Architecture décisionnelle et gouvernance IA : de la donnée à la décision

Gouvernance des données, gouvernance IA : à mesure que l’IA entre dans le fonctionnement réel des organisations, les frontières s’effacent. Gartner alerte sur les difficultés culturelles qui fragilisent la gouvernance des données. Dans le même temps, le Crédit Agricole investit massivement pour déployer l’IA à l’échelle du Groupe. Deux signaux différents qui ramènent à une même question : comment relier la donnée à la décision, la décision à la responsabilité, puis l’action à l’impact ?

C’est précisément le rôle de l’architecture décisionnelle.

Gouvernance des données et gouvernance IA : le signal Gartner

Car Gartner ne parle pas seulement de qualité des données, de règles ou d’outils…

Le 21 septembre 2026, Gartner publie une prédiction qui mérite qu’on s’y arrête : d’ici 2027, 60 % des organisations qui n’auront pas traité les difficultés culturelles associées à leur gouvernance Data & Analytics échoueront à gouverner correctement l’IA.

60 %. Le chiffre attire l’attention. Mais ce n’est peut-être pas le plus intéressant.

Le 21 septembre 2026, Gartner publie une prédiction qui mérite qu’on s’y arrête.

D’ici 2027, 60 % des organisations qui n’auront pas traité les difficultés culturelles associées à leur gouvernance Data & Analytics échoueront à gouverner correctement l’IA.

Le chiffre attire l’attention.

Mais le plus intéressant est ailleurs.

Gartner ne parle pas seulement de qualité des données, de règles ou d’outils. L’analyse pointe les comportements, les normes organisationnelles, l’implication des métiers, la responsabilité et la confiance.

Une enquête menée en mars 2026 auprès de 223 responsables Data & Analytics va même plus loin : la résistance culturelle y apparaît comme une cause d’échec plus importante que les contraintes de financement.

Autrement dit :

avoir des données prêtes pour l’IA ne suffit pas. Encore faut-il avoir une organisation prête à décider avec elles.

Ce déplacement est important.

La question n’est plus seulement technique. Elle touche directement la manière dont l’organisation décide, arbitre et agit.

Quand l’IA change d’échelle, la décision change aussi

Au même moment, un autre signal apparaît.

Le Crédit Agricole annonce près de 500 millions d’euros d’investissement entre 2026 et 2028 pour accélérer le déploiement de l’IA à l’échelle du Groupe.

Création d’une « Entreprise IA », infrastructures communes, capacités de calcul, Data Marketplace, programme « AI For All » : ce qui m’intéresse ici n’est pas seulement le montant investi.

C’est le changement d’échelle.

L’IA n’est plus une succession de cas d’usage isolés.

Elle touche les infrastructures, les données, les métiers, les règles de partage, les dépendances technologiques, l’autonomie des entités et les capacités d’action.

Le Crédit Agricole cherche d’ailleurs à conjuguer deux mouvements : construire des fondations communes tout en préservant l’autonomie de ses différentes entités.

Et c’est précisément là que la question devient intéressante :

Qui décide de quoi, avec quelles informations, avec quelle autonomie et sous quelle responsabilité ?

Nous ne sommes déjà plus seulement dans un sujet d’IA.

Nous sommes dans un sujet d’organisation de la décision.

L’IA traverse les frontières de gouvernance

La donnée d’un côté.

Les systèmes d’information de l’autre.

La cybersécurité ailleurs.

Les métiers, les RH, les directions juridiques, les instances représentatives, le produit ou encore la stratégie avec leurs propres responsabilités.

Cela fonctionnait tant que les frontières restaient relativement lisibles.

L’IA les traverse.

Un système peut désormais produire une information, formuler une recommandation, prioriser une action, déclencher un processus ou participer directement à l’exécution.

Dès lors, disposer d’une gouvernance des données ne suffit plus.

Ajouter une gouvernance de l’IA au-dessus ne résout pas nécessairement le problème non plus.

Il faut regarder comment l’organisation décide réellement.

C’est le prolongement du travail que j’avais engagé dans « De la gouvernance des données à l’architecture décisionnelle ».

Architecture décisionnelle : de l’intention à l’impact

J’appelle architecture décisionnelle la manière dont une organisation rend explicites les mécanismes qui transforment une intention en impact :

Cette chaîne ne cherche pas simplement à représenter les étapes d’une décision.

