Vous déployez copilote et attendez la vague de productivité, mais au lieu d'une percée, vous constatez un bond de 300% des incidents de perte de données. On supposait que l'IA révélerait notre génie, mais en réalité, elle expose surtout notre dette en matière de permission. Le groupe tech tout le monde est que dans votre environnement SharePoint est actuellement la plus grande faille de sécurité de votre entreprise, agissant comme une porte ouverte que personne n'a pris la peine de fermer car les données étaient enfouies au sous-sol. Désormais, ces données sont conversationnelles. Votre stratégie actuelle d'étiquetage de sensibilité n'est pas un bouclier. C'est un cimetière de données qui cache des informations à ceux qui en ont besoin, sans pour autant empêcher l'IA de révéler les mauvaises choses aux mauvaises personnes. C'est la crise des silos de l'IA collaborative. Aujourd'hui, nous passons du confinement au contexte et nous allons sauver votre investissement dans l'IA en corrigeant le mensonge structurel au cœur de votre modèle de gouvernance des données.

Le paradoxe de l'héritage. Le défaut fondamental de la plupart des déploiements d'IA est une mauvaise compréhension du fonctionnement de la machine. Et bien que vous puissiez supposer que copilote décide qui voit quoi, ce n'est pas le cas. Copilot est un miroir qui rite de votre entropie organisationnelle existante, il ne crée donc pas de nouveaux accès. Il se contente de rendre opérationnels les accès que vous avez accordés il y a des années. Voyez cela comme l'effet projecteur. Avant l'IA, le surpartage était latent comme un dossier désordonné au sous-sol que personne ne consultait, mais l'IA rend ce surpartage visible à la vitesse de la machine à... Si un analyste junior demande un résumé des récents changements stratégiques et que votre dossier de fusion-acquisition est marqué comme interne, l'IA résumera la fusion que vous n'avez pas encore annoncée. Ce n'est pas une violation, c'est une fonctionnalité de votre propre architecture.

La réalité est que la couverture de l'étiquetage manuel dépasse rarement 10% dans l'entreprise moyenne, car nous avons passé une décennie à dire aux utilisateurs d'étiqueter leurs fichiers et ils ne l'ont tout simplement pas fait. Nous avons compté sur une mentalité de cas configurés et oubliés qu'un pour les étiquettes de sensibilité en supposant qu'une fois marqué public un fichier, le resterait pour toujours. Mais les données sont fluides, ce qui signifie qu'un document qui était public hier pourrait contenir une réponse sensible aujourd'hui. Lorsque nous nous appuyons sur des étiquettes statiques, nous créons des barrières invisibles à l'intelligence interdépartementale et une étiquette hautement confidentielle sur un plan de projet peut empêcher l'équipe marketing d'avoir une date de lancement dont elle a besoin pour travailler, dont elle a besoin pour travailler. Cela crée un silo et ces silos sont la raison pour laquelle votre IA ressemble moins à un assistant qu'à un bibliothéca restrictif et strictif.

Nous avons bâti un système basé sur l'idée que nous pouvons classer le monde une fois pour toutes, mais dans un environnement collaboratif, ce modèle s'effondre. Si les étiquettes manquent, l'IA voit trop de choses et si elles sont présentes, elles sont souvent trop rigides en pêchant l'IA de faire le lien entre les services. Il existe actuellement un fossé immense entre les attentes de la direction vis-à-vis de l'IA et ce que permet l'architecture des données. Impossible d'avoir une IA performante si vos données sont bloquées dans des hiérarchies de dossiers des années 90. Le paradoxe de l'héritage signifie que la sécurité de votre IA dépend uniquement de la pire erreur commise par votre administrateur SharePoint en 2014. Il faut admettre que l'approche actuelle de la classification échoue car elle est statique, manuelle et traite les données comme un objet à verrouiller plutôt qu'un atout à exploiter.

La plupart des organisations sont bloquées dans un purgatoire de tests car elles réalisent après six semaines que leurs permissions sont en désordre. Elles tentent de corriger cela en ajoutant des étiquettes, mais multiplier les labels dans un système défaillant ne fait que créer davantage de silos sans résoudre le problème de visibilité. Le changement nécessaire ne réside pas dans de meilleures tags, mais dans un meilleur modèle. Nous nous sommes concentrés sur le quoi, le fichier lui-même, alors que nous devrions nous concentrer sur le qui, le où et le pourquoi. Le problème n'est pas seulement l'absence d'étiquettes, c'est que celles existantes sont statiques et ne reflètent pas la réalité du travail actuel. Travail est dynamique, notre sécurité doit donc l'être aussi. Si nous ne réglons pas cela, l'IA continuera d'halluciner car elle consulte les mauvaises données ou au pire, elle révélera la vérité sur des données qui auraient dû rester confidentielles.

