Kevin Dufraisse🔭

I created a solo business with €1M/year and I'll teach you to do the same ↓

J'ai commencé à entreprendre à 19 ans.

Sans argent, sans expérience j'ai appris à utiliser le digital et la tech pour trouver des clients.

Plus tard, j'apprends que j'applique depuis plusieurs années des techniques de marketing "non conventionnelles", très en vogue dans l'écosystème startup : le growth hacking.

J'ai ensuite revendu une boîte avant de travailler dans le plus grand accélérateur de startup d'Europe pour former les salariés et entrepreneurs des plus prestigieuses startups Françaises.

Pendant le confinement, je reprends le chemin de l'entrepreneuriat pour lancer ma formation en ligne, aujourd'hui leader sur le marché.

La raison? 

𝐔𝐧𝐞 𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐝𝐲𝐧𝐚𝐦𝐢𝐪𝐮𝐞 𝐪𝐮𝐢 𝐞́𝐯𝐨𝐥𝐮𝐞 𝐚𝐯𝐞𝐜 𝐥𝐞 𝐭𝐞𝐦𝐩𝐬, 𝐯𝐨𝐢𝐜𝐢 𝐬𝐨𝐧 𝐡𝐢𝐬𝐭𝐨𝐢𝐫𝐞 :
Juillet 2020 : 
 Lancement de ma première formation, on me dit qu'elle est trop "théorique".
--> 1 mois plus tard, je lance ma 2eme formation à 90% pratique,
--> 2 mois plus tard, je fais le choix d'inclure mes deux formations au prix d'une pour avoir pratique et théorie.

Janvier 2021 : 
Des vidéos sans accompagnement, on a déjà youtube pour ça, non?
-->Je rajoute 1h d'accompagnement
-->Je rajoute l'assistance virtuelle illimitée par Whatsapp

Mars 2021 :
 Le growth ça évolue tout le temps donc :
-> Je crée le labo (Des mises à jour de contenu)
-> Je lance @copygrow (Des workflows techniques d'automatisation à répliquer)

Novembre 2022:
On me demande de l'accompagnement :
->Je crée de nouvelles offres de coaching sur mesure

𝐕𝐨𝐢𝐜𝐢 𝐪𝐮𝐞𝐥𝐪𝐮𝐞𝐬 𝐫𝐞́𝐬𝐮𝐥𝐭𝐚𝐭𝐬 𝐨𝐛𝐭𝐞𝐧𝐮𝐬 𝐞𝐧 𝟏 𝐚𝐧 :
 #1 position sur google
+2K abonnés sur youtube
19K abonnés sur Linkedin
26K abonnés sur TikTok
+4K inscrits

𝐕𝐨𝐢𝐜𝐢 𝐪𝐮𝐞𝐥𝐪𝐮𝐞𝐬 𝐭𝐞́𝐦𝐨𝐢𝐠𝐧𝐚𝐠𝐞𝐬 :
⭐️⭐️⭐️⭐️⭐️ (5/5)
"Franchement que dire de plus sur la formation de Kevin elle vraiment génial beaucoup de valeurs et de pratique ce qui permet d’être en place rapidement je recommande fortement !!"
⭐️⭐️⭐️⭐️⭐️ (5/5)
"Super formation. Très concrète contrairement aux autres formations sur le marché. Kevin est top et toujours disponible pour répondre aux questions. Je recommande fortement ;)."
⭐️⭐️⭐️⭐️⭐️ (5/5)
"Comment ne pas apprendre les meilleures techniques avec un expert reconnu et d'une grande pédagogie sur le sujet growth ! A consommer sans aucunes modérations."

Tu souhaites avoir 1 hack par jour dans ta boite email?
https://formation-growth-hacking.fr/#1hackparjour

Tu souhaites accéder à la formation?
https://formation-growth-hacking.fr/pour-commerciaux

Envie d'un coaching?
https://formation-growth-hacking.fr/coaching

Founder 🇫🇷> La formation des entrepreneurs à +5 chiffres par mois

👉 #1 formation growth de France 🇫🇷 
👉 +1000 élèves en 1 an 
👉 Avis : 5/5 ⭐️ ⭐️ ⭐️ ⭐️ ⭐️ (+200 avis)

