Blog Notre Histoire Demandez une Démo →

What is middleware and why does your IT system need one?

Your ERP doesn’t talk to your CRM. Your HR data sits isolated in a corner, cut off from everything else. And every time a business team adds a new SaaS tool, that’s one more integration to patch together. Welcome to the reality of the modern IT system, where the average enterprise juggles 897 different applications (source: APPSeCONNECT). This is where middleware comes in.

What exactly is middleware?

The word comes from « middle » and « software ». In practice, middleware is software that sits between the applications, databases, and operating systems of an information system, allowing them to communicate with each other (source: IBM).

It’s often described as the cement of a building or the nervous system of an organization. Without it, each application stays in its silo, speaks its own language, and ignores the others. With it, the whole forms a coherent system where information flows, processes chain together, and teams stop wasting time copying data from one tool to another.

The term first appeared officially at a NATO software engineering conference in 1968, then took hold in the 1980s as a way to connect new applications to legacy systems (source: Wikipedia). Its role has only grown since.

Why your IT system needs it

The reason is simple: the modern IT system has become a patchwork. ERP, CRM, marketing automation tools, HR platforms, specialized business applications, cloud services, legacy databases… The average enterprise now uses 897 applications, and 46% of large organizations exceed 1,000 (source: ONEiO Cloud). More worrying still, 71% of those applications remain unintegrated, which multiplies manual data entry, errors, and data silos.

Without middleware, each new application requires building a custom connector. Multiplied across dozens of tools, the cost explodes: Gartner estimates that enterprises spend 30 to 40% of their IT budget managing the complexity created by unintegrated applications (source: APPSeCONNECT). Middleware changes the equation by providing a single abstraction layer: build once, connect everywhere.

The market reflects this need. Enterprise application integration is expected to reach $26.8 billion in 2026, growing at 16.5% per year (source: The Business Research Company). Not a passing trend, but a structural answer to a problem that keeps getting worse.

The main families of middleware

Not all middleware does the same thing. Several broad categories are traditionally distinguished (source: AWS). Message Oriented Middleware (MOM) passes messages between applications asynchronously, much like a queue (Apache Kafka and RabbitMQ are popular examples). Enterprise Application Integration (EAI) middleware connects multiple heterogeneous systems through a common hub, historically through an Enterprise Service Bus (ESB).

iPaaS (Integration Platform as a Service) is the cloud native version of EAI, integrating applications across hybrid environments. It is now the most dynamic segment of the market, expected to exceed $17 billion by 2028 according to Gartner (source: ONEiO Cloud). API middleware, or API Gateways, handles API requests between applications, enforces security policies, and monitors performance. This segment alone accounts for 28.7% of the integration market in 2026 (source: Persistence Market Research). Finally, platform middleware (application servers, web servers, content management systems) provides a common runtime foundation for applications.

This diversity is no accident: each use case has its own constraints. But they all share the same fundamental mission: making things talk that weren’t designed to talk to each other.

The limits of traditional middleware

Middleware isn’t a silver bullet. Three blind spots keep coming up.

First, data duplication. Most traditional middleware works by copying data from one system to another, or by centralizing it in an intermediate hub. The result: the same information exists in multiple copies, sometimes with diverging versions, and each one is another attack surface or potential leak.

Second, complexity. 45% of organizations cite middleware complexity as a barrier, and 39% report integration delays caused by interoperability issues (source: Business Research Insights). The bigger the IT system grows, the more the middleware itself becomes a system to maintain, with its own dependencies and its own potential failure points.

Third, sovereignty. Many integration middleware products today are American SaaS services, subject to the Cloud Act. The data flowing through them can legally be requested by U.S. authorities, even if the client is European. For regulated sectors (healthcare, defense, finance, public sector), this becomes a deal breaker. As we explained in our article on digital sovereignty, the provider’s nationality outweighs the location of the servers.

What if middleware didn’t need to store anything to work?

The historical logic of middleware rests on one rarely questioned assumption: to move data around, you first have to capture it, transform it, and sometimes store it. That’s exactly what creates the complexity, the duplication, the exposure.

iD4Connect takes a different approach: middleware that processes data during transit, without ever storing or duplicating it. Each DataCell acts as an intelligent processing unit (cleaning, transformation, enrichment, routing) that runs on the data as it passes through, then releases it. Nothing persists, nothing accumulates.

The orchestration of these DataCells, structured as a DataGraph, makes it possible to build complex flows between any applications, in any environment: on premise, cloud, or hybrid. The Universal Connector handles multisource ingestion across all standard protocols (JDBC, ODBC, MQTT, Kafka, REST…), without forcing its own format.

The benefit for the IT system is threefold: the exposure surface is reduced to zero since the middleware never stores the data, sovereignty is guaranteed by the architecture itself (European design, execution within the client’s perimeter), and operating costs stay predictable.

In 2026, the real question may no longer be « which middleware to choose, » but how to make your IT system talk to itself without turning it into a graveyard of copies.

¿Qué es un middleware y por qué su SI lo necesita?

Su ERP no habla con su CRM. Sus datos de RR. HH. duermen en un rincón, aislados del resto. Y cada vez que un equipo de negocio añade una nueva herramienta SaaS, es una integración más que parchear. Bienvenido a la realidad del SI moderno, donde la empresa media maneja 897 aplicaciones diferentes (fuente: APPSeCONNECT). Aquí es donde entra en juego el middleware.

¿Qué es exactamente un middleware?

