Data marketplace et démocratisation de la donnée pour les métiers : quand Coface rencontre Huwise

Aujourd’hui, près de 70 % des données en entreprise ne sont pas exploitées

À l’heure où la donnée s’impose comme un actif stratégique, la démocratisation de l’accès à la data et le déploiement de data product marketplaces deviennent des priorités majeures pour les Chief Data Officers. 

Véritable point d’entrée unifié vers des data products documentés, sécurisés et prêts à l’usage, la data product marketplace permet aux organisations d’accélérer le time-to-value, de favoriser la réutilisation des actifs data existants, de réduire les dépendances à l’IT et de maximiser le retour sur investissement des plateformes data.

Lors d’un rendez-vous de l’Agora des CDO, Philippe Vincent, Chief Data Officer Group chez Coface, partage un retour d’expérience concret sur la mise en place d’une data marketplace au service des métiers, déployée avec la solution Huwise. Gouvernance, qualité des données, adoption par les utilisateurs, écueils à éviter et facteurs clés de succès : il revient sur les choix structurants et les enseignements tirés de plusieurs années de transformation.

En écho à cette expérience terrain, Louaï Gahmi, Account Executive / Key Account Manager chez Huwise, apporte une vision marché transversale, nourrie par l’accompagnement de nombreuses organisations, tous secteurs confondus. Ensemble, ils proposent un décryptage pragmatique des enjeux actuels et à venir, et montrent comment passer d’une data silotée à une data décloisonnée, réellement accessible, comprise et utilisée, pour des CDO en quête d’impact, d’adoption et de valeur métier et d’une solution de place de marché de données fiable, intuitive, sécurisée et personnalisable.

Julien Merali
On connaît tous Coface, mais pouvez-vous vous présenter en quelques mots et rappeler votre rôle au sein du groupe ?

Philippe Vincent
En termes de mission, le Data Office s’occupe de l’ensemble des sujets de gouvernance de la donnée : le data management, le dictionnaire de données, la qualité des données. Nous opérons également une plateforme data dont l’ambition est de collecter la donnée et de la redistribuer auprès des différents acteurs du groupe.

Cette redistribution se fait soit sous forme de reporting et de BI, soit sous forme de services permettant d’alimenter d’autres applications.

Concernant Coface, c’est un acteur de référence de l’assurance-crédit. Nous accompagnons les entreprises dans la gestion de leurs risques commerciaux, notamment à l’export. En quelques chiffres, Coface, c’est 100 000 clients, une présence dans près de 200 pays et un peu plus de 5 000 collaborateurs.

En termes de couverture, nous avons un encours de plus de 700 milliards d’euros.

Julien Merali
Comment est organisé votre Data Office et quel est son niveau de maturité ?

Philippe Vincent
Le Data Office est organisé en trois branches. La première, sur laquelle je ne m’attarderai pas, concerne le document management : signature électronique, etc.

La deuxième branche est orientée data management. Elle regroupe les activités liées à la gouvernance des données clients, mais aussi des sujets plus réglementaires. En tant qu’assureur, nous sommes assujettis à Solvabilité II. Lors de l’apparition de cette norme, nous avons mis en place un système de gestion de la qualité des données, initialement à visée réglementaire, qui s’est ensuite étendu à l’ensemble des données du groupe et à tous les métiers.

Cela couvre notamment le dictionnaire de données, la gestion de la qualité avec des dashboards de mesure, et l’ensemble des dispositifs associés.

Enfin, le troisième pôle concerne la plateforme data, qui collecte les données à l’échelle du groupe. Coface a une forte présence internationale, avec des entités dans plus de 70 pays, et des outils parfois déployés localement, notamment pour répondre à des contraintes réglementaires.

Nous sommes capables de faire remonter cette information, soit en la conservant dans des data warehouses, soit en mettant en place des hubs afin d’éviter la duplication et l’historisation inutile. Nous avons également déployé des outils de virtualisation pour limiter la réplication des données.

Cette base sert à plusieurs usages : la mise en qualité des données, grâce à la centralisation des informations et à l’application de contrôles de qualité, la mesure de cette qualité, mais aussi les activités de reporting, principalement via des outils Microsoft comme Power BI.