Kevin Dufraisse

TotalEnergies

Activités Stratégie Data & Data Management :
- Identification des enjeux métiers corrélés au sujet des données
- Hiérarchisation et priorisation de la roadmap Data
- Mise à jour et outillage de l’offre de service « Stratégie Data Management » du Data Office Marketing Solutions
- Mesure de la maturité data et proposition de plans d'actions
- Activités de data gouvernance et knowledge (sur DataGalaxy) : déploiement du framework data gouvernance au sein des entités Marketing France

Activités Formation data :
- Participation aux groupes de travail et de suivi pour la création du parcours Data de la compagnie
- Concevoir et rédiger le complément aux formations Data pour les adapter aux besoins de la Branche Marketing Solutions

Data Strategy

BeAdvize

co-fondateur

Criteo

Data Officer (France et Espagne):

> Piloter la conception du modèle de données (Client, Produit, etc) avec un équilibre optimal entre l'efficacité des processus, les spécificités des BU vs Core model, les évolutions du business model et les exigences de reporting de l'entreprise
> Définir et mettre en œuvre un cadre de gouvernance des données où les principes, les politiques, les rôles et les responsabilités des parties prenantes des données sont définis et contribuent à maximiser les résultats commerciaux, l'efficacité opérationnelle, la qualité des données et l'accès aux informations.
> Gérer la gouvernance des données en effectuant des actions clés telles que maintenir à jour le dictionnaire des données critiques et leur propriété, produire des tableaux de bord réguliers (PowerBI) sur la qualité des données et coordonner les actions de remédiation.

> Animer les activités du Data Governance Office :
- S'assurer que les recommandations des experts en modèles de données sont priorisées et mises en œuvre
- Organiser les principales activités des Data Analysts telles que l'achèvement du dictionnaire et du catalogue de données, l'examen mensuel de la qualité des données et la correctionn.
- Examiner la nouvelle conception des contrôles avant leur mise en œuvre dans le Data Quality Scorecard
- Animer des comités data mensuels avec les propriétaires de données afin de partager les progrès du déploiement du cadre de gouvernance des données et de valider les prochaines priorités

>Animer les comités de gouvernance data avec les sponsors et collaborer avec les équipes de gestion de projets métiers et les équipes IT (y compris les architectes) afin de garantir que les méthodologies de gouvernance des données sont appliquées lors des projets (inventaire des données, revues de modèles de données, linéage des données, etc.)

Chief Data Officer

NEUFLIZE OBC

Transition manager Market Data Analytics

ODDO BHF

Chef de projet Analytics

BNP Paribas

Intervention sur le stream Data Quality dans le cadre du programme RADAR (BCBS239) pour l’amélioration de la qualité des données comptables et des reportings (IFRS9, Anacredit…)

Project Manager - Direction financière

Dexia

Management de l’équipe risques opérationnels

Manager Risques opérationnels

Societe Generale Corporate and Investment Banking - SGCIB

Intervention comme PM/PMO dans le cadre des projets Volcker & FBL Metrics, pour piloter le dispositif rampup pour le déploiement du reporting Volcker et FBL au sein des équipes FO avec une cible de 98 desks sur 3mois

Team lead- Regulatory

Intervention comme Program Manager Officer dans le cadre du programme stratégique PETRA pour l’offshoring de l’activité middle office et IT

Portfolio Program Manager

BNP Paribas CIB

Intervention comme Business Analyst Senior au sein de l’équipe Regulatory controls, pour l’automatisation des contrôles anti-fraude au sein des activités marché BNPP CIB.

Management consulting

Project Manager In charge of a portfolio of 4 projects(costing, planning, releases, management, change, risks...).

Lead Business analyst:
Control Tower program: implementation of DeticaNetReveal tool for detection/analysis/investigation of rogue trading using BigData. 
Set up the new mapping and audit risk tool for the RCSA(Risk Control Self-Assessment) process.
Redesign the operational risk process/tool
Offshoring of operational control department to BA and Dev in Bangalore: Project management(planning, cost.)

