Une précision sur l’angle. Les prochains numéros de cette série exploreront les implications de l’IA pour l’ensemble de l’organisation — compétences, rôles, gouvernance, roadmap. Ici, nous avons choisi de commencer par ce que les équipes data vivent de l’intérieur, parce que c’est là que la transformation se manifeste le plus intensément depuis 2022. L’IA agentique brouille d’ailleurs la frontière entre la DSI, l’équipe data et les métiers — nous y reviendrons.

Du fait de leur background technique, les équipes data ont été les premières à adopter l’IA dès 2023 — d’abord pour accélérer leur propre production (code, analyses, documentation), puis pour réfléchir à comment rendre cette productivité accessible au reste de l’organisation. C’est de ce recul que naît cet article : qu’avons-nous appris, et qu’est-ce qu’on peut en déduire pour la suite ?

En bref — ce qu’il faut retenir de cet article :

• L’IA générative réduit de 56 % le temps de programmation — mais introduit 23,7 % de vulnérabilités supplémentaires et multiplie par quatre la duplication de code.
• Sur des périmètres bien cadrés (prototypage, analyses, pipelines, documentation), une équipe de 5 personnes peut aujourd’hui couvrir le terrain de 15 — à condition de maintenir la qualité architecturale.
• Le recrutement de juniors ralentit, mais les données montrent que ce sont eux qui bénéficient le plus de l’assistance IA — l’enjeu est de réinventer leur intégration, pas de les remplacer.
• L’IA rend la data accessible aux ETI et scale-ups : 31 % des PME utilisent déjà la GenAI, et une entreprise peut rentabiliser un profil data dès 5 M€ de CA.
• Le CDO qui ne prend pas en main la gouvernance IA verra émerger de la shadow data et de la shadow IA dans toute l’organisation.

L’IA dans l’équipe data : la révolution silencieuse

Une adoption massive, des gains mesurables

Le mouvement est massif : 53 % des Chief Data & Analytics Officers interrogés par Gartner ont déjà déployé l’IA générative ou se sont engagés à la piloter dans les six mois (enquête CDAO Agenda, Gartner 2024). La plupart des équipes data utilisent ChatGPT depuis le premier jour — pour coder plus vite, automatiser des analyses, produire de la documentation. C’est déjà bien réel et ça va continuer.

Les benchmarks le confirment : une étude MIT Sloan, Microsoft Research et GitHub montre que les outils d’IA générative réduisent le temps de programmation de 56 %. Les développeurs équipés de GitHub Copilot consacrent 12,4 % de temps en plus au coding pur et 24,9 % de temps en moins à la gestion de projet. Selon la Federal Reserve Bank of St. Louis (enquête novembre 2024), les travailleurs en informatique et mathématiques utilisent l’IA dans près de 12 % de leurs heures de travail — le taux le plus élevé toutes professions confondues.

Le revers : dette technique et exigence de qualité

Mais cette accélération a un coût technique qu’il ne faut pas sous-estimer. Des études empiriques montrent que si les assistants de codage augmentent la productivité, ils introduisent simultanément 23,7 % de vulnérabilités de sécurité supplémentaires. Plus révélateur : entre 2021 et 2024, la part du code faisant l’objet de refactorisation est passée de 25 % à moins de 10 %, tandis que la duplication de code a été multipliée par quatre. Le temps consacré à la revue de code a augmenté de 91 % à cause de Pull Requests plus volumineuses (+154 %). C’est le revers du codage assisté par IA : on gagne en vélocité, mais on accumule de la dette technique dont les intérêts vont peser lourd. C’est aussi pour ça que les profils seniors capables de garantir la qualité architecturale deviennent encore plus critiques.

Des équipes plus petites, un périmètre plus large

Concrètement, ce que j’observe dans nos missions — sur des périmètres de prototypage, d’analyse et de développement de pipelines — c’est qu’on arrive aujourd’hui à faire avec 5 personnes ce que faisaient 15 personnes auparavant. Les sprints se raccourcissent drastiquement. Les petites équipes produit sont de plus en plus resserrées, et capables de prendre en parallèle beaucoup plus de sujets avec le même effectif. Ce ratio dépend évidemment de la maturité de la plateforme et du niveau de qualité attendu.

Florent Cattaneo, associé chez Uman Partners et ex-Head of Data :

« Les équipes Data que je dirigeais en 2024 délivraient déjà deux à trois fois plus d’impact que celles de 2021. En 2026, sur une mission de transition pour Faume, nous avons livré un système de pricing data-driven complet en six mois — deux profils expérimentés à mi-temps. En 2021, le même système aurait nécessité un budget d’un à deux millions d’euros et une équipe complète. »

Un signal révélateur : un agentic AI engineer indépendant, ancien VP, a complètement lâché le management pour se concentrer sur le développement agentique en autonomie. Certains clients lui paient un forfait de 5 000 € par mois juste pour avoir une ligne directe. Il refuse de travailler en équipe — il préfère un périmètre bien délimité, un objectif clair, et développer seul avec Claude Code. C’est plus efficace, dit-il, que de coordonner et revoir le code d’autres ingénieurs.

