Avec 168 millions de passagers par an, 30 millions de clients et une activité couvrant la France, l’Europe et l’international, TGV-INTERCITES est l’une des opérations ferroviaires les plus complexes au monde.
Derrière chaque trajet, chaque décision tarifaire, chaque analyse de performance opérationnelle, il y a de la donnée : produite par des dizaines de systèmes sources, consommée par des dizaines d’équipes métier, et jusqu’ici gouvernée de façon fragmentée.
Face à l’ouverture à la concurrence, à la montée des exigences réglementaires et à l’ambition d’un usage croissant de l’IA, TGV-INTERCITES a décidé de transformer radicalement son modèle de gestion des données : passer d’une logique de projet à une logique de produit, s’inspirer du Data Mesh, et déployer une gouvernance fédérée outillée par un écosystème de solutions complémentaires.
DataGalaxy en fait partie et prend en charge l’exposition des produits data et la traçabilité des accès.
Défis
TGV-INTERCITES (entité de SNCF Voyageurs en charge de la grande vitesse et de la longue distance) est confrontée à trois grandes mutations simultanées qui rendent la maîtrise de la donnée à la fois plus urgente et plus complexe :
- L’ouverture à la concurrence. Le marché ferroviaire à grande vitesse s’ouvre progressivement à de nouveaux opérateurs. Pour défendre sa position de leader en France et en Europe, TGV-INTERCITES doit améliorer sa capacité à piloter dynamiquement ses performances (yield management, connaissance client, production ferroviaire) sur la base de données fiables, accessibles et comparables entre équipes.
- La complexité réglementaire croissante. PRR, RGPD, IA Act, LOM : l’empilement des réglementations impose une traçabilité rigoureuse des données, une classification systématique des données personnelles et sensibles, et une gestion des accès conforme au principe de minimisation. Sans gouvernance structurée, la conformité devient un risque opérationnel majeur.
- Une organisation data qui ne passait plus à l’échelle. Avant 2022, chaque domaine construisait ses propres datasets, sans ownership clairement défini, sans documentation partagée, et sans moyen pour les équipes métier de savoir ce qui existait et comment y accéder. Résultat : des données réexploitées en boucle sans traçabilité, des demandes d’accès gérées de façon informelle, et une équipe data centrale surchargée.
C’est ce constat qui a conduit au lancement, en 2022, du programme pluriannuel Data Performance (2022-2026) : désiloter l’accès aux données et engager la transformation vers un modèle de data mesh. DataGalaxy s’inscrit pleinement dans cette démarche, comme l’un des chantiers de la transformation, sans être à lui seul le vecteur qui a permis de désiloter les données.
Trois besoins structurels en découlaient :
- Se doter d’outils de pilotage dynamique reposant sur des KPIs et des référentiels communs
- Faciliter l’accès, le croisement et les analyses avancées entre domaines
- Bénéficier des capacités de l’IA pour améliorer la vie des agents et des clients
Ces trois besoins convergeaient vers la même réponse : une plateforme tech performante, un socle de données structuré par domaine, et une gouvernance data métier ancrée dans la culture des équipes.
Depuis, TGV-INTERCITES poursuit les travaux pour aller de plus en plus vers une approche produit data, avec une gouvernance fédérée : un Data Office qui organise, gouverne et partage les bonnes pratiques, et des équipes de développement par domaine qui favorisent l’autonomie et la responsabilisation des métiers sur leurs traitements.
Pourquoi DataGalaxy
La transformation data de TGV-INTERCITES repose sur une combinaison de chantiers organisationnels, de pratiques (qualité des données, bonnes pratiques de développement, acculturation des équipes) et d’outils complémentaires.
Dans cet écosystème, DataGalaxy intervient sur deux briques spécifiques : l’exposition des produits data via une marketplace, et la traçabilité des demandes d’accès. C’est sur ces deux périmètres que la plateforme apporte une réponse concrète aux enjeux de visibilité et de conformité que le Data Office ne pouvait plus adresser manuellement.
- Contribuer à la gouvernance fédérée. Dans un modèle Data Mesh, le Data Office fixe le cadre et les règles : c’est un travail organisationnel qui engage bien au-delà d’un seul outil. DataGalaxy y contribue sur un périmètre précis : il centralise la documentation des produits data, assure la cohérence des standards de catalogage entre domaines, et donne au Data Office une visibilité transverse sur les produits référencés et les accès accordés.
- Exposer les produits data sur une marketplace. Avant DataGalaxy, savoir quels datasets existaient, qui en était responsable et comment y accéder relevait du bouche-à-oreille. La Marketplace DataGalaxy est en cours de déploiement pour changer cela : une fois en production, les data engineers et les analystes pourront trouver en un seul endroit tous les produits data certifiés, avec leur documentation, leur niveau de SLA, leur classification réglementaire, et un point de consommation directement actionnable.
