Gouvernance des données, réussir avec le Data Mesh

Episode 7 – Gouvernance des données

Le modèle Data Mesh remet à plat les pratiques de gouvernance des données. Fini les approches centralisées figées, difficiles à faire vivre dans la durée… et d’ailleurs souvent peu adoptées dans la réalité.

Place à une gouvernance fédérée, agile, et surtout intégrée au plus près des composants des architectures distribuées.

Alors que les CDO adoptent la logique de data products, comment cadrer cette nouvelle autonomie sans renoncer à la qualité, à la conformité et à la transparence des données ?

Lumières sur une gouvernance activable, pensée dès la conception.

Réinventer la gouvernance des données pour les architectures modernes

Démocratisation des architectures distribuées, recours massif au cloud, montée en puissance des modèles de SI composables … les modèles de gouvernance des données que nous connaissons depuis des années sont désormais obsolètes ! Trop centralisés, trop descendants, trop rigides, trop brimés par des comités ou des référentiels qui se révèlent complètement hors sol par rapports aux usages réels par nature évolutifs.

Chez Smartpoint, ESN spécialisée en data engineering et gouvernance (→ voir notre expertise), nous avons accompagné de nombreux projets de data governance… parfois avortés, écourtés, ou jamais réellement mis à l’échelle. Un constat revient souvent : ces dispositifs ont du mal à suivre des organisations qui bougent, qui scalent, qui accélèrent. Et pourtant, jamais la gouvernance des données n’a été aussi critique (→ Relire l’épisode 1 sur les enjeux pour les DSI).

Le modèle Data Mesh rebat les cartes (→ notre décryptage complet). En plaçant les domaines métiers au coeur de la production et de la gestion des données, c’est une nouvelle façon de penser la gouvernance qui s’impose : moins verticale, plus distribuée, plus intégrée et surtout orientée produit. On imagine aisément les gains en termes d’agilité mais cette logique de responsabilisation ne fonctionne que sur une base solide : une gouvernance-by-design structurée par les rôles, embarquée dans les outils et partagée entre tous les acteurs de la chaine de valeur.

Domaine Ownership et gouvernance distribuée ?

Distribuer la responsabilité des données ne se résume pas à « éclater » les flux ou redécouper les dashboards.

Dans une architecture Data Mesh, les domaines métiers ne sont plus de simples consommateurs de données. Ils sont responsables de leur production, de leur qualité, de leur documentation. Bref, c’est sur eux que repose la valeur des données.

Bien entendu, déléguer cette responsabilité comprend des risques. On ne peut pas « décentraliser » sans orchestrer. On ne peut pas promouvoir l’autonomie sans poser un cadre clair, des engagements clairs et des garde-fous bien définis. Une gouvernance distribuée est illusoire sans une conception gouvernée dès le départ.

C’est ici qu’intervient le Domain Ownership. Chaque domaine devient responsable de ses données comme il l’est de ses applications avec des prérequis : des rôles définis, un engagement fort des métiers et des pratiques partagées concernant le cycle de vie des données.

Chez Smartpoint, on constate chaque jour sur les projets surlequels nous intervenons : le domaine finance prend en charge ses propres indicateurs de rentabilité, le domaine RH assure la qualité des données collaborateurs, le marketing documente les segmentations clients, etc. Mais tout cela ne fonctionne que si ces responsabilités sont assumées, outillées et intégrées dans des processus de gouvernance vivants.

La gouvernance ne disparaît pas avec le Data Mesh. Elle change de forme.
Moins normative. Plus distribuée. Centrée sur les data products. Portée collectivement, au plus près des usages.

C’est toute la différence entre un modèle de contrôle centralisé souvent perçu comme un frein et un modèle de responsabilité active incarné par les métiers et rendu possible par les bons outils.

Dans ce nouveau modèle, les rôles évoluent autant que les architectures. On ne pilote pas un domaine Data comme on anime un centre de compétences transverse. La gouvernance distribuée fait émerger de nouveaux acteurs plus ancrés dans le quotidien des équipes mais connectés à un cadre global.

• Le Domain Data Product Owner, c’est celui ou celle qui porte la valeur du data product : qualité, exposition, documentation, évolutivité. Il arbitre, priorise, orchestre la roadmap data du domaine avec un vrai rôle de pilotage métier. Il est à la donnée ce que le PO est au produit logiciel.
• Le Domain Data Steward, lui, est au cœur des opérations. Il veille à la qualité, à la cohérence et au au respect des règles de gestion. C’est l’interface active entre IT, métiers et gouvernance. Il ne fait pas « à la place de », il structure, forme, alerte.
• Et pour consolider l’ensemble, le Platform/Data Governance Lead assure la cohérence globale. Il ne dicte pas, il fédère. Il aligne les domaines autour de pratiques partagées, il pilote les indicateurs de gouvernance et anime la communauté de la donnée dans sa diversité.

Une gouvernance distribuée, ce n’est pas l’anarchie 😉 C’est un RACI repensé, où chaque rôle est clair, assumé, outillé. Le métier est responsable, le SI supporte, la gouvernance centrale cadre et anime. Une gouvernance qui ne contrôle pas tout, mais qui permet à chacun de jouer son rôle, au bon niveau, avec les bons outils.

Les Data Products, là où la gouvernance devient activable

Un Data Product, ce n’est pas un nouvel emballage marketé d’un jeu de données ! C’est un actif à part entière. Avec ses spécifications, ses engagements, ses responsabilités.
Et plus important encore, c’est un actif vivant : produit, exposé, utilisé… donc à gouverner.

