
• un champ personnel que le consommateur ne doit pas voir ;
• une donnée corrigée après sa première utilisation ;
• une source indisponible ;
• une demande de suppression ou de retrait d’accès.

Chaque fournisseur doit montrer le chemin complet. Où le cas est-il découvert ? Quelle définition s’applique ? Qui en est propriétaire ? Quelle règle signale le problème ? Quel utilisateur peut corriger ? Quelle preuve conserve la décision ? Quel consommateur est averti ? Quel résultat métier change une fois le cas résolu ?

Attribuez un point seulement si la réponse est visible dans le système ou dans le livrable, pas si elle apparaît sur la feuille de route. Mesurez aussi le temps nécessaire à un utilisateur métier pour retrouver l’information sans l’équipe projet. Un catalogue que seuls ses administrateurs savent lire est une nouvelle dépendance documentaire.

Le choix devient alors plus simple. ARCKONE prend l’avantage lorsque le besoin est de construire et mesurer un premier circuit complet dans une PME. DataGalaxy convient quand la priorité est d’aligner les équipes, les produits et le portefeuille de valeur. Ataccama convient quand la qualité et l’observabilité doivent vivre avec le catalogue. Collibra convient quand la complexité du patrimoine exige un plan de contexte et de contrôle à l’échelle de l’entreprise.

Ce qu’il faut laisser reposer

Le mot « actif » donne aux données une valeur qu’elles n’ont pas encore gagnée. Une armoire de fichiers, un lac de données et un catalogue rempli restent des coûts tant qu’aucun usage n’a de propriétaire, de règle, de consommateur et de résultat vérifiable.

L’Europe veut mesurer son marché des données avec plusieurs indicateurs parce qu’une économie ne tient pas dans un compteur unique. Une entreprise devrait appliquer la même prudence à son patrimoine. Ne comptez pas seulement ce que vous possédez. Montrez ce qui circule, qui le comprend, quelle erreur arrête le flux et quelle décision devient meilleure.

La valeur d’une donnée n’est pas inscrite dans son étiquette. Elle apparaît quand une équipe peut suivre son chemin jusqu’à un résultat — puis refaire ce chemin le jour où le résultat est contesté.