La palabra viene del inglés «middle» (medio) y «software» (programa). En la práctica, un middleware es un software que se sitúa entre las aplicaciones, las bases de datos y los sistemas operativos de un sistema de información para permitir que se comuniquen entre sí (fuente: IBM).

A menudo se le compara con el cemento de un edificio o con el sistema nervioso de una organización. Sin él, cada aplicación se queda en su silo, habla su propio idioma e ignora a las demás. Con él, el conjunto forma un sistema coherente donde la información circula, los procesos se encadenan y los equipos dejan de perder tiempo copiando datos de una herramienta a otra.

El término apareció oficialmente en una conferencia de la OTAN sobre ingeniería del software en 1968, y se consolidó en los años ochenta como forma de conectar las nuevas aplicaciones a los sistemas heredados (fuente: Wikipedia). Desde entonces, su papel no ha hecho más que crecer.

Por qué su SI lo necesita

La razón es sencilla: el SI moderno se ha convertido en un mosaico. ERP, CRM, herramientas de marketing automation, plataformas de RR. HH., aplicaciones de negocio especializadas, servicios cloud, bases de datos heredadas… La empresa media utiliza hoy 897 aplicaciones, y el 46 % de las grandes organizaciones supera las 1000 (fuente: ONEiO Cloud). Más preocupante aún: el 71 % de esas aplicaciones permanecen sin integrar, lo que multiplica las entradas manuales, los errores y los silos de datos.

Sin middleware, cada nueva aplicación obliga a desarrollar un conector a medida. Multiplicado por decenas de herramientas, el coste se dispara: Gartner estima que las empresas dedican entre el 30 % y el 40 % de su presupuesto de TI a gestionar la complejidad generada por las aplicaciones no integradas (fuente: APPSeCONNECT). El middleware cambia esa ecuación al ofrecer una capa de abstracción única: se desarrolla una vez, se conecta en todas partes.

El mercado refleja esta necesidad. El sector de la integración de aplicaciones empresariales debería alcanzar los 26 800 millones de dólares en 2026, con un crecimiento anual del 16,5 % (fuente: The Business Research Company). No es una moda pasajera, sino una respuesta estructural a un problema que no deja de agravarse.

Las grandes familias de middleware

No todos los middleware hacen lo mismo. Tradicionalmente se distinguen varias grandes categorías (fuente: AWS). El middleware orientado a mensajes (MOM) transmite mensajes entre aplicaciones de forma asíncrona, como una cola de espera: Apache Kafka y RabbitMQ son ejemplos populares. El middleware de integración de aplicaciones empresariales (EAI) conecta varios sistemas heterogéneos a través de un hub común, históricamente mediante un Enterprise Service Bus (ESB).

El iPaaS (Integration Platform as a Service) es la versión cloud native del EAI, que integra aplicaciones en un entorno híbrido. Es hoy el segmento más dinámico del mercado y se espera que supere los 17 000 millones de dólares en 2028, según Gartner (fuente: ONEiO Cloud). El middleware de API, o API Gateway, gestiona las peticiones entre aplicaciones, aplica políticas de seguridad y supervisa el rendimiento. Este segmento por sí solo representa el 28,7 % del mercado de la integración en 2026 (fuente: Persistence Market Research). Por último, el middleware de plataforma (servidores de aplicaciones, servidores web, CMS) proporciona una capa de ejecución común a las aplicaciones.

Esta diversidad no es casual: cada caso de uso tiene sus propias restricciones. Pero todos comparten la misma misión básica: hacer dialogar lo que no había sido pensado para hacerlo.

Los límites del middleware clásico

El middleware no es una solución mágica. Hay tres puntos ciegos que se repiten sistemáticamente.

En primer lugar, la duplicación de datos. La mayoría de los middleware clásicos funcionan copiando los datos de un sistema a otro, o centralizándolos en un hub intermedio. Resultado: la misma información existe en varias copias, a veces con versiones divergentes, y cada una es una superficie de exposición adicional para ataques o fugas.

En segundo lugar, la complejidad. El 45 % de las organizaciones citan la complejidad del middleware como una barrera, y el 39 % declara retrasos de integración debidos a problemas de interoperabilidad (fuente: Business Research Insights). Cuanto más crece el SI, más se convierte el propio middleware en un sistema que mantener, con sus propias dependencias y sus propios puntos de fallo.

Por último, la soberanía. Muchos middleware de integración son hoy servicios SaaS estadounidenses, sometidos a la Cloud Act. Los datos que transitan por ellos pueden ser solicitados legalmente por las autoridades estadounidenses, incluso si el cliente es europeo. Para los sectores regulados (sanidad, defensa, finanzas, sector público), este punto se vuelve bloqueante. Como explicábamos en nuestro artículo sobre la soberanía digital, la nacionalidad del proveedor prevalece sobre la ubicación de los servidores.

¿Y si el middleware no necesitase almacenar para funcionar?

La lógica histórica del middleware parte de un supuesto pocas veces cuestionado: para hacer circular los datos, primero hay que capturarlos, transformarlos y, a veces, almacenarlos. Eso es precisamente lo que genera la complejidad, la duplicación y la exposición.

iD4Connect propone otro enfoque: un middleware que trata los datos durante su tránsito, sin almacenarlos ni duplicarlos jamás. Cada DataCell actúa como una unidad de procesamiento inteligente (limpieza, transformación, enriquecimiento, enrutamiento) que se ejecuta sobre el dato durante su paso y después lo libera. Nada persiste, nada se acumula.

