Référence

Les termes data, IA et Microsoft qui comptent.

Un glossaire pratique des technologies, réglementations et schémas que nous livrons chaque jour · écrit pour les dirigeants, les ingénieurs et tous ceux entre les deux.

Agentic AI: Des systèmes d'IA qui planifient, appellent des outils et entreprennent des actions pour atteindre des objectifs · avec un humain dans la boucle en option sur les décisions critiques. La couche suivante au-delà des chatbots et des copilotes.
AI Act: Règlement de l'UE établissant des règles harmonisées sur l'intelligence artificielle. En vigueur depuis août 2024 avec une application par phases : pratiques interdites fév. 2025, obligations GPAI août 2025, obligations des systèmes à haut risque août 2026, application complète août 2027.
Anthropic: Entreprise de sécurité de l'IA à l'origine de la famille de grands modèles de langage Claude · un fournisseur de modèles de fondation utilisé pour les assistants d'entreprise, le codage et les charges agentiques. Les modèles Claude sont disponibles via Azure AI Foundry et AWS Bedrock.
Apache Kafka: Plateforme distribuée de streaming d'événements où des producteurs publient des événements et des consommateurs les lisent · déplace des millions de messages par seconde entre les systèmes et sous-tend les pipelines temps réel et les architectures orientées événements.
Apache Spark: Moteur open source pour le traitement de données à grande échelle · gère le batch, le streaming, le SQL et le machine learning en mémoire, bien plus rapidement que l'ancien Hadoop MapReduce. Le moteur de calcul derrière Microsoft Fabric et Databricks.
Article 9 (AI Act): Obligation de système de gestion des risques pour l'IA à haut risque · la colonne vertébrale de tout le cadre de conformité. Exige d'identifier, d'analyser et d'atténuer les risques tout au long du cycle de vie du système d'IA.
Azure AI Foundry: La plateforme unifiée de Microsoft pour construire, déployer et gérer des applications d'IA · y compris les modèles OpenAI, Azure ML, le fine-tuning, les harnais d'évaluation et les garde-fous d'IA responsable.
Azure Synapse: Le service analytique de génération précédente de Microsoft (pools SQL, Spark, pipelines). Microsoft Fabric en est le successeur SaaS ; la plupart des nouveaux projets mid-market démarrent sur Fabric.
Bronze / Silver / Gold (medallion): Modèle d'architecture de données en couches dans le lakehouse : Bronze = événements bruts, Silver = nettoyés et conformés, Gold = curés et prêts pour le métier. Modèle standard dans Microsoft Fabric et Databricks.
Capacity (Microsoft Fabric): Unité de calcul dans Microsoft Fabric, dimensionnée en F-units (F2, F4, F8 ... F2048). La plupart des mid-market démarrent avec F8 ou F16 pour les trois premiers mois · F32+ est rarement nécessaire pour les organisations de moins de 500 employés.
Centre of Excellence (CoE): Structure de gouvernance pour les programmes de citizen developers · fournit des environnements, des politiques DLP, des pipelines ALM, des standards de nommage et une galerie de modèles certifiés. Essentielle pour faire évoluer en toute sécurité l'adoption de Power Platform.
Change Data Capture (CDC): Technique d'intégration qui capture uniquement les changements au niveau des lignes (insertions, mises à jour, suppressions) dans un système source et les diffuse en aval · maintient les lakehouses et l'analytique en temps quasi réel sans rechargements complets.
ChatGPT: L'assistant conversationnel d'OpenAI construit sur ses modèles GPT et o-series · le produit d'IA générative le plus utilisé et, pour beaucoup d'organisations, le premier contact avec les LLM au travail.
Citizen developer: Utilisateur métier qui construit des applications, des automatisations ou des rapports à l'aide d'outils low-code (généralement Power Platform) · dans des garde-fous définis par l'IT. Absorbe le 80/20 du travail à faible risque que les équipes d'ingénierie traditionnelles ne peuvent pas livrer assez vite.
Copilot Studio: Plateforme Microsoft pour construire des agents d'IA spécifiques à un domaine, ancrés sur les données d'entreprise (SharePoint, Dataverse, Microsoft Fabric, API personnalisées). Successeur de Power Virtual Agents.
Data catalogue: Inventaire consultable des actifs de données d'une organisation avec descriptions, propriété, classification et traçabilité · aide les gens à trouver, faire confiance et utiliser correctement les données. Fourni dans la stack Microsoft via Purview.
Data citizenship: Culture dans laquelle chaque collaborateur traite les données de manière responsable, éthique et compétente · le pendant comportemental de la gouvernance des données, qui transforme la politique en pratique quotidienne. Va de pair avec la littératie des données.