Pour briser la boucle des retouches, nous devons revoir le modèle fondamental d'octroi des accès. Le coût élevé des retouches. Nous parlons des gains de productivité de l'IA comme d'un chiffre brut, on voit les 9 heures économisées par mois et on considère le travail accompli. Mais la réalité est bien plus complexe. Environ 40% du temps gagné par les employés grâce à l'IA est immédiatement perdu à corriger les erreurs générées par celle-ci. C'est la friction cachée du silo. Quand copilote n'a pas accès aux bonnes données, le contrat final, le budget réel ou le plan de projet validé ne s'arrête pas, il devine. Il examine les données sombres auxquelles il a accès, comme un vieux brouillon dans un dossier partagé ou un message de chat spéculatif, et il construit une réponse basée sur cela. Le résultat est une boucle de retravail qui grignote silencieusement votre retour sur investissement. Nous pouvons réellement quantifier cette dette numérique.

Pour vos meilleurs éléments, les utilisateurs experts qui exploitent le plus ces outils se retravaillent représentent environ une semaine et demie de temps perdu par an. Réfléchissez-y. Vous payez une licence premium pour gagner du temps, mais à cause du cloisonnement de vos données, vos meilleurs talents passent près de deux semaines entières à auditer des erreurs générées par la machine. Ils agissent essentiellement comme des relecteurs hautement rémunérés pour un système censé être leur copilot. Cela se produit parce qu'une classification rigide crée un vide. S'il y a est exclu du système de référence par un label de confidentialité obsolète, elle comblera ce vide avec n'importe quel système pratique qu'elle pourra trouver. Dans des départements comme la finance ou l'ERH, cela conduit à des résultats faux mais présentés avec assurance. Un responsable financier pourrait demander un résumé des dépenses trimestrielles.

Si l'exportation réelle de l'ERP est verrouillée, mais qu'un brouillon désordonné et non classifié traîne dans un canal Teams public, l'IA résumera ce brouillon. Le responsable passe alors 20 minutes à trouver les divergences. C'est le point de friction entre l'efficacité brute et la valeur nette. Si vous faut deux minutes pour générer un rapport, mais 20 minutes pour vérifier les chiffres, parce que l'IA n'a pas pu voir la source de vérité, vous n'avez rien gagné. Vous allez simplement déplacer le travail de la création vers la correction. Ce retravail n'est pas juste une gêne, c'est le symptôme d'une défaillance structurelle. Nous avons passé des années à construire des silos de données pour protéger les informations, mais à l'ère de l'IA générative, ces silos font office de bandeau. Ces silos font office de bandeau. Quand l'IA a un bandeau sur les yeux, elle hallucine. Elle essaye de satisfaire l'utilisateur en reliant des points qui ne devraient pas l'être.

Nous voyons des organisations où le taux de retravail est si élevé et que les employés commencent à perdre confiance dans l'outil. Ils cessent de demander à l'IA des analyses complexes et reviennent à une utilisation basique pour la rédaction d'emails. Dès que cela arrive, votre stratégie d'IA a échoué. Peuillez pour un moteur, mais vous n'utilisez que les phares. Pour corriger cette boucle de retravail, nous devons cesser de regarder l'IA et commencer à examiner la tuyauterie. Les bonnes données existent, les idées brillantes sont là, mais elles sont piégées derrière un mur d'autorisation hérité et de labels statiques conçus pour un monde où les humains faisaient toutes les recherches. Nous devons évoluer vers un modèle où l'IA peut voir ce qu'elle doit voir exactement quand elle doit le voir sans compromettre la sécurité. Nous devons examiner le modèle sous-jacent d'Octroi des accès, car tant que l'IA travaillera avec un contexte partiel, vous travaillerez sans relâche pour corriger les résultats.