Nous redistribuons également les données produites à un endroit pour qu’elles soient consommées ailleurs. Il existe ainsi toute une mécanique permettant l’échange de données entre les applications, mais plus largement entre les différents acteurs du groupe.

Julien Merali
Est-ce cette capacité de redistribution qui a fait de la démocratisation de la donnée un sujet prioritaire pour vous ?

Philippe Vincent
Elle en fait partie, mais il y a plusieurs éléments. Ce que nous avons observé ces dernières années, c’est un changement dans l’expression des besoins des utilisateurs. Nous sommes passés d’utilisateurs consommateurs de données, sans être acteurs de la donnée, à des utilisateurs qui consomment la donnée mais souhaitent aussi la retravailler.

Ce phénomène est favorisé par une montée en compétences des utilisateurs. Aujourd’hui, les jeunes générations sont formées à Python dès l’école, ce qui leur donne des capacités qui n’existaient pas auparavant. Par ailleurs, les outils ont beaucoup évolué dans ce sens et offrent de plus en plus de possibilités de transformation de la donnée.

Si l’on prend l’exemple de Power BI, on voit bien qu’il est possible d’y intégrer du code et de retravailler la donnée. C’est désormais une attente forte de la majorité de nos utilisateurs.

Nous avons donc voulu répondre à ce besoin. C’est là que s’inscrit la démarche de démocratisation de la donnée : permettre aux utilisateurs de disposer d’interfaces de données, de les connecter, de les retravailler et, in fine, d’apporter de la valeur à l’entreprise.

Julien Merali
Cette démocratisation passe-t-elle nécessairement par une simplification de la donnée ?

Philippe Vincent
Même si les utilisateurs ont acquis des compétences pour travailler la donnée, ils n’ont pas nécessairement des compétences IT leur permettant de manipuler des modèles complexes. Nous devons donc faire abstraction de cette complexité, notamment celle liée aux modèles de stockage, afin de fournir des interfaces accessibles à tous.

Cela implique de simplifier ces interfaces et de les décrire de manière très précise. Les utilisateurs ont un autre métier, ils ne sont pas spécialistes de la data, et la qualité de la description est donc essentielle.

C’est dans ce contexte que nous introduisons la notion de data product. Il s’agit de décrire clairement les interfaces, leur contenu, et de s’assurer que tout le monde partage les mêmes définitions. C’est ce qui permet de créer la confiance dans la donnée.

Si l’on publie des interfaces de données mal comprises ou mal maîtrisées par les utilisateurs, elles seront rapidement abandonnées au profit d’autres solutions. La simplification et la compréhension de la donnée sont donc des éléments clés de notre démarche.

Julien Merali : Pouvez-vous nous partager votre définition de ce qu’est une data product marketplace et nous expliquer en quoi vous la considérez comme une véritable expérience ?

Philippe Vincent
Il est vrai que chacun peut en avoir une interprétation légèrement différente. Pour moi, une marketplace est avant tout un dispositif qui permet de valoriser la donnée en facilitant son accès et en développant une culture data-driven. Elle doit permettre de consommer la donnée de manière simple et efficace.

Dans notre cas, il s’agit d’une marketplace interne, destinée à l’ensemble des collaborateurs, afin qu’ils puissent retraiter la donnée et ainsi apporter de la valeur à l’entreprise.

Un autre aspect essentiel concerne la sécurité. Très rapidement, on se heurte à cette question : tout le monde ne peut pas accéder à tout. La marketplace doit donc également intégrer des mécanismes de gestion de la sécurité, afin de maîtriser les flux de données distribués vers nos clients internes.

Julien Merali :
En termes d’expérience, est-ce aussi un moyen de rendre les métiers plus autonomes ? Vous évoquez la sécurité, mais qu’en est-il de l’autonomie des équipes ? Est-ce une demande des métiers que d’avoir cette simplification et cette expérience utilisateur, sachant que tout le monde n’est pas Data Officer et ne maîtrise pas forcément des langages comme Python ?

Philippe Vincent
Oui, clairement, l’objectif est de rendre les métiers plus autonomes. J’aurais même tendance à dire que ce besoin n’est pas nouveau. Excel est utilisé depuis des décennies pour traiter de la donnée, certes pas avec la même ampleur, ni avec le même niveau d’accès à des données structurées, mais le principe existait déjà.

