2025 Bilan de l'année InterSystems : le point de vue de l'analyste du secteur

Chez InterSystems, nous nous efforçons de maintenir un engagement actif et continu avec les principaux analystes du secteur de la gestion des données. Cela nous permet de rester en phase avec l'évolution de leurs perspectives sur le marché, de partager des informations sur le travail que nous effectuons avec nos clients et partenaires, et de tenir les analystes informés de nos dernières innovations et avancées en matière de produits.

Dans le cadre de la transformation rapide en cours dans la gestion des données, deux thèmes sont apparus comme particulièrement critiques et fondamentaux pour fournir une IA plus rapide, plus fiable et plus digne de confiance : les plateformes de données convergentes et les données prêtes pour l'IA.

Gartner et de nombreux autres analystes, ainsi que de nombreuses entreprises avec lesquelles nous travaillons, reconnaissent l'émergence et l'importance de ce qu'ils appellent les plateformes de données convergentes. Ces plateformes réduisent la complexité, augmentent les performances et l'efficacité, et réduisent les coûts en faisant converger, ou en combinant, de multiples services de gestion de données qui étaient historiquement disponibles en tant que services indépendants en une seule offre.

Les plateformes de données convergentes peuvent offrir une multitude d'avantages, en particulier en ce qui concerne les initiatives d'IA et d'IA générique. De nombreux fournisseurs abordent la convergence en regroupant simplement différents services indépendants, tous construits avec des architectures différentes et nécessitant chacun leur propre copie des données. Notre approche, bien sûr, consiste à fournir toutes ces capacités - y compris la gestion de bases de données multi-modèles et multi-charges de travail, l'intégration et l'orchestration de services, ainsi que diverses capacités analytiques - dans un seul moteur, construit à partir de la base, en tirant parti d'une représentation unique des données : notre " plan de données commun ". Notre approche de la convergence se traduit par des architectures plus simples, un meilleur retour sur investissement, une fragilité réduite, l'élimination de la duplication des données et des données plus fiables pour les initiatives d'intelligence artificielle, puisqu'il existe un seul modèle global pour la sécurité, la gouvernance, la lignée et la sémantique de toutes les données.

Voici quelques rapports d'analystes clés qui mettent en évidence cette tendance vers des plateformes de données convergentes, avec certains des extraits les plus pertinents de chacun des rapports. Tous les rapports mentionnés dans ce billet de blog sont disponibles gratuitement auprès d'InterSystems, pour votre plus grand plaisir.

"Les organisations sont confrontées à la prolifération des services de gestion des données des composants, s'efforçant souvent de gérer un nombre croissant de systèmes spécialisés tout en faisant face à la complexité opérationnelle, aux obligations de conformité et aux défis d'optimisation des coûts. Les entreprises, en particulier celles dont les ressources sont limitées ou qui manquent de personnel technique, reconnaissent de plus en plus que les stratégies "best-of-breed" créent une complexité insoutenable, ce qui les pousse à se tourner vers des plateformes convergentes qui offrent une gestion rationalisée, une simplicité opérationnelle et une sécurité intégrée. En conséquence, le marché connaît une évolution fondamentale vers des solutions convergentes qui intègrent des modèles de données documentaires, graphiques, relationnels et vectoriels ainsi que des capacités d'intégration et de gestion des données.

La convergence des exigences en matière de bases de données multi-modèles, des demandes d'analyse en temps réel et des besoins stricts en matière de sécurité constitue un argument convaincant en faveur de l'adoption d'IRIS® d'InterSystems. Pour étudier l'écart entre l'adoption d'une plate-forme de données de premier ordre et les réévaluations, Nucleus a interrogé plusieurs entreprises qui ont migré vers InterSystems IRIS après avoir rencontré des difficultés avec leur stratégie initiale de gestion des données. Les clients ont cité la convergence, la prise en charge à l'échelle de l'entreprise et l'épuisement des solutions de composants comme les principaux facteurs motivant le changement, l'adoption permettant d'améliorer jusqu'à 98 % la précision du filtrage des risques et des demandes d'indemnisation et la consolidation de centaines, voire de milliers de services de gestion des données. Alors que les exigences en matière de plate-forme de données continuent d'augmenter pour soutenir les nouvelles charges de travail et les empreintes de données croissantes, Nucleus s'attend à ce qu'InterSystems devienne la destination des entreprises lorsqu'elles dépasseront les architectures de composants pour atteindre une plus grande efficacité et une réduction des coûts

Les IDC MarketScapes fournissent des évaluations quantitatives et qualitatives approfondies des vendeurs pour un large éventail de marchés technologiques. Ce MarketScape mondial des bases de données analytiques fournit une évaluation complète des 14 principaux fournisseurs dans ce domaine, ainsi que les observations d'IDC sur le marché et des conseils pour les acheteurs de technologie.

