Par Corey Noles
D’ici 2026, la manière dont les entreprises gèrent leurs données pourrait être radicalement différente. Au lieu que des humains nettoient, fusionnent et valident laborieusement les enregistrements, des agents d’IA autonomes se chargeront du plus gros du travail : ils détermineront quelles sources sont fiables, résoudront les conflits en temps réel et feront émerger des informations avant même que les équipes ne pensent à les demander.
Pour comprendre comment les entreprises doivent se préparer à ce changement, TechnologyAdvice s’est entretenu avec Manish Sood, CEO et fondateur de Reltio, une entreprise à la pointe de l’unification et de la gouvernance des données. Dans cet entretien, Sood explique où l’IA agentique fera d’abord sentir ses effets, comment elle transformera le travail quotidien des équipes data et ce que les dirigeants doivent mesurer à mesure qu’ils s’orientent vers un avenir piloté par l’IA.
eWeek : Quand vous parlez d’« IA agentique » appliquée aux données d’entreprise, quel est le premier processus quotidien qu’elle va réellement transformer en 2026 : la mise en correspondance et la fusion, la survivance, l’enrichissement ou la gouvernance des données ?
Manish Sood :La mise en correspondance et la fusion seront les premiers processus quotidiens transformés par l’IA agentique en 2026. C’est là que la complexité des environnements de données actuels rencontre le plus urgemment les exigences de rapidité et de confiance des opérations pilotées par l’IA.
Pourquoi la mise en correspondance et la fusion ? Parce que les données du monde réel sont désordonnées : elles regorgent de doublons, d’incohérences et d’ambiguïtés. Et dans les processus agentiques, il n’est pas possible d’intervenir humainement chaque fois qu’un enregistrement ne correspond pas parfaitement. Si un agent d’IA doit recommander un produit, traiter une demande d’indemnisation ou interagir avec un client en temps réel, il doit s’appuyer sur un profil propre et consolidé.
Grâce aux modèles de mise en correspondance préentraînés et alimentés par des LLM, nous observons déjà le passage de contrôles fondés sur des règles — « s’agit-il de la même entité ? » — à des processus agentiques qui résolvent les correspondances en temps réel, avec un score de confiance, une traçabilité complète et des garde-fous de conformité. À mesure que cette approche mûrit, elle devient la « porte d’entrée » intelligente de tous les processus en aval : survivance, enrichissement, gouvernance des données, et bien plus encore.
L’IA agentique n’a pas seulement besoin de données. Elle a besoin de données fiables, riches en contexte et consolidées en quelques millisecondes. Tout commence par la résolution d’entités. C’est pourquoi la mise en correspondance et la fusion viennent en premier.
eWeek : Décrivez rapidement une « journée type » d’une équipe data fin 2026. Qu’est-ce qui change pour un responsable de la gouvernance des données, un responsable de l’analytique et un responsable métier lorsque des agents interviennent ?
Sood :
Responsable de la gouvernance des données : Commence la journée en examinant les suggestions de correspondance déjà résolues par un agent pendant la nuit, avec leurs pistes d’audit. Au lieu de traquer les doublons, il affine les politiques et accompagne les agents.
Responsable de l’analytique : Reçoit des alertes des agents concernant les anomalies de qualité avant que les modèles ne dérivent. Son rôle passe du nettoyage des données à la collaboration avec les équipes métier sur des produits de données fiables et réutilisables.
Responsable métier : Ouvre un tableau de bord où chaque indicateur est expliqué par un agent : ce qui a changé, pourquoi c’est important et quoi faire ensuite. Aucun retard. Aucun goulot d’étranglement. Seulement des réponses, alimentées par des données gouvernées et prêtes pour les agents.
Qu’est-ce qui change ? Les agents ne se contentent pas d’aider, ils agissent. Les équipes passent de la correction des données à la création de valeur.
eWeek : Comment laisser les agents créer la source unique de vérité sans perdre la confiance ?
Sood : On ne perd pas la confiance en laissant les agents contribuer à créer la source de vérité ; on la perd s’ils le font de manière invisible. La clé, c’est une autonomie gouvernée.
Les agents peuvent agir de manière autonome dans un cadre défini : résoudre les correspondances, signaler les anomalies et enrichir les données à partir de sources vérifiées.
Le résultat ? La transparence instaure la confiance. Les parties prenantes voient non seulement les données, mais aussi pourquoi elles ont été jugées fiables : qui les a approuvées, quelle logique a été appliquée et quand.
C’est ainsi que les agents gagnent leur rôle : non seulement en faisant émerger la vérité, mais aussi en la préservant.
eWeek : Quels premiers résultats un CDO peut-il attendre au cours des 90 premiers jours d’adoption de l’IA agentique dans la gestion des données d’entreprise ?
Sood : Au cours des 90 premiers jours, un Chief Data Officer qui introduit l’IA agentique doit pouvoir faire état de résultats très concrets. Par exemple, l’une des premières choses que vous remarquerez sera la rapidité avec laquelle les agents d’IA peuvent résorber le retard accumulé dans la résolution des correspondances. Ce qui constituait auparavant un travail répétitif pour les responsables de la gouvernance des données est désormais traité en une fraction du temps, ce qui permet à ces équipes de se concentrer sur des priorités à plus fort impact.
