---
title: "Interview Modern Data Platform : caractéristiques et atouts principaux"
url: https://kwanzeo.com/ressources/interview-modern-data-platform
date: 2025-07-03
updated: 2026-10-14
---

# Interview Modern Data Platform : caractéristiques et atouts principaux

> Échange filmé entre Ismaïl Ben Lamine, directeur du pôle Data Intelligence, et Hubert de Charnacé, président de Kwanzeo, sur l'évolution des plateformes de données vers la Modern Data Platform.

**En résumé :** dans cet échange filmé, Ismaïl Ben Lamine, directeur du pôle Data Intelligence, et Hubert de Charnacé, président de Kwanzeo, décrivent ce qu'apporte une Modern Data Platform : des sources plus variées, une infrastructure cloud plus rapide et scalable, des usages prédictifs, le tout encadré par une gouvernance et une stratégie de sécurité.

@video https://www.youtube.com/watch?v=rbBETgTFE0o "Interview Modern Data Platform : Hubert de Charnacé et Ismaïl Ben Lamine"

Les plateformes data sont stratégiques pour les organisations, et les solutions actuelles ont évolué : comment décrire les plateformes de données modernes, et qu'apportent-elles aux utilisateurs ?

## Transcription de l'interview filmée

**Hubert :**  
 « Bonjour à tous,   
 On est là pour parler Data, pour parler des nouvelles architectures de données. Cela a évolué ! Avant, on parlait de « Business Intelligence », maintenant on parle de « Data Intelligence ».   
  
**Ismaïl :**  
 Tout à fait.   
  
**Hubert :**  
 Est-ce que tu pourrais nous décrire un peu la chaîne d’une plateforme de données plus moderne ?   
  
**Ismaïl :**  
 Avant, on parlait de « BI », de **« Business Intelligence »**, aujourd’hui on parle de **« Data Intelligence »**, donc le facteur en commun c’est bien évidemment la **Data** qui a évolué. Les sources deviennent **multiples, diverses** et variées. On va s’attaquer aujourd’hui à des données qui sont soit **structurées** donc de format simple à interroger, soit **semi-structurées** dans un format comme le **JSON** par exemple, soit pas du tout structurées comme les vidéos, les images. On peut avoir aujourd’hui des usages qui souhaitent attaquer justement ce genre de format. **Les plateformes d’aujourd’hui doivent répondre à ces objectifs**. J’ai besoin d’avoir la donnée là où elle se trouve, peu importe sa volumétrie, peu importe sa typologie car elle va m’aider à prendre la bonne décision pour demain.   
  
**Hubert :**  
 Donc Les plateformes (Data) actuelles vont se connecter à des données extérieures. Il y a donc beaucoup plus de données, y compris dans l’entreprise. On va prendre toutes les données qui pourraient être intéressantes pour prendre des décisions ou agir. Et tout cela on arrive à le faire parce que **l’infrastructure a changé**.   
  
**Ismaïl :**  
 Effectivement, ça c’est le cheminement classique. Avant, on prenait la donnée, on la déplaçait, on la traitait et on la stockait dans ce qu’on appelle la Data Warehouse, un entrepôt de données. Aujourd’hui, on va être plus à déplacer les données **dans ce qu’on appelle un Data Lake**. Les Data Engineers vont ensuite agir en les transformant en les « triturant » pour pouvoir la transformer en données analytiques. Les Data Scientists, eux, aiment bien garder les données qui sont brutes (à ce stade). (Il y a donc) un seul emplacement pour différents usages.   
  
**Hubert :**  
 Dans l’usage classique, on va déjà bénéficier *(de cette Architecture Cloud)* parce qu’on va aller plus vite.   
  
**Ismaïl :**  
 **La rapidité** : on peut faire tourner un flux que l’on faisait tourner hier une *(seule)* fois par jour de manière nocturne, maintenant, en **temps réel ou en quasi-temps réel**, en fonction du besoin. On va aller chercher la donnée de manière plus simple via des **Services qui sont dédiés** à ça, Services plus performants aussi et qui sont (aussi) scalables. Ils s’ajustent automatiquement à la charge, augmentent lorsqu’ils en ont besoin et rebaissent après de manière automatisée lorsque la charge diminue.   
  
