Gouvernance des données et IA : le blocage est culturel avant d'être technique

Les directions générales financent des outils de catalogage, des chartes et des comités pour fiabiliser leurs données avant de déployer l'IA. Pourtant, selon un communiqué Gartner du 21 septembre 2026, ce qui fait échouer la gouvernance des données tient moins au budget qu'aux comportements des équipes. La gouvernance des données destinée à l'IA devient un sujet de direction générale : elle conditionne ce que les agents et les assistants peuvent faire sans exposer l'entreprise. Mais une politique rédigée n'est pas une politique appliquée, et l'écart se joue dans les métiers, pas dans l'outil.

En résumé

Gartner prévoit que 60 % des organisations qui ignorent les obstacles culturels de la gouvernance des données ne parviendront pas à gouverner l'IA avec succès d'ici 2027. Dans l'enquête citée (223 responsables data et analytique, mars 2026), la résistance culturelle est avancée plus souvent que les contraintes de financement (60 % contre 40 %). Notre thèse : la gouvernance de l'IA s'arrête là où commence le comportement quotidien de ceux qui produisent et utilisent la donnée. Conséquence pour un COMEX : financer moins d'outils en premier, nommer des responsables métier de la donnée avec un mandat réel, et mesurer l'application des règles, pas leur publication. Le chiffre de 60 % est une prévision d'analyste, pas une mesure.

Que dit réellement Gartner sur la gouvernance des données et l'IA ?

Le communiqué du 21 septembre 2026 s'appuie sur une enquête menée en mars 2026 auprès de 223 responsables de la donnée et de l'analytique. Gartner y avance que les résistances culturelles pèsent davantage que les contraintes de financement parmi les causes d'échec des initiatives de gouvernance des données (60 % contre 40 % dans la formulation du communiqué). Il en tire une prévision : d'ici 2027, 60 % des organisations qui négligent ces enjeux culturels échoueront à gouverner l'IA avec succès. L'analyste Anurag Raj résume la thèse en une formule : « AI-ready data also requires AI-ready stakeholders. »

Une précaution de lecture, d'abord. Gartner est un cabinet d'analyse qui vend de l'accompagnement ; l'échantillon est modeste, mondial et déclaratif ; le « 60 % » de la prévision n'est pas le « 60 % » de l'enquête, deux chiffres identiques qui ne mesurent pas la même chose. La prévision est une opinion argumentée, pas un fait observé. Nous la retenons parce qu'elle formalise un constat que l'on rencontre dans les projets, et pas pour la précision de son pourcentage.

Un deuxième éclairage vient d'un communiqué antérieur du même cabinet (26 février 2025), fondé sur une enquête de juillet 2024 auprès de 1 203 responsables de la gestion des données : 63 % des organisations déclaraient ne pas disposer, ou ne pas être sûres de disposer, des pratiques de gestion de données adaptées à l'IA, et Gartner prévoyait que 60 % des projets d'IA privés de données prêtes pour l'IA seraient abandonnés d'ici fin 2026. Là encore, c'est une prévision. Mais la convergence des deux communiqués dessine une ligne : la donnée n'est pas qu'une question de qualité, c'est aussi une question d'organisation.

Pourquoi la gouvernance des données échoue-t-elle sur le terrain ?

Reprenons le paradoxe. L'entreprise sait ce qu'il faut faire : désigner des propriétaires de données, documenter les sources, classer les données sensibles, encadrer les accès. Elle l'écrit. Elle achète parfois l'outil. Puis les équipes commerciales continuent d'alimenter le CRM comme elles l'entendent, le marketing exporte des fichiers vers une application tierce, et un collaborateur colle un extrait de contrat dans un assistant grand public.

Ce n'est pas de la malveillance. C'est de la logique locale : chaque équipe optimise son travail du jour, et la règle de gouvernance, perçue comme une contrainte venue d'ailleurs, passe après la livraison. Gartner le formule à sa manière : beaucoup d'organisations se concentrent sur la rédaction de politiques et l'outillage, et négligent la dimension culturelle qui permet de les appliquer durablement.

Deux mécanismes entretiennent cet écart. Le premier est l'absence de bénéfice visible pour celui qui applique la règle : saisir proprement un champ de données coûte du temps à l'équipe qui saisit, et profite à une autre équipe, parfois à l'autre bout de l'organisation. Le second est l'absence de conséquence pour celui qui l'ignore. Une règle sans effet mesurable reste décorative. On retrouve ici une logique déjà observée avec les agents IA et leur gouvernance des accès : ce qui n'est ni mesuré ni attribué à quelqu'un n'est pas gouverné.

Qu'est-ce qu'une donnée « prête pour l'IA » pour un comité de direction ?

