Ce qu'il faut retenir
- Le conseil data recouvre cinq missions identifiables : cartographier les données, organiser leur gouvernance, en mesurer la qualité, définir une architecture cible, prioriser les cas d'usage. Tout le reste est de la déclinaison.
- Un cabinet de conseil data produit des documents, pas du code : cartographie des sources, dictionnaire de données, matrice de rôles, plan qualité, schéma d'architecture, feuille de route chiffrée. C'est à la fois sa valeur et sa limite.
- Les projets IA échouent massivement, et rarement sur le modèle : selon une enquête S&P Global Market Intelligence, 42 % des entreprises ont abandonné la majorité de leurs initiatives IA en 2025, contre 17 % l'année précédente, et 46 % des preuves de concept n'atteignent jamais la production.
- La séparation entre conseil data et conseil IA ne tient plus : un projet IA bute toujours sur l'état réel des données, et un chantier data sans cas d'usage identifié ne trouve pas son financement en comité de direction.
- Le règlement européen sur l'IA a acté cette fusion : son article 10 impose, pour les systèmes à haut risque, une gouvernance des données documentée — origine, collecte, annotation, nettoyage, biais, lacunes. La conformité IA est devenue un livrable data.
Data consulting : de quoi parle-t-on exactement ?
L'expression data consulting — ou conseil data — désigne l'accompagnement d'une organisation sur la connaissance, l'organisation et l'exploitation de ses données. Le terme souffre d'un flou entretenu : il est employé indifféremment par des éditeurs qui vendent une plateforme, des ESN qui placent des profils techniques et des cabinets qui produisent des recommandations. Ces trois métiers n'ont ni le même modèle économique, ni les mêmes livrables, ni les mêmes incitations.
Le contexte, lui, est chiffré. L'Insee mesure pour 2025 un usage de l'IA très inégal selon la taille : 15 % des entreprises de 10 à 49 salariés, 31 % de 50 à 249, 58 % au-delà de 250 — soit 18 % en moyenne sur l'ensemble des entreprises de 10 salariés ou plus. À l'échelle européenne, Eurostat mesure 20,0 % d'entreprises utilisatrices en 2025, contre 13,5 % en 2024.
Ce que ces chiffres ne disent pas, mais que la pratique montre : la marche à franchir pour une PME de 80 personnes n'est pas technologique, elle est documentaire et organisationnelle. Personne n'y sait dire avec certitude combien de bases de données existent, qui en est responsable, et laquelle fait référence quand deux d'entre elles se contredisent.
Que fait concrètement un cabinet de conseil data ? Les cinq missions types
1. La cartographie des données
C'est le point de départ de presque toute mission : inventorier les sources (ERP, CRM, outil de production, fichiers Excel partagés, applications métier isolées), identifier pour chacune un responsable nommé, décrire les flux qui les relient et repérer les ruptures — ces endroits où une donnée est ressaisie à la main d'un système à l'autre.
Les entreprises françaises disposent déjà d'un embryon de cette cartographie sans toujours le savoir : le registre des activités de traitement exigé par l'article 30 du RGPD. La CNIL rappelle qu'il concerne tous les organismes quelle que soit leur taille — la dérogation prévue pour les structures de moins de 250 salariés ne dispense pas des traitements non occasionnels comme la paie ou la gestion clients. Il recense finalités, catégories de données, destinataires, durées de conservation et mesures de sécurité : une cartographie partielle, orientée données personnelles, mais une base de départ réelle.
2. La gouvernance des données
La gouvernance répond à une question simple et rarement tranchée : qui décide quoi. Cela signifie nommer un propriétaire par domaine (clients, produits, fournisseurs, production), définir qui peut créer, modifier ou supprimer une référence, et fixer les règles de nommage et les définitions partagées.