La orquestación de estas DataCells, estructurada en DataGraph, permite construir flujos complejos entre cualquier aplicación y en cualquier entorno: en local, cloud o híbrido. El Conector Universal se encarga de la ingesta multifuente a través de todos los protocolos estándar (JDBC, ODBC, MQTT, Kafka, REST…), sin imponer su propio formato.

El beneficio para el SI es triple: la superficie de exposición se reduce a cero, puesto que los datos nunca son almacenados por el middleware; la soberanía está garantizada por la propia arquitectura (diseño europeo, ejecución dentro del perímetro del cliente); y los costes operativos se mantienen predecibles.

En 2026, la verdadera pregunta tal vez ya no sea «qué middleware elegir», sino cómo hacer que su SI dialogue consigo mismo sin convertirlo en un cementerio de copias.

Los costes ocultos del cloud: cuando almacenar y procesar tus datos cuesta mucho más de lo previsto

Tu factura cloud sube cada mes, y no sabes realmente por qué. Las instancias de cómputo no han cambiado, el volumen de datos almacenados es estable, y sin embargo el total sigue creciendo. La razón se esconde en los márgenes: tarifas de salida de datos, transferencias entre regiones, NAT Gateway, direcciones IPv4 públicas, recuperación desde niveles de archivado. Unos céntimos por gigabyte, invisibles hasta que representan el 15% de la factura. En 2026, comprender estos costes ya no es opcional: es un requisito previo para pilotar tu infraestructura.

La promesa inicial y la realidad de la factura

El argumento del cloud siempre ha descansado sobre una ecuación simple: solo pagas lo que consumes, dejas de invertir en capital y pasas a un modelo operativo predecible. Esa promesa sigue siendo válida para los recursos de cómputo bien dimensionados. Se derrumba en el momento en que los datos empiezan a circular.

El principio fundador del modelo de precios de los hyperscalers es asimétrico por diseño: la entrada de datos (ingress) es gratuita y la salida (egress) se factura. AWS cobra $0,09/GB por los primeros 10 TB de datos que salen hacia Internet, Azure $0,087/GB, Google Cloud $0,12/GB por el primer terabyte (fuente: EgressCost.com, marzo 2026). Estas tarifas se aplican a cada byte que abandona la red del proveedor, ya sea hacia tus usuarios, hacia otro cloud o hacia tu datacenter on-premise.

El resultado es matemáticamente vertiginoso para las organizaciones que procesan volúmenes significativos. Una aplicación SaaS que sirve 50 TB de datos al mes desde AWS paga aproximadamente $4.300/mes solo en tarifas de egress, más de $51.000 al año únicamente para entregar sus propios datos a sus propios usuarios (fuente: EgressCost.com). Y eso sin contar las transferencias entre regiones, las replicaciones multi-AZ, las llamadas a la API y las demás líneas de facturación que se acumulan discretamente.

Según un análisis de CloudZero publicado en 2025, las tarifas de transferencia de datos representan entre el 6 y el 12% de las facturas cloud típicas, pero la mayoría de los equipos son incapaces de identificar con precisión de dónde proviene su gasto en egress (fuente: CloudZero, 2025, vía Deloitte). Gartner va más lejos y estima que en algunos casos las tarifas de egress pueden alcanzar el 40% de la factura cloud total (fuente: Gartner, vía Akave).

Las partidas que inflan la factura sin que nadie lo note

La dificultad no reside tanto en la tarifa publicada como en la multiplicidad de los factores desencadenantes. Los cargos por datos no se concentran en una sola línea de facturación: se distribuyen en decenas de subpartidas distintas, a menudo etiquetadas de forma diferente según el servicio de AWS, Azure o GCP de que se trate.

Las tarifas de salida hacia Internet son las más conocidas pero las menos anticipadas a escala. Una API que gestiona 10 TB de respuestas al mes genera aproximadamente $900/mes solo en egress de AWS. Una configuración de CDN mal ajustada, con una tasa de cache miss del 30% en un sitio de alto tráfico de vídeo, puede añadir silenciosamente varios miles de dólares al mes (fuente: CloudCostChefs, febrero 2026).

Las transferencias entre regiones se facturan a $0,02/GB en la mayoría de los proveedores. Insignificantes individualmente, se acumulan rápidamente en las arquitecturas de alta disponibilidad. Un job de copia de seguridad que replica 2 TB por noche hacia una región secundaria cuesta $1.200/mes solo en tarifas entre regiones. Automatizado y gobernado por reglas de retención, este tipo de flujo funciona a menudo durante meses sin que nadie supervise la línea correspondiente en el panel de control (fuente: Strategic Micro Systems, abril 2026).

El NAT Gateway es calificado de « coste oculto notorio » en varios análisis FinOps de 2026. Un solo NAT Gateway de AWS cuesta $32,40/mes en tarifas fijas, antes de procesar un solo byte, más $0,045/GB de datos procesados. Para un despliegue multi-AZ estándar con un NAT Gateway por zona de disponibilidad, la factura mensual supera fácilmente los $4.800 para una plataforma de tamaño medio, una línea que la mayoría de los paneles hacen desaparecer en la categoría genérica « Networking » (fuente: FirstPassLab, marzo 2026).

Las direcciones IPv4 públicas se convirtieron en una línea de coste propia desde que AWS introdujo en febrero de 2024 una facturación de $0,005/hora por dirección, esté asignada a una instancia activa o simplemente reservada e inactiva. Azure y GCP siguieron con estructuras similares. Para cuentas enterprise con cientos de load balancers, instancias RDS y Elastic IPs, la factura anual se cuenta en decenas de miles de dólares, únicamente por disponer de direcciones IP (fuente: CloudCostChefs, febrero 2026).

