Au-delà des tableaux de bord : présentation des plateformes d'exécution des décisions

Figure 1 : Decision Execution Platforms par Databricks Forward Deployed Engineering

Les Decision Execution Platforms (DEP) constituent une nouvelle catégorie d'analyses d'entreprise proposée par l'équipe Forward Deployed Engineering (FDE) de Databricks. Plutôt que de simplement présenter des insights, les DEP exécutent de bout en bout des boucles de décision stratégiques qui ont un impact direct sur les résultats financiers : signal, décision, exécution et résultats commerciaux tangibles, le tout sur l'infrastructure gouvernée de Databricks.

La BI a seulement amélioré les données d'entrée de la prise de décision stratégique

Les dépenses mondiales des entreprises en logiciels de BI ont atteint 34,8 milliards de dollars en 2025 et devraient atteindre 72,2 milliards de dollars d'ici 2034. Cette catégorie est aujourd'hui l'une des plus importantes du secteur des logiciels d'entreprise.

Les outils de BI ont permis aux dirigeants d'être mieux informés. Un COO peut désormais savoir plus rapidement que jamais si une marge baisse, si les stocks vieillissent, si l'exécution des commandes prend du retard, si la demande évolue ou si les prévisions s'écartent des plans. Ces insights sont aujourd'hui essentiels aux opérations commerciales modernes, mais ils ne soutiennent qu'une petite partie de l'ensemble du processus de prise de décision stratégique.

Les tableaux de bord d'aujourd'hui améliorent les données d'entrée des décisions, mais ils ne les font pas progresser. L'objectif des dirigeants est d'agir en fonction de ce que montrent les données. C'est là que s'arrêtent les outils de BI actuels, et que commence la catégorie suivante.

La prise de décision reste manuelle, fragmentée et lente

Le flux de travail décisionnel typique au sein d'une entreprise ressemble beaucoup à ce qu'il était il y a plusieurs décennies. Un dirigeant voit un signal sur un tableau de bord, dans un rapport hebdomadaire ou dans un e-mail. Il organise une réunion pour débattre des options. Une décision est consignée dans une présentation ou un e-mail. La mise en œuvre est déléguée aux équipes via des feuilles de calcul, des outils de suivi de projet et des fils de discussion Slack. Des semaines plus tard, quelqu'un tente d'en mesurer l'impact sur un autre tableau de bord, via une analyse ponctuelle ou un appel téléphonique.

Chaque étape est manuelle et chaque système est distinct. Le signal vit dans un tableau de bord, le raisonnement dans une réunion, la décision dans une présentation. L'exécution est dispersée entre des feuilles de calcul et des fils de discussion, et la mesure de l'impact se fait ailleurs. Rien n'est connecté, rien n'est orchestré. La plupart des organisations peuvent désormais mesurer des KPI, mais très peu peuvent mesurer l'impact réel de leurs décisions sur ces derniers.

C'est pourquoi de nombreuses organisations, même celles qui disposent de données abondantes, ont encore du mal à prendre des décisions au rythme et à l'échelle requis par l'entreprise.

Mais les choses changent. Les données d'entreprise gouvernées, les analyses en temps réel, les interfaces applicatives, l'état transactionnel et les agents prêts pour la production convergent. Cela crée les conditions nécessaires pour remplacer la coordination manuelle, la fragmentation et les boucles de rétroaction lentes du passé par un système unique, continu et gouverné. Gartner prévoit que d'ici 2028, 45 % des CIO dirigeront des systèmes d'agents d'IA en dehors de l'informatique, devenant ainsi coarchitectes des modèles de ressources de travail de l'entreprise. Nous pensons que cette prochaine phase de l'analyse transformera la visibilité des données en actions et, surtout, en résultats.

Qu'est-ce qu'une Decision Execution Platform (DEP) ?

Aujourd'hui, nous présentons les Decision Execution Platforms de Databricks FDE, ou DEP.

Les Decision Execution Platforms (DEP) sont une nouvelle catégorie de solutions d'analyse d'entreprise. Elles ne sont pas conçues pour présenter les informations plus rapidement, mais pour gérer la prise de décision stratégique de bout en bout, permettant :

• Une exécution plus fréquente des décisions : les signaux se transforment en actions approuvées et exécutées, au lieu de stagner dans des réunions, des présentations ou des fils de discussion
• Une qualité accrue, basée sur des données toujours actives : un contexte en temps réel, un impact prévisible et des alternatives viables sont présentés avant l'approbation, et des données en direct enrichissent continuellement les décisions des agents
• Un apprentissage continu : chaque décision et son résultat alimentent le système en retour, formant ainsi le système, les dirigeants et l'organisation au fil du temps

Les DEP décomposent la décision stratégique en quatre étapes distinctes et calculables (le signal, la décision, l'exécution et le résultat) et permettent aux opérateurs de les exécuter sous la forme d'une boucle continue sur un plan opérationnel gouverné unique.

• Signal : détection en temps réel des variations par rapport aux KPI, présentée au moment opportun
• Décision : chaque signal est accompagné d'une action recommandée par un agent, d'alternatives viables, de l'impact prévu et du raisonnement sous-jacent
• Exécution : un simple clic transmet l'option choisie aux systèmes d'enregistrement et déploie les agents chargés d'effectuer le travail
• Résultat : chaque décision enregistre ses résultats (impact prévu par rapport à l'impact réel, écart et enseignements pour améliorer la décision suivante)

Le dirigeant reste l'autorité décisionnelle, tandis que les agents s'occupent du travail entre le signal et le résultat commercial, ce qui nécessitait auparavant une succession de réunions, de présentations et de suivis. La boucle fonctionne en continu, et chaque décision ainsi que son résultat sont conservés ensemble dans le Decision Log au sein du propre plan de données de l'organisation.