Aujourd’hui, ce besoin est renforcé par des métiers de plus en plus agiles et de plus en plus compétents. Il existe une véritable appétence pour la consommation de données et pour la création de valeur au plus près des équipes, afin d’améliorer leur productivité.

Il y a donc, selon moi, une attente forte de la part des collaborateurs, probablement dans de nombreuses entreprises.

Julien Merali :
Pouvez-vous nous expliquer comment vous avez construit cette plateforme, tant d’un point de vue éditorial que du point de vue de l’expérience utilisateur ? Comment cela se traduit-il très concrètement ?

Philippe Vincent
Dès le départ, notre objectif a été de rendre les données visibles de manière compréhensible et attractive. Si l’on parle de ligne éditoriale, cela passe par une gouvernance forte, permettant de contrôler ce qui est publié.

C’est dans cette logique que nous avons choisi de créer et de référencer l’ensemble des assets disponibles, en les rendant compréhensibles pour permettre à chaque utilisateur de s’approprier l’information.

Nous avons également souhaité mettre en avant certains événements et certaines données nouvellement ajoutées, en introduisant une notion de news. L’idée était de pousser l’information vers les consommateurs de données afin de les guider dans l’utilisation de la plateforme.

En synthèse, l’objectif était de disposer d’un outil capable de lister l’ensemble des assets de la manière la plus claire possible, d’offrir des capacités de recherche efficaces et d’accompagner les utilisateurs grâce à un système de communication de News permettant de valoriser ce qui est mis à leur disposition.

Julien Merali :
Avec le recul dont vous disposez aujourd’hui, pouvez-vous nous partager les prérequis nécessaires pour engager ce type de démarche ? On évoque souvent ce qui fonctionne bien, et nous y reviendrons, mais pouvez-vous également nous parler des points plus délicats, de ce qui a parfois moins bien fonctionné, afin que l’audience de CDO puisse éviter de retomber dans les mêmes écueils ?

En résumé, quel est votre retour d’expérience global sur ce projet ?

Philippe Vincent
Je pense que le point fondamental, lorsqu’on souhaite mettre en place une data marketplace, est d’atteindre une maturité suffisante sur les étapes en amont. Il est indispensable de maîtriser la qualité des données, la gouvernance, ainsi que leur disponibilité. Cela implique d’être en capacité de construire des interfaces et des data products solides.

Ces interfaces doivent avoir un réel sens métier et faire abstraction d’une complexité trop technique, afin d’être directement utilisables par les utilisateurs. L’objectif est que l’utilisateur ait immédiatement confiance dans les données mises à disposition.

Ces éléments constituent des prérequis essentiels à la mise en place d’une data marketplace. Sans cela, on s’expose à un risque d’échec ou à une faible adhésion de la part des utilisateurs.

Globalement, cela suppose une gouvernance des données solide et une bonne maîtrise des différents niveaux de la chaîne data. Et, surtout, cela demande du temps. Le principal conseil est donc de ne pas aller trop vite et de ne pas brûler les étapes, ce qui est une difficulté réelle.

Nous avons commencé à réfléchir à ce sujet il y a environ trois ans, et la vision que nous avions à l’époque est très différente de celle que nous avons aujourd’hui. Cette évolution s’explique précisément par le travail de fiabilisation mené sur l’ensemble des couches, qui nous permet désormais de construire une data marketplace fiable et utilisable par tous.

Julien Merali :
Y a-t-il eu des métiers précurseurs qui se sont manifestés en premier pour étudier ce projet et s’approprier l’usage de la data marketplace ? Et comment avez-vous embarqué l’ensemble des parties prenantes, aussi bien les métiers que les équipes techniques, dans cette démarche ? Quels sont les premiers métiers qui ont naturellement identifié des cas d’usage ?

Philippe Vincent
Je pense que les représentants métiers qui ont été les plus réceptifs sont les Product Owners. Dans leur activité, ils comprennent naturellement ce qu’est la donnée et ont très rapidement perçu l’intérêt de l’outil.

Cela est d’autant plus important que la marketplace permet de décloisonner les silos. Un métier a généralement une bonne maîtrise de ses propres données, souvent avec une vision à la fois fonctionnelle et technique. En revanche, dès que l’on sort de son périmètre, l’accès et la compréhension des données deviennent plus complexes.

