Comment retenir facilement les enjeux du big data ? C’est relativement simple et ils peuvent se mémoriser en reprenant les lettres big data : B comme business model, I comme innovation dans les usages, G comme génération de valeur, D comme nouvelle approche de développement des projets, A comme analytique, T comme technologies (briques spécifiques) et A comme avenir.
Mais, au-delà de ces enjeux, plutôt vus dans une perspective optimiste, le big data est générateur, pour les DSI, de trois risques majeurs qui sont rarement mis en exergue. Le premier est d’être « dépassé par les événements ». Le big data, comme l’Internet des objets ou l’intelligence artificielle, change considérablement la volumétrie des données à gérer. Le risque est de provoquer un emballement, hors de contrôle, à mesure que tous les métiers vont vouloir leur application big data/IA rien que pour eux. Et sur ce terrain, ils auront beaucoup d’imagination.
Second risque : voir s’immiscer, si ce n’est pas déjà le cas, les problèmes « politiques » dans les projets big data, avec luttes de pouvoir et lancements de projets pour contenter tel ou tel dirigeant, même si le ROI sera hypothétique. On est bien loin des choix de serveurs ou d’infrastructures réseau, pour lesquels ces enjeux de pouvoir ne sont guère présents. Enfin, par analogie avec les principes de politique macro-économique, le big data pose la question du choix entre une politique de l’offre et une politique de la demande.
Le DSI doit-il être force de proposition (offre) ou attendre que les métiers formulent leurs exigences (demande) ? Comme en matière de politique économique, les « experts » ne sont pas d’accord… En théorie, privilégier une politique de l’offre ou une politique de la demande dépend des cycles économiques et budgétaires.
Le risque, pour les DSI, est de se tromper de posture et d’agir à contre-cycle : encourager la demande, en période de ressources rares, est tout aussi risqué que de susciter l’offre, sans avoir les moyens de délivrer (trop vite) les promesses… Et dans le domaine du big data, on sait qu’elles peuvent être très nombreuses !