Le terme circule beaucoup et mérite une définition d'usage. Une donnée est prête pour l'IA lorsque trois questions reçoivent une réponse écrite : qui en répond (un propriétaire nommé, côté métier), à quoi elle peut servir et à quoi elle ne peut pas servir (finalité, base légale, sensibilité), et comment on sait qu'elle reste fiable (contrôles de qualité, traçabilité de la provenance).

Cette définition a une conséquence pratique : elle se vérifie par cas d'usage, pas pour l'ensemble du patrimoine de données. C'est l'esprit de la première recommandation de Gartner en 2025 : aligner les données sur les cas d'usage d'IA envisagés. Il est plus efficace de rendre cinq jeux de données réellement exploitables pour un cas d'usage prioritaire que de lancer un chantier de gouvernance globale de trois ans.

Quel est l'état de la préparation des entreprises françaises ?

Les données françaises récentes éclairent la question sans la trancher. Selon l'enquête TIC 2025 de l'Insee (publiée le 21 juillet 2026), 18 % des entreprises de 10 salariés ou plus, dans les secteurs principalement marchands hors agriculture, finance et assurance, utilisaient l'IA en 2025, contre 10 % en 2024. Parmi celles qui ne l'utilisent pas, 38 % citent les enjeux de protection des données et 38 % l'incertitude juridique ; 54 % évoquent un manque de compétences. Parmi les utilisatrices, 53 % déclarent être freinées par un manque d'expertise.

Ces chiffres ne mesurent pas la culture de la donnée. Ils disent pourtant l'essentiel : le frein cité n'est pas d'abord l'outil. C'est la compétence, la confiance et la sécurité juridique, c'est-à-dire des sujets d'organisation et de comportement. Un lecteur prudent ne tirera pas du rapprochement avec le communiqué Gartner une démonstration : il s'agit de deux sources de nature différente, aux périmètres incomparables. Il y verra en revanche une cohérence d'ensemble.

Pourquoi cette lecture culturelle s'impose-t-elle au COMEX ?

Parce que le risque change de nature. Tant que les données restaient dans des systèmes cloisonnés, une gouvernance imparfaite coûtait de la qualité et du temps. Avec l'IA générative et les agents, elle coûte de l'exposition : une donnée mal classée peut être injectée dans un assistant, reprise dans une réponse destinée à un client, ou transmise à un prestataire. Le règlement européen sur l'IA, dans son article 10, impose d'ailleurs aux systèmes à haut risque des pratiques de gouvernance des données d'entraînement, de validation et d'essai ; il ne couvre pas tous les usages, mais il installe l'idée que la donnée est un objet de conformité, pas seulement de performance. L'article 4 du même règlement, sur la maîtrise de l'IA par le personnel, a été amendé par l'omnibus numérique sur l'IA selon le Service Desk de la Commission : le texte applicable est à vérifier à la date de votre décision.

La lecture culturelle s'impose aussi pour une raison de moyens. Un budget de gouvernance qui part intégralement dans un outil laisse le plus difficile non traité. Le shadow AI prospère en général là où l'usage autorisé est plus pénible que l'usage clandestin, point que nous abordons dans notre analyse sur l'adoption de l'IA et le shadow AI.

Que changer concrètement dans l'organisation ?

Trois décisions, qui relèvent de la direction générale plus que de la DSI.

Faire porter la donnée par les métiers, avec un mandat

Le propriétaire d'un jeu de données est un responsable métier, pas un administrateur de base. Son mandat doit être écrit : il décide des accès, valide la finalité, arbitre les conflits de définition. Sans temps dédié ni pouvoir de décision, le titre reste honorifique. Gartner recommande dans le même sens d'ancrer la gouvernance dans les résultats métier pour maintenir l'appui des dirigeants.

Intégrer la règle au geste de travail

Une règle qui exige un détour ne sera pas suivie. Les contrôles qualité se placent à la saisie, pas dans un audit trimestriel ; la classification se propose automatiquement ; l'usage autorisé de l'IA est plus simple que son contournement. C'est la troisième recommandation de Gartner : intégrer la gouvernance et la culture dans les flux de travail. Notre analyse sur la priorisation des cas d'usage IA va dans le même sens : les cas d'usage prioritaires servent de terrain d'application.

Mesurer l'application, pas la publication

Au lieu de compter les politiques rédigées, suivez trois indicateurs simples : la part des jeux de données prioritaires avec un propriétaire actif, le taux de respect des contrôles à la saisie, et le nombre d'exceptions d'accès accordées puis révisées. Ces trois chiffres disent si la gouvernance vit. Ils se présentent au COMEX comme n'importe quel indicateur de risque.

Quelles limites à cette thèse ?

