La gouvernance data est devenue un enjeu stratégique pour les acteurs des services financiers. Banques, assureurs, établissements de paiement et sociétés de financement doivent aujourd’hui concilier exigences réglementaires, qualité des données, cybersécurité et accélération des usages de l’intelligence artificielle.
Dans ce contexte, une question revient systématiquement : comment organiser la direction data ? Faut-il la rattacher à l’IT, lui confier uniquement un rôle règlementaire ou adopter un modèle fédéré avec les métiers ?
Vertone présente les trois principaux modèles de gouvernance data observés dans les services financiers, leurs avantages, leurs limites et les critères permettant de choisir l’organisation la plus adaptée.
D’un rôle historiquement règlementaire, vers une attente de production de valeur
La direction data dans les services financiers a d’abord été pensée comme une fonction IT. Sa mission était claire : développer des capacités de stockage, collecter les données, les stocker et les sécuriser.
Très rapidement ensuite, la question de la qualité des données stockées s’est posée. Encore aujourd’hui, la qualité des données et des processus IT de fiabilisation reste un enjeu structurant pour le secteur (8e risque des assureurs selon France Assureur en 2026).
Le 1er risque dans ce classement portant sur la cybersécurité, qui est un autre enjeu historique dans les directions IT.
Autrement dit, la direction data ne peut pas se détourner de son rôle de socle. Sans cadre robuste, on ne peut ni organiser les usages, ni s’assurer de la maitrise de la sécurité des données.
Mais ce cadre historique ne suffit plus. La donnée n’est plus seulement un sujet de contrôle ou de qualité. Elle devient un sujet de transformation. L’essor de l’IA, la pression sur l’expérience client et la nécessité d’ajuster plus vite les modèles poussent les directions data à élargir leur mandat.
Elles ne sont plus attendues uniquement sur leur capacité à poser des règles. Elles le sont aussi sur leur capacité à rendre les usages possibles, à rapprocher les métiers et la technologie, et à faire avancer des priorités business visibles. Les métiers ne veulent pas seulement une donnée bien gouvernée. Ils veulent une donnée utile : qui aide à mieux comprendre leur portefeuille, à mieux cibler les actions commerciales, à fluidifier la gestion des back offices et à accélérer la prise de décision.
C’est ce changement d’attente qui transforme la fonction, qui n’est plus cloisonnée à des enjeux des DSI. On comprend alors pourquoi tant d’acteurs financiers sont en recherche permanente d’un modèle organisationnel optimum de leur direction Data. Plusieurs possibilités sont d’ailleurs observées dans le secteur.
3 modèles de gouvernance data observés dans les services financiers
On peut citer 3 modèles d’organisation qui coexistent aujourd’hui : l’usine, le régalien et le fédéralisme.
Modèle 1 : L’usine, une direction data rattachée à l’IT
Le 1er modèle (« l’usine ») consiste à garder la direction data près de l’IT, ou dans un ensemble plus large associant technologie et transformation. Ce choix facilite l’alignement avec les architectures de données, les plateformes, la sécurité et les chantiers de modernisation. Il est particulièrement pertinent lorsque l’entreprise doit d’abord consolider un patrimoine technique fragmenté. Le cas d’AXA France illustre une organisation où le Data Management Office s’inscrit dans une logique articulant étroitement data, tech et transformation.
Ce modèle favorise souvent la cohérence d’exécution. Il limite le risque de penser la data d’un côté et sa mise en œuvre de l’autre. Mais il comporte aussi une limite : si la fonction reste trop associée à l’IT, elle peut avoir plus de mal à être reconnue comme un partenaire des métiers.
Modèle 2 : Le régalien, une direction data centrée sur les fonctions réglementaires
Un 2e modèle (« le régalien ») prend le choix inverse de ne garder que les fonctions réglementaires dans la direction Data, et laisser aux métiers la gestion courante et le développement de leur patrimoine Data.
La Direction Data ne conserve alors comme prérogatives : Documentation et qualité des données (lignage), maintien des registres de traitements RGPD et AI Act, résilience DORA (risques TIC) et interface avec le régulateur ACPR. Les autres usages partent intégralement dans les métiers.
Le risque de ce modèle est que les métiers non matures ne s’emparent pas de la data.
Modèle 3 : Le fédéralisme, une gouvernance data répartie avec les métiers
Un 3e modèle (« le fédéralisme ») repose sur une gouvernance centrale forte et une exécution largement distribuée dans les métiers, qui possèdent leurs propres équipes Data. Sur le papier, l’approche est séduisante : elle combine standards communs et proximité terrain. On la retrouve souvent dans les modèles mutualistes, majoritaires dans le secteur.
Mais elle suppose une vraie maturité organisationnelle. Sans sponsor fort, rôles clairs et arbitrages solides, elle peut vite produire de la dispersion, où le central n’est qu’un secrétariat Data sans capacité à aligner ou à mutualiser les pratiques.
Le vrai sujet : moins l’organigramme que le mandat
Ce débat sur le bon modèle ou le bon rattachement hiérarchique est nécessaire, mais il peut aussi être trompeur. Il ne suffit pas de placer la direction data au bon endroit dans l’organigramme pour résoudre la question de son rôle. Ce qui compte réellement, c’est le mandat confié à la fonction.
Qui porte l’ownership des data et des usages data associés ? Qui arbitre entre la standardisation des usages et l’émergence de nouveaux besoins locaux ? Qui priorise les cas d’usage à mettre à l’échelle ? La Direction Data est-elle capable de dialoguer avec les métiers, l’IT, le risque, la conformité et la transformation ? C’est sur ce terrain que se joue la maturité du positionnement.
La bonne question n’est donc pas seulement : où placer la direction data ? Elle est plutôt : est-ce que le métier peut être owner de ses usages Data ?
Conviction Vertone
Chez Vertone, nous pensons que les directions Data nécessite autant un questionnement sur leur positionnement que sur leurs fonctions accordées. La compétence technique reste indispensable (enjeux de plateformes, de sécurité et de qualité de données), mais elle ne suffit plus. Les banquiers et les assureurs ont besoin de directions data capables de parler le langage des métiers, d’identifier les priorités créatrices de valeur et de rendre la donnée lisible pour des décideurs non spécialistes.
C’est sans doute là que la fonction évolue le plus. Elle n’a pas vocation à devenir une DSI bis, ni un super-métier. Sa force tient à sa capacité d’interface. Elle relie le temps long du socle au temps court des priorités business. Elle relie la conformité et l’innovation. Elle relie enfin la qualité de la donnée à son usage réel dans les décisions.
Finalement, c’est moins un changement de modèle organisationnel qu’un changement de niveau d’ambition. Et c’est d’autant plus vrai, à l’heure de l’accélération des usages IA, et de leurs passages à l’échelle.