Las herramientas de monitoring y observabilidad raramente figuran en las estimaciones iniciales. Datadog, New Relic, Splunk o incluso el CloudWatch nativo: todos extraen datos de tu VPC hacia sus endpoints de ingesta, generando egress facturable. Una configuración de logs verbose en una flota de 50 instancias puede transferir varios cientos de GB al día sin que nadie relacione eso con la factura de red (fuente: Strategic Micro Systems, abril 2026).

El coste real del almacenamiento, más allá del precio anunciado

El marketing de los hyperscalers destaca los precios brutos de almacenamiento. Amazon S3 Standard a $0,023/GB/mes, Azure Blob Hot a $0,018/GB/mes, Google Cloud Storage Standard a $0,020/GB/mes: estas cifras son verídicas, pero representan solo una fracción del coste total de propiedad para datos que se utilizan realmente.

Para cargas de trabajo activas, la realidad se parece más a esto: el precio de almacenamiento puro representa aproximadamente el 30% de la factura total, y las tarifas de egress, cobradas cada vez que un dato se descarga, se sirve a un usuario o se mueve entre servicios, constituyen el 70% restante (fuente: Akave, enero 2026). Azure cobra $0,018/GB por almacenamiento pero $0,087/GB por egress: una diferencia de uno a cinco.

Algunas cifras que reencuadran el debate:

  • 6 a 12%: cuota de las tarifas de transferencia de datos en una factura cloud típica (CloudZero, 2025)
  • 27%: cuota del presupuesto cloud que las empresas declaran desperdiciar, según los responsables cloud (Deloitte, 2025)
  • 50%: proporción de organizaciones que superaron su presupuesto cloud el año pasado, con una desviación media del 15% (Deloitte / Flexera, 2025)
  • 30 a 40%: reducción potencial de costes cloud gracias a prácticas FinOps estructuradas (Deloitte, 2025)
  • 45%: organizaciones que han repatriado cargas de trabajo al on-premise o a proveedores alternativos, citando costes de transferencia imprevisibles como razón principal (IDC, 2025)

Las tarifas de recuperación de datos desde los niveles de archivado añaden aún otra capa de invisibilidad. AWS Glacier Deep Archive resulta atractivo a $1/TB/mes frente a $23/TB de S3 Standard. Pero las tarifas de recuperación se aplican en cada acceso. Añade las penalizaciones por eliminación anticipada (se impone una duración mínima de almacenamiento de 90 días en muchos niveles de archivado), y los ahorros teóricos se evaporan en cuanto los patrones de acceso no son exactamente los previstos durante el dimensionamiento inicial (fuente: DoiT, marzo 2026).

Lo que cambia el Data Act europeo (y lo que aún no cambia)

La presión regulatoria empieza a morder en las prácticas de los hyperscalers. El Data Act europeo, que entró en aplicación el 12 de septiembre de 2025, obliga a los proveedores de servicios cloud a eliminar los obstáculos al cambio de proveedor, incluidas las tarifas de egress en una migración. AWS, Azure y Google Cloud han anunciado programas de gratuidad de egress para los clientes que abandonen su plataforma (fuente: Data Center Dynamics, marzo 2026).

Pero la lectura de las condiciones aplicables templa el entusiasmo. En Azure, la gratuidad del egress solo se aplica a la transferencia mediante Internet estándar, no vía ExpressRoute, y únicamente si el cliente cierra íntegramente su cuenta en los 60 días siguientes a la solicitud. En AWS, el programa no cubre el uso multi-cloud continuo. En Google, la gratuidad está condicionada a una salida total o reservada a un caso de uso específico (fuente: The Register, septiembre 2025).

La supresión total de las tarifas de egress está prevista para el 12 de enero de 2027. Mientras tanto, entre septiembre de 2025 y enero de 2027, los proveedores pueden seguir cobrando tarifas de egress « a coste », sin margen, pero la definición de ese « coste real » sigue siendo vaga y difícil de auditar para el cliente (fuente: Comisión Europea).

Lo que el Data Act no resuelve aún: las tarifas de transferencia entre servicios dentro del mismo proveedor, los costes de NAT Gateway, las tarifas de monitoring externo y todos los microcargos que inflan las facturas sin llevar nunca la etiqueta de « egress ». Los reguladores atacan la salida; los costes ocultos se desplazan hacia las tuberías internas.

Tres preguntas que todo CIO debería hacerse antes de firmar un compromiso cloud

1. ¿Cuál es el TCO real de mis datos, transferencias incluidas? El coste total de propiedad de una arquitectura cloud no se limita al almacenamiento y el cómputo. Incorpora cada gigabyte en movimiento, entre regiones, hacia los usuarios, hacia las herramientas de análisis, hacia los sistemas de copia de seguridad. Sin modelizar los flujos de datos de antemano, el presupuesto es una ficción.

2. ¿Dónde se procesan mis datos, no solo dónde se almacenan? Elegir el proveedor de alojamiento no es suficiente. Si el procesamiento analítico pasa por un motor externo, si los logs van hacia una plataforma de observabilidad de terceros, si los pipelines ETL replican datos entre regiones, cada salto genera egress facturable, independientemente de la soberanía del almacenamiento inicial. El mismo razonamiento que aplicamos a los datos sanitarios: el alojamiento soberano no protege si la cadena de tratamiento no lo es.