Entre 2022 et 2026, l’adoption par les équipes data a été massive. Il serait désormais difficile d’imaginer travailler autrement. La productivité est bien là — même si elle s’accompagne de nouveaux défis en matière de qualité et de dette technique.

La disparition des juniors

Depuis 2023, le recrutement de profils juniors dans la data et la tech a nettement ralenti. Des diplômés brillants, sortis des meilleures écoles, peinent à trouver leur premier poste technique. C’est un sujet qui préoccupe l’ensemble de l’écosystème. Ces jeunes talents bloqués à l’entrée du marché posent une question de fond : qui seront les seniors dans cinq ou dix ans ?

La réalité économique est cruelle : aujourd’hui, il est souvent plus rapide et moins coûteux de combiner un profil senior avec l’IA que d’investir dans l’onboarding et la montée en compétence d’un junior. Les entreprises optimisent, et les juniors en font les frais.

Mais des signaux encourageants émergent. En février 2026, IBM a annoncé tripler ses recrutements de profils entry-level, estimant que l’ère de l’IA nécessite précisément de repenser les postes pour la nouvelle génération. Et les données le confirment : selon MIT Sloan, ce sont les développeurs juniors qui bénéficient le plus de l’assistance IA, ce qui raccourcit drastiquement leur courbe d’apprentissage. L’IA ne remplace pas les juniors — elle les rend opérationnels beaucoup plus vite. La nuance est importante : cela augmente aussi l’exigence de supervision, et donc la valeur du senior qui encadre.

Florent Cattaneo a pu le constater chez Foodles, où deux profils juniors AI-native ont délivré des résultats prometteurs en un temps record (15 000 heures de productivité annuelle en 4 mois), précisément parce qu’ils avaient grandi avec ces outils et les maîtrisaient intuitivement. L’espoir, c’est que le paysage tech se normalise, que les entreprises apprennent à tirer parti de ces ingénieurs nouvelle génération — et que le cycle du recrutement junior reprenne, sous une forme réinventée.

Ce qui est clair, c’est que les entreprises qui parviendront aujourd’hui à recruter des juniors, les intégrer dans ce nouveau contexte, prendront un avantage en 3 à 5 ans là où d’autres se retrouveront avec une pénurie de séniorité.

La démocratisation de la data et les nouveaux modèles d’organisation

Scale-ups, ETI et PME : la data enfin accessible

Ce qui change peut-être le plus profondément, c’est que l’IA rend accessible la data analytics et la data science à des entreprises qui n’en avaient pas les moyens. Des ETI, des PME, des scale-ups early-stage peuvent aujourd’hui construire des capacités data qui auraient nécessité des équipes de 10-15 personnes il y a cinq ans. Selon l’OCDE (2024), 31 % des PME utilisent déjà la GenAI, et 65 % d’entre elles rapportent une augmentation de la productivité. Plus parlant encore : parmi les PME en pénurie de compétences, 39 % affirment que l’IA a permis de combler ce fossé — et 83 % ne rapportent aucun effet sur le nombre d’employés.

Concrètement, l’IA permet désormais de constituer des équipes data efficaces avec une ou deux personnes seulement au départ — là où, auparavant, les entreprises essayaient mais n’allaient pas bien loin faute de masse critique. Dans ces structures, on voit émerger des profils beaucoup plus polyvalents qu’avant. Le product manager peut prototyper des maquettes fonctionnelles avec l’assistance IA. Le data analyst évolue vers l’analytics engineering et la data science. Le data engineer peut faire de la data analysis en se faisant guider sur le contexte métier. Ce modèle polyvalent prend tout son sens dans les petites organisations — scale-ups, ETI, PME — où la polyvalence est une nécessité vitale, et où l’IA la rend enfin possible.