C'est un coût qu'aucune organisation ne peut se permettre d'ignorer. Du confinement au contexte, nous devons cesser de concevoir la sécurité comme un mur. Pendant des décennies, l'industrie s'est appuyée sur un modèle de périmètre renforcé. Vous étiez soit à l'intérieur du réseau, soit à l'extérieur, mais ce monde a disparu. Aujourd'hui, le périmètre est pour eux. Les gens travaillent de chez eux, utilisent des appareils non gérés et collaborent avec des fournisseurs externes. Dans cet environnement, l'ancien modèle de confinement, où l'on verrouille des données dans un dossier en supposant qu'elles sont en sécurité, parce qu'il est privé, est une dangereuse illusion. C'est dangereux car cela suppose que la menace est uniquement extérieure, alors que la véritable menace à l'ère de copilote est la dérive des droits internes accumulés depuis des années. Nous devons passer d'une stratégie de confinement à une stratégie de contexte.

L'ancien modèle était conçu pour la structure. Il supposait que la sensibilité d'un fichier était un attribut fixe. Vous marquez le document comme confidentiel, et l'affaire était classée. Mais dans un environnement d'IA collaboratif, cette étiquette est trop simpliste. Elle ne nous en dit pas assez. Elle ne tient pas compte de qui fait la demande, l'appareil utilisé ou de l'endroit où se trouve l'utilisateur. C'est pourquoi nous assistons à une transition massive vers le contrôle d'accès discrétionnaire ou d'accès. Il ne s'agit pas seulement d'une mise à jour technique, mais d'un changement philosophique. Cela déplace le processus décisionnel du moment de la création du fichier à la milliseconde où les données sont demandées. C'est la différence entre un verrou statique et un capteur intelligent. D'ici 2026, l'industrie imposera une transition vers le contrôle d'accès basé sur les attributs ou ABAS.

C'est le fondement du tissu d'identité moderne. Au lieu de se fier à une seule étiquette statique, l'ABAC évalue une douzaine de signaux de risque différents en temps réel. Il examine le rôle de l'utilisateur, certes, mais aussi l'état de santé de son ordinateur. Il examine sa localisation physique. Il examine même son comportement. Si un utilisateur qui accède habituellement au seul fichier marketing demande Souda à copilote de résumer toute la base de données de paie depuis un café dans un autre pays, depuis un café dans un autre pays. Le système ne doit pas seulement regarder l'étiquette de sensibilité. Il doit examiner le contexte et dire non. C'est ainsi que nous passons de cas. Ce fichier est-il éthique-tique ? A quoi cet utilisateur doit-il voir ces données maintenant ? C'est un changement subtil aux implications massives. Cela nous permet d'être plus permissif lorsque le risque est faible et plus restrictif lorsqu'il est élevé.

Cela brise les silos car cela permet un accès juste à temps. Si l'équipe marketing doit consulter une date de lancement hautement confidentielle, le système peut lui accorder un accès temporaire en lecture seule basée sur le contexte de son projet actuel sans compromettre durablement la sécurité du fichier. Ça non ? C'est le seul moyen de permettre l'intelligence interdépartementale promise par l'IA sans transformer votre tenant en un espace de données en libre accès. Le retour sur investissement de ces systèmes dynamiques devient déjà évident. Les organisations qui délaissent les étiquettes statiques pour un modèle axé sur le contexte constatent des réductions de 15 à 30% de leurs primes d'assurance cyber. Pourquoi ? Parce que les assureurs savent que les étiquettes statiques sont faciles à contourner ou à ignorer. Les systèmes dynamiques, en revanche, sont beaucoup plus difficiles à exploiter.

Ils offrent un niveau de vérification continu que les modèles statiques ne peuvent tout simplement pas égaler. Ils réduisent le rayon d'impact d'un compte compromis car l'attaquant ne peut pas simplement hériter d'années d'autorisation négligente. Chaque requête fait l'objet d'une nouvelle évaluation. Chaque interaction est une nouvelle occasion de vérifier la confiance. Ce n'est pas seulement un changement théorique pour les architectes informatiques. C'est une exigence de survie pour la prochaine vague d'IA agentique. À mesure que nous évoluons vers des agents capables d'agir en notre nom, de planifier des réunions, de transférer de l'argent ou de mettre à jour des dossiers, nous ne pouvons plus compter sur un modèle de sécurité, configurité, configurité, quantité, confié. Nous avons besoin d'un système qui comprenne l'intention derrière l'action. Nous avons besoin d'une sécurité aussi intelligente que l'IA qu'elle protège.