Product Owner  / Project Manager

Data Gouvernance et Data Management
- Evaluation de la maturité data et mise en place de stratégie data en adéquation avec les stratégies IT et digitale
- Redaction et déploiement des cadres de data gouvernance
- Politique de Data Quality
- Data Knowledge et acculturation

Stratégie digitale et expérience client 
- Benchmark des usages digitaux et des solutions 
- Refonte de l’expérience client digitale
- Mise en œuvre de services innovants

Lean management et amélioration continue
- Modélisation et refonte de processus
- Audit et optimisation des organisations et des processus

Cadrage de projets et business case
- Etude d’opportunité, construction du business case et du dossier d’investissement
- Définition du plan projet : périmètre, planning, coût, rôles & responsabilités
- Gestion d’appel d’offres : RFI / RFP, évaluation & choix, négociation contractuelle

Pilotage de portefeuille de projets et management agile
- Mise en œuvre des tableaux de bord, pilotage des risques, budget et des ressources
- Mise en place des méthodologies et outillages agile
- Product manager : définition du backlog fonctionnel, qualification, priorisation…

Maîtrise d’Ouvrage et change management
- Formalisation des besoins et des spécifications fonctionnelles
- Définition du plan de communication et animation des sessions de formation

Issam BELFKIRA

"On cherche un consultant à tout faire...."

Vraie annonce vue ce matin !

Sérieusement… on est encore là en 2025 ?
Pour rappel, un consultant, ce n’est pas :
 - un couteau suisse
 - un pompier polyvalent
 - un profil “qui fera bien l’affaire”
 - un mélange PO / architecte / dev / chef de projet / expert API / magicien...
Et pourtant, certaines annonces continuent de demander un super-héros multitâche… payé bien sûr comme un seul poste.
Résultat ? Ces missions attirent exactement les mauvais profils.
Et les bons consultants, eux, fuient immédiatement.

Le plus fou dans l’histoire :
 - certains managers/cdp pensent encore qu’on fait appel à un consultant pour “tout faire”, alors que la valeur d’un consultant, c’est justement l’expertise ciblée.
Mais aussi… Les ESN ont une responsabilité énorme là-dessus.
Accepter ce genre de demandes au lieu de challenger le client, c’est participer au problème (je vois les commentaires arriver sur ce point...)
On ne staffe pas un projet complexe avec un “expert fourre-tout”.

Un besoin flou = une mission bancale = un projet qui dérape.....Toujours !

S’identifier sur LinkedIn | LinkedIn

JSESSIONID

li_at

Freelance expert Data Strategy & Management.

« On veut faire de l’IA !!»

C’est souvent comme ça que commence la conversation avec un client :
- Vous avez une gouvernance data solide ?
- « Non, il faudra la mettre en place aussi… »
- Et la qualité de vos données ?
- « On va profiter de l’IA pour la revoir...»

Ce dialogue, je l’entends assez souvent.

Beaucoup d’entreprises rêvent déjà de copilote, Mistral... d’automatisation intelligente ou de modèles génératifs.
Mais du coup, elles veulent bâtir l’IA… sur un socle data qu’elles ne maîtrisent pas.

La réalité ?
L’IA n’est pas un raccourci.
 Elle amplifie ce que vous avez déjà :
Des données propres -> des modèles fiables
Des données approximatives -> des décisions approximatives
Pas de gouvernance -> dérives, risques, perte de contrôle
Pas de vision data -> pas de ROI sur l’IA

Alors, avant de parler IA, parlons fondations :
- Gouvernance claire
- Qualité et traçabilité des données
- Architecture robuste
- Culture data (car on l'oublie souvent dans les roadmaps)
- Cas d’usage alignés avec le business

Sans ça, l’IA n’est pas un accélérateur -> C’est un mirage.

Les entreprises qui réussiront l’IA ne seront pas celles qui implémentent un modèle en premier…
Mais celles qui maîtrisent leurs données mieux que les autres.

Envie d’éviter ce piège et de structurer une vraie stratégie data/IA ? ;) 
On peut en discuter !

La même offre (mot pour mot) -> 2 TJM aux antipods !

Sur la 1ere, on propose 675, quant à la 2eme, elle propose une fourchette plus intéressante de 800-900..

Je laisse ça ici... sans plus de commentaires....

#𝗳𝗿𝗲𝗲𝗹𝗮𝗻𝗰𝗲 #conseil  #𝗶𝗻𝘁𝗲𝗿𝗺𝗲́𝗱𝗶𝗮𝘁𝗶𝗼𝗻 #freelancing #plateformefreelance

Ce n’est pas votre framework qui bloque votre Data Office.
C’est votre organisation qui n’y croit qu’à moitié.