Vous gagnerez également une visibilité immédiate sur la qualité des données. Des agents préconfigurés peuvent identifier les problèmes par domaine, par source, voire selon leur impact métier : vous n’améliorez donc pas seulement les données, vous priorisez aussi les corrections les plus importantes. Cette clarté aide les dirigeants à établir rapidement une référence et à créer une dynamique initiale.
Et puisque les analystes peuvent enfin cesser de consacrer leur temps au nettoyage des données, vous commencez à obtenir plus rapidement des informations exploitables. Les produits de données fiables sont constitués plus vite, la confiance dans les tableaux de bord augmente et les KPI recommencent à paraître fiables.
Plus important encore, les équipes métier voient les résultats. Des données plus propres. Des réponses plus rapides. Et la preuve qu’il ne s’agit pas simplement d’une nouvelle initiative technologique : elle crée une véritable valeur métier dès le premier jour.
eWeek : Quels KPI prouveront que cela fonctionne d’ici la fin de 2026 ?
Sood : D’ici la fin de 2026, l’impact de l’IA agentique sur la gestion des données d’entreprise devrait être visible à travers quelques KPI clairs, qui raconteront une histoire convaincante.
Tout d’abord, vous constaterez une réduction significative de l’effort manuel. Le pourcentage de décisions de mise en correspondance ou de fusion nécessitant un examen humain diminuera. Les responsables de la gouvernance des données consacreront nettement moins d’heures aux tâches répétitives et les équipes passeront moins de temps à rechercher et résoudre les problèmes de qualité des données.
Ensuite, l’activation des données s’améliorera partout. Les tableaux de bord et les produits de données seront valorisés plus rapidement. Une plus grande part des données alimentant les modèles et les processus d’IA sera fiable et à jour. Et les utilisateurs métier le remarqueront : ils trouveront plus facilement les données dont ils ont besoin, au moment où ils en ont besoin.
Troisièmement, la confiance deviendra mesurable. Vous observerez de meilleurs scores de qualité des données en matière d’exactitude, d’exhaustivité et d’actualité. La traçabilité sera plus visible. Le respect des politiques progressera. Et les reprises dues à des données incorrectes ou obsolètes diminueront nettement.
Enfin, vous verrez la valeur métier s’accélérer. Davantage d’équipes — des ventes aux opérations — commenceront à utiliser des agents pour éclairer leurs décisions. Davantage d’actions seront exécutées de manière autonome, sans incident. Et de nouveaux cas d’usage se développeront grâce à des données fiables et en temps réel.
En résumé ? Moins de friction, plus de confiance, une exécution plus rapide — le tout traçable.
eWeek : Comment l’IA agentique transforme-t-elle les discussions sur la gouvernance des données et la conformité avec les équipes juridiques et de sécurité ?
Sood : L’IA agentique transforme de manière assez fondamentale les échanges avec les équipes juridiques et de sécurité. Là où régnait auparavant la crainte — de perdre le contrôle ou d’ouvrir la porte aux risques — il existe désormais des preuves que le contrôle est en réalité renforcé.
Traditionnellement, la gouvernance consistait à consigner des politiques dans des documents et à les faire appliquer manuellement a posteriori. C’est réactif, lourd en audits et lent. Avec l’IA agentique, la situation s’inverse. Désormais, les agents d’IA appliquent la gouvernance à l’exécution. Ils héritent des contrôles de masquage et d’accès. Ils opèrent uniquement dans les limites préalablement approuvées. Et chacune de leurs actions est journalisée, avec une traçabilité et une justification complètes.
Ainsi, lorsque les équipes juridiques ou de sécurité demandent : « Peut-on faire confiance à ce que fait l’IA ? », la réponse n’est pas seulement « oui ». C’est : « voici exactement ce qu’elle a fait, pourquoi elle l’a fait et comment nous savons qu’elle a respecté la politique. »
Pour ces équipes, il ne s’agit pas d’un saut dans l’inconnu. C’est une amélioration mesurable du contrôle : application en temps réel, traçabilité complète et supervision intégrée.
La gouvernance agentique n’est pas un compromis. Elle est objectivement plus sûre.
eWeek : Règles, LLM et recherche d’informations : comment s’articulent-ils ? Quand un agent doit-il s’appuyer sur des règles déterministes de gestion des données plutôt que d’utiliser un LLM avec recherche augmentée (RAG) pour prendre une décision ?
Sood : Ce n’est pas une question de choix entre deux options : il s’agit de s’assurer que chaque décision de l’IA repose sur la même base fiable. Pour agir de manière fiable, l’IA agentique a besoin d’un graphe de données d’entreprise en temps réel et riche en contexte.
La plupart des entreprises disposent de données sur leurs clients, produits, fournisseurs et sites, dispersées dans des dizaines de systèmes, notamment des CRM, des ERP, des lacs de données et des flux tiers. Ces données sont souvent cloisonnées, incohérentes et non préparées pour l’IA.