Florent Cattaneo en a fait l’expérience directe sur une mission de management de transition pour Faume — une plateforme de seconde main pour les marques de mode, structure encore jeune, sans équipe data :

« Avec moins d’un ETP, l’équipe de transition a déployé une plateforme data complète en six mois et un premier cas d’usage de pricing data-driven à fort impact économique : +15-20 % d’accélération des ventes sur 50 % de l’offre — sans recruter personne en interne. Ça n’aurait tout simplement pas été possible il y a trois ans. »

Exemple concret chez un autre de nos clients : une scale-up à 8 millions d’euros de chiffre d’affaires. Nous avons estimé que la première année, avec une petite équipe data, on irait chercher 300 000 € d’impact sur la bottom line. Autrement dit, une entreprise peut se payer de manière rentable un profil data à temps plein à partir de 5 millions d’euros de CA — c’était impensable il y a cinq ans. Cette révolution concerne avant tout les entreprises qui prennent maintenant le train de la data — pas les grands groupes déjà en marche, qui sont dans une logique d’optimisation et d’accélération.

Grands groupes : vers une organisation data plus distribuée

Pour le Chief Data Officer en grand groupe, cette évolution a une implication majeure. Pendant des années, la tendance était à la recentralisation des compétences — data analysis, data science, data engineering — parce qu’il fallait massifier, monter en compétence, animer les bonnes pratiques et concentrer les ressources sur les cas d’usage à plus haute valeur ajoutée. L’IA permet désormais d’envisager une organisation beaucoup plus distribuée : un seul profil data peut couvrir un terrain considérablement plus large qu’avant. Les spécialités restent — mais avec des équipes plus ramassées, plus polyvalentes et une capacité à avancer considérablement plus vite.

Mais c’est une arme à double tranchant. Si le CDO a un leadership faible, il verra émerger de la shadow IA partout dans l’organisation. Le risque est déjà bien réel : selon Cato Networks (2025), 61 % des leaders IT ont identifié des outils d’IA non autorisés dans leurs réseaux, mais seulement 26 % disposent des moyens de les surveiller. Cyberhaven rapporte que 34,8 % des données envoyées vers les outils d’IA sont sensibles — code source, données R&D, dossiers clients. S’il est fort et qu’il tourne cette évolution à son avantage, le CDO peut couvrir le terrain de manière beaucoup plus efficace et distribuée — avec moins de personnes, mais mieux positionnées. Le CDO qui ne prend pas ce sujet en main le subira.

Les cas d’usage métiers qui migrent vers les plateformes data/IA

Benoît Binachon, associé fondateur d’Uman Partners, observe cette mutation chez les grands groupes avant-gardistes :

« On y parle désormais de squads de 2 ou 3 personnes pour développer des features d’une AI-ready platform, là où elles en mobilisaient 7 ou 8 il y a quelques mois. »

Les agents IA représentent déjà 17 % de la valeur IA totale en 2025, projeté à 29 % d’ici 2028 selon BCG — et les entreprises les plus avancées y consacrent 15 % de leur budget IA.

« Le phénomène le plus marquant, c’est que la plateforme data/IA, grâce à l’agentique, absorbe désormais des cas d’usage métiers que les équipes du data/IA office ne peuvent plus gérer seules. Les équipes plateforme développent des cas d’usage où les agents opèrent dans les couches profondes des systèmes — ils interagissent entre eux, écrivent du code, alimentent des bases de données — et automatisent intégralement des processus. »

Un exemple de ce pattern d’agentification bout-en-bout, observé chez un client dans un contexte B2B spécifique : les agents prennent en charge l’intégralité du processus de vente vers des cibles ETI-PME — identification des sociétés, détection des décideurs, engagement, écriture dans le CRM, jusqu’à la souscription. Ce type de scénario reste conditionné à un cadre bien défini : données structurées, processus linéaire, supervision humaine en amont. Mais il illustre la direction.

Cela a des implications importantes sur les ressources humaines, qui se déplacent en partie vers la tech (vs le data office métier) :

• Des profils capables d’être à la fois stratégiques et hands-on, qui parlent aux décideurs et sont proches du code. Donc assez seniors.
• Des talents très agiles, capables de s’auto-former rapidement à des approches très évolutives, tant du point de vue technique que pour l’organisation du travail.
• Des compétences en compliance, gouvernance, éthique et responsible AI — qui deviennent critiques compte tenu des données traitées, des humains à qui les IA s’adressent et des risques encourus.

Ces observations de terrain sont confirmées par les données : selon Gartner (2024, 703 répondants), 67 % des organisations matures créent de nouveaux rôles liés à l’IA générative et 87 % ont déjà une équipe IA dédiée. Parmi les rôles émergents dans les équipes D&A : Knowledge Engineer, Model Manager, AI Ethicist et Head of AI. Le manque de compétences et d’effectifs est identifié par les CDAOs comme le principal frein au succès de leurs équipes.

Nous traiterons en détail l’évolution des compétences et des rôles dans les articles suivants de cette série — notamment dans Les compétences de l’ère agentique (4/7) et Quels rôles émergent — et lesquels disparaissent (5/7).