De ce point de vue, le fait de proposer une marketplace décrivant l’ensemble des actifs disponibles a immédiatement révélé sa valeur. Cela ouvre le champ des possibles et permet de croiser les données beaucoup plus facilement.

Ce sont donc probablement ces utilisateurs qui ont adhéré le plus rapidement à la solution. Plus largement, les personnes à qui nous avons présenté le projet ont assez vite compris l’intérêt, notamment en matière de réutilisation des assets.

Si l’on prend l’exemple de rapports Power BI, ils sont visibles uniquement par leurs créateurs et par les personnes à qui des droits ont été attribués. Il n’existe pas toujours une vision globale de l’ensemble des rapports disponibles.

En déployant une marketplace, en rendant visibles et en décrivant l’ensemble des rapports Power BI, chacun peut identifier facilement ce qui existe déjà et l’utiliser, sans avoir à passer par un cycle long et complexe de demande auprès de l’IT.

Ainsi, même si la solution n’est pas parfaite, elle est immédiatement exploitable et permet de créer de la valeur beaucoup plus rapidement.

Julien Merali :
Quel est aujourd’hui le niveau de maturité des usages de cette data marketplace ? Y a-t-il encore de nombreux métiers qui devraient l’utiliser mais ne l’utilisent pas encore ? Où en êtes-vous à ce stade ?

Philippe Vincent
À ce jour, le déploiement n’est pas encore totalement finalisé, ce qui rend la réponse partiellement délicate. Les premiers retours sont néanmoins très positifs et encourageants. Nous allons donc continuer à enrichir ce qui a déjà été mis en place afin d’atteindre une vision plus globale, à l’échelle de l’ensemble des collaborateurs.

Je manque encore de recul pour apporter une réponse totalement exhaustive sur le niveau de maturité des usages, mais les signaux sont clairement favorables.

Julien Merali :
Dans ce cas, avez-vous des cas d’usage concrets qui démontrent la valeur de ce que vous avez mis en place, afin de permettre aux CDO de se projeter dans ce qui a été déployé chez Coface ?

Philippe Vincent
Le cas d’usage le plus évident est celui que j’évoquais précédemment. Le rapport Power BI qui n’est visible que par un nombre restreint d’utilisateurs, eh bien, en le décrivant et en le référençant dans la marketplace, il devient visible par l’ensemble des utilisateurs.

Cela apporte une valeur considérable, car certains utilisateurs peuvent alors demander un accès et bénéficier immédiatement d’un asset existant, avec un time to delivery quasi instantané. Il suffit d’attribuer les droits pour pouvoir exploiter quelque chose qui existe déjà.

Au-delà de l’accès, cela permet également de diffuser la connaissance de ce qui est disponible, y compris sur des assets que les utilisateurs ignoraient jusqu’alors. C’est un excellent exemple de la manière dont la marketplace favorise la réutilisation des données, en augmentant très significativement ce taux de réutilisation.

C’est un point qui est particulièrement apprécié, aussi bien par le management que par les utilisateurs eux-mêmes.

Julien Merali :
Concernant l’adoption, comment vous y prenez-vous aujourd’hui ? Disposez-vous de data stewards ? Quels leviers avez-vous activés pour que cette plateforme soit réellement adoptée en interne ?

Philippe Vincent
Nous nous sommes appuyés en grande partie sur les Product Owners, qui disposent chez nous d’une double compétence. Ils sont à la fois responsables du développement de leurs applications et des activités de reporting associées.

Nous avons donc beaucoup misé sur ces acteurs clés de l’organisation pour promouvoir le projet en interne et le porter auprès des équipes. Leur implication a été déterminante pour soutenir le déploiement de la plateforme et en assurer le financement.

Julien Merali :
Comme vous l’avez indiqué en introduction, vous avez travaillé avec Huwise, un pure player qui vous a accompagnés sur ce projet, plutôt que de développer une solution en interne. Pourquoi ce choix, et pourquoi avoir privilégié un pure playerpour ce projet de data marketplace ?