On cherche souvent la faute dans la technique : un modèle qui manque, un outil qui ne fonctionne pas, une méthode qui ne tient pas la route...

Mais la vérité est bien plus simple :
Ce n’est pas la gouvernance qui échoue, c’est l’entreprise qui n’est pas engagée.

Soyons honnêtes :
Vous pouvez avoir le meilleur framework, le plus beau RACI, un data catalog flambant neuf, et même un programme Data Quality ultra-structuré...

Si l’organisation n’y croit qu’à moitié, tout reste en mode théorique.

Je le vois partout :
- Data Owners nommés mais jamais impliqués
- Métiers qui ne priorisent pas la qualité
- DSI qui pousse sa roadmap “quoi qu’il arrive”
- Contrôles définis, mais pas intégrés
- Glossaire mis en place... mais jamais utilisé
- Sponsors qui “valident”, mais ne tranchent rien

Dans ces conditions, même le framework le plus parfait ne tiendra pas.

Ce n’est pas un problème de governance.
C’est un problème d’adhésion, de discipline, de leadership... voire de courage organisationnel.

Un Data Office fonctionne quand :
- les métiers jouent leur rôle
- la DSI aligne ses priorités
- le Comex assume ses arbitrages
- les Data Owners sont responsabilisés et responsabilisent à leur tour
- les équipes voient la valeur de la donnée (c’est, à mon avis, le point clé)

Mais surtout, on ne fait pas tourner un Data Office en installant un nouvel outil.
Tout comme la gouvernance n’est pas un simple framework, que j’ai déjà vu circuler comme si c’était la potion miracle.

La gouvernance des données, c’est un engagement collectif.

Et vous ?
Dans votre organisation, c’est le framework qui bloque ? Ou c’est plutôt… le manque d’engagement ?

🧠 J'accompagne les DSI et Directions Métiers dans leurs projets de transformation digitale.

🔔 Mission freelance : IT Project Manager - PARIS

Contexte de la mission:
Une banque de financement et d’investissement de premier plan, engage un projet stratégique visant à déployer l’IT Run Framework.

Ce cadre méthodologique, inspiré des meilleures pratiques ITIL, a pour objectif de structurer et d’optimiser l’ensemble des activités de production IT, d’améliorer la qualité de service, de renforcer la maîtrise opérationnelle et de soutenir durablement la performance des équipes techniques.


Profil recherché:
Consultant senior avec expérience en gestion de projet IT en environnement CIB
Connaissances ITIL
Solides compétences en conduite du changement et formation
Capacité à travailler en transverse

💡 Pour postuler :
- Communiquez-moi votre email en MP
- Précisez-moi la ou les offres auxquelles vous souhaitez postuler en parcourant les différents posts publiés sur mon profil.

💪
#freelance #missionfreelance #freelanceIT

Non, un Data Office n’est pas une équipe IT.  
Alors pourquoi lui imposer l’agilité des devs ?  

On parle beaucoup d’agilité dans nos organisations.  
Mais à chaque fois qu’on évoque le Data Office, on entend :  
"Faites des sprints"  
"Adoptez Scrum/Safe..."  
"Faites comme l’IT..."  

Et c’est là que le bât blesse.  
L’agilité des devs ne s’applique pas directement aux enjeux data.  
Et ça peut être une cause d’échec de certains programmes data.  

Voici pourquoi :  

1. L’agilité IT livre du code, pas de la clarté.  
Ce que le Data Office doit produire, c’est :  
- Des définitions partagées
- De la qualité mesurée
- Un lineage compréhensible
- Des décisions sur les règles  
- De la conformité et de la confiance

Ce ne sont pas des features, des API ou des microservices. La valeur n’est pas la même, le modèle non plus.  

2. Les sprints d’un Data Office ne sont pas techniques.  
Un sprint IT = du code
Un sprint Data = aligner, clarifier, prioriser, décider !

Exemples :  
"Aligner les définitions finance/risk"  
"Réduire les ambiguïtés dans le glossaire métier."  

Ce n’est pas technique, c’est stratégique.  

3. Le backlog du Data Office n’est pas un backlog de développement.  
Il s’agit d’ambiguïtés, de risques, d’arbitrages, de dépendances, de besoins métier, de règles à trancher.  

