Le ROI et le time-to-delivery tueront toujours les efforts de gouvernance. Et 2026 le confirmera plus que jamais.

Le retour à la centralisation

Les agents IA poussent vers des modes de plus en plus monolithiques. La promesse du mesh, de la fédération, du self-service distribué se heurte à une réalité : les agents fonctionnent mieux avec un contexte unifié, cohérent, centralisé.

Fragmenter les données entre des domaines autonomes crée de la friction pour l’IA. Et la friction, dans un monde agentique, c’est du time-to-insight perdu.

Celui qui contrôle le contexte contrôle le résultat

C’est le point critique que peu anticipent encore : celui qui configure l’agent contrôle ce qu’il produit.

Le contexte injecté dans un agent détermine ses réponses. Pas les données brutes, pas le modèle, mais le contexte. Cela deviendra un enjeu politique majeur en entreprise. Les équipes data devront se repositionner : il ne s’agit plus seulement de pipelines et de modèles, mais de contrôle de l’information.

La fin des usines à données

Les équipes data organisées en mode “usine” devront se remettre en question. Quand la friction et le time-to-insight tendent vers zéro, le modèle de production industrielle de données perd son sens.

Le métier n’a pas besoin d’une usine qui livre des datasets. Il a besoin de réponses. Immédiates. Fiables. Contextualisées.

Les équipes data qui survivront seront celles qui passeront à la livraison directe de valeur : moins de production, plus de curation de contexte. Moins de pipelines, plus de boucles de feedback.

La qualité des données devient critique

Avec l’inversion de la pyramide de tests, la qualité des données prend une nouvelle dimension. On ne teste plus pour valider des colonnes – on teste pour garantir le déterminisme des agents.

Un agent qui répond différemment à la même question selon le moment est un agent inutilisable. La qualité des données n’est plus un sujet de conformité ou de bonnes pratiques. C’est un prérequis fonctionnel.

La mort annoncée des catalogues

Les catalogues de données ne délivrent pas de valeur métier directe. Leur adoption se résume à trois points :

  1. Conformité réglementaire – obligation plus que choix
  2. Taille du patrimoine – les grandes organisations ont besoin d’inventaires
  3. FOMO et marketing des éditeurs – déployés parce que tout le monde le faisait

Rarement parce qu’ils délivraient une valeur mesurable.

Le pragmatisme prévaudra. Ces outils seront remplacés par les boucles de feedback naturelles des interfaces d’agents IA.

La documentation devient du carburant pour l’IA

C’est peut-être le changement le plus important.

Avant, on documentait par altruisme. Le ROI était flou, l’incitation faible, la dégradation inévitable.

Maintenant, la documentation alimente directement le contexte de l’IA. Pas de doc = pas de contexte = pas de réponse fiable.

Le feedback est immédiat : si l’agent répond mal, c’est visible. Le coût de la non-documentation devient tangible et mesurable.

Conséquence : le catalogue en tant qu’artefact statique externalisé va disparaître. Ce qui compte, c’est que le contexte soit injecté dans l’agent – donc au plus près des données, dans le code.

L’interface de découverte n’est plus un portail web statique. C’est la conversation avec l’agent lui-même, dont les boucles de feedback servent de data stewardship.

Le nouveau paradigme

La gouvernance des données en 2026 ne ressemblera pas à ce qu’on nous vend depuis dix ans. Moins de processus, moins d’outils dédiés, moins de documentation morte.

Plus de contexte vivant, plus de feedback immédiat, plus de valeur directe.

Le ROI aura le dernier mot. Comme toujours.