Elle ne dispense pas d'outils : sans catalogue, sans gestion des droits ni traçabilité, la meilleure culture ne tient pas. Elle repose aussi sur une source unique, de nature commerciale, dont l'échantillon est déclaratif. Enfin, l'idée que « la culture compte » est à double tranchant : elle peut servir d'alibi pour ne rien décider. Une culture se change par des décisions précises (qui répond de quoi, à quelle échéance), pas par un programme de sensibilisation.

Le débat sur la gouvernance de l'IA se déroule souvent au niveau des principes : transparence, sécurité, conformité. Il se gagne ou se perd à celui des habitudes : qui saisit, qui contrôle, qui peut dire non. La question utile pour un dirigeant n'est donc pas de savoir si l'entreprise dispose d'une charte, mais si un responsable de métier, nommé, peut aujourd'hui refuser qu'une donnée alimente un agent, et si cette décision tient lorsqu'elle contrarie un objectif commercial. Si la réponse est incertaine, le chantier est ouvert, quel que soit le niveau d'équipement.

Le regard de digitalie_

Chez digitalie_, nous considérons que la gouvernance de l'IA se construit à partir de cas d'usage précis plutôt que d'un chantier global sur les données : un cas prioritaire, quelques jeux de données, un propriétaire métier avec un mandat clair, des indicateurs d'application. Cette séquence permet de montrer rapidement ce qui fonctionne et ce qui résiste. Si vous souhaitez confronter votre organisation de la donnée à vos projets d'IA, nous proposons un échange de 30 minutes. Notre approche est décrite sur la page data et IA.

Questions fréquentes

Pourquoi la gouvernance des données conditionne-t-elle la réussite de l'IA ?

Les assistants et agents produisent des résultats à partir des données auxquelles ils accèdent. Sans propriétaire, finalité et contrôles de qualité, une donnée peut être mal utilisée ou exposée. Gartner prévoit d'ailleurs que 60 % des organisations qui négligent la culture de gouvernance échoueront à gouverner l'IA d'ici 2027 : une prévision, pas une mesure.

Qu'est-ce qu'une donnée prête pour l'IA ?

C'est une donnée dont on peut répondre à trois questions par écrit : qui en est responsable, à quoi elle peut ou non servir (finalité, sensibilité) et comment on sait qu'elle reste fiable. La vérification se fait par cas d'usage, pas pour tout le patrimoine de données.

Qui doit être responsable de la gouvernance des données dans l'entreprise ?

Le pilotage relève de la direction générale ou du comité de direction, mais la responsabilité d'un jeu de données doit revenir à un responsable métier avec un mandat écrit : décision sur les accès, validation de la finalité, arbitrage des définitions. La DSI fournit les outils et les contrôles.

Comment mesurer l'efficacité d'une gouvernance des données ?

Trois indicateurs suffisent pour démarrer : la part des jeux de données prioritaires avec un propriétaire actif, le taux de respect des contrôles à la saisie, et le nombre d'exceptions d'accès accordées puis revues. Ils mesurent l'application des règles, pas leur rédaction.

Les entreprises françaises sont-elles freinées par les données dans leurs projets d'IA ?

L'Insee relève en 2025 que 18 % des entreprises de 10 salariés ou plus utilisent l'IA. Parmi celles qui n'en utilisent pas, 54 % citent un manque de compétences, 38 % la protection des données et 38 % l'incertitude juridique. Ces freins sont plus organisationnels que techniques.

Sources

1. Gartner, « Gartner Predicts 60% of Organizations That Ignore Data Governance Culture Challenges Will Fail to Govern AI Successfully by 2027 », communiqué du 21 septembre 2026 (enquête auprès de 223 responsables data et analytique, mars 2026). https://www.gartner.com/en/newsroom/press-releases/2026-09-21-gartner-predicts-60-percent-of-organizations-that-ignore-data-governance-culture-challenges-will-fail-to-govern-ai-successfully-by-2027

2. Gartner, « Lack of AI-Ready Data Puts AI Projects at Risk », communiqué du 26 février 2025 (enquête auprès de 1 203 responsables de la gestion des données, juillet 2024). https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk

3. Insee, « Les technologies de l'information et de la communication dans les entreprises en 2025 », Insee Première, 21 juillet 2026 (environ 11 000 entreprises interrogées). https://www.insee.fr/fr/statistiques/9025878

4. Commission européenne, AI Act Service Desk, article 4 du règlement (UE) 2024/1689 (page signalant un amendement par l'omnibus numérique non encore reflété). https://ai-act-service-desk.ec.europa.eu/fr/ai-act/article-4

5. Règlement (UE) 2024/1689 sur l'intelligence artificielle, article 10 (données et gouvernance des données). EUR-Lex. https://eur-lex.europa.eu/eli/reg/2024/1689/oj