Data custodian: Rôle technique responsable du transport, du stockage et de l'exploitation sécurisés des données pour le compte du data owner · généralement des ingénieurs IT ou plateforme qui mettent en œuvre les contrôles d'accès, les sauvegardes et la sécurité.
Gouvernance des données: Cadre de politiques, de rôles et de processus qui définit comment les données sont gérées, sécurisées et utilisées dans une organisation · fixe les règles que les data owners approuvent et que les data stewards font respecter.
Data lake: Stockage à faible coût pour des données brutes, structurées et non structurées dans des formats ouverts · flexible et évolutif, mais nécessite de la gouvernance et de la structure (voir lakehouse) pour devenir fiable pour l'analytique.
Data lineage: Le parcours traçable des données du système source jusqu'à la cellule du tableau de bord. Rend possibles l'analyse d'impact, l'audit et la confiance ; automatisé dans Microsoft Purview.
Data maturity: Mesure de l'efficacité avec laquelle une organisation transforme les données en valeur · couvrant la stratégie, la plateforme, la gouvernance, les compétences et la culture. Le Data Maturity Scan de Sparkle évalue où vous en êtes et ce qu'il faut corriger en premier.
Data mesh: Approche décentralisée qui traite les données comme un produit détenu par les équipes de domaine, sur une infrastructure self-service partagée avec une gouvernance fédérée · autant un changement de modèle opérationnel que d'architecture.
Data owner: Dirigeant métier senior responsable d'un domaine de données · approuve la politique, définit les règles d'accès et détient le budget. Responsable des données, sans les manipuler au quotidien.
Data pipeline: Séquence automatisée qui déplace et transforme les données de la source vers la destination · la tuyauterie derrière chaque rapport, modèle et tableau de bord. Construite et planifiée avec des outils tels que Data Factory, Airflow ou dbt.
Qualité des données: Degré auquel les données sont exactes, complètes, cohérentes, opportunes et adaptées à l'usage · mesuré, surveillé et amélioré comme une discipline, car les décisions ne valent que ce que valent les données qui les sous-tendent.
Data steward: Praticien métier responsable au quotidien de la qualité des données, des définitions et de la conformité au sein d'un domaine · le gardien qui fait respecter les règles approuvées par le data owner.
Data warehouse: Référentiel central de données structurées et modélisées, optimisé pour le reporting et l'analytique · le foyer traditionnel de la BI, désormais de plus en plus livré dans le cadre d'un lakehouse.
Databricks: Plateforme lakehouse construite sur Apache Spark et Delta Lake pour le data engineering, le ML et l'analytique à grande échelle. Sur Azure, elle s'intègre avec OneLake et Microsoft Fabric.
dbt: Data build tool. Un framework SQL-first pour transformer les données dans le warehouse avec contrôle de version, tests, documentation et traçabilité. Fonctionne sur Fabric Warehouse via l'adaptateur dbt-fabric.
Delta Lake: Format de stockage ouvert qui ajoute des transactions ACID, un schéma et le time travel aux fichiers du data lake · la couche de fiabilité qui rend les lakehouses possibles. OneLake stocke les données en Delta Parquet.
Direct Lake: Mode de stockage Power BI qui interroge les données directement depuis les tables delta OneLake sans import ni DirectQuery. Offre des performances de requête inférieures à la seconde sur des tables de milliards de lignes.
DORA: EU Digital Operational Resilience Act · règlement pour les entités du secteur financier sur la gestion des risques ICT, le risque tiers, la notification des incidents et la cyber-résilience. En vigueur depuis janvier 2025.
Embeddings & vector database: Représentations numériques de texte ou d'images qui capturent le sens, stockées dans une base de données vectorielle pour la recherche par similarité. La couche de récupération derrière le RAG et la recherche sémantique.
ETL / ELT: Deux modèles pour déplacer les données · l'ETL transforme avant le chargement, l'ELT charge les données brutes puis les transforme dans la plateforme cible. Les plateformes cloud modernes privilégient l'ELT car le stockage est bon marché et le calcul élastique.
EU AI Act risk tiers: Classification à quatre niveaux : risque inacceptable (interdit), risque élevé (obligations des articles 9-17), risque limité (obligations de transparence art. 50), risque minimal (aucune obligation spécifique). La plupart des cas d'usage en entreprise relèvent du risque limité ou élevé.
EventStream (Microsoft Fabric): Service d'ingestion de données en temps réel dans Microsoft Fabric · achemine les événements depuis Event Hubs, Kafka, IoT Hub ou des sources personnalisées vers des bases KQL ou des lakehouses pour une analytique en moins d'une minute.
Fabric (Microsoft Fabric): La plateforme analytique SaaS unifiée de Microsoft combinant data engineering, warehousing, real-time intelligence, data science, BI et IA · le tout construit sur OneLake avec stockage et calcul séparés. Évolution SaaS de Synapse.
