Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Insights

Insights : nos analyses sur l'IA, la data et le cloud

Ce que nous apprenons sur le terrain, écrit pour ceux qui décident.

L'essentiel

Les insights de Management Square rassemblent les analyses du cabinet sur l'intelligence artificielle, la data, le cloud et les plateformes. Ils s'adressent aux décideurs qui conduisent ces projets dans leur organisation.

Faut-il essayer la méthode BMAD pour organiser le développement assisté par IA ?

La méthode BMAD est un projet ouvert tiers, publié sur GitHub sous licence MIT, qui organise le développement assisté par IA autour d'agents spécialisés par rôle produisant des documents que les suivants reprennent. Management Square en présente le contenu, ce qu'elle suppose, les cas où l'essayer et une manière de juger un essai, d'après le dépôt et la documentation du projet.

Lire l'analyse
Bâtir un plan de migration des données et le répéter avant la bascule

Un plan de migration des données organise le passage des données d'un système d'origine vers un système cible : ce qui migre, selon quelles règles, dans quelle fenêtre et avec quels contrôles. Management Square soumet ici une méthode en six étapes successives, de l'inventaire au contrôle après bascule et au retour arrière, chacune fermée par un livrable que la suivante utilise.

Lire l'analyse
Les meilleures pratiques de résilience cyber, jugées sur ce qu'un essai a prouvé

Pour Management Square, les meilleures pratiques de résilience cyber sont celles qu'un essai a éprouvées : sauvegardes réellement restaurées, plans de continuité et de reprise joués, dépendances connues jusqu'aux prestataires, décisions de crise préparées. L'article propose un diagnostic en temps calme : les signes qui séparent une résilience éprouvée d'une résilience déclarée, et ce que chaque écart appelle.

Lire l'analyse
L'observabilité de l'IA générative ajoute à la latence le coût, la qualité des réponses et la dérive

L'observabilité de l'IA générative désigne les mesures relevées sur une application fondée sur un modèle de langage en production : latence, coût par demande, qualité des réponses évaluée, taux d'échec des appels d'outils, dérive. Management Square expose ici la manière d'établir chaque mesure, le lecteur qu'elle sert et l'angle mort qu'elle laisse.

Lire l'analyse
Mettre en place la gouvernance de l'IA agentique à partir d'une gouvernance de l'IA existante

La gouvernance de l'IA agentique réunit les règles et les rôles par lesquels une organisation sait quels agents IA agissent dans ses applications, avec quels droits, quel degré d'autonomie et sous la responsabilité de quelle personne. Management Square propose ici une méthode pour l'ajouter à une gouvernance de l'IA existante : inventaire, niveaux d'autonomie, responsable désigné, traces, revue périodique, arrêt.

Lire l'analyse
Les défis éthiques de l'IA générative lus dans les textes publics de référence

Un défi éthique de l'IA générative est, par convention, une question que la loi ne suffit pas à trancher : biais, contenus trompeurs, droit d'auteur, transparence, travail, empreinte environnementale. Management Square lit ce qu'en disent la Recommandation de l'OCDE sur l'IA, les lignes directrices européennes de 2019 et le droit de l'Union, puis propose une manière d'en tirer des choix motivés pour chaque usage.

Lire l'analyse
Un pilotage de la qualité des données tranche là où le tableau de bord constate

Le pilotage de la qualité des données désigne, par convention de travail, l'instance et les règles par lesquelles une organisation choisit les données qu'elle suit, attribue chaque écart à une personne qui tranche et décide où le corriger. Management Square propose ici un guide des décisions que ce pilotage doit rendre, et précise l'écart qui le sépare d'un tableau de bord.

Lire l'analyse
De quoi et de qui dépend-on ? La souveraineté numérique de l'entreprise devant son comité de direction

La souveraineté numérique d'une entreprise est une expression d'usage : Management Square propose de l'entendre comme la capacité à décider de ses dépendances numériques (infrastructures, logiciels, données, compétences, fournisseurs). L'article suit les questions d'un comité de direction : de quoi et de qui l'activité dépend, ce qui resterait si une dépendance cessait, ce qu'il faut protéger d'abord, à quel coût.

