Par Patrick DUFOUR chez Stordata

L’exploitation des données froides, à des fins d’analyse, de conception de nouveaux services, de compréhension des évolutions de marché et des habitudes de consommation a des allures d’arlésienne. Entre les difficultés de localisation et d’accès aux données archivées et le coût potentiel des infrastructures dédiées aux projets IA, les données froides continuent surtout de dormir profondément. Pourtant, avec la puissance de ses algorithmes, l’IA change vraiment la donne. Plus pertinente, plus performante, la technologie représente un potentiel d’extraction de valeur jamais atteint jusque-là. Le moment de réveiller son patrimoine informationnel est peut-être arrivé.

Une mémoire de l’entreprise en dormance

Les organisations conservent et archivent la donnée pour des raisons principalement réglementaires. Variables selon la nature des documents et les textes applicables, les durées de rétention imposées ont vocation à permettre tout contrôle utile, sur de nombreuses années en arrière parfois.

Avec l’augmentation galopante de la donnée produite en entreprise, l’archivage est un enjeu sans cesse renouvelé, à plusieurs titres : le choix des technologies de stockage, leur coût et leur évolution, leur pérennité, la mise en œuvre d’une gestion documentaire, la gouvernance de la donnée, et bien évidemment, leur potentiel d’exploitation.

S’il est relativement facile de faire travailler la donnée de production avec une gouvernance bien étayée et la présence effective d’un chief data officer (CDO), la donnée froide, stockée sur des supports lointains et parfois déconnectés, échappe généralement à tout traitement. Une fois que les délais réglementaires sont écoulés, dans quelle mesure alors est-il pertinent de conserver encore la donnée ? Au fond, la conscience de l’existence d’un patrimoine informationnel riche inexploré subsiste dans l’entreprise. Sa suppression n’est jamais naturelle. Elle induit le risque de faire disparaître une mémoire que l’on espère toujours pouvoir exploiter. Mais elle s’oppose également à de nouvelles obligations, tout aussi impérieuses, telles que la protection de l’environnement et le combat contre le réchauffement climatique, qui interrogent le sens d’une conservation de lourds volumes de données inexplorées.

L’approche « au cas où » et l’avènement de l’intelligence artificielle

Toutes les organisations font le pari de l’apparition d’un algorithme suffisamment puissant pour monétiser la donnée archivée. Les promoteurs de l’intelligence artificielle sont d’ailleurs convaincus de sa réussite à terme.

Pour l’entreprise, l’exercice repose sur 3 piliers : la démonstration d’une valeur ajoutée, le secteur concerné, l’accessibilité de la donnée. Les demandes d’infrastructures de stockage dédiées à l’IA sont très clairement en augmentation. Nous constatons une sortie des phases de tests auprès des hyperscalers et le lancement d’études pour l’édification d’architectures spécifiques à l’IA on-premise. La problématique principale repose sur le sizing de ces infrastructures, qui ne peut s’appuyer ni sur un besoin clair (que les entreprises ne parviennent pas toujours à définir) ni sur la structure des ressources requises par les algorithmes employés. À ce jour, il serait simple de déclarer que l’IA requiert les plus hautes performances, les meilleurs composants, les réseaux les plus rapides… une analyse qui se heurterait vite au mur de la réalité, fait de budgets serrés et de compétences datascientists rares.

Les IA génératives généralistes, basées sur les grands modèles de langage, n’ont pas d’autre vocation que de devenir des outils de productivité et de bureautique. Seuls les modèles spécialisés peuvent présenter un intérêt concret aux entreprises souhaitant faire travailler leurs données selon leurs activités et leurs secteurs : le BIM dans la construction, la collecte de données de santé des infrastructures en services managés, le legaltech sur les fonds juridiques propres des éditeurs juridiques, la détection précoce de maladies, etc. Les avantages des modèles de petite taille sont par ailleurs nombreux : une empreinte carbone, des coûts opérationnels et une consommation d’énergie plus faibles ainsi qu’une sensibilité moindre au risque hallucinatoire.

L’accessibilité longue durée aux données en question

Reste l’accessibilité de la donnée archivée. Si « l’argent n’est pas un problème », la donnée archivée en ligne est naturellement la promesse d’une ré-exploitation facilitée. Ce n’est généralement le choix de personne compte tenu des coûts associés.