Philippe Vincent :
Dès le début, nous avons assez rapidement formalisé notre besoin et identifié la nécessité de disposer d’une plateforme capable de recenser les assets, de simplifier l’accès à la donnée et d’en faciliter la compréhension.

À partir de là, nous avons étudié différentes solutions qui ne se limitaient pas uniquement à l’approche data marketplace. Or, nous avons constaté que certaines présentaient des biais limitant l’impact attendu, notamment parce qu’elles étaient trop techniques ou reposaient sur des fonctionnalités orientées vers d’autres usages que la seule data marketplace.

En choisissant Huwise, qui dispose d’un historique solide dans la distribution de données à grande échelle – initialement dans des contextes d’open data – nous avons trouvé une solution parfaitement alignée avec notre besoin. L’outil répondait pleinement à nos attentes, sans être contraint par des biais liés à d’autres activités ou fonctionnalités annexes.

Julien Merali :
Selon vous, quels sont les pièges et les écueils à absolument éviter lorsque l’on se lance dans ce type d’initiative ? Vous avez évoqué tout à l’heure les prérequis, mais quels sont, selon vous, les travers dans lesquels il ne faut surtout pas tomber, notamment pour les équipes data qui s’apprêtent à déployer ce type de démarche ?

Philippe Vincent :
Le point le plus critique, selon moi, est la confiance. La confiance dans les interfaces de données mises à disposition. Si l’on veut que les utilisateurs adhèrent, il faut qu’ils perçoivent immédiatement un bénéfice.

Cette confiance repose nécessairement sur la maîtrise des couches en amont. On parle bien sûr de qualité des données, mais aussi de définition des concepts et d’alignement sur ces définitions.

Nous nous sommes parfois heurtés à une difficulté récurrente : la définition d’une donnée pour un métier ne correspond pas toujours à celle d’un autre. Cela peut s’expliquer par des visions différentes, des attentes distinctes selon les métiers, mais aussi, parfois, par un manque de précision ou de maîtrise dans les définitions elles-mêmes.

C’est un point essentiel. Pour réussir, il faut que les couches amont soient correctement préparées. Pas nécessairement sur l’ensemble du périmètre, mais a minima sur les données mises à disposition dans la marketplace. Cette maîtrise est indispensable pour installer rapidement la confiance des utilisateurs, qui constitue, selon moi, un facteur clé de succès.

Julien Merali :
Pour se projeter désormais vers l’avenir, quelles sont les prochaines étapes de cette démarche ? Prévoyez-vous des extensions en termes d’usages ? Une évolution vers l’intelligence artificielle, question devenue presque incontournable aujourd’hui ? Et plus largement, peut-on considérer que tout le travail réalisé autour de la data marketplace constitue un prérequis pour l’IA ?

Philippe Vincent :
Notre ambition est d’abord d’élargir le périmètre des utilisateurs, car nous ne couvrons pas encore l’ensemble des populations concernées. Nous souhaitons également enrichir la marketplace avec d’autres types d’actifs, comme les microservices ou API, qui ne rentrent pas totalement dans la catégorie des assets actuels, mais qui ont toute leur place dans un catalogue documenté.

Dès lors que l’on dispose d’un catalogue capable de décrire des composants, il devient pertinent de centraliser la recherche de l’ensemble des éléments liés à la donnée, et d’étendre progressivement cette logique à des usages liés à l’IA.

Sur la question de l’IA, la réponse est à la fois oui et non. Oui, parce que la donnée est clairement le moteur de l’IA : disposer de données de qualité permet, par exemple, de mettre en œuvre des approches de type RAG sur des LLM, ou de développer des modèles performants.

Mais la réponse est aussi non, dans la mesure où les usages avancés de l’IA requièrent aujourd’hui des compétences très spécifiques. Dans ce cas, on ne s’adresse plus à un public large, mais à des spécialistes. De ce point de vue, la data marketplace ne répond pas totalement à ces besoins, car ces profils consomment la donnée d’une manière différente.

Julien Merali :
Pour clôturer cette interview, j’aimerais donner la parole à Louaï Gahmi, Account Executive / Key Account Manager chez Huwise. Vous disposez d’une vision globale du marché à travers vos nombreux clients. Selon vous, quelle est aujourd’hui l’importance de rendre les data products aux métiers ?

