Documenter un Business Object ou un KPI dans Collibra — data knowledge, accessibilité dans le data lake, règles de qualité — exigeait de maîtriser une structure définie par l'équipe gouvernance, complexe et lourde à comprendre. C'était un pain point majeur : il fallait former les équipes en continu, et remonter la connaissance prenait un an par donnée critique.
Au lieu de former les experts au format Collibra, le copilote s'intéresse à ce qu'ils maîtrisent déjà : leur métier. En discutant avec le chatbot, l'expert parle de son sujet business — et l'agent extrait de cette connaissance toutes les données nécessaires au dictionnaire, structurées au bon format.
Front React, workflow agentique avec agents Vertex AI communiquant avec les API Collibra, hébergement Firestore, briques de sécurité complètes. Le principe clé : human-in-the-loop — c'est une collaboration entre l'agent et le collaborateur, et c'est bien l'identité du collaborateur qui est transmise à Collibra comme propriétaire de la donnée.
Pour que le système vive : dashboards de suivi des équipes, emails personnalisés montrant à chaque collaborateur et chaque domaine son niveau de qualité et ses objectifs — des communications très appréciées, qui rendent concrets des objectifs jusqu'ici complexes et parfois incompris. Une feedback loop permet aux utilisateurs de remonter les incohérences, et la plateforme s'améliore en continu sur cette base.
Des milliers d'IA en usage — agents Vertex, gems, notebooks, produits digitaux — sans vision d'ensemble. Impossible de savoir lesquelles étaient critiques, ni de piloter leur mise en conformité.
Une plateforme qui inventorie toutes les IA de l'entreprise et identifie les plus critiques à travers le prisme de l'EU AI Act et de la criticité business. Une fois leur assessment passé, les IA critiques reçoivent une roadmap de mise en conformité personnalisée : légal, sécurité, compliance, bonnes pratiques de développement, data governance, éthique.
Le framework d'AI governance ainsi créé fonctionne en forte synergie avec la data governance et l'ensemble des acteurs de l'entreprise — vers une dynamique de certification des IA, pour livrer en production des IA de qualité, en toute confiance.
React, agents Vertex AI, et de nombreuses intégrations : Wiz, Workspace, PLM… Dès la création d'un agent, un pré-assessment rapide s'exécute — la governance by design est intégrée directement dans les outils internes. Dashboards pour suivre les IA critiques et leur pourcentage d'avancement vers la certification ; emails d'alerte personnalisés et automatiques pour onboarder et identifier les ressources à mettre en gouvernance.
Avant : le data discovery consistait à poser des questions comme des bouteilles à la mer dans les différents spaces Google. Les réponses arrivaient des heures ou des jours plus tard — et pas toujours les bonnes.
Un agent qui base ses réponses sur l'ensemble des ressources du dictionnaire de données Collibra. En une question, on sait tout d'un sujet business : les données qui le structurent, leurs règles de qualité, les personnes à contacter. Chaque réponse cite les sources officielles Decathlon. Gain de temps énorme sur le data discovery — très apprécié en interne.
Le domaine Industrie / Production venait de se créer : il n'y avait rien. Pas d'operating model, pas de rôles définis, pas de données gouvernées.
Tout, from scratch : l'operating model data du domaine, la montée en compétence de l'équipe — data owners, data stewards, quality managers — et l'onboarding des data producers. Résultat : 50 Business Objects gouvernés sur 5 sous-domaines, avec une communauté data qui fonctionne en autonomie.
Pilotage d'une équipe de 12 data scientists et engineers sur la recommandation algorithmique. A/B tests comparant knowledge graph et collaborative filtering, mesurés sur le site français : +15 % de conversion, +22 % d'ajout au panier.
Missions longues : disponible à partir de décembre 2026