Figure 2 : Couches d'architecture de la Decision Execution Platform par FDE

Comment fonctionnent les Decision Execution Platforms : l'architecture

Une DEP nécessite plus qu'une simple couche de visualisation par-dessus des fichiers CSV hérités. Elle requiert une architecture gouvernée où les données, l'IA, les applications, les agents et l'état opérationnel fonctionnent ensemble comme un système unique. La pile DEP est composée de trois couches, chacune construite sur la précédente, le tout fonctionnant sur la plateforme Databricks.

• Couche 1 - Fondation - Données et IA ouvertes et gouvernées sur la propre instance Databricks du client. Le client conserve les données, les modèles et l'IP. Conçue à partir de Lakebase (état transactionnel en temps réel), Genie (accès en langage naturel), Unity Catalog (gouvernance), Lakehouse (données analytiques), , Agent Bricks (agents et modèles), MLflow (cycle de vie), et . Chaque signal lu, chaque décision prise et chaque résultat mesuré résident dans un plan gouverné unique.
• Couche 2 - Software Development Kit - Développé et maintenu par Databricks FDE. Primitives réutilisables à partir desquelles chaque DEP est composée : la Genie Ontology (forme typée pour chaque signal, décision et résultat), les Action Types (comportement d'agent révisable et réversible), le Decision Log (chaîne complète de chaque décision par rapport à son intention), les Scenarios (comparaison des trajectoires avant approbation) et l' Omnigent Agent Harness (qui relie le tout). Ces primitives transforment les agents d'exécution en temps réel et toujours actifs en une catégorie reproductible.
• Couche 3 - Interface stratégique - La couche applicative sous forme de produit, développée par Databricks FDE pour chaque client : des archétypes sectoriels configurés pour les données et les systèmes opérationnels de chaque client. Des archétypes sont disponibles pour l'assurance, la santé, l'énergie, les services financiers, le commerce de détail et bien plus encore. Chacun hérite du SDK de la couche 2 et de la fondation de la couche 1, de sorte qu'une DEP est configurée pour un client plutôt que d'être reconstruite pour lui.

Ensemble, ces trois couches forment la pile gouvernée qui exécute la boucle de décision complète d'un dirigeant (du signal au résultat) au sein d'un plan de données unique.

Figure 3 : Composants de la Decision Execution Platform

Étude de cas : Biens de consommation

Notre équipe FDE a récemment aidé un grand détaillant d'articles de sport à combler l'écart entre les délais de livraison indiqués aux clients lors du paiement et le système d'optimisation de l'exécution des commandes qui doit acheminer physiquement chaque commande.

Auparavant, les deux systèmes fonctionnaient à partir de données divergentes, et les planificateurs passaient des heures chaque jour à concilier les recommandations des agents avec la réalité opérationnelle. Les SLA n'étaient pas respectés, les coûts d'expédition express ont grimpé en flèche et, selon les propres estimations internes du client, ce seul écart représentait un impact de plus de neuf chiffres par an sur ses résultats financiers.

En quatre semaines, nous avons co-développé avec l'équipe du client une instance DEP opérationnelle pour l'optimisation de l'exécution des commandes, axée sur un résultat précis, des KPI et des OKR, et non sur des fonctionnalités ou des livrables.

La DEP était composée d'une ontologie unifiée – couvrant le nœud d'exécution, le transporteur et les délais de livraison convenus – modélisée dans Unity Catalog. Les types d'actions typés permettaient aux planificateurs et aux agents de réorienter la capacité, de simuler des contraintes et d'exécuter des décisions directement dans le système d'exécution de la production, sans accès direct en écriture. Le contexte analytique, le moteur de simulation, le runtime de l'agent et l'interface opérateur s'exécutaient tous sur le propre espace de travail Databricks du client. Aucun plan de données multi-fournisseurs et aucune ontologie propriétaire vers laquelle migrer.

Alors que nous entrons dans la phase de mise à l'échelle de ce premier déploiement de la DEP, nous sommes désormais en bonne voie pour obtenir des résultats mesurables sur le résultat net et la satisfaction des clients, tout en donnant aux dirigeants de la chaîne d'approvisionnement une autorité décisionnelle de bout en bout sur l'ensemble de la boucle.

Figure 4 : Decision Execution Platform développée pour un détaillant mondial

Ce que cela signifie pour l'avenir de la prise de décision en entreprise

Pendant des décennies, les plateformes d'analyse ont aidé les entreprises à acquérir une meilleure visibilité. Ce travail reste important, et les dirigeants auront toujours besoin de données fiables, de métriques claires et de tableaux de bord performants.

Cependant, les frontières ont bougé, et la prochaine phase de l'analyse consiste à concevoir des systèmes qui agissent en fonction de ce que révèlent les données. Les entreprises qui ne prennent pas cette direction risquent de traiter l'IA comme de nombreuses organisations ont traité les premières analyses : comme un simple complément aux processus existants plutôt que comme une opportunité de repenser le processus lui-même — et pourraient passer à côté d'une évolution historique majeure dans la gestion des organisations.

Les Decision Execution Platforms sont la nouvelle catégorie que Databricks FDE définit pour ce virage. La question n'est plus seulement : que se passe-t-il dans l'entreprise ? Elle devient désormais : que devons-nous faire, comment l'exécuter, et cela a-t-il fonctionné ?

Pour en savoir plus sur ce que les Decision Execution Platforms de Databricks FDE peuvent apporter à votre entreprise et pour demander une démonstration, veuillez contacter dep-fde@databricks.com

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original