Recherche
Recherche
Chez Entropy Data, nous faisons avancer la gouvernance des données par la recherche et l'innovation.
Automating Data Governance with Generative AI
Ces travaux examinent comment les grands modèles de langage peuvent appuyer la gouvernance des données en générant des avertissements sur les décisions d'accès aux données dans les systèmes décentralisés. L'étude présente Governance AI, un outil fondé sur un LLM qui évalue si les demandes d'accès aux données respectent les Data Contracts, les politiques internes et les réglementations comme le RGPD.
Plutôt que de trancher lui-même, le système fournit des « structured warnings and suggestions for correction to guide human experts ».
Cette approche garantit que l'IA renforce la décision humaine au lieu de la remplacer, en conservant la supervision humaine nécessaire à la justesse contextuelle et juridique des décisions de gouvernance des données.
Détails de la publication
Auteurs :
- Linus W. Dietz (King's College London)
- Arif Wider (HTW Berlin)
- Simon Harrer (Entropy Data)
Conférence : AAAI/ACM Conference on Artificial Intelligence, Ethics, and Society 2025
Principaux résultats
- Governance AI a émis 3,6 fois plus d'avertissements que les experts humains, tout en relevant l'ensemble des problèmes de conformité
- 80 % des avertissements générés par l'IA ont été jugés corrects après une seconde relecture
- Les cas de test synthétiques générés par LLM simulent efficacement des scénarios de gouvernance réels
- La supervision humaine reste indispensable pour la justesse contextuelle et juridique
En savoir plus
Data Product MCP: Chat with your Enterprise Data
Ces travaux présentent un serveur Model Context Protocol (MCP) qui permet d'interagir en langage naturel avec les produits de données d'entreprise. La solution répond au défi de l'intégration de sources de données hétérogènes dans les workflows des grands modèles de langage, sans renoncer aux standards de gouvernance des données.
The framework provides a practical pathway for organizations to leverage LLMs in data discovery and analysis without compromising data protection standards.
En reliant les produits de données d'entreprise et les systèmes d'IA par une interface standardisée, les organisations démocratisent l'accès aux données tout en gardant la maîtrise de la sécurité et de la gouvernance.
Détails de la publication
Auteurs :
- Marco Tonnarelli
- Filippo Scaramuzza
- Simon Harrer (Entropy Data)
- Linus W. Dietz (King's College London)
Statut : accepté pour publication dans les actes Springer Communications in Computer and Information Science (CCIS) de la conférence SummerSoC (préprint arXiv, mai 2026)
Principales contributions
- Une implémentation de serveur MCP qui relie les produits de données d'entreprise aux systèmes d'IA et permet d'interroger des jeux de données structurés en langage naturel
- Une conception attentive à la gouvernance, conforme aux exigences de gouvernance des données de l'entreprise
- Une intégration des produits de données qui s'appuie sur les standards existants pour offrir une interface unifiée aux LLM
- Une architecture ouverte et extensible, que chaque organisation peut adapter à son infrastructure de données
En savoir plus
Data Contracts: Structuring Promises and Expectations in Data Exchange
Ces travaux proposent un concept général de Data Contract qui prend en compte le point de vue des Data Producers comme celui des Data Consumers. La plupart des interprétations en font un artefact unilatéral, piloté par le producteur, alors qu'un échange de données robuste suppose des attentes et des engagements des deux côtés. L'article structure le Data Contract en quatre facettes distinctes : les engagements du producteur, les attentes du consommateur, les attentes du producteur et les engagements du consommateur.
We suggest explicitly implementing provider expectations and consumer-driven contracts, thereby defining data contracts fully from both points of view and allowing consumers to explicitly influence agreements.
En rendant ces quatre facettes explicites, l'approche ouvre la voie à une automatisation plus poussée de la gouvernance des données, par exemple en associant automatiquement les Data Consumers aux produits de données qui répondent à leurs besoins, et réduit le risque d'incidents liés à des attentes et des engagements restés implicites.
Détails de la publication
Auteurs :
- Laura Schuiki (University of Stuttgart)
- Arif Wider (HTW Berlin)
- Simon Harrer (Entropy Data)
Statut : accepté pour publication dans les actes IEEE de l'International Conference on Web Services (ICWS) 2026
Principales contributions
- Un concept général de Data Contract en quatre facettes : engagements du producteur, attentes du consommateur, attentes du producteur et engagements du consommateur
- Une perspective pilotée par le consommateur, qui permet aux Data Consumers d'exprimer des attentes et de prendre des engagements, et pas seulement de recevoir des garanties
- Une automatisation accrue de la gouvernance grâce à des facettes formalisées qui permettent d'associer automatiquement produits de données et consommateurs
- Une analyse des standards montrant comment ODCS et ODPS prennent en charge ce concept, validée par des entretiens d'experts dans trois entreprises
En savoir plus
L'impact sur nos produits
Les résultats de ces recherches nourrissent le développement de nos produits, notamment les fonctions de gouvernance assistées par IA d'Entropy Data. En explorant comment l'IA peut appuyer et enrichir la décision humaine en matière de gouvernance des données, nous voulons rendre les données plus accessibles, plus sûres et plus conformes dans toute l'organisation.