Lire l'analyse
Engager une démarche de numérique responsable en entreprise, étape par étape

Une démarche de numérique responsable en entreprise mesure d'abord l'empreinte environnementale de ses équipements et services, puis agit sur leur durée de vie, leur conception, leur hébergement et leurs achats avant d'en rendre compte. Management Square propose cet ordre et indique ce que livre chaque étape, en s'appuyant sur la loi REEN et le RGESN.

Lire l'analyse
RGPD et intelligence artificielle dans un même projet, les articles à lire dans le texte

RGPD et intelligence artificielle se croisent dès qu'un projet d'IA comporte un traitement de données à caractère personnel, à l'entraînement comme à l'usage. Management Square lit ici les articles du règlement (UE) 2016/679 que ce projet rencontre (5, 6, 13 à 15, 22, 25 et 35), ce qu'ils disent, ce qu'ils laissent à qualifier, et leur articulation avec le règlement sur l'IA.

Lire l'analyse
La résilience opérationnelle numérique, telle que la définit l'article 3 du règlement DORA

La résilience opérationnelle numérique est, selon l'article 3 du règlement (UE) 2022/2554 (DORA), la capacité d'une entité financière à développer, garantir et réévaluer son intégrité et sa fiabilité opérationnelles, y compris en cas de perturbations. Management Square lit ici cette définition et les cinq volets du règlement, en séparant ce que le texte fixe de ce qu'il renvoie à des normes techniques.

Lire l'analyse
Comparer cloud souverain ou hyperscaler en partant des données à héberger

Choisir entre cloud souverain ou hyperscaler revient à comparer deux familles d'offres : celles qui mettent en avant des garanties de localisation, de droit applicable et de maîtrise de l'exploitation, et celles des fournisseurs de cloud d'envergure mondiale. Management Square les compare sur le droit applicable aux données, la qualification, le catalogue et la réversibilité, puis décrit les montages mixtes.

Lire l'analyse
Un PRA cloud se construit application après application, sur la part de reprise qui revient au client

Un PRA cloud est le plan de reprise d'activité d'applications hébergées chez un fournisseur de cloud : il décrit comment les remettre en service dans le délai et avec la perte de données que les métiers admettent. Management Square propose de le construire dans cet ordre : objectifs par application, partage des responsabilités avec le fournisseur, scénarios, sauvegardes, mode de bascule et essais.

Lire l'analyse
Cloud ou on-premise, les critères qui départagent chaque application

Le choix entre cloud ou on-premise oppose des ressources louées à un fournisseur et consommées à la demande à une infrastructure que l'organisation exploite elle-même ; il se tranche application par application. Management Square présente ici les critères qui départagent le cloud public, l'hébergement sur site et les formes intermédiaires, et la manière de préparer la sortie.

Lire l'analyse
Conduire un dédoublonnage des données sans fusionner à tort

Le dédoublonnage des données consiste à repérer les enregistrements qui désignent une même entité, à décider lesquels fusionner et selon quelle règle, puis à empêcher les doublons de se reformer. Management Square propose ici un ordre pour le conduire : périmètre et règle de rapprochement, normalisation, détection, arbitrage des cas douteux, fusion et prévention à la saisie.

Lire l'analyse
Les dimensions de la qualité des données, d'un référentiel public à l'autre

Une dimension de la qualité des données est un angle sous lequel on juge une donnée, par exemple son exactitude ou sa complétude : c'est une convention, et les listes varient d'un référentiel à l'autre selon l'objet jugé. Management Square compare ici trois textes publics lus à la source et propose une manière de retenir une liste pour son organisation.

Lire l'analyse
Quels indicateurs qualité des données suivre, et comment les calculer

Les indicateurs qualité des données sont des mesures calculées, à définition constante, sur les enregistrements ou sur le traitement de leurs anomalies : taux de conformité à une règle, taux de remplissage, taux de doublons, délai de mise à disposition, âge des anomalies ouvertes. Management Square précise ici, pour chacun, ce qu'il mesure, sa formule en mots, son lecteur et ce qu'il ne dit pas.

