Produits de données : les stratégies des entreprises françaises

Introduction

Produits de données. L’expression a pratiquement disparu des discours des éditeurs et fournisseurs. Ce n’est pas pour autant que les entreprises ont abandonné leur stratégie en la matière.

Au contraire, en 2025, les grands groupes français ont mené à bien des projets de modernisation d’architecture de données. En même temps qu’ils déployaient des systèmes de gestion de données généralement en cloud, ils se sont approprié la philosophie Data Mesh.

Celle-ci prône une gestion distribuée des données, à la fois d’un point de vue technique et métier. Les entreprises françaises croisées par LeMagIT l’ont façonnée selon leur réalité. Techniquement, un pôle IT ou Data est souvent aux commandes d’une architecture centralisée, où des domaines de données sont réservés à des équipes métiers qui en sont responsables. Bien que les cas de décentralisation technique existent, ils sont plus rares.

Les directions métiers sont généralement assistées par des centres techniques pour maintenir des produits de données. Ce sont des jeux de données de référence, gouvernés, décrits en détail et consommables à la manière d’un produit. Ces data products sont largement partagés en interne et peuvent faire l’objet pour certains d’une commercialisation externe. Il faudrait d’ailleurs dans le cas précis ne pas parler de Data Product, mais de « Data as a Product », comme l’indique Devoteam. En soi, n’importe quel actif lié à la gestion de données peut être perçu comme un produit de données, tandis que l’expression Data as a Product découle d’une vision orientée produit. Par omission, les deux termes se confondent.

Et un produit de données n’est pas forcément qu’un lot d’informations correctement travaillé, mais il peut également inclure le code ou l’algorithme nécessaire à son traitement. Cette vision « produit » s’applique également à la plateforme : la livraison de produits de données reproduit les schémas Agile et DevOps. Cette approche motive les mises à jour majeures et des plateformes de Snowflake, Databricks, Cloudera ou encore Starburst.

S’il y a quelques champions, la majorité des entreprises conçoivent encore les produits de données comme des jeux de données de référence orchestrés par les directions métiers. À la fin de l’année dernière, les entreprises interrogées par LeMagIT en géraient moins de dix en moyenne.

Malgré tout, ce guide essentiel fait état d’un nombre croissant d’entreprises ayant non seulement adopté les approches Data Mesh, data as a Product, mais également les fameuses méthodes agiles qui accompagnent ces évolutions techniques et organisationnelles. Par ailleurs, une ambition prend forme chez ces entreprises qui ont organisé leur gestion de données en conséquence : faire des produits de données des sources pour les projets d’IA générative et agentique. C’est le cas par exemple chez Stellantis, La Centrale et Longchamp.

1Démarrage-

Les premiers pas vers les produits de données

2Montée en puissance-

Structuration et industrialisation

3À l’échelle-

Les produits de données comme contexte des projets d’IA générative