Feature store: Référentiel centralisé de features ML réutilisables · assure la cohérence entre l'entraînement et le serving, réduit la duplication du feature engineering entre les cas d'usage, prend en charge la traçabilité et le contrôle d'accès.
Fine-tuning: Entraînement supplémentaire d'un modèle de fondation sur vos propres exemples pour spécialiser son comportement · une alternative ou un complément au prompting et au RAG lorsque vous avez besoin d'une sortie cohérente et spécifique à un domaine.
GDPR-Health: GDPR Article 9 special category data protections applied to health information · processing prohibited by default, with limited exceptions (consent, public interest, healthcare provision). Stricter than general personal data.
Generative AI (GenAI): IA qui crée du nouveau contenu · texte, code, images, audio ou vidéo · à partir de motifs appris dans les données d'entraînement. La catégorie qui inclut les LLM et les outils construits sur eux.
Google Gemini: La famille de modèles de fondation multimodaux de Google et l'assistant construit sur eux · une alternative de premier plan à OpenAI, intégrée dans Google Workspace et Google Cloud.
GPAI (General-Purpose AI): Modèles d'IA aux capacités étendues (GPT-4, Claude, Gemini, Llama, Mistral). Soumis à des obligations spécifiques de l'AI Act au titre des articles 51-55, échelonnées selon les ressources de calcul utilisées lors de l'entraînement.
Hallucination: Lorsqu'un modèle génératif produit une sortie assurée mais fausse ou fabriquée · la raison fondamentale pour laquelle l'IA d'entreprise a besoin d'ancrage (RAG), de garde-fous et d'une revue humaine.
KQL (Kusto Query Language): Langage de requête pour l'analytique de séries temporelles et de logs dans Azure Data Explorer et Microsoft Fabric KQL Database · optimisé pour des requêtes inférieures à la seconde sur des milliards d'événements.
Lakehouse: Architecture combinant un data lake (stockage objet à faible coût, formats ouverts) avec un warehouse (transactions ACID, schéma, performance). Microsoft Fabric, Databricks Delta Lake et Snowflake Iceberg sont des plateformes lakehouse.
LLM (Large Language Model): Large Language Model. Un modèle entraîné sur d'énormes quantités de texte pour générer et raisonner sur le langage (GPT, Claude, Gemini, Llama). Le moteur derrière le chat, la rédaction, la synthèse et l'IA agentique.
Machine learning: Domaine de l'IA où les systèmes apprennent des motifs à partir des données pour faire des prédictions ou des décisions, plutôt que de suivre des règles écrites à la main · sous-tend la prévision, la classification, la recommandation et la détection d'anomalies.
Master data management (MDM): Discipline consistant à créer une version unique, fiable et cohérente des entités métier essentielles · clients, produits, fournisseurs · partagée entre les systèmes. Met fin au problème « quelle liste de clients est la bonne ? ».
MDR (Medical Device Regulation): Règlement de l'UE régissant les dispositifs médicaux y compris les logiciels · l'IA de diagnostic est souvent doublement réglementée par le MDR + les obligations à haut risque de l'AI Act. Exige le marquage CE, la surveillance après commercialisation et une documentation technique.
Microsoft Copilot: L'assistant d'IA de Microsoft intégré dans Microsoft 365, Windows et la Power Platform · ancré sur les données de votre organisation via le Microsoft Graph, avec la sécurité et la conformité d'entreprise.
Mirroring (Microsoft Fabric): Réplication en temps quasi réel d'une base de données opérationnelle (Azure SQL, Cosmos DB, Snowflake et autres) vers OneLake sans coût de calcul, éliminant souvent tout un projet ETL.
MLOps: Pratiques et outillage pour déployer, surveiller et réentraîner de manière fiable les modèles de machine learning : gestion des versions, CI/CD, détection de dérive et gouvernance tout au long du cycle de vie du modèle.
Model Context Protocol (MCP): Standard ouvert pour connecter les assistants d'IA aux outils, données et systèmes via une interface commune · l'« USB-C de l'IA » émergent, qui facilite l'intégration des agents avec les logiciels d'entreprise.
NIS2: Directive de l'UE sur la cybersécurité pour les entités essentielles et importantes · périmètre élargi (énergie, transport, banque, santé, administration publique, infrastructure numérique, industrie). Échéance de transposition nationale octobre 2024.
OneLake: Lac logique unique sous-jacent à toutes les charges de travail Microsoft Fabric · format ouvert Delta Parquet, gouvernance automatique, raccourcis vers d'autres stockages (Synapse, S3, ADLS, Snowflake) sans copier les données.
OpenAI: Entreprise de recherche en IA à l'origine des modèles GPT et o-series et de ChatGPT · étroitement liée à Microsoft, avec ses modèles disponibles via Azure OpenAI dans Azure AI Foundry.