Cela nous conduit à la feuille de route technique. Car si la philosophie change, les outils pour la mettre en œuvre arrivent enfin dans l'écosystème Purview. Avec la feuille de route Purview 2026, le virage vers l'intelligence contextuelle apparaît enfin dans l'architecture réelle de l'écosystème Microsoft. Nous dépassons l'époque où Purview n'était qu'un outil de reporting de conformité. En 2026, il a évolué en un moteur de diagnostic en temps réel. L'un des changements les plus significatifs est le passage à des diagnostics permanents pour la DLP des points de terminaison. Auparavant, le dépannage d'une défaillance de politique signifiait une semaine d'aller-retour entre l'informatique et l'utilisateur pour tenter de reproduire un bug survenu une seule fois. Désormais, ces traces de diagnostic sont stockées localement sur l'appareil dans un format sécurisé et compressé pendant 90 jours.

Cela permet au système d'analyser précisément pourquoi un fichier a été bloqué ou pourquoi une étiquette ne s'est pas appliquée sans jamais envoyer de contenu sensible vers le cloud. Il s'agit d'une visibilité locale associée à une application globale. Cette puissance de diagnostic est amplifiée par des outils d'explication basés sur l'IA. Nous avons atteint un niveau de complexité où les administrateurs humains ne peuvent plus suivre manuellement les différences entre une douzaine de politiques DLP différentes, entre une douzaine de politiques DLP différentes. Lorsqu'une règle change, le système génère désormais un résumé en langage naturel pour expliquer précisément ce qui a été modifié et quels groupes d'utilisateurs sont concernés. Il montre également quel sera l'impact potentiel sur les flux de travail collaboratif, ce qui réduit le risque des dérives des politiques. Il s'agit du moment où les règles de sécurité deviennent si complexes qu'elles commencent à bloquer le travail légitime.

Ces outils permettent à l'équipe de sécurité d'agir comme des facilitateurs plutôt que comme des gardiens en clarifiant les règles dans un langage compréhensible par l'entreprise. Un élément essentiel de cette feuille de route est le rôle de la recherche SharePoint restreinte, ou RSS. C'est le frein d'urgence de votre déploiement d'IA. Il vous permet d'exclure explicitement les sites à haut risque comme les documents du conseil d'administration, les données de paye ou la stratégie juridique afin qu'ils ne servent pas de base à copilote. Avant même de toucher une étiquette de sensibilité, vous pouvez utiliser RSS pour garantir que l'IA ne puisse tout simplement pas avoir les zones les plus sensibles de votre tenant. Il s'agit d'une couche de protection fondamentale qui reconnaît que toutes les données ne se valent pas. Cela vous donne la marge de manœuvre nécessaire pour corriger votre dette de permission sans avoir à arrêter toute l'expérimentation de l'IA.

Nous assistons également à une expansion massive des capacités d'étiquetage automatique. L'objectif pour 2026 est d'être sécurisé par défaut. Vos bibliothèques SharePoint ne sont plus de simples réceptacles passifs, elles deviennent des acteurs actifs de votre posture de sécurité. Lorsqu'un fichier est téléchargé dans une bibliothèque spécifique, l'étiquette par défaut de cette bibliothèque est appliquée automatiquement au repos. Si ce fichier contient des types d'informations sensibles, le système peut désormais remplacer les étiquettes manuelles de priorité inférieure. Cela comble le déficit de couverture qui pénalise les systèmes manuels depuis des années. Cela garantit que même si un utilisateur oublie d'étiqueter un document, la plateforme prend le relais. C'est le passage d'un système volontaire à une infrastructure automatisée obligatoire. Pour gérer cela à grande échelle, nous nous appuyons de plus en plus sur l'API Graph pour des analyses d'utilisation personnalisées.

Nous pouvons désormais regarder sous le capot pour voir exactement quels départements sont cloisonnés. Si l'équipe R&D a un taux de retravail de 90% parce qu'elle ne peut pas voir les spécifications techniques, les données le montreront. Nous pouvons identifier les goulots d'étranglement ou une classification rigide nuit à la productivité ajustée des politiques en temps réel. C'est ainsi que nous passons d'une posture de sécurité réactive à une stratégie de gouvernance proactive. Nous utilisons les données pour identifier les failles du système plutôt que d'attendre une plainte d'utilisateurs ou une violation de sécurité. Mais même avec les meilleurs outils, la stratégie échoue sans un alignement de la direction. Vous pouvez avoir la configuration Purview la plus avancée au monde. Mais si votre direction considère toujours les données comme quelque chose à thésauriser, vous ne tirerez jamais pleinement parti de l'IA.