3. ¿Mi arquitectura minimiza los movimientos de datos innecesarios? Antes de optimizar la tarifa de egress, hay que identificar las transferencias que no deberían haber existido. Los endpoints VPC no configurados, los logs verbose, las replicaciones automáticas olvidadas, los CDN mal ajustados: en la mayoría de las auditorías FinOps, aproximadamente un tercio de los costes de transferencia identificados proviene de workloads que nadie sabía que seguían activos (fuente: Strategic Micro Systems, abril 2026).

La promesa del cloud no era falsa. Pero era incompleta. Pagar por uso exige comprender con precisión lo que se consume, incluido lo que no se ve. Las organizaciones que controlan su factura cloud en 2026 no son las que negociaron las mejores tarifas de almacenamiento: son las que cartografiaron cada flujo de datos y eliminaron las transferencias superfluas antes de que se facturaran. Una arquitectura que minimiza los movimientos de datos no es solo más barata: está menos expuesta, es más soberana y más predecible.

Descubra cómo iD4Connect aborda el procesamiento de datos sin almacenamiento intermedio →

Les coûts cachés du cloud : quand stocker et traiter vos données vous coûte bien plus que prévu

Votre facture cloud augmente chaque mois, et vous ne savez pas vraiment pourquoi. Les instances de calcul n’ont pas bougé, le volume de données stockées est stable, et pourtant la ligne de total grimpe. La raison se cache dans les marges : frais de sortie de données, transferts inter-régions, NAT Gateway, IPv4 publiques, récupération depuis les tiers d’archivage. Des centimes par gigaoctet, invisibles jusqu’au moment où ils représentent 15 % de la facture. En 2026, comprendre ces coûts n’est plus optionnel, c’est un prérequis pour piloter son infrastructure.

La promesse initiale et la réalité de la facture

L’argument du cloud a toujours reposé sur une équation simple : vous ne payez que ce que vous consommez, vous n’investissez plus en capital, vous passez à un modèle opérationnel prévisible. Cette promesse reste vraie pour les ressources de calcul bien dimensionnées. Elle s’effondre dès que les données commencent à circuler.

Le principe fondateur du modèle tarifaire des hyperscalers est asymétrique par construction : l’entrée de données (ingress) est gratuite et la sortie (egress) est facturée. AWS facture 0,09 $/Go pour les premiers 10 To de données sortant vers Internet, Azure 0,087 $/Go, Google Cloud 0,12 $/Go pour le premier téraoctet (source : EgressCost.com, mars 2026). Ces tarifs s’appliquent à chaque octet qui quitte le réseau du fournisseur, que ce soit vers vos utilisateurs, vers un autre cloud ou vers votre datacenter on-premise.

Le résultat est mathématiquement vertigineux pour les organisations qui traitent des volumes significatifs. Une application SaaS qui sert 50 To de données par mois depuis AWS paie environ 4 300 $/mois en frais d’egress seuls, soit plus de 51 000 $ par an uniquement pour délivrer ses propres données à ses propres utilisateurs (source : EgressCost.com). Et ça, c’est sans compter les transferts inter-régions, les réplications multi-AZ, les appels API, et les autres lignes de facturation qui s’accumulent discrètement.

Selon une analyse CloudZero publiée en 2025, les frais de transfert de données représentent entre 6 et 12 % des factures cloud typiques — mais la plupart des équipes sont incapables d’identifier précisément d’où vient leur dépense en egress (source : CloudZero, 2025, via Deloitte). Gartner estime même que dans certains cas, les frais d’egress peuvent atteindre 40 % de la facture cloud totale (source : Gartner, via Akave).

Les postes qui gonflent la facture sans que personne ne le voie

La difficulté n’est pas tant le tarif affiché que la multiplicité des déclencheurs. Les charges de données ne se concentrent pas sur une seule ligne de facturation : elles se répartissent sur des dizaines de sous-postes distincts, souvent intitulés différemment selon le service AWS, Azure ou GCP concerné.

Les frais de sortie vers Internet sont les plus connus mais les moins bien anticipés à l’échelle. Une API gérant 10 To de réponses par mois génère environ 900 $/mois rien en egress AWS. Une configuration CDN mal ajustée, avec un taux de cache miss de 30 % sur un site à fort trafic vidéo, peut silencieusement ajouter plusieurs milliers de dollars par mois (source : CloudCostChefs, février 2026).

Les transferts inter-régions sont facturés 0,02 $/Go sur la plupart des providers. Anodins à l’unité, ils s’accumulent rapidement sur les architectures de haute disponibilité. Un job de sauvegarde répliquant 2 To par nuit vers une région secondaire coûte 1 200 $/mois en frais inter-régions seuls. Automatisé et piloté par des règles de rétention, ce type de flux fonctionne souvent pendant des mois sans que personne ne surveille la ligne correspondante dans le tableau de bord (source : Strategic Micro Systems, avril 2026).

Le NAT Gateway est qualifié de « coût caché notoire » par plusieurs analyses FinOps 2026. Un seul NAT Gateway AWS coûte 32,40 $/mois en frais fixes, avant même de traiter un seul octet, plus 0,045 $/Go de données traitées. Pour un déploiement multi-AZ standard avec un NAT Gateway par zone de disponibilité, la facture mensuelle dépasse facilement les 4 800 $ pour une plateforme de taille intermédiaire, une ligne que la plupart des tableaux de bord font disparaître dans la catégorie générique « Networking » (source : FirstPassLab, mars 2026).