Reltio résout ce problème en ingérant en continu les données issues de toutes ces sources — structurées et non structurées — puis en les unifiant en temps réel. La plateforme utilise des techniques avancées de mise en correspondance, une logique de survivance et un enrichissement alimenté par l’IA pour créer des profils précis et fiables dans différents domaines.
Mais voici ce qui rend Reltio unique : la plateforme ne crée pas seulement un enregistrement propre. Elle capture les relations et les interactions entre les entités. Vous ne savez donc pas seulement qui est un client, mais aussi avec qui il est connecté, ce qu’il a acheté, quand il a appelé le support et quel est son lien avec un produit, un fournisseur ou un site. C’est ce que nous entendons par graphe de données.
Ce graphe devient un système de contexte pour l’IA. Il fournit à chaque agent — qu’il résolve une correspondance, personnalise une offre ou approuve une demande d’indemnisation — une base fiable et en temps réel pour prendre des décisions éclairées.
Ainsi, au lieu que chaque agent fonctionne en vase clos, ils s’appuient tous sur le même environnement de données, continuellement mis à jour, gouverné et explicable. C’est ce qui rend l’IA agentique évolutive, conforme et alignée sur votre logique métier.
La question n’est donc pas de savoir quelle technique utiliser, mais où ces techniques sont ancrées. Sans système de contexte, même la meilleure IA devient fragmentée. Avec Reltio, elle devient fiable à grande échelle.
eWeek : Quel est le bon équilibre entre développement, achat et partenariat ? Sur quels aspects les entreprises doivent-elles s’appuyer sur des plateformes — comme Reltio et les hyperscalers — et quand le développement sur mesure est-il pertinent ?
Sood : En matière d’IA et de données, les entreprises les plus innovantes n’essaient pas de tout développer elles-mêmes : elles se concentrent sur ce qui les différencie.
Alors, quel est le bon équilibre ?
- Acheter les fondations. L’unification des données, la gouvernance et l’infrastructure temps réel ne sont pas des domaines où il faut tout développer soi-même. Vous ne voulez pas passer des années à bricoler votre propre colonne vertébrale de données. C’est là qu’interviennent des plateformes comme Reltio Data Cloud™, associées à l’hyperscaler de votre choix. Elles vous offrent d’emblée fiabilité, évolutivité et sécurité de niveau entreprise.
- S’associer lorsque la rapidité compte. Des agents préconfigurés, des modèles sectoriels et des services de mise en œuvre peuvent accélérer l’obtention de valeur, notamment pour les processus à fort volume comme la gouvernance, la résolution des correspondances ou l’enrichissement des données. Inutile de réinventer ce que d’autres ont déjà optimisé.
- Développer à la périphérie. Les agents personnalisés sont pertinents lorsque vous cherchez à résoudre un problème qui vous est propre : votre logique de scoring, votre parcours client, votre propriété intellectuelle. C’est là que votre IA doit vous ressembler, vous, et non prendre la forme d’un copilote générique.
Règle générale :
- Plateforme pour la confiance et l’interopérabilité
- Partenariat pour la rapidité
- Sur mesure pour les cas d’usage de niche
eWeek : Au-delà de 2026, quel est le rythme responsable à adopter ? Quel pari audacieux feriez-vous pour 2027–2028, et quel écueil les dirigeants doivent-ils éviter cette année ?
Sood : En 2027–2028, les entreprises ne déploieront pas seulement quelques agents d’IA : elles en orchestreront des centaines, chacun effectuant des tâches critiques en temps réel dans les ventes, le service, la conformité et les opérations. Le pari audacieux ? La plupart de ces agents ne seront pas développés de toutes pièces. Ils seront recrutés — comme des employés.
Cet avenir ne sera possible que s’ils disposent instantanément d’un système de contexte fiable auquel se connecter. C’est là que Reltio intervient.
Nous pensons que chaque entreprise aura besoin d’un graphe de données intelligent, non seulement comme source de vérité, mais aussi comme source d’action. Un graphe qui unifie, gouverne et met en service en continu des données fiables dans tous les domaines, tout en guidant de manière proactive les agents grâce aux politiques, à l’historique et au contexte, en quelques millisecondes.
Le pari audacieux : d’ici 2028, le graphe de données d’entreprise sera aussi essentiel à l’IA agentique que le réseau l’a été à Internet. Et Reltio sera la fondation qui rendra l’IA agentique adaptée aux entreprises — sûre, évolutive et alignée sur le fonctionnement réel de l’activité de nos clients.
Autrement dit, l’IA ne remplace pas la stratégie data. Elle la rend existentielle. Et Reltio permet de la concrétiser.
Mais en 2025–2026 ? Ralentissez pour aller plus vite. Commencez par une gouvernance intégrée, pas seulement par des copilotes tape-à-l’œil. La confiance est l’actif qui se valorise avec le temps.
Le principal écueil à éviter aujourd’hui est de ne pas laisser l’engouement pour les LLM contourner vos fondations data. L’IA et les agents sont des outils qui ont besoin d’informations fiables pour fonctionner correctement. Si les données ne sont pas unifiées, gouvernées et explicables, les agents iront vite… dans la mauvaise direction.