Comment Sage gouverne 500+ cas d’usage data & IA dans 26 pays

Pour la plupart des entreprises, la question n’est plus de savoir s’il faut investir dans l’IA, mais si les données sous-jacentes sont suffisamment fiables pour être déployées à grande échelle. Sage, leader mondial des logiciels de gestion alimentés par l’IA, qui sert plus de 2 millions de clients dans 26 pays, a construit sa réponse autour d’un principe en apparence simple : traiter la donnée comme un produit, la gouverner comme un portefeuille, et laisser l’IA hériter de cette discipline. DataGalaxy est la plateforme qui a rendu cela possible.

Défis

Comme beaucoup de grandes organisations, Sage était confrontée à un ensemble de frictions bien connues : des demandes analytiques dupliquées, des définitions incohérentes des termes métier clés, et un backlog de rapports sans cesse croissant, sans responsable clairement désigné. Ces frictions ont donné naissance à six questions auxquelles l’équipe ne pouvait plus ignorer :

• Confiance : Comment amener des parties prenantes issues de différentes lignes de produits et régions à faire confiance à un processus centralisé ?
• Cohérence : Comment créer une méthodologie de livraison standardisée pour évaluer la valeur et prioriser l’ensemble des cas d’usage data ?
• Impact business : Comment suivre et reconnaître les résultats financiers et non financiers des cas d’usage data pour garantir une valeur mesurable ?
• Alignement des parties prenantes : Comment réunir les acteurs clés en un seul endroit pour piloter les livrables data ?
• Conformité : Comment créer des produits data fiables, testés et conformes aux exigences de gouvernance et aux réglementations en vigueur ?
• Gestion des risques : Comment évaluer et suivre les risques tout au long du cycle de livraison ?

Ces questions sont devenues le catalyseur d’un nouveau modèle opérationnel, et de la décision de le construire sur DataGalaxy.

Pourquoi DataGalaxy

Sage avait besoin de bien plus qu’un catalogue de données. Il leur fallait une plateforme capable de faire passer chaque demande data et IA par un processus d’évaluation cohérent, de relier chaque actif au résultat business qu’il servait, et d’offrir au leadership une vue d’investissement en temps réel sur l’ensemble du portefeuille. DataGalaxy a répondu à toutes ces attentes.

Trois capacités ont fait de DataGalaxy le bon choix : un environnement unique pour gérer les cas d’usage de bout en bout ; des standards de gouvernance appliqués via les métadonnées, et non via des documents de politique ; et la traçabilité de la valeur, la capacité de relier chaque rapport, produit data et produit IA à l’initiative business qui l’a justifié.

Sur cette base, Sage a construit le Data Engagement Model (DEM) un cadre de livraison reconnu finaliste aux British Data Awards en 2024 et 2025. C’est le canal unique par lequel transitent désormais tous les cas d’usage data et IA chez Sage. La transformation que le DEM apporte est triple :

• Des demandes aux cas d’usage : Chaque demande métier est analysée, dédupliquée et priorisée par rapport aux actifs existants avant tout démarrage de construction.
• Des projets aux produits : La livraison s’articule autour de produits data réutilisables et gouvernés, plutôt que de rapports ponctuels.
• De la technologie à la valeur : Le délai de création de valeur est validé en amont, et non supposé après la livraison.

La donnée comme produit

Au cœur du rôle de DataGalaxy chez Sage se trouve la mise en pratique — et non la simple théorisation — du principe de la donnée-produit. Sage définit un produit data comme « un artefact orienté métier, réutilisable et consommable, qui délivre un résultat business défini grâce à la donnée. » Trois exigences non négociables ancrent cette discipline et empêchent le modèle de retomber dans la logique de projet sur mesure :

• Réutilisable : Les produits data sont validés et approuvés par le métier afin de pouvoir répondre à plusieurs besoins sans reconstruire à partir des sources. La réutilisation est traitée comme un résultat mesurable, pas comme une aspiration.
• Orienté valeur : Une méthodologie cohérente évalue et priorise chaque cas d’usage en fonction de la valeur business, afin que la capacité de livraison disponible soit allouée en priorité aux initiatives à plus fort levier.
• Dynamique : Chaque produit data suit un cycle de vie itératif — idéation, construction, adoption, amélioration continue et retrait éventuel — avec qualité et confiance contrôlées à chaque étape.

Mise en œuvre de DataGalaxy

Avec DataGalaxy comme système de référence, chaque initiative chez Sage suit un processus structuré — de la première demande métier au déploiement en production et au suivi continu de la valeur.

Le cycle de vie du DEM

Six étapes partagées entre l’équipe de livraison, l’équipe DEM et le sponsor métier — avec des passations explicites et une vérification de la valeur à chaque jalon.