L'exemple canonique est celui du chiffre d'affaires. Trois directions d'une même ETI produisent trois chiffres différents pour le même trimestre, parce que l'une compte à la facturation, l'autre à la livraison, la troisième à la commande signée. Aucune n'a tort. Aucune n'a écrit sa définition. La gouvernance consiste à trancher, puis à documenter.
3. La qualité des données
Mesurer avant de corriger. Un cabinet de conseil data évalue la complétude (quel pourcentage de fiches clients ont un SIRET renseigné ?), l'unicité (combien de doublons dans le référentiel fournisseurs ?), la cohérence (les unités de mesure sont-elles homogènes entre l'ERP et l'outil de production ?) et la fraîcheur des enregistrements.
Le livrable n'est pas un constat mais un plan : quels référentiels nettoyer en priorité, avec quel effort, pour quel bénéfice. Le nettoyage complet d'un patrimoine de données est un projet sans fin ; le nettoyage ciblé des trois référentiels qui alimentent un cas d'usage précis est un projet de quelques semaines.
4. L'architecture de données
Où les données doivent-elles vivre, et comment circulent-elles ? Cette mission produit un schéma d'architecture cible — entrepôt, lakehouse, base opérationnelle, flux d'intégration — et surtout une trajectoire réaliste depuis l'existant. Pour une PME, la réponse raisonnable est souvent beaucoup plus modeste que ce que le vocabulaire du secteur laisse imaginer.
5. L'identification et la priorisation des cas d'usage
Sans cette cinquième mission, les quatre premières restent des travaux d'infrastructure invisibles. Il s'agit de recenser les usages possibles, de les évaluer sur deux axes — valeur métier et faisabilité au regard des données réellement disponibles — et d'en retenir un petit nombre.
Ces cinq missions se combinent : aucune ne produit seule un résultat visible pour une direction générale.
Quels sont les livrables d'une mission de conseil data ?
Un cabinet de conseil data ne livre pas un logiciel. Il livre des documents opposables, qui servent de référence pendant plusieurs années.
| Livrable | Contenu | À quoi il sert |
|---|---|---|
| Cartographie des sources | Inventaire des systèmes, responsables, volumes, flux | Savoir ce qu'on a avant de décider quoi en faire |
| Dictionnaire de données | Définition écrite de chaque indicateur clé | Mettre fin aux trois chiffres d'affaires différents |
| Matrice de rôles | Propriétaires, gestionnaires, droits par domaine | Rendre les arbitrages possibles |
| Diagnostic qualité | Taux de complétude, doublons, incohérences | Chiffrer la dette avant de la rembourser |
| Schéma d'architecture cible | Systèmes, flux, trajectoire de migration | Éviter d'acheter la mauvaise plateforme |
| Portefeuille de cas d'usage priorisé | Usages évalués valeur / faisabilité | Décider par quoi commencer |
| Feuille de route chiffrée | Séquencement, charges, budget | Passer en comité de direction |
Comment se déroule une mission de data consulting ?
Le déroulé est stable d'une mission à l'autre : un cadrage qui fixe le périmètre et les interlocuteurs, une collecte qui enchaîne entretiens métier et examen technique des bases, une phase d'analyse, une restitution en comité de direction, puis l'accompagnement au démarrage des premiers chantiers.
La collecte est la partie la plus longue, et celle que les entreprises sous-estiment systématiquement : elle dépend de la disponibilité de leurs propres équipes, pas de celle du cabinet. Et une mission qui s'arrête à la restitution produit un document qui vieillit vite.
Conseil data ou conseil IA : quelle différence ?
Sur le papier, les deux métiers sont distincts.
| Conseil data | Conseil IA | |
|---|---|---|
| Question posée | Que valent nos données, et comment les organiser ? | Quels traitements automatiser ou augmenter ? |
| Horizon | Structurel, pluriannuel | Cas d'usage, quelques mois |
| Livrables | Cartographie, gouvernance, architecture | Prototype, évaluation, modèle en production |
| Interlocuteur | DSI, direction financière, métiers | Direction générale, directions opérationnelles |
| Risque d'échec | Chantier sans valeur visible | Projet qui bute sur les données |
Cette distinction correspondait à une réalité industrielle. Elle a cessé d'être opérante pour deux raisons symétriques.