Les adresses IPv4 publiques sont devenues une ligne de coût à part entière depuis que AWS a introduit en février 2024 une facturation de 0,005 $/heure par adresse — qu’elle soit attachée à une instance active ou qu’elle soit simplement réservée et inutilisée. Azure et GCP ont suivi avec des structures similaires. Pour des comptes enterprise avec des centaines de load balancers, d’instances RDS et d’Elastic IP, la facture annuelle se compte en dizaines de milliers de dollars, uniquement pour disposer d’adresses IP (source : CloudCostChefs, février 2026).

Les outils de monitoring et d’observabilité figurent rarement dans les estimations initiales. Datadog, New Relic, Splunk, ou même CloudWatch natif : tous extraient des données de votre VPC vers leurs endpoints d’ingestion, générant de l’egress facturable. Une configuration de logs verbose sur une flotte de 50 instances peut transférer plusieurs centaines de Go par jour sans que personne n’ait fait le lien avec la facture réseau (source : Strategic Micro Systems, avril 2026).

Le coût réel du stockage, au-delà du prix affiché

La communication marketing des hyperscalers met en avant les prix de stockage brut. Amazon S3 Standard à 0,023 $/Go/mois, Azure Blob Hot à 0,018 $/Go/mois, Google Cloud Storage Standard à 0,020 $/Go/mois : ces chiffres sont vrais, mais ils ne représentent qu’une fraction du coût total d’ownership pour des données réellement utilisées.

Pour des charges de travail actives, la réalité ressemble davantage à ceci : le prix de stockage pur représente environ 30 % de la facture totale, et les frais d’egress, facturés à chaque fois qu’une donnée est téléchargée, servie à un utilisateur ou déplacée entre services, constituent les 70 % restants (source : Akave, janvier 2026). Azure facture 0,018 $/Go pour le stockage mais 0,087 $/Go pour l’egress : l’écart est de 1 à 5.

Quelques ordres de grandeur qui recadrent le débat :

  • 6 à 12 % : part des frais de transfert de données dans une facture cloud typique (CloudZero, 2025)
  • 27 % : part du budget cloud que les entreprises déclarent gaspiller, selon les responsables cloud (Deloitte, 2025)
  • 50 % : proportion d’organisations qui ont dépassé leur budget cloud l’an dernier, avec un dépassement moyen de 15 % (Deloitte / Flexera, 2025)
  • 30 à 40 % : réduction potentielle des coûts cloud grâce à des pratiques FinOps structurées (Deloitte, 2025)
  • 45 % : organisations ayant rapatrié des charges de travail vers le on-premise ou des prestataires alternatifs, citant des coûts de transfert imprévisibles comme raison principale (IDC, 2025)

Les frais de récupération des données depuis les tiers d’archivage ajoutent encore une couche d’invisibilité. AWS Glacier Deep Archive est attractif à 1 $/To/mois, contre 23 $/To pour S3 Standard. Mais les frais de récupération s’appliquent à chaque accès. Ajoutez les pénalités de suppression anticipée (une durée de stockage minimale de 90 jours est imposée sur de nombreux tiers d’archivage), et les économies théoriques s’évaporent dès que les patterns d’accès ne sont pas exactement ceux prévus lors du dimensionnement initial (source : DoiT, mars 2026).

Ce que le Data Act européen change (et ce qu’il ne change pas encore)

La pression réglementaire commence à mordre sur les pratiques des hyperscalers. Le Data Act européen, entré en application le 12 septembre 2025, oblige les fournisseurs de services cloud à supprimer les obstacles au changement de prestataire, dont les frais d’egress lors d’une migration. AWS, Azure et Google Cloud ont tous annoncé des programmes de gratuité d’egress pour les clients qui quittent leur plateforme (source : Data Center Dynamics, mars 2026).

Mais la lecture des conditions applicables tempère l’enthousiasme. Chez Azure, la gratuité d’egress ne s’applique qu’au transfert via Internet standard, pas via ExpressRoute, et uniquement si le client ferme intégralement son compte dans les 60 jours suivant la demande. Chez AWS, le programme ne couvre pas l’usage multi-cloud continu. Chez Google, la gratuité est conditionnée à une sortie totale ou réservée à un cas d’usage spécifique (source : The Register, septembre 2025).

La suppression totale des frais d’egress est planifiée pour le 12 janvier 2027. En attendant, entre septembre 2025 et janvier 2027, les fournisseurs peuvent encore facturer des frais d’egress « au coût », sans marge, mais la définition de ce « coût réel » reste floue et difficile à auditer pour le client (source : Commission européenne).

Ce que le Data Act ne règle pas encore : les frais de transfert inter-services au sein d’un même fournisseur, les coûts de NAT Gateway, les frais de monitoring externes, et tous les micro-frais qui gonflent les factures sans jamais porter l’étiquette « egress ». Les régulateurs s’attaquent à la sortie ; les coûts cachés se déplacent dans les tuyaux internes.

Trois questions que chaque DSI devrait se poser avant de signer un engagement cloud

1. Quel est le vrai TCO de mes données, transferts compris ? Le total cost of ownership d’une architecture cloud ne se limite pas au stockage et au calcul. Il intègre chaque gigaoctet qui se déplace, entre régions, vers les utilisateurs, vers les outils d’analyse, vers les systèmes de sauvegarde. Sans modélisation des flux de données en amont, le budget est une fiction.

2. Où mes données sont-elles traitées, et pas seulement stockées ? Le choix du provider d’hébergement ne suffit pas. Si le traitement analytique passe par un moteur externe, si les logs partent vers une plateforme d’observabilité tiers, si les pipelines ETL répliquent des données entre régions, chaque saut génère de l’egress facturable, indépendamment de la souveraineté du stockage initial. C’est le même raisonnement que nous développions pour les données de santé : l’hébergement souverain ne protège pas si la chaîne de traitement ne l’est pas.