Lire l'analyse
Mettre la maturité data à l'épreuve de quatre demandes réelles

La maturité data désigne ici la capacité d'une organisation à fournir, pour une décision ou un service, une donnée dont quelqu'un répond, dont la qualité est connue et qui s'obtient dans un délai prévisible. Management Square propose de la situer par quatre épreuves (responsabilités, qualité, plateforme, usages), sans reprendre de modèle publié, et indique la suite que chaque écart appelle.

Lire l'analyse
Une politique de gouvernance des données se juge aux arbitrages qu'elle écrit

Une politique de gouvernance des données est le texte qui fixe les règles durables sur les données : périmètre, rôles, classification, accès, arbitrage des définitions, traitement des écarts. Management Square propose de laisser le mode opératoire à des procédures et de la faire approuver par la direction générale ou le comité de direction ; même approuvée, elle n'établit pas seule la conformité à un texte.

Lire l'analyse
À quelles conditions une architecture data temps réel mérite-t-elle son coût ?

Une architecture data temps réel traite les données au fil de leur arrivée afin de tenir un délai, celui qui sépare un événement de la décision qu'il éclaire, lorsque le traitement par lots ne le tient plus. Management Square passe en revue les questions d'un comité d'investissement : quelle décision, quel délai, quel palier entre lot et flux, quelle charge d'exploitation, quelle place pour le lot.

Lire l'analyse
Data owner et data steward, deux rôles que sépare le pouvoir de décider

Dans l'usage, le data owner (propriétaire des données) est le responsable métier qui décide pour un domaine de données, et le data steward (intendant des données) la personne qui instruit ces décisions et les applique au quotidien. Management Square compare ici les deux rôles (décision, exécution, périmètre, temps alloué) et décrit leur articulation avec le dépositaire technique, côté informatique.

Lire l'analyse
Le choix ETL ou ELT se joue d'abord là où se trouve la puissance de calcul

ETL ou ELT : les deux enchaînent extraction, transformation et chargement, et diffèrent par l'endroit où la transformation s'exécute, avant la cible ou dans la cible. Management Square propose de trancher flux par flux, sur quatre critères : l'endroit où se trouve le calcul, la sensibilité des données, les compétences de l'équipe et le coût à l'usage.

Lire l'analyse
Trancher la question « data warehouse ou data lake » à partir des usages à servir

La question « data warehouse ou data lake » oppose l'entrepôt de données, où la structure est imposée avant le chargement pour des questions connues, au lac de données, où les fichiers sont déposés bruts et structurés à la lecture. Management Square compare les deux sur la structure, les usages, la gouvernance et le coût, puis situe le lakehouse et la coexistence des deux systèmes.

Lire l'analyse
À quoi l'article 6 du règlement européen sur l'IA reconnaît un système d'IA à haut risque

Un système d'IA à haut risque est, selon l'article 6 du règlement (UE) 2024/1689, un système lié à un produit de l'annexe I soumis à une évaluation de conformité par un tiers, ou un système visé à l'annexe III, sauf dérogation du paragraphe 3. Management Square lit ici cet article et ses annexes dans la version consolidée du 27 juillet 2026, et signale ce que le texte laisse à qualifier.

Lire l'analyse
Ce qu'une charte IA d'entreprise doit trancher, ce qu'elle laisse à d'autres documents et qui la signe

Une charte IA d'entreprise est le document qui dit à chaque utilisateur quels outils d'IA il peut employer, quelles données il ne doit pas y saisir, ce qu'il doit relire et à qui signaler un écart. Management Square indique ce que cette charte doit trancher, ce qui relève d'autres documents (registre des systèmes, politique de sécurité, contrats) et qui la signe, sans la tenir pour un moyen de conformité suffisant.

Lire l'analyse
Droits, outils, contenus lus : la sécurité des agents IA telle qu'un RSSI l'interroge

La sécurité des agents IA consiste à borner ce qu'un agent peut atteindre, quelle que soit la décision du modèle : droits réduits à la tâche, liste fermée d'outils, lectures justifiées, contenus lus tenus pour non fiables, trace de chaque appel et arrêt éprouvé. Management Square passe en revue les questions qu'un responsable de la sécurité pose avant d'autoriser un agent, à partir de sources publiques nommées.