Pourquoi la séparation entre conseil data et conseil IA n'a plus de sens
Premier constat : un projet IA échoue presque toujours sur les données. L'enquête S&P Global Market Intelligence citée plus haut, menée auprès de plus de 1 000 entreprises en Amérique du Nord et en Europe, mesure un taux d'abandon de 42 % en 2025 contre 17 % un an plus tôt, et 46 % de preuves de concept jamais mises en production. Ce n'est pas la qualité des modèles qui a régressé entre 2024 et 2025 — elle a progressé. Ce sont les entreprises qui ont découvert, en passant du démonstrateur au réel, l'état effectif de leur patrimoine de données.
Les enquêtes statistiques confirment la nature du blocage. Chez les entreprises européennes qui ont envisagé l'IA sans l'adopter, Eurostat relève le manque d'expertise pertinente comme premier obstacle (71 %), devant l'incertitude juridique (53 %) et la protection des données (49 %). En France, l'Insee note que 53 % des entreprises utilisant déjà l'IA se déclarent freinées par une expertise insuffisante. Le mur n'est pas l'algorithme, il est en amont.
Deuxième constat : un chantier data sans cas d'usage IA ne se finance plus. Une direction générale accepte difficilement d'engager dix-huit mois de gouvernance dont le bénéfice se formule en « meilleure maîtrise du patrimoine informationnel ». Le même budget passe quand il est adossé à un usage daté et mesurable : automatiser le traitement des demandes entrantes, fiabiliser la prévision de charge, extraire les données des documents fournisseurs.
Troisième constat : le droit a acté la fusion. L'article 10 du règlement européen sur l'intelligence artificielle impose, pour les systèmes classés à haut risque, des pratiques de gouvernance des données documentées : origine et processus de collecte, opérations de préparation (annotation, nettoyage, enrichissement), examen des biais, identification des lacunes. Les jeux de données doivent être « pertinents, suffisamment représentatifs et, dans la mesure du possible, exempts d'erreurs et complets ». Autrement dit, une exigence de conformité IA se satisfait par un livrable de gouvernance data : les deux disciplines partagent désormais le même dossier de preuves.
C'est la raison pour laquelle nous assumons l'étiquette de cabinet de conseil data et IA, et non de cabinet IA. Les deux moitiés du métier ne se laissent plus séparer sans dommage.
Ce que ça change concrètement pour une PME ou une ETI
La conséquence pratique est un renversement de séquence. La démarche classique consistait à assainir le patrimoine de données pendant un an ou deux, puis à envisager des usages. Elle échoue pour une raison budgétaire simple : personne ne tient la distance sans résultat intermédiaire.
La démarche que nous privilégions inverse l'ordre. On choisit d'abord un cas d'usage restreint et daté, et on ne traite que les données qu'il mobilise réellement — souvent deux ou trois référentiels, pas l'ensemble du système d'information. Le chantier de gouvernance se construit alors par extension successive, chaque itération étant financée par la précédente. C'est l'objet d'une mission de cadrage de stratégie data et IA, qui aboutit à une feuille de route plutôt qu'à un rapport.
Cette approche a un corollaire sur le coût d'entrée. Un logiciel sur mesure mis en production en quatre semaines démarre chez nous à 20 000 € HT, suivi d'un abonnement mensuel. L'intérêt du format n'est pas seulement budgétaire : quatre semaines, c'est trop court pour se cacher derrière un chantier de fondations. Les défauts de données apparaissent immédiatement, sur un périmètre où ils restent traitables. Pour tester l'hypothèse avant d'engager davantage, prototyper le cas d'usage reste le moyen le plus économique de savoir si les données suivent.