Cela nous amène à un nouveau type de risque qui émerge de la base. Il s'agit d'un défi qui ne vient pas des hackers ou des menaces externes, mais de vos propres employés cherchant à être productifs. Nous devons parler du dilemme du développeur citoyen. Le dilemme du développeur citoyen. Nous assistons actuellement à la plus grande explosion de créations non régulées de l'histoire de l'informatique d'entreprise. Il existe désormais plus d'un million d'actifs low-code au sein de l'écosystème Microsoft. Nous avons donné aux employés les moyens de créer leurs propres applications, leurs propres flux et maintenant leurs propres agents IA. Mais cette autonomisation a côté sombre. Nous sommes passés de l'informatique de l'ombre à l'IA de l'ombre où des utilisateurs non techniques construisent des agents complexes sur des données désordonnées et non gouvernées. C'est le risque de prolifération des agents.

C'est ce qui arrive lorsqu'un coordinateur marketing crée un GPT personnalisé dans Copilot Studio pour répondre aux demandes des fournisseurs, mais qu'il base par mégarde cet agent sur un site SharePoint contenant tous les contrats signés par l'entreprise depuis 2012. Le dilemme est que nous ne pouvons pas simplement tout arrêter. Si vous supprimez la capacité des gens à résoudre leurs propres problèmes, vous tuez l'agilité même que l'IA est censée apporter. Au lieu de cela, nous devons évoluer vers un modèle de gouvernance à plusieurs niveaux. Tous les agents ne sont pas égaux. Un outil low-code aidant un individu à résumer ses propres emails via des connecteurs team standards est un actif à faible risque qui devrait contourner les processus de révision lourds. Mais si un agent interagit avec un système d'enregistrement comme Dataverse ou une base de données SQL sensible, il nécessite un contrôle.

Nous devons cesser de traiter le développement citoyen comme une catégorie unique et commencer à le considérer comme un spectre de risque. L'industrie pivote de l'ancien concept de développement citoyen vers ce que nous appelons désormais la création personnelle augmentée par l'IA. La différence est subtile mais cruciale. Dans l'ancien monde, l'utilisateur était un développeur. Mais dans le nouveau monde, l'utilisateur est un orchestrateur. Il dirige l'IA pour construire la solution pour lui. Cela rend les gardes-fous dans Copilot Studio plus importants que le code lui-même. Nous devons mettre en œuvre des couches de modération de contenu qui empêchent ces agents d'halluciner ou de fuiter des données via des attaques par injection de prompt dont l'utilisateur ignorait même l'existence. Vous ne laisseriez pas un stagiaire d'aider rédiger vos règles de pare-feu alors nous ne devrions pas les laisser construire des agents ayant accès en lecture à l'ensemble du wiki d'entreprise.

La solution est structurelle. Nous devons automatiser l'application des politiques de prévention des pertes de données au sein de l'environnement low-code. Si un utilisateur tente de connecter un agent IA à un compte Dropbox externe non géré, le système doit le bloquer instantanément. S'il tente de créer un bot qui interroge une bibliothèque marquée 4 hautement confidentielle au cœur, le déploiement, doit déclencher une révision manuelle automatique par l'équipe IT. Cela crée une voie d'innovation sécurisée dès la conception. Cela permet aux créateurs de bâtir tout en garantissant que les actifs les plus sensibles restent protégés derrière les barrières contextuelles évoquées, évoquées. Nous entrons dans une ère où chaque employé est un architecte potentiel de l'intelligence de l'entreprise. C'est un avantage concurrentiel massif s'il est bien géré, mais une responsabilité catastrophique s'il est laissé au hasard.

L'objectif n'est pas d'arrêter la prolifération, mais de gouverner le flux. Nous devons fournir aux développeurs citoyens des modèles préapprouvés et des zones sûres pour expérimenter sans risquer nos joyaux de la couronne. Cela garantit que les agents créés sont une extension de notre stratégie de gouvernance plutôt qu'une exception à celle-ci. Cela nous amène au dernier obstacle, convaincre la direction de traiter l'accès comme un atout stratégique. Vous ne pouvez pas gouverner un million d'agents depuis la salle des serveurs. Vous avez besoin d'un alignement avec la direction. Il est temps de déplacer la conversation de la salle des serveurs vers la salle du conseil. La stratégie d'adhésion de la direction. La bataille technique pour la sécurité contextuelle est gagnée dans le code, mais la bataille stratégique est perdue dans les conseils d'administration. Pendant des années, la gestion des identités et des accès a été traité comme un simple problème de plomberie.