L’IT priorise la complexité.  
Le Data Office priorise la valeur et le risque.  

4. La démo n’est pas une démo technique.  
Pas de code, pas de boutons clignotants.  
Mais :  
- Ce qui a été clarifié, aligné, arbitré
- Ce qui débloque un cas d’usage 
- Ce qui réduit un risque réglementaire....

Et ça suffit pour créer de la valeur.  

5. Le Data Office n’a pas besoin d’agilité "IT"
Il a besoin d’une agilité "organique".  
Centrée sur l’alignement, guidée par les risques, orientée métier, pilotée par la maturité.  

L’objectif n’est pas de livrer plus vite.  
C’est d’éliminer les blocages plus rapidement.  

Arrêtons d’imposer au Data Office une agilité qui ne lui convient pas.  
Sa réalité est différente.  
Ses contraintes aussi.  
Et ses livrables ont leur propre nature.  

L’agilité doit être adaptée, pas copiée.  

Un Data Office performant, c’est un Data Office qui avance, qui aligne, qui tranche, qui débloque et qui clarifie.  
C’est ça, la vraie agilité data :)

Les signaux d’alerte d’une gouvernance défaillante ?

Ils apparaissent bien avant les incidents.

On croit souvent que la gouvernance “ne fonctionne pas” à cause d’un outil, d’un framework ou d’une documentation.
Mais en réalité, les problèmes se voient bien plus tôt, et presque toujours au même endroit.

Voici les signaux qui ne trompent jamais :

- Personne ne sait vraiment qui possède quoi !

On nomme des Data Owners “sur le papier”. Mais dans les faits ils ne sont pas impliqués, ils ne décident rien, ils ne valident rien, ils ne sont jamais dans les arbitrages...

-> Quand les rôles existent dans un RACI, mais pas dans la réalité, c’est le premier signe qu’un Data Office va droit dans le mur.

- Le glossaire existe... mais personne ne l’utilise !

On y passe des heures. On définit. On documente. On organise...

Puis le glossaire prend la poussière. Les métiers ne le consultent pas. Les équipes projets l’ignorent. La DSI le contourne :/

-> Un glossaire non utilisé = une gouvernance qui ne s’est pas imposée.

- Les contrôles qualité sont définis… mais jamais traités !

C’est le piège classique : les KPIs existent, les seuils aussi, les anomalies sont identifiées…… mais rien ne bouge.

Pas de plan d’action. Pas de priorisation. Pas de correction à la source.

-> Mesurer sans agir c’est l’un des plus gros signaux d’alerte.

- La gouvernance est déconnectée des projets !

C’est la situation la plus dangereuse : Les projets avancent. La DSI livre. Les métiers demandent. L’IA se lance…

Mais la gouvernance n’est nulle part : ni dans les arbitrages, ni dans les cérémonies, ni dans les comités.

-> Quand la gouvernance devient un “à-côté”, elle ne gouverne plus rien.

- Tout le monde est responsable… donc personne ne l’est !

Ce flou est fatal : trop de contributeurs, trop d’intervenants, trop de zones grises.

-> Quand personne ne tranche, la gouvernance échoue mécaniquement.

Une bonne gouvernance repose sur :
- des responsabilités claires
- des décisions assumées
- des rôles visibles

🎯 Conclusion
Une gouvernance ne tombe jamais d’un coup.
Elle échoue progressivement, à travers ces signaux faibles que l’organisation n'a pas su ou ne veut pas voir.

Les outils ne corrigent rien. Les frameworks non plus.
C’est l’alignement qui fait toute la différence.

Et vous ?
Quel signal d’alerte voyez-vous le plus dans vos organisations ?

𝗦𝗶 𝘃𝗼𝘁𝗿𝗲 𝗗𝗮𝘁𝗮 𝗢𝗳𝗳𝗶𝗰𝗲 𝗻’𝗮𝘃𝗮𝗻𝗰𝗲 𝗽𝗮𝘀, 𝗰𝗲 𝗻’𝗲𝘀𝘁 𝗷𝗮𝗺𝗮𝗶𝘀 𝗹𝗮 𝗳𝗮𝘂𝘁𝗲 𝗱𝘂 𝗳𝗿𝗮𝗺𝗲𝘄𝗼𝗿𝗸.  C’est la faute de l’organisation qui n’y croit qu’à moitié.
 