Lire l'analyse
Qui décide de l'étape suivante ? L'orchestration d'agents IA, du code figé au passage de relais

L'orchestration d'agents IA désigne la manière dont une application décide quels agents s'exécutent, dans quel ordre et qui choisit l'étape suivante : le code, un agent orchestrateur ou l'agent qui tient la tâche. Management Square compare ces modes d'orchestration, ce que chacun coûte en appels de modèle, en tests et en traçabilité, et les situations où chacun convient.

Lire l'analyse
Composer le budget d'un projet IA, des postes de coût au choix entre construire et acheter

Le budget d'un projet IA peut se décomposer en six postes : cadrage, données, construction, évaluation, exploitation et conformité, dont une part se dépense une fois et une autre revient tant que le service existe. Management Square décrit ici chaque poste par sa nature et par ce qui le fait varier, puis ce que change le choix entre construire, adapter un modèle existant et acheter un service.

Lire l'analyse
Un centre d'excellence IA, pour quoi faire et jusqu'à quand ?

Un centre d'excellence IA est une équipe transverse qui met en commun ce que plusieurs projets d'intelligence artificielle n'ont pas intérêt à refaire séparément : compétences rares, socle technique, méthode d'évaluation. Management Square examine ici les questions qu'un comité de direction se pose avant d'en créer un : son utilité, son rattachement, ce qu'il centralise, le risque de goulet et sa durée.

Lire l'analyse
Le ROI de l'intelligence artificielle se calcule sur des coûts complets et des gains constatés

Le ROI de l'intelligence artificielle rapporte les gains nets d'un projet d'IA à son coût complet, sur une période et selon des conventions qui s'écrivent avec le chiffre. Management Square présente ici ce qui se mesure (coûts de construction et d'exploitation, gains constatés, délais), la manière de l'établir et ce que chaque mesure ne dit pas, avec un exemple de calcul donné comme une hypothèse.

Lire l'analyse
Situer la maturité IA d'une entreprise sur des signes observables, puis choisir la suite

La maturité IA d'une entreprise peut se définir comme sa capacité, constatée sur pièces, à conduire un cas d'usage d'intelligence artificielle de l'idée au service exploité, puis à recommencer avec le suivant. Management Square propose ici une grille de diagnostic en cinq dimensions (usages, données, exploitation, encadrement, compétences), avec les signes observables de chaque niveau et la suite qu'ils appellent.

Lire l'analyse
Construire la feuille de route IA d'une entreprise, les étapes dans l'ordre

Une feuille de route IA d'entreprise est, par convention de travail, le document qui ordonne dans le temps les cas d'usage d'intelligence artificielle qu'une organisation a retenus, les chantiers de données et les socles dont ils dépendent, et les points de décision où chacun est poursuivi, repris ou arrêté. Management Square propose ici un ordre de construction, avec la pièce que livre chaque étape et son répondant.

Lire l'analyse
Docker vs Kubernetes : construire des conteneurs, les orchestrer, ou les deux

Docker sert à construire des images de conteneurs et à les exécuter sur une machine, Kubernetes à orchestrer des conteneurs sur un ensemble de machines : la comparaison Docker vs Kubernetes porte sur deux niveaux qui se complètent. Management Square compare ici leurs rôles et décrit les situations où l'un suffit sans l'autre.

Lire l'analyse
Supervision Kubernetes : les indicateurs à suivre, du cluster à l'application

La supervision Kubernetes est le suivi continu de l'état et de la consommation d'un cluster à quatre niveaux : plan de contrôle, nœuds, charges de travail et applications. Management Square détaille ici les indicateurs à suivre à chaque niveau, la manière de les lire et ce qu'aucun d'eux ne dit des autres niveaux.

Lire l'analyse
Provenance des données vs lignage des données, deux traces pour deux demandes

Provenance des données vs lignage des données : la provenance décrit l'origine et l'historique d'une donnée (source, conditions de collecte, versions, responsable), le lignage décrit son parcours dans le système d'information et les transformations qu'elle subit. Management Square compare ici les deux notions, dont la séparation relève d'une convention, et indique à quelles demandes chacune répond.

Lire l'analyse
Quelle migration informatique engager, et quand vaut-il mieux différer ?