Elle permet surtout d’observer ce qui se passe entre elles.

Où l’information se perd-elle ?

Où deux équipes interprètent-elles différemment le même signal ?

Où une décision remonte-t-elle inutilement ?

Où la responsabilité devient-elle floue ?

Où l’action s’éloigne-t-elle de l’intention initiale ?

Et désormais : à quel endroit un système d’IA peut-il recommander, décider, agir — ou doit-il s’arrêter ?

Prenons un cas très simple.

Une équipe dispose de la donnée. Une IA l’analyse et recommande une action. Mais personne n’a clairement défini qui peut accepter cette recommandation, la contester, l’interrompre ou assumer les conséquences de son exécution.

La donnée peut être excellente.

Le modèle peut être performant.

Le problème reste entier : il est décisionnel.

C’est ce cadre que je développe dans la page de référence « Architecture décisionnelle à l’ère de l’IA ».

Des signaux jusqu’ici séparés commencent à converger

Ce qui m’intéresse aujourd’hui est justement cette convergence.

En cybersécurité, détecter une menace ne suffit pas : il faut encore déterminer qui peut arbitrer, autoriser une action ou interrompre un système.

Dans le champ du droit et du dialogue social, les décisions récentes autour de la gouvernance de l’IA en entreprise montrent que le déploiement d’un système ne peut plus être séparé des personnes, des responsabilités et des instances qu’il affecte.

La gouvernance des données pose depuis longtemps les questions de qualité, de propriété, de traçabilité et de circulation de l’information.

Et Gartner replace aujourd’hui la culture, l’engagement des métiers, la confiance et la responsabilité au cœur de la capacité à gouverner l’IA.

Pris séparément, ce sont des sujets de Data, de cybersécurité, de droit, d’organisation ou d’intelligence artificielle.

Pris ensemble, ils dessinent une architecture.

L’architecture décisionnelle à l’épreuve des cas clients

C’est précisément pour observer ces mécanismes que j’ai progressivement constitué les études stratégiques DECIACT.

Plateformes numériques, organisations Data & IA, infrastructures financières, médias, environnements complexes…

Les secteurs changent.

Les technologies changent.

Mais les mêmes questions reviennent :

Qui produit l’information ?
Qui l’interprète ?
Qui décide ?
Qui peut agir ?
Qui peut interrompre ou arbitrer ?
Qui porte la responsabilité ?

Ces études ne cherchent pas à plaquer un modèle théorique sur les organisations.

Elles partent de situations réelles pour rendre visibles les mécanismes de décision : les zones de tension, les responsabilités implicites, les arbitrages qui remontent inutilement, les ruptures entre stratégie et exécution.

La matrice décisionnelle que j’utilise dans ces études sert précisément à repérer ces points de tension et à construire un langage commun entre dirigeants, métiers, Data, produit et architecture.

Et l’IA agit souvent comme un révélateur.

Elle ne crée pas toutes les fragilités.

Elle les rend beaucoup plus difficiles à ignorer.

Décider, arbitrer, assumer, agir

Nous sommes probablement en train de quitter une première période de l’IA : celle des outils, des expérimentations et des cas d’usage.

Nous entrons dans celle de son intégration au fonctionnement réel des organisations.

À ce stade, une charte IA, un comité ou une politique de gouvernance ne suffiront pas toujours.

Il faudra savoir où se trouvent réellement les décisions.

Comprendre quelles informations les alimentent.

Identifier ce qui peut être automatisé, recommandé ou délégué.

Définir les endroits où une personne ou une équipe doit pouvoir arbitrer, ralentir, interrompre ou reprendre la main.

Et rendre explicite la responsabilité lorsque la décision est distribuée entre personnes, équipes, données, modèles et systèmes.

C’est finalement ce que les deux signaux de départ rendent visible.

Gartner nous rappelle que la technologie et les règles ne suffisent pas lorsque l’organisation ne sait pas collectivement les faire vivre.

Le Crédit Agricole montre ce qui se produit lorsque l’IA change d’échelle et devient une transformation de l’entreprise.

Entre les deux se trouve une question que les organisations vont devoir rendre beaucoup plus explicite :

Comment voulons-nous décider ?

Parce qu’à l’ère de l’IA, la performance ne dépendra pas seulement de notre capacité à disposer de bonnes données ou de bons modèles.

Elle dépendra aussi de notre capacité à décider, à arbitrer, à assumer — puis à agir.