**Hubert :**  
 D’accord et donc ces plateformes pourront aussi bénéficier d’améliorations du côté de la visualisation de données, de la collaboration. Donc ça, c’est un premier usage. On parle déjà depuis assez longtemps de la partie **Machine Learning** qui est **sous-jacente à l’IA (Intelligence Artificielle)**. Est-ce que tu peux me dire comment cela se crée ? Quelle est la complexité de ce type d’infrastructure Cloud ?   
  
**Ismaïl :**  
 La **Data Intelligence** vient enrichir ce qu’on appelle la BI par **un nouvel usage qui est la vue prédictive**, Avant, avec la BI, je ne regarde que ce qui s’est passé et j’améliore ma prise de décision pour mieux anticiper le futur. Maintenant, avec la **donnée prédictive** et en fonction de **mon patrimoine de données et de l’historique** que j’ai en ma possession, je vais pouvoir dire ce qui **pourrait potentiellement se produire demain**. C’est en fait **un modèle qui est entraîné (via des Services)** et qui donne des indicateurs prédictifs pour **prendre la bonne décision**.   
  
**Hubert :**  
 D’accord très bien donc c’est quand même un atout en plus car la plateforme peut tenter de prédire l’avenir et si j’ai bien compris, c’est plus simple qu’avant. Cela existe déjà depuis un certain temps, mais c’était (avant) quelque chose d’assez complexe.   
  
**Ismaïl :**  
 Effectivement, c’était un mythe. à un moment donné, **cela est devenu une réalité**. C’était réservé à une certaine population, **les Data Scientists** qui ont un « bagage » statistiques et mathématiques assez fort. Aujourd’hui, on voit de plus en plus **de Data Engineers** le faire. Pourquoi ? Parce que **les Services deviennent plus simples**, moins de code, plus d’usage et même l’utilisateur final commence à le ressentir dans ses outils de tous les jours, comme avec **Copilot** par exemple.   
  
**Hubert :**  
 En résumé, on peut aller chercher **plus de données, on les stocke, ce sont des données plus variées**. On est capable de les **analyser rapidement**, de créer **des systèmes d’analyse de données, de visualisation des données, de collaboration**. Et en plus, on est capable **de construire de la prédiction** et de bénéficier **des logiques d’IA**. Tous ces Services sont rendus par la même plateforme.   
  
**Ismaïl :**  
 Effectivement, donc aujourd’hui **la Data est démocratisée**, on parle aussi **de Self-service**, mais il faut faire attention parce qu’il faut **l’accompagner de la bonne gouvernance, de stratégie de sécurité** pour dire qui a accès à quoi, selon quel périmètre (il y a plusieurs Services pour cela).   
  
**Hubert :**  
 Super, merci beaucoup Ismaïl.   
  
**Ismaïl :**  
 Merci à toi et merci à tous.  
 N’hésitez pas à prendre contact avec nous pour toutes questions liées à la Data Intelligence.

## Pour aller plus loin

Pour approfondir, lisez [notre guide de la Modern Data Platform](/ressources/guide-modern-data-platform), découvrez [notre offre Data Platform](/data-intelligence/data-platform) et les plateformes [Snowflake](/technologies/snowflake) et [Microsoft Fabric](/technologies/microsoft-fabric), ou [contactez-nous](/contact).

### Qu'est-ce qui distingue une Modern Data Platform d'une plateforme BI classique ?

Elle traite des données structurées, semi-structurées et non structurées, souvent stockées dans un Data Lake, avec des services cloud plus rapides et scalables, et ajoute des usages prédictifs fondés sur le Machine Learning, en plus de la visualisation et de la collaboration.

### Le self-service suffit-il ?

Non : la donnée se démocratise, mais le self-service doit être accompagné d'une bonne gouvernance et d'une stratégie de sécurité qui définit qui a accès à quoi, selon quel périmètre.