Les CDO ont obtenu le mandat IA… mais sont attendus au tournant

Autre signal fort : contrairement aux prédictions alarmistes, l’IA ne réduit pas les équipes data — elle les recompose. Selon le rapport dbt Labs 2025, 40 % des responsables d’équipes data ont augmenté leurs effectifs en 2025 (contre seulement 14 % en 2024), l’IA étant devenue la priorité d’investissement n°1 pour 45 % des organisations. Sur les 244 000 emplois tech supprimés en 2025, seuls 4,5 % sont directement attribuables à l’IA — le reste relève de corrections post-pandémiques et de conditions macroéconomiques.

Les chiffres confirment cette montée en puissance stratégique du CDO : selon Gartner (2025), 70 % des CDAOs sont désormais responsables de la stratégie IA et du modèle opérationnel associé, et 36 % rapportent directement au CEO (contre 21 % l’année précédente). Le message de Gartner est limpide : d’ici 2027, 75 % des CDAOs qui ne seront pas perçus comme indispensables au succès de l’IA perdront leur statut exécutif. Le budget suit : selon Capgemini, 12 % du budget IT moyen est désormais consacré à l’IA générative, avec 61 % d’augmentation prévue.

Ce que cela implique : 3 décisions pour un CDO/DSI en 2026

Au terme de cette analyse, trois arbitrages s’imposent :

1. La rareté se déplace : misez sur le jugement, pas sur la production. Ce qui était rare et limitant — le code, les analyses, les pipelines, les talents opérationnels — le devient beaucoup moins. Ce qui devient rare, c’est le jugement senior : la capacité à gouverner, à architecturer, et surtout à faire adopter. Produire vite des outils ne suffit pas — il faut des profils capables de canaliser cette vélocité, de gérer la dette technique qui en découle, et d’embarquer l’organisation. Redistribuez en squads resserrées, multipliez les petits paris plutôt que les grands projets — mais recrutez d’abord pour la séniorité et le leadership de transformation.
2. Prenez le mandat IA — et créez le cadre qui va avec. CDO ou DSI, si vous ne saisissez pas ce leadership, quelqu’un d’autre le fera. Et les projets IA qui naissent en périphérie sans gouvernance deviennent rapidement de la shadow IA et de la shadow data. Les deux enjeux sont indissociables : affirmer le mandat, c’est aussi construire le cadre qui fédère les initiatives, encadre les usages et évite la prolifération non contrôlée.
3. Recrutez vos futurs seniors dès aujourd’hui. Le ralentissement du recrutement junior repose sur une projection erronée : on attend de ces profils ce qu’on attendait des juniors d’il y a cinq ans. Mais une partie d’entre eux sont nativement IA — ils apprennent plus vite, montent en compétence plus vite, et s’adaptent à des environnements en évolution rapide mieux que n’importe quelle génération précédente. Dans trois ans, ce sont eux qui seront vos profils expérimentés. La vraie question n’est pas « est-ce qu’on les recrute ? » — c’est « comment on les intègre dans ce nouveau contexte, et quel plan on se donne pour les faire grandir ? » Les entreprises qui se posent cette question maintenant prendront une longueur d’avance. Les autres verront la pénurie de séniorité s’aggraver.

La thèse de cet article tient en une phrase : l’IA ne réduit pas l’ambition — elle a déplacé la rareté en à peine deux ans. Le coût marginal de production baisse, mais l’exigence de qualité architecturale, de gouvernance et de supervision augmente. Les organisations qui comprennent ce déplacement prendront l’avantage. Les autres accumuleront de la dette — technique, organisationnelle, et humaine.

Tout cela suppose de bien distinguer deux IA : celle qui augmente l’humain (générative) et celle qui agit à sa place (agentique). Les confondre mène aux mauvais choix d’organisation — c’est l’objet de notre prochain article.

Navigation — Série complète

• 1/7 — Pourquoi les agents IA changent tout — et pourquoi la plupart des organisations ne sont pas prêtes
• 2/7 — Ce que l’IA change vraiment dans les équipes data (et au-delà)
• 3/7 — IA Générative vs. IA Agentique : ne confondez pas l’exosquelette avec le robot (à venir)
• 4/7 — Les compétences de l’ère agentique : ce qui change, ce qui émerge (à venir)
• 5/7 — Quels rôles émergent — et lesquels disparaissent — avec l’IA agentique ? (à venir)
• 6/7 — Construire son organisation IA Agentique : roadmap de 0 à 24 mois (à venir)
• 7/7 — Les 11 erreurs que font les CDOs face à l’agentique (à venir)

Cette série est publiée chaque semaine.
→ S’abonner à la newsletter Le Virage IA
→ Suivre Florent Cattaneo sur LinkedIn
→ Suivre Benoît Binachon sur LinkedIn