3. Mon architecture minimise-t-elle les mouvements de données inutiles ? Avant d’optimiser le tarif de l’egress, il faut identifier les transferts qui n’auraient pas dû exister. Les endpoints VPC non configurés, les logs verbeux, les réplications automatiques oubliées, les CDN mal paramétrés : dans la majorité des audits FinOps, environ un tiers des coûts de transfert identifiés provient de workloads que personne ne savait encore actifs (source : Strategic Micro Systems, avril 2026).

La promesse du cloud n’était pas fausse. Mais elle était incomplète. Payer à l’usage suppose de comprendre précisément ce qu’on consomme, y compris ce qu’on ne voit pas. Les organisations qui maîtrisent leur facture cloud en 2026 ne sont pas celles qui ont négocié les meilleurs tarifs de stockage : ce sont celles qui ont cartographié chaque flux de données et éliminé les transferts superflus avant de les facturer. Une architecture qui minimise les mouvements de données n’est pas seulement moins chère : elle est moins exposée, plus souveraine, et plus prévisible.

Découvrez comment iD4Connect adresse la question du traitement des données sans stockage intermédiaire →

The hidden costs of cloud: when storing and processing your data costs far more than expected

Your cloud bill keeps climbing every month, and you can’t quite figure out why. Compute instances haven’t changed, stored data volumes are stable, and yet the total line keeps creeping up. The reason hides in the margins: data egress fees, inter-region transfers, NAT Gateway charges, public IPv4 addresses, retrieval from archival tiers. A few cents per gigabyte, invisible until they account for 15% of the bill. In 2026, understanding these costs is no longer optional: it is a prerequisite for running your infrastructure.

The initial promise and the reality of the invoice

The cloud argument has always rested on a simple equation: you only pay for what you consume, you no longer invest in capital, you move to a predictable operational model. That promise still holds for well-sized compute resources. It collapses the moment data starts moving.

The foundational principle of hyperscaler pricing is asymmetric by design: data ingress is free and egress is billed. AWS charges $0.09/GB for the first 10 TB of data leaving to the Internet, Azure $0.087/GB, Google Cloud $0.12/GB for the first terabyte (source: EgressCost.com, March 2026). These rates apply to every byte that leaves the provider’s network, whether toward your users, another cloud, or your on-premise datacenter.

The result is mathematically staggering for organizations processing significant volumes. A SaaS application serving 50 TB of data per month from AWS pays roughly $4,300/month in egress fees alone, more than $51,000 per year simply to deliver its own data to its own users (source: EgressCost.com). And that is before counting inter-region transfers, multi-AZ replication, API calls, and the other billing lines quietly accumulating in the background.

According to a CloudZero analysis published in 2025, data transfer fees account for 6 to 12% of typical cloud invoices, but most teams are unable to pinpoint exactly where their egress spend is coming from (source: CloudZero, 2025, via Deloitte). Gartner goes further, estimating that in some cases egress fees can reach 40% of the total cloud bill (source: Gartner, via Akave).

The line items inflating your bill without anyone noticing

The difficulty lies not so much in the listed rate as in the sheer number of triggers. Data charges do not concentrate in a single billing line: they spread across dozens of distinct sub-items, often labelled differently depending on which AWS, Azure, or GCP service is involved.

Internet egress fees are the best known but the least anticipated at scale. An API handling 10 TB of responses per month generates roughly $900/month in AWS egress alone. A poorly tuned CDN configuration, with a 30% cache miss rate on a high-traffic video site, can silently add several thousand dollars a month (source: CloudCostChefs, February 2026).

Inter-region transfers are billed at $0.02/GB on most providers. Negligible individually, they accumulate rapidly on high-availability architectures. A backup job replicating 2 TB per night to a secondary region costs $1,200/month in inter-region fees alone. Automated and governed by retention rules, this kind of flow often runs for months without anyone monitoring the corresponding line in the dashboard (source: Strategic Micro Systems, April 2026).

NAT Gateway is described as a « notorious hidden cost » across multiple FinOps analyses in 2026. A single AWS NAT Gateway costs $32.40/month in fixed fees, before processing a single byte, plus $0.045/GB of data processed. For a standard multi-AZ deployment with one NAT Gateway per availability zone, the monthly bill easily exceeds $4,800 for a mid-sized platform, a line that most dashboards quietly absorb into the generic « Networking » category (source: FirstPassLab, March 2026).

Public IPv4 addresses became their own cost line after AWS introduced a $0.005/hour charge per address in February 2024, whether attached to an active instance or simply reserved and unused. Azure and GCP followed with similar structures. For enterprise accounts with hundreds of load balancers, RDS instances, and Elastic IPs, the annual bill runs into tens of thousands of dollars, purely to hold IP addresses (source: CloudCostChefs, February 2026).

Monitoring and observability tools rarely appear in initial estimates. Datadog, New Relic, Splunk, and even native CloudWatch all pull data from your VPC to their ingestion endpoints, generating billable egress. A verbose log configuration across a fleet of 50 instances can transfer several hundred GB per day without anyone connecting the dots to the network bill (source: Strategic Micro Systems, April 2026).

The real cost of storage, beyond the advertised price

Hyperscaler marketing leads with raw storage prices. Amazon S3 Standard at $0.023/GB/month, Azure Blob Hot at $0.018/GB/month, Google Cloud Storage Standard at $0.020/GB/month: these figures are accurate, but they represent only a fraction of the total cost of ownership for data that is actually used.