Une migration informatique transfère une infrastructure, une application ou des données d'un environnement d'origine vers un environnement cible, jusqu'à l'arrêt de l'origine. Management Square donne ici les critères pour choisir le type de migration et la stratégie de bascule, préparer la reprise des données et le retour arrière, et reconnaître les cas où il vaut mieux s'abstenir ou différer.

Lire l'analyse
Anonymisation des données : techniques, limites et choix selon l'usage

L'anonymisation des données rend impossible, par des moyens raisonnables, l'identification des personnes dans un jeu de données, qui sort alors du champ du RGPD ; un jeu pseudonymisé reste une donnée personnelle pour quiconque peut revenir à la personne. Cet article de Management Square compare les techniques, indique laquelle retenir selon l'usage et décrit comment vérifier le résultat.

Lire l'analyse
L'observabilité des systèmes distribués commence par un parcours tracé de bout en bout

L'observabilité des systèmes distribués repose sur le traçage distribué : un identifiant propagé de service en service relie les opérations d'une même demande, puis les journaux et les métriques qui s'y rapportent. Management Square décrit ici la méthode pour instrumenter un parcours de bout en bout, de la propagation du contexte à l'échantillonnage, avec ce que chaque étape produit et qui en répond.

Lire l'analyse
Différence entre IA et IA générative : quand retenir un modèle prédictif, quand retenir un modèle génératif

La différence entre IA et IA générative tient à ce que le système produit : l'IA désigne le domaine entier, dont les modèles prédictifs qui estiment une valeur ou classent un cas, alors que l'IA générative, qui en est une branche, produit un contenu nouveau. Management Square compare ici les deux familles et indique dans quelles situations chacune est le bon choix.

Lire l'analyse
Fine-tuning LLM : faut-il ajuster le modèle, ou s'en tenir au prompt et au RAG ?

Le fine-tuning d'un LLM poursuit l'entraînement d'un modèle de langage existant sur des exemples choisis pour en modifier durablement le comportement : un format, un registre, une tâche étroite. Il n'apporte ni connaissances à jour ni sources vérifiables : Management Square donne ici les critères qui justifient un ajustement et les cas où la consigne ou le RAG suffisent.

Lire l'analyse
Quel levier actionner en premier pour améliorer la qualité des données ?

Améliorer la qualité des données consiste à choisir, pour chaque défaut dont la cause est établie, le levier qui l'empêche de se reformer : correction à la source, règle de saisie, contrôle dans la chaîne de traitement ou désignation d'un responsable. Management Square propose ici les critères de ce choix, l'ordre dans lequel engager les leviers et les cas où il vaut mieux ne pas corriger.

Lire l'analyse
Un audit qualité des données remonte des symptômes aux causes

Un audit qualité des données est un examen borné, commandé par une direction, qui mesure l'état des données consommées par un usage, remonte de chaque défaut jusqu'à sa cause et rend un plan de remèdes classés par effort. Management Square décrit ici les symptômes qui le justifient, les examens qu'il enchaîne et la décision par laquelle il se termine.

Lire l'analyse
Méthodes de test de qualité des données : ce que chaque famille détecte, et ce qu'elle laisse passer

Les méthodes de test de qualité des données sont des vérifications automatisées qui comparent un jeu de données à une attente explicite : schéma, complétude, unicité, fraîcheur, cohérence entre sources, volumétrie et distribution. Chacune détecte un type de défaut et en laisse passer d'autres : Management Square compare ici ces familles de tests et leur place dans les chaînes d'alimentation.

Lire l'analyse
Gestion de crise cyber : préparer avant, décider pendant, reconstruire après

La gestion de crise cyber est l'organisation qui permet à une entité de décider, de contenir une attaque et d'informer lorsque ses outils numériques sont gravement atteints et que ses processus habituels ne suffisent plus. Management Square décrit ici ce que produit chacun des trois temps de la crise (avant, pendant, après), qui en répond et quelles notifications réglementaires courent en parallèle.