On peut changer les outils.  On peut changer les process.  On peut changer le modèle de gouvernance.
 
Mais si les métiers ne jouent pas le jeu,  si l’IT ne voit pas l’intérêt,  si le COMEX ne sponsorise pas…
 
Alors même le meilleur framework devient une décoration PowerPoint très chère de par le travail qu'il a nécessité...
 
👉 La vraie question n’est pas “quel framework adopter ?”  C’est : “Qui est réellement engagé dans cette transformation ?”

#dataframework #datagouvernance #datastrategie

Gamification & Gouvernance Data : un levier que les CDO sous-exploitent !

La plupart des programmes de gouvernance échouent pour une raison simple : ils reposent sur la conformité, pas sur l’adoption.

Charte, rôles, dictionnaire, quality checks...
Tout est là, mais rien ne vit dans les métiers.

Et si le véritable levier n’était pas un nouvel outil, mais une nouvelle manière de faire adhérer ?

Gamifier la gouvernance : pas un gadget, un accélérateur d’alignement

Dans plusieurs Data Offices (finance, énergie, assurance...), J'ai pu tester une approche simple :
- transformer les concepts (linéage, contrôles, criticité, qualité) en parcours narratifs
- associer chaque rôle (Owner, Steward, Domain Owner) à une mission claire, motivante
- matérialiser les progrès via des badges, niveaux et cartes
- scénariser les politiques data pour créer du sens

Résultat :
✔ jusqu’à 60 % d’adoption métier en plus
✔ une meilleure appropriation des responsabilités
✔ une réduction 'drastique' des frictions entre IT / Métier / Data Office
✔ un passage du “il faut faire” au “on a envie de comprendre”

💡 Pourquoi ça marche ?

Parce que la gamification adresse les vrais irritants des CDO :
- communication complexe → simplifiée et visualisée
- faible appropriation → responsabilisation ludique
- manque de lien concret au métier → scénarios et impacts visibles
- formation inefficace → apprentissage incrémental et engageant

On ne change pas une culture Data par la contrainte. On la change par l’expérience :)

Ce que les CDO devraient retenir : 
Votre problème n'est pas l’absence de framework.
Ce n’est pas non plus l’outil.
Le problème, c’est que vos collaborateurs ne comprennent pas pourquoi la gouvernance est stratégique.

La gamification, bien exécutée, permet de :
- réconcilier gouvernance et valeur business
- clarifier les responsabilités
- accélérer la maturité data sans complexité
- créer un langage commun entre directions

En 2026, le vrai avantage des Data Offices sera aussi culturel.
Même les meilleures architectures data échouent si personne ne joue son rôle.
Les CDO qui réussiront seront ceux qui sauront créer de l’engagement, pas seulement de la structure.

Je partage volontiers des exemples (maps, parcours, modules, KPIs)
Si vous êtes en pleine transformation Data & IA, je peux vous montrer comment la gamification devient un levier d’adoption en quelques semaines.

Le glossaire n’est pas un dictionnaire. C’est un "accord de paix" entre métiers et IT.


Dans 90 % des organisations, le glossaire est présenté comme une “documentation”→ Or c’est tout sauf ça. Un glossaire bien construit, c’est un outil de gouvernance, pas une bibliothèque !!!

Dans mes missions, j’ai toujours observé la même scène :
- Quand le métier parle de “clients”
- la DSI parle de “Tiers ou contacts”
- la Finance parle de “contrats”
- le Risk parle d' “encours”
Et tout le monde pense parler de la même chose.

Résultat ?
❌ KPI incohérents
❌ chiffres contradictoires entre départements
❌ réunions interminables
❌ décisions prises sur des bases fragiles
❌ et parfois… des incidents réglementaires évitables

Le glossaire n’est pas là pour “définir des mots”. Il est là pour formaliser des accords. Ceux que personne n’a envie d’aborder car “tout le monde sait ce que ça veut dire”.