Reste la question des compétences internes, que l'Insee comme Eurostat désignent comme premier frein. Un cabinet extérieur ne la résout pas durablement : il la contourne le temps de la mission. C'est pourquoi le transfert de compétence vers les équipes, via des formations aux usages de l'IA et de la donnée, conditionne le fait que la cartographie livrée soit encore juste dans deux ans.
Les limites : ce qu'un cabinet de conseil data ne peut pas faire pour vous
Il faut être honnête sur trois points.
La gouvernance ne se délègue pas. Un cabinet peut proposer une matrice de rôles ; il ne peut pas nommer les responsables à votre place, ni arbitrer entre deux directions qui ne s'accordent pas sur une définition. Une mission de gouvernance sans sponsor au comité de direction produit un document que personne n'applique. C'est le mode d'échec le plus fréquent, et il n'est pas technique.
La cartographie se périme. Elle est juste le jour de la restitution. Si aucune personne n'est chargée de la maintenir, elle devient un document d'archive en un an. La question « qui met à jour ce document, et à quelle fréquence ? » doit être tranchée avant la fin de la mission, pas après.
Certains problèmes de données sont des problèmes de processus. Quand un référentiel fournisseurs accumule les doublons, la cause est presque toujours en amont : aucune règle de création, plusieurs points de saisie, aucun contrôle. Nettoyer sans corriger le processus revient à vider une baignoire dont le robinet coule. Le conseil data peut le documenter ; seule l'entreprise peut changer sa manière de travailler.
Enfin, un cabinet de conseil data et IA n'est pas un cabinet d'avocats : nous produisons des éléments de gouvernance exploitables pour une mise en conformité, mais la qualification juridique d'un système au regard du règlement IA relève d'un conseil juridique.
Conclusion : le conseil data n'est plus une discipline séparée
Le métier décrit ici n'a pas changé de contenu. Cartographier, gouverner, mesurer la qualité, architecturer, prioriser : ces cinq missions restent le cœur du data consulting, avec les mêmes livrables qu'il y a dix ans.
Ce qui a changé, c'est leur point d'entrée. Un chantier data ne se vend plus pour lui-même, et un projet IA ne se livre plus sans lui — les taux d'abandon observés en 2025 sont la trace statistique de cette collision. Le choix pertinent, pour une PME ou une ETI, n'est donc pas entre un cabinet de conseil data et un cabinet de conseil IA : c'est entre un partenaire capable de tenir les deux bouts, et deux prestataires qui se renverront la responsabilité quand le prototype butera sur le référentiel clients.
Lire aussi : Grille de maturité Data & IA : 20 critères à noter vous-même
Sources
- Insee — Les technologies de l'information et de la communication dans les entreprises en 2025, Insee Première n° 2120 (21 juillet 2026)
- Eurostat — 20% of EU enterprises use AI technologies (11 décembre 2025)
- Eurostat — Use of artificial intelligence in enterprises, Statistics Explained (données extraites en décembre 2025)
- CIO Dive — AI project failure rates are on the rise, d'après l'enquête S&P Global Market Intelligence (14 mars 2025)
- Règlement (UE) 2024/1689 sur l'intelligence artificielle — Article 10 : données et gouvernance des données (13 juin 2024)
- Commission européenne — Cadre réglementaire de l'UE sur l'intelligence artificielle (consulté le 13 août 2026)
- CNIL — Le registre des activités de traitement (article 30 du RGPD) (consulté le 13 août 2026)
Savez-vous combien de sources de données alimentent réellement vos décisions, et laquelle fait référence quand deux d'entre elles se contredisent ? Votre dernier projet IA s'est-il arrêté au démonstrateur parce que les données ne suivaient pas ? Parlons-en — nous vous aidons à cadrer votre stratégie data et IA et à prototyper un premier cas d'usage sur un périmètre où les données sont réellement disponibles.
