L'intégration de l'IA générative dans les processus de développement transforme radicalement l'expérience développeur, ainsi que les *soft* et *hard* skills attendues.
Avec sa mise à jour 2025, la FinOps Foundation fait tomber les cloisons : désormais, toutes (ou presque) les ressources IT — SaaS, datacenters, IA, cloud public — entrent dans le radar
Les systèmes agentiques connaissent une vogue extraordinaire qui masque parfois leurs limites et les défis qu'ils soulèvent.
Comment passer de la data brute à une donnée qui apporte de la valeur, qui aide les entreprises à prendre des décisions, à optimiser ou inventer de nouveaux modèles ? Notre vision, nos conseils et retours d'expérience.
Parce qu'il est bon de lire et relire les classiques, nous vous convions à vous replonger dans cette somme impressionnante sur le data management qu'est ce Data Management Body of Knowledge.
De l'IA aujourd'hui, ce sont des données, une architecture algorithmique, des méthodes d'entraînement et une infra logicielle et matérielle moderne.
Framework utile pour désenclaver les données, le datamesh demande une certaine maturité dans l'approche pour ne pas retomber dans de vieux travers.
L'IA générative était (surprise !) la vedette du keynote de l'AWS Summit Paris, ce 3 avril au Palais des Congrès. C'est LE sujet qui tire le Cloud et la Data.
Les projets data sont souvent abordés sous un seul angle. Voire deux. Réussir sa stratégie data nécessite de considérer l'ensemble des 4 piliers fondamentaux : la tech, l’orga, la culture et la gouvernance.
Quelles sont les perspectives de l'IA en 2024 ? Cet article décrypte les évolutions majeures qui influenceront les mois à venir, offrant un aperçu des tendances et des défis à venir.
L'expertise dans les domaines de la data et l'IA n'est pas seulement une compétence technique, mais aussi une nécessité stratégique. Les entreprises qui s'engagent dans cette voie s’équipent pour réussir dans un avenir où la data et l'IA sont au cœur de l’innovation et de la création de valeur.
Maximiser les bénéfices des LLM à grande échelle : quels défis ? Rencontre avec Pierre-Carl Langlais, Ph.D. de l'Université de la Sorbonne, directeur de recherche chez Opsci et l'un des principaux spécialistes français des LLM.
Dans cette première partie de l'interview, Pierre-Carl Langlais met en lumière l'importance d'élargir le spectre des données utilisées, les challenges liés à la diversité linguistique et les possibles implications des nouvelles réglementations.
Dans cette seconde partie de l'interview, Pierre-Carl Langlais expose les stratégies pour une mise en œuvre réussie des LLM dans le cadre professionnel, en soulignant, entre autres, le besoin de coopération entre différents secteurs et la constitution de réseaux dynamiques.
Le rôle mal défini du CDO freine l'évolution data-driven des entreprises. Comment l'évaluation de la maturité data, alliée à un accompagnement stratégique, permet d'ajuster les stratégies et de renforcer la position du CDO.
Les données sont au cœur de la réussite des entreprises rendant leur gouvernance cruciale pour garantir la sécurité et l'accessibilité. Malgré la mise en place de cadres méthodologiques, de nombreux défis subsistent et entravent la mise en œuvre d'une gouvernance des données optimale.
