Context Intelligence : la fondation dont chaque agent IA a besoin

La Context Intelligence correspond à la signification métier gouvernée qui rend les données d’entreprise exploitables à la fois par les humains et par l’IA. Elle rassemble les données maîtres (master data), les métadonnées, les données de référence, la traçabilité (lineage), les relations, les règles, la provenance et la connaissance métier afin que les données puissent être correctement interprétées et utilisées avec confiance.

Pour les agents IA, cela est particulièrement important car le contexte ne peut plus rester implicite. Un humain sait généralement quel enregistrement client est fiable, quelle hiérarchie appliquer ou quelle exception ignorer. Un agent IA a besoin que cette même compréhension soit rendue explicite, structurée et réutilisable.

« La gestion du contexte d’entreprise consiste essentiellement à gouverner tout ce qui permet à vos données d’être interprétées correctement. »
— Alaa Hoblos, APGAR

 

Kash Mehdi a présenté ce concept comme la couche intermédiaire manquante entre les systèmes d’entreprise et les modèles d’IA : une représentation lisible par les machines des clients, produits, interactions, historiques, concepts métier et relations, permettant aux agents de raisonner à partir d’une réalité métier fiable.

« La Context Intelligence est le pont qui relie vos modèles d’IA à vos données d’entreprise. »
— Kash Mehdi, Reltio

 

En résumé, la Context Intelligence est ce qui permet à l’IA de passer du simple accès aux données à une véritable compréhension du fonctionnement de l’entreprise.

Les organisations peuvent-elles construire une Context Intelligence à partir de leurs actifs existants ?

Le deuxième grand thème abordé concernait la nécessité, ou non, de mettre en place une nouvelle couche technologique dédiée à la Context Intelligence, et dans quelle mesure les organisations peuvent s’appuyer sur leurs capacités existantes.

Les deux intervenants ont souligné que la plupart des entreprises ne partent pas de zéro. Beaucoup disposent déjà d’un ensemble conséquent de solutions de gestion des données : MDM, catalogues de données, outils de gouvernance, etc. L’enjeu consiste aujourd’hui à connecter et faire évoluer ces capacités afin qu’elles puissent soutenir à la fois la prise de décision humaine et les actions pilotées par l’IA.

« L’idée n’est pas de remplacer ce qui existe déjà. Il s’agit d’y ajouter de nouvelles capacités. »
— Alaa Hoblos, APGAR

 

Par exemple, un catalogue de données qui aidait auparavant les utilisateurs à comprendre les définitions métier et la traçabilité doit désormais répondre à de nouvelles questions : ces données sont-elles adaptées à l’entraînement d’une IA ? Quelles données conviennent le mieux à un cas d’usage d’IA spécifique ? Quelles métadonnées sont nécessaires pour rendre un produit de données exploitable par un agent IA ?

Le MDM joue un rôle particulièrement important, car les agents IA ont besoin de représentations fiables des entités clés de l’entreprise : clients, produits, fournisseurs, matériaux, actifs et relations associées. Toutefois, Kash Mehdi a souligné que les approches traditionnelles doivent évoluer.

« Si vous vous limitez à un MDM classique, cela ne suffira pas dans cette nouvelle ère. »
— Kash Mehdi, Reltio

 

Le message n’est pas que les capacités actuelles de gestion des données sont obsolètes. Elles doivent devenir plus connectées, plus réutilisables et davantage prêtes pour l’automatisation. La gouvernance doit également évoluer : d’une fonction perçue comme un simple mécanisme de contrôle, elle doit devenir le socle d’une IA fiable.

Par où les organisations doivent-elles commencer ?

Enfin, l’un des points clés de l’échange concernait le point de départ pour les organisations dont les capacités de gestion du contexte sont aujourd’hui fragmentées.

Alaa Hoblos a insisté sur la nécessité de trouver un équilibre entre les cas d’usage métier et la mise en place d’un cadre d’entreprise réutilisable. Le cas d’usage apporte une direction claire : quelles entités sont concernées, quel contexte est nécessaire et où se situe la valeur. Le cadre commun garantit quant à lui que le contexte ne doit pas être reconstruit à chaque nouveau projet.

« Il faut combiner un cas d’usage spécifique avec une approche commune permettant de construire quelque chose de réutilisable pour l’avenir. »
— Alaa Hoblos, APGAR

 

De son côté, Kash Mehdi a proposé une première étape très pragmatique pour les dirigeants : consacrer les 30, 60 ou 90 premiers jours à identifier et qualifier les cas d’usage prioritaires. Ces derniers ne doivent pas se limiter à une liste de problèmes métiers. Ils doivent être reliés à la stratégie de l’entreprise, aux résultats attendus et aux opportunités d’automatisation.

« Consacrez les 30, 60 ou 90 premiers jours à identifier et à sélectionner une liste de cas d’usage. »
— Kash Mehdi, Reltio

 

À partir de cette base, les organisations peuvent définir leur modèle opérationnel : qui doit être impliqué, comment les équipes métier et IT collaborent, comment les cas d’usage sont priorisés et comment le contexte est gouverné dans la durée.

Le principal enseignement de cette session est clair : donner aux agents IA l’accès aux données de l’entreprise ne suffit pas. Pour agir de manière fiable, ils ont besoin d’un contexte métier digne de confiance, connecté et réutilisable. Les organisations disposant déjà de solides fondations en gestion des données bénéficient d’une longueur d’avance, mais ces fondations doivent désormais évoluer vers un monde où l’IA ne se contente plus d’analyser l’information, mais agit de plus en plus sur celle-ci.

Prêt à construire la Context Intelligence au service de l’IA ?

Comprendre le problème n’est qu’un premier pas. Lors du webinar, Kash Mehdi et Alaa Hoblos ont également abordé les questions très concrètes auxquelles les organisations sont confrontées lorsqu’elles passent de l’expérimentation IA à des agents IA déployés en production :

• Par où commencer lorsque les briques de données, de gouvernance, de MDM et de métadonnées existent déjà mais restent fragmentées ?
• Comment identifier et prioriser les bons cas d’usage pour les agents IA ?
• Comment construire les fondations de données nécessaires tout en démontrant rapidement de la valeur métier ?
• Quel modèle opérationnel mettre en place pour aligner les équipes métiers, data, IT et IA ?
• Comment mesurer la valeur et le retour sur investissement (ROI) de la Context Intelligence ?
• Que révèle la construction d’un véritable agent IA sur les lacunes de votre fondation de données ?

La discussion dépasse la simple définition de la Context Intelligence pour se concentrer sur la mise en œuvre concrète : comment transformer les capacités existantes de gestion des données en une fondation réellement exploitable par les agents IA.

Découvrez l’intégralité de la conversation entre Kash Mehdi, VP et Field CTO chez Reltio, et Alaa Hoblos, CEO et fondateur d’APGAR, pour comprendre comment les organisations peuvent commencer à bâtir les fondations contextuelles indispensables à l’IA agentique.