On sent bien qu’il s’agit d’une tendance forte. Mais si je me mets à la place des Chief Data Officers qui nous écoutent, certains peuvent se dire : « C’est très bien chez Coface, mais mon secteur d’activité n’est peut-être pas concerné ». Est-ce que tous les secteurs sont réellement concernés par ces enjeux ?

Louaï Gahmi
Chez Huwise, nous considérons que rendre les data products, et plus largement les données, accessibles aux métiers est aujourd’hui un impératif stratégique pour les organisations. Sans surprise, c’est également une tendance majeure du marché.

Avant d’expliquer pourquoi, je souhaiterais partager un constat que nous faisons très régulièrement sur la manière dont les données sont aujourd’hui gérées et partagées dans les organisations. Les données sont silotées par pipelines métiers et réparties dans différents stokages : data lake, data warehouses, et outils BI, etc. Cela constitue des architectures data importantes, mais qui ne permettent pas de répondre à un écueil persistant.

Un chiffre est particulièrement parlant : près de 70 % des données disponibles dans les organisations ne sont aujourd’hui pas utilisées. Or, nous sommes tous d’accord pour dire que la valeur de la data ne réside pas dans sa quantité, mais dans l’usage qui en est fait.

Cette fragmentation de l’accès aux données, souvent réservées à des experts via des outils traditionnels, empêche les utilisateurs métiers d’exploiter pleinement ces ressources. Rendre les données accessibles aux métiers est donc fondamental, car cela permet à ceux qui sont en première ligne de la création de valeur d’utiliser la data en self-service.

L’objectif est clair : créer de la valeur, améliorer l’efficacité opérationnelle, prendre des décisions plus rapides et mieux informées, et surtout autonomiser les métiers dans leur accès à la donnée. Cela leur permet de se concentrer sur l’essentiel : l’analyse, l’amélioration de la performance etc.

Il y a également un autre bénéfice majeur : rendre les données accessibles aux métiers permet de rentabiliser les investissements data existants, en facilitant une consommation de la donnée à grande échelle. C’est pour toutes ces raisons que nous estimons qu’il est aujourd’hui crucial de rendre accessibles les données, et en particulier les data products.

Un mot justement sur la notion de data product. Cela fait près de quinze ans que nous travaillons chez Huwise sur la démocratisation de l’accès aux données. Aujourd’hui, nous sommes convaincus que le data product représente la forme la plus aboutie et la plus pertinente pour permettre à des utilisateurs non techniques de consommer de la donnée.

Il existe plusieurs définitions du data product, mais un critère revient systématiquement : un data product est conçu pour être directement consommable par les métiers. 

La question clé devient alors : comment rendre ces data products accessibles aux utilisateurs métiers ?

C’est précisément là que la Data Product Marketplace prend tout son sens. Elle est pensée comme une expérience utilisateur intuitive, sans coutures, inspirée des usages du e-commerce, permettant à des utilisateurs non experts d’accéder à des produits de données prêts à l’emploi.

Ces produits sont majoritairement constitués de données internes, mais nous observons également de nombreux cas d’usage d’agrégation et de consolidation de données externes. Dans tous les cas, l’objectif reste le même : faciliter l’accès à la donnée pour des usages non techniques.

Sur la question de savoir s’il s’agit réellement d’une tendance de marché, la réponse est clairement oui. Ce constat ne repose pas uniquement sur notre expérience terrain. D’après Gartner, 50 % des CDO ont déjà déployé des data products, et près de 30 % prévoient de le faire dans les prochaines années. Cela confirme qu’il s’agit d’une tendance de fond, et non d’un phénomène de niche.

Enfin, pour répondre à la question des secteurs d’activité : non, ce n’est absolument pas limité à certains domaines. Nous travaillons aussi bien avec le secteur public que le secteur privé, et dans ce dernier, avec quasiment toutes les industries et banque, finance, assurance, transport, énergie, industrie, et bien d’autres.

Aujourd’hui, ce sont plus de 3 000 data marketplaces déployées dans 25 pays. C’est donc un sujet en plein essor, sans limite sectorielle, et qui concerne l’ensemble des organisations.

Interview réalisée par Julien Merali, Directeur du pôle IT d’Agora Managers Groupe.