- Gérer les accès en conformité. Le RGPD et les exigences de sécurité imposent de tracer chaque ouverture de droits, d’impliquer l’équipe RGPD sur les données personnelles, et de conditionner les accès à la sensibilité des données et aux finalités d’usage déclarées. Le workflow de demande d’accès de DataGalaxy est en cours de construction pour rendre ce processus fluide, traçable et conforme, sans créer de friction inutile pour les équipes qui ont besoin de la donnée.
La donnée comme produit
Le changement de paradigme au cœur de la transformation de TGV-INTERCITES est explicite : passer d’une logique projet, où chaque équipe construit ce dont elle a besoin, à une logique produit, où chaque dataset est traité comme un actif industrialisé, documenté, gouvernable et réutilisable.
Un produit data chez TGV-INTERCITES, c’est un actif qui remplit trois conditions non négociables :
- Il est accessible ou interopérable : exposable et exploitable par d’autres équipes
- Il est documenté sur DataGalaxy : avec owner, steward, classification et data contract
- Il est publié sur la marketplace : visible et consommable par ceux qui en ont besoin
Concrètement, chaque produit data porte deux types d’informations :
- Informations générales : description, mots-clés, domaine, point de consommation, structure responsable, contact interne, data owner et data steward nommés. Le data contract précise la profondeur des données disponibles, le niveau de SLA, la fréquence et l’heure de mise à jour, et le format du fichier.
- Informations réglementaires : classification des données, type de données à caractère personnel (DCP), type de données sensibles (DS). Ces informations conditionnent directement les droits d’accès accordés.
Cette qualification systématique est ce qui rendra la marketplace fiable une fois déployée. Un utilisateur ne découvrira pas un dataset au hasard : il trouvera un produit data certifié, avec toutes les informations nécessaires pour décider si c’est ce dont il a besoin, et pour faire une demande d’accès en bonne et due forme.
Mise en œuvre de DataGalaxy
Un modèle inspiré du Data Mesh
L’organisation data de TGV-INTERCITES s’articule autour de trois piliers qui se renforcent mutuellement :
- Produits data et responsabilités. Les domaines deviennent propriétaires et responsables de leurs données. Chaque domaine (Relation Clients, Distribution, Recettes & Finance, Production, Gestion de l’Offre, RH, Matériel, etc.) dispose de ses propres équipes socles qui produisent, documentent et maintiennent leurs produits data. La responsabilité couvre la qualité, la documentation, la gestion des accès, le support et les évolutions.
- Offre de services plateforme. L’équipe plateforme (équipe data centrale) fournit les briques techniques communes et le support. Les équipes domaines développent, déploient et maintiennent leurs produits data en autonomie, de façon standardisée. Cet outillage commun (DataGalaxy pour l’exposition et la traçabilité des accès, Databricks pour le traitement, Azure Data Lake pour le stockage, Unity Catalog pour le contrôle d’accès aux données, Datadog pour l’observabilité) garantit que tous les domaines partagent les mêmes standards techniques, quelle que soit leur taille.
- Gouvernance en mode fédéré. Le Data Office donne le cadre, les règles et les process. Il définit les règles du jeu, anime la communauté des data stewards et des data owners, et s’appuie sur un ensemble d’outils pour outiller les différents chantiers de gouvernance, dont DataGalaxy sur les volets exposition des produits data et gestion des accès.
L’écosystème technique
La stack data de TGV-INTERCITES est structurée en trois zones qui correspondent aux étapes de qualification progressive de la donnée :
- Zone Raw (Bronze) : données brutes ingérées depuis les applications sources (SI Legacy, sources externes) via Apache NiFi, stockées sur Azure Data Lake.
- Zone Socle (Argent) : produits data normalisés, construits sur Databricks avec Delta Lake. C’est ici que la donnée brute est transformée, documentée et qualifiée pour être partagée entre domaines.
- Zone Business (Or) : produits data enrichis, exposés aux équipes data métier pour alimenter leurs zones business respectives (Marketing Clients, RMP, Finance, Production, RH…). Power BI consomme ces produits en bout de chaîne.
DataGalaxy se positionne en couche transverse de gouvernance fédérée, aux côtés de Microsoft Entra ID pour la gestion des identités, Datadog pour l’observabilité, et Unity Catalog pour le contrôle d’accès au niveau des données Databricks.
La gestion des accès : un processus décentralisé et conforme
L’un des apports les plus concrets de DataGalaxy dans le dispositif TGV-INTERCITES, une fois le workflow déployé, sera la gestion des demandes d’accès aux produits data. Le principe est simple : les accès aux données doivent répondre aux usages business et être encadrés pour limiter les risques réglementaires et de confidentialité des affaires.