Les volumes sont tels que le coût du stockage doit rester maîtrisé, c’est pourquoi la bande a longtemps eu la préférence, conservée dans un site distant protégé des conditions de dégradation les plus variées. Rejeton de l’archivage papier, la bande continue d’avoir quelques adeptes et d’être régulièrement proposée. Mais sa fragilité et surtout sa ré-exploitation particulièrement délicate (compte tenu de l’absence de technologie de restauration en entreprise) n’en font pas le candidat idéal à la consommation de données froides à des fins de datascience.

Sous format fichier à 99 %, les données froides sont conservées désormais sur du disque. Les deux grands protocoles fichiers (NFS sous Unix et Linux et CIFS/SMV sous Windows) ont peu évolué et autorisent, dans une majorité de cas, une lisibilité pendant de nombreuses années. Toutefois, parce que l’archivage repose sur des durées longues, de l’ordre de 20 ans, il demeure complexe de garantir la lecture de formats très vieillissants. La problématique se pose notamment dans tous les secteurs exploitant des logiciels exotiques mais également pour des versions très anciennes de logiciels aussi courants que Microsoft Office.

Stocker en rythme

En conséquence de quoi, le temps reste le paramètre intangible des données froides. Si l’on a pu lire, ici ou là, que les données perdaient de leur valeur de production de plus en plus vite ces dernières années, ce n’est pas ce que nous remarquons sur le terrain, auprès de nos clients. La constitution des plans de sauvegarde montre que les délais de rétention des données actives n’ont pas particulièrement évolué. En revanche, les entreprises ont tendance à conserver leurs données à portée de main plus longtemps afin d’en faciliter la ré-exploitation.

C’est pourquoi, du strict point de vue de l’architecture de stockage, il devient pertinent de se doter d’une infrastructure composée d’un tiers de stockage de production performant désormais basé sur des technologies Flash de type TLC, d’un tiers de stockage capacitif basé sur des technologies de type disques dur ou Flash de type QLC, stockage orienté objet, et d’un tiers d’archivage sur bandes, disques ou dans le Cloud, associés à des outils d’automatisation du déplacement de la donnée. Si le rôle des CDO est de faire parler les données, l’exercice impose une gymnastique de déplacement des stocks, une réplication nécessaire sur du stockage performant ainsi qu’une gouvernance rigoureuse veillant à détruire cette donnée répliquée une fois son exploitation réalisée. La gestion électronique documentaire et l’archivage électronique des documents sont des solutions métiers qui complètent efficacement le processus, au service de la conformité certes mais aussi de la ré-employabilité de la donnée.

Entre progrès des algorithmes et innovations dans les technologies de stockage, les efforts consentis dans la bonne gestion du patrimoine informationnel de l’entreprise porteront à terme leurs fruits.

Lorsqu’une entreprise décide d’intégrer des outils d’IA avancés comme Copilot, il est impératif de mettre en place une politique de sécurité réfléchie. Imaginez Copilot, ce génie numérique, parcourant sans discernement les vastes étendues d’un système d’information (SI), interrogeant tout, des documents RH aux grilles de salaires. On comprend alors rapidement pourquoi la sécurité doit être une priorité.

Documents RH et grilles de salaire : des exemples concrets

Prenons l’exemple des documents RH et des grilles de salaires. Ces documents contiennent des informations hautement sensibles, telles que les informations personnelles des employés, les évaluations de performances et les salaires. Un accès non contrôlé à ces documents pourrait entraîner des fuites de données, des inégalités salariales non détectées devenant de notoriété publique, et des violations de la confidentialité des employés.

Sans une politique de sécurité adéquate, Copilot pourrait accéder à ces informations et les divulguer à des utilisateurs non autorisés, volontairement ou non. Imaginez un instant que quelqu’un demande à Copilot des informations sur les salaires moyens dans l’entreprise, et que l’IA réponde avec des détails précis et individuels. Les conséquences pourraient être désastreuses, tant pour la confiance des employés que pour la réputation de l’entreprise.