"Le marché des bases de données analytiques entre dans une nouvelle phase d'innovation, car les progrès des architectures de stockage et de calcul redéfinissent la façon dont les entreprises extraient de la valeur des données. Pour les acheteurs de technologie, cette étude fournit un cadre stratégique pour évaluer les bases de données analytiques en fonction de la flexibilité, de l'interopérabilité et de l'aptitude à l'IA : les nouveaux moteurs de la différenciation concurrentielle dans l'analyse d'entreprise.

Envisager des charges de travail convergentes construites sur des architectures de traitement transactionnel et analytique hybrides (HTAP) pour la prise de décision en temps réel. Les plates-formes de bases de données analytiques modernes prennent de plus en plus en charge des charges de travail convergentes qui unifient le traitement transactionnel et analytique au sein d'un système unique. HTAP permet aux organisations d'analyser les données opérationnelles en temps réel sans réplication ni délai, fournissant ainsi les bases d'une prise de décision en temps réel. Les acheteurs doivent évaluer si ces capacités répondent à des exigences telles que la détection des fraudes, la personnalisation ou la visibilité de la chaîne d'approvisionnement, tout en maintenant l'intégrité transactionnelle et la performance analytique sur les mêmes données. Les plateformes qui prennent en charge les deux charges de travail améliorent la réactivité, réduisent les mouvements de données et renforcent la gouvernance. Les architectures HTAP deviennent également essentielles pour l'IA agentique, où les données en temps réel et riches en contexte permettent une prise de décision autonome et basée sur les données dans toute l'entreprise.

Après une évaluation approfondie des stratégies et des capacités d'InterSystems, IDC a positionné InterSystems dans la catégorie Leaders dans ce 2025 IDC MarketScape pour les bases de données analytiques au niveau mondial. InterSystems IRIS unifie les modèles relationnels, de documents, de valeurs clés, d'objets, de vecteurs et de séries temporelles dans un seul moteur. Cette approche multimodèle permet aux entreprises de prendre en charge les charges de travail opérationnelles, analytiques et émergentes basées sur l'IA sans dépendre de plusieurs systèmes. InterSystems IRIS réduit la duplication et accélère la compréhension."

AI-Ready Dat

a
De nombreuses citations d'analystes, rapports et anecdotes qualifient et quantifient l'importance des données prêtes pour l'IA sur le succès des projets d'IA. Par exemple, une enquête de Gartner auprès des responsables informatiques révèle que seulement 4 % des entreprises estiment que leurs données sont prêtes pour l'IA (Gartner, 2024, Top Trends in Data and Analytics, 2024) et les données de l'enquête de BARC indiquent que les problèmes liés aux données figurent parmi les principaux obstacles à la réussite de l'IA. Nos clients nous disent que notre approche consistant à fournir des données prêtes pour l'IA par le biais d'une couche de tissu de données intelligentes non perturbatrice tirant parti d'une architecture convergente, avec une sécurité/ligne/gouvernance/sémantique commune, est une exigence pour des résultats réussis en matière d'IA et de GenAI.

En outre, la fourniture de capacités d'IA intégrées prenant en charge de multiples formes d'IA, y compris l'analyse prédictive et prescriptive, et la fonctionnalité Gen AI/RAG/Agents/Vector élimine la nécessité de copier les données dans des environnements distincts pour le traitement analytique, améliorant ainsi l'efficacité, diminuant la latence et réduisant les risques d'erreur.

Les rapports clés qui soulignent l'importance des données prêtes pour l'IA sont présentés ci-dessous.

Ce rapport de Gartner contient des résultats d'enquête intéressants et des conseils sur la nature critique des données prêtes pour l'IA, ainsi que sur les changements à apporter aux architectures, plateformes et processus de données pour permettre la réussite des initiatives d'IA.

"Les responsables des données et de l'analyse (D&A) sont soumis à une pression extrême pour soutenir les efforts urgents et critiques de leur organisation en matière d'IA. Alors que la plupart des organisations ont investi au fil des ans dans des architectures et des pratiques traditionnelles de gestion des données, celles qui ne réalisent pas les différences entre les exigences en matière de données prêtes pour l'IA et la gestion traditionnelle des données mettront en péril le succès de leurs efforts en matière d'IA".

Une étude de Gartnera montré que.. :

• Le manque de données est l'un des trois principaux obstacles à la mise en œuvre des techniques d'IA pour près de 40 % des personnes interrogées dans le cadre de l'enquête 2023 Gartner AI in the Enterprise.
• Plus de 75 % des organisations déclarent que les données prêtes pour l'IA restent l'un de leurs cinq principaux domaines d'investissement au cours des deux ou trois prochaines années, selon l'enquête 2024 Evolution of Data Management as a Dedicated Function (évolution de la gestion des données comme fonction dédiée) de Gartner
  

Gartner, Inc. (2024).l' évolution de la gestion des données dans un guide de voyage pour réussir l'IA grâce à des données prêtes pour l'IA. Gartner.