Lire l'analyse
Observabilité vs supervision : ce que chacune vous apprend, et à quel prix

La supervision vérifie des états prévus à l'avance et alerte lorsqu'un seuil est franchi ; l'observabilité permet d'interroger les signaux émis par un système pour expliquer une défaillance que personne n'avait anticipée. Management Square précise ici, dans le débat observabilité vs supervision, quand la première suffit et ce que la bascule exige en organisation et en coûts.

Lire l'analyse
Rester sur site ou partir : les arbitrages d'une migration cloud hybride

Une migration cloud hybride déplace une partie des charges d'un système d'information chez un fournisseur de cloud et maintient l'autre sur une infrastructure exploitée en propre, les deux restant interconnectées. Management Square expose ici les critères qui décident du sort de chaque charge (données, latence, licences, dépendances) et les signes d'un cloud hybride qui n'est qu'une étape.

Lire l'analyse
Retenir plusieurs fournisseurs de cloud : la stratégie multicloud à l'épreuve d'un comité de direction

Une stratégie multicloud répartit délibérément les usages d'une organisation entre plusieurs fournisseurs de cloud, pour un motif nommé et au prix d'une complexité acceptée. Management Square passe ici en revue les questions qu'une direction gagne à poser avant de retenir un fournisseur de plus : motif, coût, portabilité, textes applicables et gouvernance.

Lire l'analyse
Dans quel ordre conduire la mise en œuvre de la gouvernance de l'IA ?

La mise en œuvre de la gouvernance de l'IA est la suite d'étapes par laquelle une organisation recense ses systèmes d'IA, les classe par niveau de risque, désigne qui en répond, installe un circuit de validation et organise leur suivi. Management Square décrit ici ces étapes dans l'ordre, ce que chacune produit et qui en répond, au regard du règlement (UE) 2024/1689.

Lire l'analyse
La gouvernance des données pour l'IA, vue du comité qui autorise un cas d'usage

La gouvernance des données pour l'IA applique aux jeux de données et aux documents consommés par un système d'IA les rôles et les règles qui établissent qui répond d'une donnée, qui peut l'employer et à quelles conditions. Management Square passe ici en revue les questions qu'un comité pose avant d'autoriser un cas d'usage : droits d'usage, qualité, traçabilité, données personnelles et responsabilités.

Lire l'analyse
DORA et NIS2 : quelles différences, et quel texte s'applique à une entité financière ?

Les différences entre DORA et NIS2 partent de leur nature : DORA, règlement (UE) 2022/2554, s'applique directement aux entités financières, alors que NIS2, directive (UE) 2022/2555, vise les entités essentielles et importantes des secteurs de ses annexes et passe par une loi nationale. Management Square compare ici les deux textes, article par article, et décrit leur articulation pour une entité financière.

Lire l'analyse
Réduire la facture cloud grâce au FinOps, indicateurs à l'appui

Avec le FinOps, réduire la facture cloud suppose de mesurer d'abord où la dépense peut baisser : part de dépense allouée, coût unitaire, taux d'usage des engagements et ressources inutilisées. Management Square précise ici la convention de calcul de chacun de ces indicateurs, la manière de le lire et ce qu'un chiffre isolé ne dit pas.

Lire l'analyse
Migration cloud : les erreurs à éviter laissent des traces dans le plan, les bascules et la facture

Dans une migration cloud, quatre erreurs de cadrage sont à éviter : un inventaire sans les dépendances, un socle d'accueil livré trop tard, des applications au sort indécis, une origine sans date d'arrêt. Management Square montre ici comment les repérer dans le plan de vagues, le journal des bascules et le suivi des coûts, et ce que leur correction engage en cours de programme.

Lire l'analyse
Par où commencer une stratégie de gouvernance des données

Une stratégie de gouvernance des données fixe les usages à servir, l'ordre dans lequel les domaines de données sont pris en charge, les personnes qui en répondent, leurs moyens et la mesure de l'effet obtenu. Elle commence par un seul domaine, retenu sur des critères explicites : Management Square détaille ici ces critères, ce qu'imposent les textes et les cas où il vaut mieux différer.