Dans une architecture distribuée, les Data Products sont le point de rencontre entre autonomie locale et cadre global. Ils concentrent les exigences de qualité, de sécurité, de documentation, de traçabilité. C’est ici la gouvernance prend « corps ».

Un Data Product doit être documenté (métadonnées, glossaire, lineage), qualifié (qualité mesurée, conformité validée), interopérable (APIs, formats standards), traçable (accès, version, conditions d’usage). Il doit embarquer ces dimensions nativement dès sa conception. On parle ici de gouvernance by design, et plus de gouvernance rétrofitée en fin de chaîne quand le mal est déjà fait.

Un bon Data Product, c’est comme R2-D2 : il se balade avec toute l’info critique, connaît sa mission, parle aux bons systèmes et il n’oublie jamais qui l’a construit.

Yazid Nechi, Président de Smartpoint

Gouvernance agile : juste assez, juste au bon moment

À trop vouloir tout cadrer, on finit souvent par étouffer les usages dans l’oeuf.
Et à trop relâcher, on perd vite en qualité, traçabilité, conformité.
Entre les deux, il faut trouver la voie de la gouvernance du “juste assez” pour accompagner le changement sans ralentir l’innovation ni la créativité des équipes. C’est ce qu’on appele la lean governance alignée sur les usages réels, pilotée par la valeur et conçue pour accompagner les produits sans freiner les équipes.

Dans un environnement Data Mesh, on ne gouverne plus à l’échelle d’une plateforme mais à la maille des Data Products. Chaque produit devient un mini-écosystème avec ses contrats de qualité, ses modalités d’accès, ses engagements de service. On ne déploie pas une charte en PDF, on met en œuvre une gouvernance « by design », intégrée dès la conception, activée dans les outils et observable dans les usages.

Cela suppose des contrôles progressifs plutôt que des audits massifs.
Un Data Product peut commencer petit, validé par des tests de qualité simples, monitoré dans le temps, enrichi de métadonnées puis intégré dans les circuits de certification.

Cela suppose de remettre la confiance au centre. Pas besoin de suivre à la trace chaque mouvement des utilisateurs. L’essentiel est de leur fournir les bons outils : un data catalog à jour, un lineage explicite, des indicateurs d’observabilité… C’est en outillant qu’on responsabilise. Pas en surcadrant.

Notre sélection d’outils dans une architecture distribuée

Dans un SI distribué, l’outillage n’est pas un “module complémentaire”. C’est ce qui rend la gouvernance exécutable au quotidien, sans sacrifier l’agilité des équipes. Voici les solutions que nous recommandons chez Smartpoint, celles qu’on implémente, qu’on suit de près, et… qu’on challenge aussi sur les stacks data de nos clients.

Data Catalogs : explorer, documenter, gouverner

• DataGalaxy : clair, intuitif et pensé pour les métiers. Un must-have pour nous !
• Zeenea : recommandé dans les SI multi-cloud. Parfait pour les architectures hybrides.
• Alation : À suivre de très prêt dans les DSI orientés Data Mesh.
• Microsoft Purview : pour les environnements Microsoft-first (Azure / Power BI), c’est souvent le choix naturel.

Lineage & traçabilité : gouverner les flux

• Collibra : solide, déjà bien implanté chez nos clients.
• DataHub (LinkedIn) : open source à suivre de près… très adapté aux plateformes data modernes.
• Purview Lineage : couplé à Purview, utile dans les architectures Azure-native.

Observabilité : qualité et fiabilité embarquées

• Soda : super intégration avec les stacks modernes (Airflow, dbt, Spark…).
• Great Expectations : la référence open source pour nos data engineers… et pas juste pour les POCs 😉

Nos recommandations terrain pour réussir

Chez Smartpoint, on accompagne des organisations très différentes dans la mise en œuvre de leur gouvernance Data Mesh. Mais une chose revient toujours : pas besoin de tout refaire. Il faut surtout bien démarrer.

1. Commencer petit : Un ou deux domaines pilotes bien choisis valent mieux qu’un grand schéma directeur. Choisissez un périmètre avec des sponsors motivés, des cas d’usage bien visibles et de la donnée à gouverner dès maintenant.
2. Co-construire avec les métiers le modèle RACI avec les équipes terrain (On parle de responsabilité, pas de reporting…)
3. Outiller sans figer : les outils doivent aider les équipes, pas les contraindre. Si on commence à entendre “encore une règle de plus”… c’est que la gouvernance commence à dériver.
4. Intégrer la gouvernance dans le run : Rituels Agile, sprint reviews, rétros, monitoring… La gouvernance data ne doit pas être “à côté” mais dans les pratiques d’ingénierie et de delivery. Sinon, elle reste théorique.

Gouverner, ce n’est plus contrôler. C’est créer les conditions pour que les bons usages des données puissent émerger, s’ancrer… et tenir dans la durée. Et c’est exactement ce que nous faisons chez Smartpoint.

En savoir plus ?

• Définition claire de la gouvernance Data Mesh par Informatica
• Data Governance in a Data Mesh par Secoda sur LinkedIN
• 3 crucial steps to implement data governance roles in a data mesh environment par Data Galaxy

Besoin de cadrer votre gouvernance Data Mesh ? Parlons-en.