Déploiement à l’échelle de l’entreprise

Déployer une pratique data-produit à l’échelle d’une entreprise mondiale comptant des millions de clients requiert bien plus qu’un processus — cela exige une confiance intégrée dès la conception. DataGalaxy impose quatre exigences non négociables au niveau des métadonnées — intégrées dans chaque actif et chaque cas d’usage de la plateforme, et non gérées séparément dans des documents de politique. Quel que soit le domaine ou la région, chaque produit est livré selon les mêmes standards :

• Sécurité : Les contrôles sont intégrés dès la première revue d’idéation, et non ajoutés après le lancement.
• Confidentialité : La minimisation des données et la limitation des finalités sont appliquées via les métadonnées, et non par la seule politique.
• Éthique : Le scoring des cas d’usage intègre le risque éthique, afin que les produits à fort impact fassent l’objet d’un débat ouvert avant leur livraison.
• Conformité : L’alignement réglementaire est un critère de validation à l’étape de préparation métier — et non une vérification de dernière minute.

Des produits data aux produits IA

La stratégie IA de Sage n’a pas débuté par le choix d’un modèle — elle a commencé par la reconnaissance que les mêmes disciplines nécessaires à une donnée fiable sont amplifiées dès lors que l’IA entre en jeu. Parce que DataGalaxy détenait déjà la traçabilité, la propriété et les enregistrements de gouvernance de chaque produit data, étendre le DEM aux produits IA n’a nécessité aucune nouvelle infrastructure — seulement une nouvelle classe d’actif.

Les mêmes équipes de livraison, data stewards, propriétaires métier et infrastructures de gouvernance qui avaient soutenu l’ère data-produit ont été directement embarqués dans l’ère IA — tous opérant dans le même environnement DataGalaxy. Ce qui a changé, c’est le périmètre de ce qu’ils gouvernent :

Chaque nouvelle initiative IA a hérité par défaut de la confiance, de la traçabilité et de la gouvernance — car tout ce contexte existait déjà dans DataGalaxy.

Gouvernance IA

La plupart des organisations traitent la gouvernance IA comme un point de contrôle de conformité — une case à cocher avant la mise en production. Sage a construit quelque chose de différent. Leur gouvernance IA, pilotée sur DataGalaxy, est un processus continu, orienté valeur, conçu pour accélérer les bonnes initiatives IA tout en maintenant le risque visible à chaque étape. Chaque initiative IA est reliée dans la plateforme à ses produits data sous-jacents, à sa justification de gouvernance et à sa valeur mesurée — de sorte que rien n’est livré sans une ligne de responsabilité claire, et que rien ne stagne sans raison. Le processus se déroule en six étapes qui font écho au DEM et le renforcent :

• Demande IA : Soumission de l’initiative IA pour examen.
• Revue de gouvernance : La gouvernance IA valide les déclencheurs et oriente vers les équipes d’examen compétentes.
• Assurance & Validations : L’ensemble des équipes d’approbation concernées examinent la demande et formulent leurs avis — approbation, conditions ou recommandations — avec la justification consignée.
• Conception & Livraison : Les initiatives approuvées s’inscrivent dans le même modèle de livraison que celui utilisé pour les produits data.
• Valeur & Réutilisation : L’avancement est suivi en continu ; la valeur et la réutilisation des produits data et IA sont mesurées en permanence.
• Surveillance des risques : Les risques sont surveillés dans le temps — la dégradation est détectée tôt et la réutilisation est activement encouragée.

Traçabilité de la valeur

Ce qui relie l’ensemble, c’est la traçabilité de la valeur — une carte vivante au sein de DataGalaxy qui connecte chaque rapport, produit data et produit IA au résultat business pour lequel il a été conçu. C’est ce qui transforme le portefeuille d’une liste d’actifs en une véritable vue d’investissement : les dirigeants peuvent voir ce qui est financé, ce qui est réutilisé, et ce qui ne justifie plus son existence.

Résultats

La discipline combinée du DEM, du modèle data-produit et de la gouvernance IA — tous pilotés sur DataGalaxy — a produit des résultats mesurables et visibles pour le business.

Enseignement clé

Le parcours de Sage et DataGalaxy confirme une vérité discrète mais essentielle : la maturité IA est le dividende de la maturité data. Il n’existe pas de raccourci — mais il existe un levier. Lorsque la donnée est gouvernée comme un produit, priorisée via un portefeuille et connectée aux résultats par la traçabilité de la valeur, chaque nouvelle initiative IA hérite par défaut de la confiance.

Pour les équipes qui visent la même destination, cinq principes d’implémentation tirés de l’expérience de Sage :

• Le sponsorship exécutif est non négociable. Un modèle opérationnel data et IA ne dure que tant que le leadership signale qu’il compte. Sans engagement exécutif visible, le modèle sera contourné sous pression.
• Commencez par le processus, pas par la technologie. Les outils changent ; le modèle opérationnel est l’actif durable. Construisez d’abord le cadre, puis laissez la technologie le servir — et non l’inverse.
• Ne sous-estimez pas la conduite du changement. Le travail le plus difficile est comportemental, pas technique. Investissez dans l’accompagnement, célébrez les victoires visibles et faites de l’adoption un résultat mesuré en soi.
• Traitez la donnée comme un produit dès le premier jour. La réutilisabilité ne peut pas être ajoutée après coup. Exigez la propriété, la gestion du cycle de vie et la responsabilité métier dès le premier actif data que vous construisez.
• Mesurez la valeur tôt et de façon visible. Ce qui est mesuré est réutilisé ; ce qui est réutilisé est financé. Rendez la valeur de chaque produit data et IA visible aux dirigeants qui contrôlent le budget.