Orchestration: Coordination de l'ordre, de la planification, des dépendances et de la surveillance des étapes d'un pipeline de données · assurée par des outils tels qu'Azure Data Factory, Apache Airflow ou Dagster.
Perplexity: Moteur de réponse alimenté par l'IA qui répond aux questions avec des réponses synthétisées et sourcées à partir de sources web en direct · une alternative conversationnelle à la recherche traditionnelle.
Power BI: La plateforme d'analytique et de visualisation de données de Microsoft · construit des rapports et tableaux de bord interactifs sur des modèles sémantiques gouvernés, avec une connectivité Direct Lake vers Fabric. L'outil de BI d'entreprise le plus adopté.
Power Platform: La suite low-code de Microsoft : Power BI (analytique), Power Apps (applications personnalisées), Power Automate (workflow), Copilot Studio (agents d'IA), AI Builder (ML à la demande), Pages (sites web). Fondation des programmes de citizen developers.
Prompt engineering: Pratique consistant à concevoir les instructions et le contexte fournis à un modèle génératif pour obtenir une sortie fiable et utile · le levier le moins coûteux pour la qualité avant le fine-tuning ou un outillage supplémentaire.
Purview (Microsoft Purview): La plateforme unifiée de gouvernance des données de Microsoft · classification, étiquettes de sensibilité, traçabilité, découverte de données, registre des risques IA. Remplace Information Protection + Compliance Manager + Data Map sous une seule marque.
PySpark: Interface Python pour Apache Spark · permet aux data engineers d'écrire du traitement de données distribué à grande échelle en Python. La manière par défaut de travailler avec Spark dans les notebooks Fabric et Databricks.
Python: Le langage de programmation dominant pour le data engineering, l'analytique et l'IA · lisible, polyvalent et soutenu par un vaste écosystème de bibliothèques de données. Le langage commun de la stack de données moderne.
RAG (Retrieval-Augmented Generation): Retrieval-Augmented Generation. Ancrer les réponses d'un LLM dans vos propres documents en récupérant les passages pertinents au moment de la requête, afin que les réponses soient exactes, actuelles et sourçables plutôt qu'inventées.
Real-Time Intelligence (Fabric): Charge de travail Microsoft Fabric pour l'analytique en streaming · combine EventStream, KQL Database et Activator (alerting). Fraîcheur en moins d'une minute avec une intégration native dans Power BI et les charges de travail IA.
Responsible AI: Pratique consistant à concevoir, construire et déployer l'IA avec l'équité, la fiabilité, la sûreté, la confidentialité, la sécurité, l'inclusivité, la transparence et la responsabilité intégrées. Opérationnalisée via des harnais d'évaluation, des filtres de contenu, l'humain dans la boucle et des model cards.
Row-Level Security (RLS): Filtrage des lignes dans un modèle sémantique ou une base de données selon qui effectue la requête, afin que chaque utilisateur ne voie que les données auxquelles il a droit. Essentiel pour la BI self-service gouvernée.
Self-service BI: Modèle dans lequel les utilisateurs métier construisent leurs propres rapports et analyses sur des données gouvernées et certifiées · rapide pour les utilisateurs, sûr pour l'IT, car le modèle sémantique détient les définitions partagées.
Semantic model: Couche logique au-dessus de vos données avec des définitions certifiées, des mesures calculées, la sécurité au niveau des lignes, des groupes de calcul et des hiérarchies. La colonne vertébrale de la BI self-service gouvernée · les rapports deviennent une commodité, le modèle est l'actif.
Shortcut (Microsoft Fabric): Pointeur dans OneLake vers des données physiquement stockées ailleurs (Synapse, ADLS, S3, Snowflake) · permet d'interroger sans copier. Essentiel pour une migration incrémentale et pour éviter la duplication de données.
Solution Partner (Microsoft): Désignation du Microsoft Partner Network exigeant un score sur le partner capability score (compétences, déploiements, réussite client, performance). Sparkle détient Solution Partner Data & AI · Azure ainsi que Solutions Partner Power Platform · Modern Work.
Tier-1 / Tier-2 / Tier-3 KPI: Cadre de hiérarchie des KPI : Tier-1 (GOLD) pilote la stratégie · 5-7 métriques pour le conseil et la direction ; Tier-2 (SILVER) pilote les opérations · 10-15 métriques ; Tier-3 (BRONZE) soutient les spécialistes · 30+. Évite le piège des « 55 KPI tous au niveau exécutif ».

Terme manquant ??

Nous ajoutons des termes au fil de nos projets clients. Proposez-en un et nous l'étudierons pour la prochaine mise à jour trimestrielle.

Proposer un terme