Guide · L’IA sur les données

L’IA sur les données d’entreprise : faut-il une couche sémantique ?

Benjamin Derville · Mis à jour le 10 novembre 2026 · 8 min de lecture

Ce guide décrit ce qu’il faut mettre en place pour qu’une IA (assistant, agent) réponde juste sur les données d’une entreprise : ce qui fonctionne d’emblée, pourquoi elle se trompe, les niveaux de gouvernance possibles, et le niveau nécessaire pour chaque usage.

01Ce qui fonctionne sans gouvernance

Une IA connectée directement à une base de données fonctionne bien quand :

les sources sont peu nombreuses et le schéma lisible (noms de tables et de colonnes explicites)
les utilisateurs savent vérifier une requête SQL (équipe IT / data)
les questions sont exploratoires : un chiffre faux est sans conséquence

Le critère n’est pas la taille de l’entreprise. Une petite entreprise sur un ERP mal paramétré peut être plus difficile qu’une ETI avec un entrepôt bien modélisé.

02Pourquoi l’IA se trompe sur les données

Cause	Symptôme	Ce qui y répond
Données complexes ou désordonnées	Mauvaises tables, mauvaises jointures	Catalogue
Mauvaise qualité des données	Réponse fausse donnée avec assurance	Catalogue (qualité, fraîcheur)
Vocabulaire propre à l’entreprise	L’IA ne comprend pas « client actif », « CA net »	Glossaire
KPI propres à l’entreprise	Outils différents, chiffres différents, perte de confiance	Couche sémantique (modèles, métriques)
Droits d’accès	Fuite de données sensibles	Permissions au niveau de la base
Coût non maîtrisé	La facture de l’entrepôt s’envole à l’échelle	Modèles pré-agrégés, suivi des coûts

03Les niveaux de gouvernance

Chaque niveau ajoute une couche de connaissance sur laquelle l’IA s’appuie. Il est rare d’avoir besoin des six.

Niveau	Contenu	Forme	Maintenu par
1Contexte	L’entreprise, ses activités, ses utilisateurs	Texte	–
2Catalogue	Description des tables et colonnes, qualité, fraîcheur, lignage	Texte + métadonnées	IT / data
3Glossaire	Les termes métier et leur sens	Texte	Métier
4Droits d’accès	Qui peut voir quelles données	Permissions	IT / data
5Couche sémantique (modèles, métriques)	Calculs formalisés et standardisés	Modèle, code	IT / data
6Ontologie	Relations entre entités, actions possibles	Modèle, code	IT / data

1Contexte

Ce que fait l’entreprise, ses métiers, qui pose les questions et pourquoi. Sans contexte, l’IA passe à côté du sujet même avec les bonnes tables.

2Catalogue

À quoi sert chaque table, ce que contient chaque colonne, si la donnée est fiable et à jour. C’est le niveau qui évite les mauvaises jointures et les tables obsolètes. Exemples d’outils : Unity Catalog, DataHub, catalogues natifs des entrepôts.

3Glossaire

Le vocabulaire de l’entreprise, en langage courant : « client actif = a commandé dans les 12 derniers mois ». Il aligne l’IA sur la façon dont parle l’entreprise. Il ne fige pas le calcul.

4Droits d’accès

Les droits d’accès entrent en jeu quand l’IA est ouverte aux équipes métier. Selon l’entreprise, cela arrive avant les métriques (les métiers travaillent à partir du glossaire) ou après (une fois seulement les métriques clés formalisées).

Définissez-les au niveau de la base (tables, colonnes, lignes). Des permissions définies uniquement dans une couche sémantique sont contournées dès que l’IA écrit son propre SQL.

5Couche sémantique (modèles, métriques)

Le calcul est écrit une fois, en code, et tout le monde l’utilise. C’est ce qu’on appelle habituellement une « couche sémantique ». Exemples d’outils : dbt / MetricFlow, Cube, LookML, Snowflake semantic views, Databricks metric views.

6Ontologie

La formalisation des objets métier (client, commande, magasin), de leurs relations et des actions possibles sur eux. Utile quand l’IA ne se contente pas de lire mais agit. Exemple : l’ontologie de Palantir Foundry.

04Quel niveau pour quel usage

Usage	1Contexte	2Catalogue	3Glossaire	4Droits d’accès	5Couche sémantique	6Ontologie
Exploration par l’équipe IT / data
Self-service pour les métiers (lecture)
Agents qui agissent (écrire, déclencher)

NécessaireSelon la complexité

Les agents qui agissent ont aussi besoin de permissions explicites sur leurs actions.

05Par où commencer

Connecter l’IA aux données et l’utiliser en interne (équipe data).
Documenter le catalogue : les tables les plus utilisées d’abord.
Écrire le glossaire avec les équipes métier.
Mettre en place les droits d’accès au niveau de la base, avant l’ouverture aux métiers.
Ne formaliser en métriques que les indicateurs qui doivent être identiques partout.

06Lexique

Catalogue: Inventaire documenté des tables et colonnes.
Couche sémantique: L’ensemble des définitions métier formalisées (au sens large : glossaire + métriques ; au sens strict : métriques en code).
Glossaire: Définitions des termes métier en langage courant.
Lignage: D’où vient une donnée et quelles transformations elle a subies.
Métrique: Calcul formalisé d’un indicateur.
Ontologie: Modèle formel des objets métier, de leurs relations et des actions possibles.

07Comment Myriade s’y prend

L’essentiel de ce travail se faisait à la main, sur des mois. Myriade utilise l’IA pour construire la gouvernance ; les équipes la valident.

Niveau	L’IA de Myriade	Votre équipe
Contexte	Capte le contexte de l’entreprise et les questions posées par les utilisateurs	Peut relire
Catalogue	Documente tables et colonnes en autonomie en explorant les données ; pose des questions en cas d’ambiguïté ou d’information manquante.	Répondre et valider
Glossaire	Propose les termes métier et leurs définitions, à partir des données et des usages	Valider avec les métiers
Métriques	Rédige les modèles sémantiques des indicateurs qui doivent être identiques partout	Approuver
Droits d’accès	Propose des permissions au niveau de la base pour chaque rôle de l’organisation	Adapter et valider

En quelques heures, nous posons ainsi des fondations solides pour utiliser l’IA sur vos données, dans n’importe quel assistant IA.

Réserver un appel Commencer