C'était une affaire pour les équipes techniques pendant que l'entreprise se concentrait sur sa croissance. En 2026, cet état d'esprit est un handicap. Nous devons recadrer toute la conversation car l'identité n'est plus seulement une connexion. C'est le plan de contrôle central de la confiance numérique. Si votre direction ne le comprend pas, votre déploiement d'IA restera une série d'expériences coûteuses et déconnectées. Nous devons cesser de présenter la sécurité comme un centre de coût. Au lieu de cela, nous devons la présenter comme un accélérateur de prise de décision. La plupart des cadres voient la sécurité comme une série de refus. Non, vous ne pouvez pas utiliser cet outil. Vous ne pouvez pas partager ce fichier. Mais une architecture d'identité moderne fait l'inverse. Elle fournit le Kauiko qui permet à l'entreprise d'avancer plus vite. Grâce à une vérification contextuelle continue, vous pouvez intégrer un nouveau partenaire en quelques heures plutôt qu'en quelques semaines.

Vous pouvez donner à un consultant l'accès nécessaire pour un projet de 3 jours puis voir cet accès disparaître automatiquement dès qu'il a terminé. Il ne s'agit pas de restrictions mais d'agilité. Il s'agit de créer un environnement où les bonnes personnes peuvent agir sur les bonnes informations sans la friction des approbations manuelles. On peut constater le coût de cette négligence sur le marché des fusions acquisitions. Un fossé de maturité immense se creuse entre les entreprises ayant maîtrisé la gouvernance des identités et celles qui dépendent encore de modèles obsolètes. Lorsqu'une entreprise mature acquiert un concurrent, elle intègre ses nouveaux collaborateurs à son écosystème IA en quelques jours. Pour celles dont l'hygiène des identités est défaillante, cette intégration s'éternise sur des mois détruisant de la valeur et bloquant les synergies promises par la fusion. Une mauvaise gouvernance des identités nuit directement à la valeur post-fusion.

C'est un poids sur le bilan financier que la plupart des PDG n'ont pas encore quantifié. C'est pourquoi demander une augmentation de budget de 5 à 20% pour une Kegor Identity Fabric Senghor n'est pas une simple dépense de sécurité supplémentaire. C'est un investissement dans une infrastructure de croissance. C'est l'équivalent numérique de construire un réseau ferroviaire à grande vitesse entre vos silos de données. Vous passez d'un périmètre verrouillé que chacun tente de contourner à un modèle de vérification continu qui soutient réellement la façon dont les gens travaillent. Vous expliquez à la direction que s'ils veulent le gain de productivité quintuplé promis par l'IA, ils doivent financer les fondations qui le rendent sûr. Vous devez déplacer vos priorités, passer de la simple protection des données

d'elle consciente du contexte et le seul moyen de bâtir une entreprise résiliente à l'ère de l'IA agentique. Cela permet à l'organisation de faire évoluer son intelligence sans augmenter ses risques. Lorsque la direction traite les accès comme un actif stratégique, c'est toute la culture de l'entreprise qui évolue. La sécurité devient une responsabilité partagée et les données une ressource fluide plutôt qu'un secret jalousement gardé. Il est temps de ne plus regarder le coût des outils mais celui des frictions car à l'ère de l'IA, c'est l'entreprise la plus rapide qui gagne et vous ne pouvez pas être rapide si vos données sont piégées dans l'erreur. Votre mission pour 2026 est claire. Vous devez auditer votre dette de permission avant de généraliser vos licences IA. La technologie est prête mais votre architecture ne l'est probablement pas. Le défi du prochain trimestre est de mettre en oeuvre un étiquetage automatique obligatoire et d'effectuer un nettoyage des sites sous 90 jours pour combler les failles les plus flagrantes.

Arrêtez de thésauriser, libérez les flux. Si vous souhaitez partager vos progrès dans le décloisonnement ou discuter de la gestion des permissions contextuelles par votre équipe, contactez Mirko Peters sur LinkedIn. Abonnez-vous pour plus d'analyses approfondies sur le futur du travail. Restez en sécurité. Restez productifs.