Lire l'analyse
Les obligations de l'AI Act pour les entreprises, lues avec leur calendrier d'application

Les obligations de l'AI Act pour les entreprises dépendent du rôle tenu pour chaque système d'IA, fournisseur ou déployeur, et du niveau de risque de ce système ; leur calendrier se lit à l'article 113 du règlement (UE) 2024/1689, modifié par le règlement (UE) 2026/1744. Management Square lit ici ces dispositions dans la version consolidée du 27 juillet 2026 et en tire les conséquences pour un projet.

Lire l'analyse
Une architecture de RAG souverain se juge à l'endroit où s'exécute chaque brique

Une architecture de RAG souverain est un dispositif de génération augmentée par récupération dont chaque brique (modèles, index vectoriel, corpus, journaux) s'exécute dans un environnement vérifié sur le lieu du traitement, le droit applicable au prestataire et la maîtrise de l'exploitation. Management Square indique où placer chaque brique, selon quels critères, et quand cette contrainte ne se justifie pas.

Lire l'analyse
Quels cas d'usage des agents IA en entreprise un comité peut-il autoriser ?

Les cas d'usage des agents IA en entreprise peuvent se ranger selon ce que l'agent a le droit de faire : préparer un dossier, trier des demandes, proposer une action ou l'exécuter dans des limites fixées. Management Square présente les questions qu'un comité pose avant d'autoriser un agent : la tâche, les actions, les permissions, la supervision humaine et la mesure.

Lire l'analyse
Une méthode pour sécuriser une infrastructure cloud, et un responsable pour chaque étape

Sécuriser une infrastructure cloud consiste à protéger ce que le fournisseur laisse à la charge de son client : les identités, la configuration des ressources, les clés de chiffrement, les journaux et les sauvegardes. Management Square propose ici une méthode en six étapes ordonnées, avec le livrable que chacune produit et la personne qui en répond.

Lire l'analyse
Sommaire de la page

Nous écrivons pour ceux qui doivent décider : lancer un projet, l’arrêter, choisir une architecture, engager un budget. Nos insights partent de situations rencontrées en mission et cherchent à répondre à une question précise, plutôt qu’à commenter l’actualité.

Ce que vous trouverez ici

Des analyses de fond sur l’intelligence artificielle, la data, le cloud et les plateformes. Chaque article ouvre sur un résumé en deux phrases et se termine par des liens vers les expertises et les définitions utiles.

Nous privilégions trois types de sujets : les méthodes qui ont fait leurs preuves, les erreurs que nous voyons se répéter et les questions à poser avant d’engager un projet.

Notre ligne éditoriale

Trois règles guident ce que nous publions.

L’exactitude d’abord. Un texte réglementaire est cité par sa référence. Un chiffre est sourcé, ou il n’est pas publié.

Le point de vue du décideur. Nous expliquons ce qu’un choix implique en coût, en risque et en organisation, pas seulement comment une technologie fonctionne.

La sobriété. Pas de promesse, pas de superlatif. Si une approche a des limites, nous les écrivons.

Comment nous choisissons nos sujets

Nos sujets viennent de trois sources. Les questions que nos clients nous posent en mission, d’abord : lorsqu’une même interrogation revient dans plusieurs organisations, elle mérite une réponse écrite. Les évolutions du cadre réglementaire, ensuite, parce qu’elles modifient ce qu’il est possible de faire et la manière de le prouver. Les retours d’expérience de nos consultants, enfin, sur ce qui a fonctionné et sur ce qui n’a pas fonctionné.

Nous ne publions pas pour suivre un calendrier. Un article paraît lorsque nous avons quelque chose d’utile à dire sur un sujet, et il est mis à jour lorsque le contexte change.

Pour aller plus loin

Si vous cherchez la définition d’un terme, le lexique est plus direct. Si vous cherchez ce que nous pouvons faire pour vous, consultez nos expertises.

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Quels sujets traitent les insights de Management Square ?

Cette page rassemble les analyses du cabinet sur l'intelligence artificielle, la data, le cloud et les plateformes. Elles abordent les méthodes, les erreurs fréquentes et les questions à se poser avant de lancer un projet.

Où sont passés les anciens articles du blog ?

Les articles du précédent site de Management Square ont été repris dans cette rubrique. Les contenus les plus anciens, consacrés au management de projet et aux certifications, ont été regroupés dans le lexique du site, sous forme de fiches mises à jour.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.