Un glossaire utile, c’est :
1. Une définition métier validée et compréhensible
2. Une portée claire (où, quand, comment le terme s’applique)
3. Une responsabilité explicite (Data Owner)
4. Une utilisation opérationnelle (KPI, règles de gestion, traitements)
5. Une traduction IT qui aligne modèles, tables, felux et usages

et c’est un aussi un socle important pour l’IA (sinon elle hallucine encore plus vite que vous :/ )

Le vrai rôle du Data Office dans tout ça ?
Créer cet accord de paix. Le maintenir. Et surtout… le faire vivre dans les équipes.
Sans glossaire, vous n’avez pas de gouvernance. Vous avez juste de la sémantique en "freestyle".

Et vous :

Votre glossaire, c’est une référence… ou un document rangé dans un outil que personne n’ouvre ?

En 2026, où va vraiment l’IA ?  

C’est pas seulement une question de puissance, mais de gouvernance et de qualité des données.  Si on veut que l’IA nous serve vraiment, on doit renforcer nos bases dès aujourd’hui.  

Et vous, comment préparez-vous l’avenir de l’IA ?

https://lnkd.in/eawCdPVe

Open article: Quelle direction pour l'IA en 2026 ? by maddyness.com

BCBS239 m’a appris une chose : un KPI peut être “bon”... et totalement faux.

Je remets ce vieux sujet réglementaire sur le devant de la scène car il est plus que d'actualité aujourd'hui.

Au fil de mes interventions ces dernières années dans les grandes banques françaises, j'ai appris une chose :
le KPI est un peu comme certains films cultes : chacun voit sa propre version... et tout le monde se persuade d’avoir compris la fin :)
Les risques calculent une exposition. La CFO un encours. Les business des objectifs ou volumes... 
Et bien sûr l’IT qui vont calculer le résultat des requêtes ou topics....

Et tout le monde dit : 
“Oui oui, on parle bien du même indicateur.” 
Spoiler : non.

C’est pour ça que BCBS239 a provoqué des sueurs froides à la place parisienne à l'époque car :
il a exigé une seule version de la vérité. 

Parce qu’un KPI peut être exact, stable, contrôlé, 
… et complètement faux si la définition n’est pas partagée.

Alors, soyons honnêtes : 
Beaucoup de KPI et reports méritent… une petite thérapie de groupe !

Parce qu’au fond, le vrai problème, ce n’est pas la donnée. 
C’est la compréhension partagée.

Et ça, ça ne s’invente pas. 
Ça se partage.

Et chez vous : quel indicateur, aujourd’hui, vous fait encore douter ? et qui mérite une petite thérapie de groupe ?

𝗟𝗲 𝗗𝗮𝘁𝗮 𝗢𝘄𝗻𝗲𝗿 𝗮 𝗱𝗶𝘁 𝗼𝘂𝗶.  𝗦𝗼𝗻 𝗮𝗴𝗲𝗻𝗱𝗮, 𝗻𝗼𝗻 !
 
C’est l’un des paradoxes les plus fréquents dans les Data Offices :  On nomme des Data Owners…  …mais on ne leur donne ni le temps, ni les moyens, ni le mandat pour exercer leur rôle.
 
Résultat ?
 
• gouvernance symbolique
• responsabilités floues
• décisions retardées
• qualité des données stagnante
• frustration généralisée
 
Nommer un Data Owner, ce n’est pas cocher une case.  C’est 𝗮𝗹𝗹𝗼𝘂𝗲𝗿 𝗱𝘂 𝘁𝗲𝗺𝗽𝘀, de l’autorité, et un périmètre décisionnel clair.
 
Sans cela, le rôle existe sur l’organigramme…  mais pas dans l’entreprise.
 
👉 La gouvernance ne souffre pas de manque de rôles.  Elle souffre de manque de disponibilité.

#datagouvernance #datastratégie #datagovernance #dataowner

taplio

The Battle

Kevin Dufraisse

Issam BELFKIRA

Followers

Posts

Engagements

Likes

Performance ScoreIssam BELFKIRA's LinkedIn Performance

Ready to grow your LinkedIn presence?

taplio

The Battle

Kevin Dufraisse

Issam BELFKIRA

Followers

Posts

Engagements

Likes

Performance Score.css-goub6s{font-size:var(--chakra-fontSizes-md);font-weight:500;color:var(--chakra-colors-gray-600);display:block;margin-top:var(--chakra-space-1);}Issam BELFKIRA's LinkedIn Performance

Ready to grow your LinkedIn presence?

Performance ScoreIssam BELFKIRA's LinkedIn Performance