Le processus impliquera quatre acteurs avec des rôles clairement définis :
- Le Business User crée sa demande d’accès et en assure le suivi.
- Le Data Office approuve ou qualifie la demande comme incomplète, et supervise l’ensemble du processus.
- L’équipe RGPD donne son avis lorsque la demande concerne des données personnelles.
- Le Data Steward / Data Owner prend la décision finale sur son périmètre et valide l’ouverture des droits.
Ce modèle décentralisé garantira que chaque ouverture de droits est tracée, justifiée par une finalité d’usage déclarée, et validée par la personne qui connaît le mieux les données concernées. Pour TGV-INTERCITES, c’est la réponse opérationnelle au double impératif de conformité RGPD et de sécurité des données ferroviaires sensibles.
La roadmap en cinq étapes
TGV-INTERCITES a structuré son déploiement autour d’une progression logique en cinq étapes :
Étape 1 : Structuration des produits data. Qualification et documentation de chaque produit dans DataGalaxy.
Étape 2 : Publication sur la Marketplace DataGalaxy. Exposition des produits certifiés aux équipes consommatrices (en cours de déploiement).
Étape 3 : Définition du processus de gestion des accès et construction de la solution avec DataGalaxy. Mise en place du workflow d’accès et de ses règles métier (en cours de construction).
Étape 4 : Déploiement du processus de gestion des accès auprès des domaines socle et business. Extension à l’ensemble des équipes productrices et consommatrices.
Étape 5 : Élargissement du périmètre des produits data et amélioration continue. Scaling progressif à de nouveaux domaines et itérations sur la qualité.
Résultats
La transformation est en cours, et les fondations posées par TGV-INTERCITES permettent déjà d’identifier des bénéfices structurels clairs. La marketplace et le workflow de gestion des accès sont actuellement en cours de déploiement.
- Marketplace en cours de déploiement : les produits data certifiés seront exposés, documentés et accessibles en self-service via DataGalaxy
- Gestion des accès conforme RGPD : chaque demande d’accès sera tracée, qualifiée et validée par le Data Steward compétent via un workflow structuré
- Modèle Data Mesh déployé : les domaines sont propriétaires de leurs données avec des responsabilités claires sur la qualité, la documentation et les accès
- Gouvernance fédérée opérationnelle : le Data Office pilote l’ensemble avec visibilité transverse sur tous les produits data référencés
- Stack technique unifiée : DataGalaxy, Databricks, Azure Data Lake, Unity Catalog et Datadog forment un écosystème cohérent et standardisé
Enseignements clés
Le parcours de TGV-INTERCITES illustre une vérité que les grandes organisations ferroviaires, comme toutes les entreprises à données critiques, finissent par apprendre : la donnée ne se gouverne pas par la politique. Elle se gouverne par le processus, la conduite du changement, la responsabilisation des acteurs terrain, et un ensemble d’outils choisis pour ce qu’ils font vraiment bien, pas pour ce qu’ils promettent de tout faire.
Le Data Mesh sans outillage reste théorique. Distribuer la responsabilité des données aux domaines est une excellente idée, à condition que chaque domaine dispose des outils pour assumer cette responsabilité. La transformation de TGV-INTERCITES repose sur un ensemble de chantiers complémentaires : organisationnels, culturels, et techniques. Dans ce dispositif, DataGalaxy apporte une réponse ciblée sur deux enjeux concrets : rendre les produits data visibles et accessibles via une marketplace, et tracer les demandes d’accès en conformité avec les exigences réglementaires. C’est une brique parmi d’autres, mais une brique qui fait avancer la gouvernance dans le bon sens.
La compliance se construit dans le produit, pas après. Intégrer la classification des données, le type de données personnelles et le niveau de sensibilité directement dans la fiche de chaque produit data fait de la conformité un attribut natif, et non une vérification de dernière minute avant une mise en production.
La marketplace change le rapport à la donnée. Quand les data engineers et les analystes peuvent trouver eux-mêmes les produits dont ils ont besoin, avec toute la documentation et le data contract associés, le volume de sollicitations informelles vers les équipes productrices s’effondre, et la qualité des usages s’améliore.
La gestion des accès est un acte de gouvernance. Tracer qui a accès à quoi, pourquoi, et depuis quand n’est pas une contrainte bureaucratique. C’est ce qui rend possible le partage de données sensibles entre domaines, en toute confiance et en toute conformité.
Commencer par structurer, puis exposer. L’ordre des étapes compte. Publier des produits data non documentés sur une marketplace ne ferait qu’industrialiser le chaos. TGV-INTERCITES a raison de structurer d’abord, d’exposer ensuite, et de déployer la gestion des accès une fois les fondations en place.