Les éléments essentiels d’une politique de sécurité pour Copilot

Pour éviter de tels scénarios, voici quelques éléments clés à prendre en compte lors de la mise en œuvre d’une politique de sécurité pour Copilot :

1. Contrôle des accès et des permissions

2. Gestion des identités et authentification

3. Surveillance et audit

4. Protection de l’information et prévention de la perte de données

5. Formation et sensibilisation

Exemples concrets de sécurité renforcée

• Accès granulaire : Imaginons une entreprise de 500 employés. Seuls les membres de la direction RH ont accès aux grilles de salaires détaillées. Les autres employés ne peuvent accéder qu’à des statistiques anonymisées.
• Authentification rigoureuse : Chaque demande d’accès à des données sensibles via Copilot nécessite une authentification à deux facteurs, réduisant le risque d’accès non autorisé même en cas de vol d’identifiants.
• Audit proactif : Un système d’alerte automatique est mis en place pour signaler toute demande de données inhabituelle ou potentiellement dangereuse, permettant une intervention rapide.
• AIP et DLP en action : Grâce à Microsoft Information Protection, les documents RH sont automatiquement classifiés et protégés par des étiquettes de sécurité, empêchant leur divulgation non autorisée. Les stratégies DLP surveillent et bloquent toute tentative de transfert de données sensibles en dehors de l’environnement sécurisé de l’entreprise.

Déployer Copilot sans une politique de sécurité solide serait comme confier les clés de sa maison à un inconnu. La puissance de Copilot réside dans sa capacité à interroger et à extraire des informations précieuses, mais cette même puissance peut devenir un cauchemar si elle est mal gérée. En prenant des mesures proactives pour sécuriser son SI, notamment avec des outils comme AIP et DLP de Microsoft, il sera possible de profiter des avantages de l’IA tout en protégeant les informations sensibles de son entreprise. Une approche réfléchie et bien structurée est donc essentielle pour tirer le meilleur parti de Copilot sans compromettre la sécurité de ses données.

Par Bertrand Dumenil, CMO de Provectio

Veiller à l’analyse des échanges réalisés à des fins de qualité et se conformer à la réglementation en vigueur sont aujourd’hui deux préoccupations pour la majorité des acteurs économiques. Dans ce contexte, force est de constater que les organisations doivent s’appuyer sur des dispositifs industriels pour mener à bien leurs projets et répondre à leurs objectifs. Afin d’illustrer au mieux ce propos, prenons deux cas d’usage dans les secteurs des centres de contacts et des institutions financières.

Solutions d’analyse pour les centres de contact

La concurrence étant toujours à un clic, l’expérience du service client devient un facteur de différenciation concurrentiel majeur. La clé est la rapidité et la simplicité dans l’intérêt du client, associées à une excellente qualité et à la conformité réglementaire. Une utilisation supplémentaire des outils avancés d’analyse de données de l’IA permet aux entreprises d’identifier rapidement les signes d’insatisfaction des clients en analysant la communication avec ces derniers, ce qui permet de prendre des mesures d’initiative pour prévenir le désabonnement des clients.

C’est pour cette raison que l’enregistrement des centres de contact est essentiel pour la documentation, l’analyse, la formation des agents et la gestion de la qualité. Il permet non seulement d’améliorer considérablement vos performances commerciales, mais aussi d’obtenir une compréhension globale et complète des communications internes et externes.

Assurer la Conformité financière

Les réglementations en matière de conformité financière imposent des règles claires sur les éléments de sa communication avec les clients qui doivent être enregistrés, conservés et archivés, et sur ceux qui doivent être exemptés. Le non-respect de ces réglementations peut entraîner de lourdes amendes pouvant aller jusqu’à la perte de sa licence.

Dans le même temps, l’approche de la communication avec les clients a changé : de plus en plus de conversations et de réunions ont lieu en ligne. La conformité financière devient de plus en plus importante pour les banques et l’ensemble du secteur financier afin de rester compétitif sur le marché. Les institutions financières doivent s’assurer que leurs communications avec les clients sont conformes et conservées sur tous les supports de leur plateforme de communication, y compris la voix, le chat, l’écran partagé et la vidéo. Il est donc fondamental d’éviter les lacunes coûteuses en matière de conformité en s’appuyant sur des dispositifs d’enregistrement, d’archivage et d’analyse.

À ces deux exemples, il est important de noter que l’Intelligence artificielle va être un véritable accélérateur en matière d’analyse et d’enregistrement des échanges. Cela permettra d’accéder rapidement à des gains de productivité, d’améliorer la qualité de service et à se conformer à la réglementation en vigueur.

Par Éric BUHAGIAR, Directeur général d’ASC France