Selon la récente enquête de BARC auprès de 421 organisations mondiales, trois des six principaux obstacles à la réussite des projets d'IA sont liés aux données, notamment la qualité des données (n° 1), les problèmes d'intégration (n° 3) et l'insuffisance des données/de l'accès aux données, ce qui confirme que les données prêtes pour l'IA sont essentielles à la réussite de l'IA et constituent toujours un défi non résolu.

"La qualité des données est passée devant tous les autres obstacles. Les résultats de 2024 classent la qualité des données à 19 %, dans le dernier tiers des défis répertoriés. Au fur et à mesure de l'avancement des projets, la qualité des données est devenue le principal obstacle à la réussite des projets d'IA en 2025, 44 % des personnes interrogées l'ayant cité comme le principal défi à relever. Le vieil adage qui veut que "ce qui entre est comme ce qui sort" s'applique aussi bien à l'IA qu'à l'analyse traditionnelle. La mauvaise qualité des données a une incidence sur le contexte des résultats et certainement sur leur exactitude. La leçon à en tirer est que l'incapacité à résoudre les problèmes de qualité des données limitera la capacité de votre entreprise à mettre en œuvre des projets d'IA efficaces."

Un autre point important de l'enquête est la nécessité de gérer des données en temps réel et diverses formes de données non structurées, ce qui peut constituer un défi pour les organisations, car de nombreux fournisseurs de gestion de données se concentrent encore principalement sur la gestion de données structurées et par lots.

Celent est un cabinet d'analystes réputé qui couvre le secteur bancaire. Ce rapport présente les résultats d'une enquête (sponsorisée par InterSystems) menée auprès de plus de 100 cadres bancaires en Amérique du Nord et au Royaume-Uni. Les principales conclusions du rapport sont que les banques investissent dans l'amélioration des performances de leurs modèles d'IA (intelligence décisionnelle), par exemple pour la fraude, le traitement des paiements, le risque de crédit, l'intelligence client, l'origination de prêts, etc. Il est à noter que les cinq principaux obstacles à l'amélioration de l'intelligence décisionnelle (modèles d'IA) signalés par les banques sont tous liés à des problèmes de données.

L'ISG Buyers Guide™ for Data Platforms évalue les fournisseurs de logiciels de plateformes de données et les produits dans huit domaines clés, notamment la gestion des données, l'interrogation des données, les fonctionnalités d'ingénierie des données et autres. Ce rapport relie les deux thèmes : comment la préparation à l'IA exige une architecture de données convergente.

"Le secteur des plateformes de données a traditionnellement été segmenté entre les plateformes de données opérationnelles déployées pour soutenir les applications destinées aux utilisateurs et aux décideurs de l'entreprise pour gérer l'entreprise et les plateformes de données analytiques qui soutiennent généralement les applications utilisées par les analystes de données et les analystes commerciaux pour analyser l'entreprise. L'importance croissante des applications opérationnelles intelligentes pilotées par l'IA brouille les lignes qui ont traditionnellement divisé les exigences des plateformes de données opérationnelles et analytiques. Les consommateurs s'intéressent de plus en plus aux services basés sur les données, qui se différencient par la personnalisation et les recommandations contextuelles. Les applications destinées aux travailleurs suivent le même chemin, en ciblant les utilisateurs en fonction de leur rôle et de leurs responsabilités. L'évolution vers des processus d'entreprise plus agiles nécessite des ML pour des plateformes de données et des applications plus réactives. Les applications intelligentes, bien qu'opérationnelles par nature, s'appuient sur un traitement analytique en temps réel pour fournir des fonctionnalités, y compris des recommandations contextuelles, des prédictions et des prévisions basées sur la ML, l'IA générative et les agents.

Nous affirmons que d'ici 2027, les fournisseurs de plateformes de données donneront la priorité au développement de fonctionnalités hybrides de traitement opérationnel et analytique pour répondre aux exigences des applications intelligentes basées sur la GenAI."

Bien entendu, chez InterSystems, nous défendons cette approche convergente de la gestion des données depuis de nombreuses années, et nous ne pourrions être plus honorés d'être reconnus comme Leader avec le deuxième score global le plus élevé parmi les 24 meilleurs fournisseurs de plateformes de données par ISG dans son dernier Buyer's Guide.

-

Il y a beaucoup à lire dans ces rapports, et j'espère qu'ils vous apporteront une valeur que vous pourrez appliquer à vos organisations respectives alors que vous naviguez dans ce nouveau monde en évolution rapide de l'IA agentique et générative.

Mais en fin de compte, pour InterSystems, s'assurer que nous restons à la pointe de la technologie n'est pas une question de reconnaissance des analystes, c'est une question d'assurer le succès de nos clients. Alors que nos clients continuent d'innover, d'offrir une nouvelle valeur commerciale à leurs clients et de se différencier sur des marchés de plus en plus concurrentiels, nous continuons à travailler dur pour faire progresser les bases de données et d'analyse qui rendent leurs succès possibles.

Pour ces rapports et d'autres rapports d'analystes, veuillez consulter notre page d'analystes.