For active workloads, the reality looks more like this: raw storage represents roughly 30% of the total bill, and egress fees, charged every time data is downloaded, served to a user, or moved between services, account for the remaining 70% (source: Akave, January 2026). Azure charges $0.018/GB for storage but $0.087/GB for egress: a fivefold gap.

A few figures that reframe the debate:

  • 6 to 12%: share of data transfer fees in a typical cloud bill (CloudZero, 2025)
  • 27%: share of cloud budget that companies say they waste, according to cloud executives (Deloitte, 2025)
  • 50%: proportion of organizations that exceeded their cloud budget last year, with an average overrun of 15% (Deloitte / Flexera, 2025)
  • 30 to 40%: potential cloud cost reduction through structured FinOps practices (Deloitte, 2025)
  • 45%: organizations that have repatriated workloads to on-premise or alternative providers, citing unpredictable transfer costs as the main reason (IDC, 2025)

Retrieval fees from archival tiers add yet another layer of invisibility. AWS Glacier Deep Archive looks attractive at $1/TB/month compared to $23/TB for S3 Standard. But retrieval fees apply on every access. Add early deletion penalties (a minimum storage duration of 90 days is enforced across many archival tiers), and the theoretical savings evaporate the moment access patterns differ from those anticipated during initial sizing (source: DoiT, March 2026).

What the European Data Act changes (and what it does not yet change)

Regulatory pressure is beginning to bite into hyperscaler practices. The European Data Act, which entered into application on 12 September 2025, requires cloud service providers to remove barriers to switching providers, including egress fees on migration. AWS, Azure, and Google Cloud have all announced egress waiver programs for customers leaving their platform (source: Data Center Dynamics, March 2026).

But reading the applicable conditions tempers the enthusiasm. At Azure, the egress waiver only applies to standard Internet transfer, not via ExpressRoute, and only if the customer fully closes their account within 60 days of the request. At AWS, the program does not cover ongoing multi-cloud use. At Google, the waiver is contingent on a complete exit or reserved for a specific use case (source: The Register, September 2025).

Full elimination of egress fees is scheduled for 12 January 2027. In the meantime, between September 2025 and January 2027, providers can still charge egress fees « at cost », without margin, but the definition of that « actual cost » remains vague and difficult for customers to audit (source: European Commission).

What the Data Act does not yet resolve: inter-service transfer fees within the same provider, NAT Gateway costs, external monitoring fees, and all the micro-charges that inflate invoices without ever carrying the « egress » label. Regulators are tackling the exit; the hidden costs are shifting into the internal pipes.

Three questions every CIO should ask before signing a cloud commitment

1. What is the real TCO of my data, transfers included? The total cost of ownership of a cloud architecture is not limited to storage and compute. It incorporates every gigabyte in motion, between regions, toward users, toward analytics tools, toward backup systems. Without modeling data flows upfront, the budget is fiction.

2. Where is my data processed, not just stored? Choosing a hosting provider is not enough. If analytical processing goes through an external engine, if logs flow to a third-party observability platform, if ETL pipelines replicate data across regions, each hop generates billable egress, regardless of the sovereignty of the initial storage. The same reasoning applies to healthcare data: sovereign hosting does not protect if the processing chain is not.

3. Does my architecture minimize unnecessary data movement? Before optimizing egress pricing, identify transfers that should not have existed in the first place. Unconfigured VPC endpoints, verbose logs, forgotten automated replications, poorly tuned CDNs: in most FinOps audits, roughly a third of identified transfer costs come from workloads nobody knew were still running (source: Strategic Micro Systems, April 2026).

The cloud promise was not false. But it was incomplete. Paying per use requires precisely understanding what you consume, including what you cannot see. The organizations that control their cloud bill in 2026 are not those who negotiated the best storage rates: they are those who mapped every data flow and eliminated unnecessary transfers before they could be billed. An architecture that minimizes data movement is not just cheaper: it is less exposed, more sovereign, and more predictable.

Discover how iD4Connect addresses data processing without intermediate storage →

95 % des projets IA échouent. Et ce n’est pas un problème de technologie.

Les entreprises ont investi 40 milliards de dollars dans l’IA en 2025. Résultat : 95 % d’entre elles n’ont aucun retour sur investissement mesurable. Le coupable n’est ni les modèles, ni les GPU, ni les éditeurs. C’est la donnée elle-même : sa qualité, sa gouvernance, sa fraîcheur. Tant que les entreprises alimenteront leurs moteurs d’IA avec des données fragmentées, dupliquées et non gouvernées, l’intelligence artificielle restera une promesse coûteuse.

Le paradoxe des 40 milliards

Le chiffre est brutal. Selon les données compilées par HPCWire et confirmées par plusieurs analystes, 95 % des organisations n’ont pas de retour sur investissement mesurable sur leurs projets pilotes d’IA (source : MIT, The GenAI Divide: State of AI in Business 2025). Pas « insuffisant ». Pas « en cours de mesure ». Pas mesurable.

Parallèlement, McKinsey estime le coût de l’infrastructure IA mondiale à 7 000 milliards de dollars d’ici 2030 (source : McKinsey). Sept mille milliards. Pour des projets dont la quasi-totalité ne génère aujourd’hui aucune valeur démontrable.

La question n’est plus « faut-il investir dans l’IA ? ». Elle est désormais : pourquoi l’IA ne fonctionne pas quand les données qui l’alimentent sont défaillantes ?

Le vrai goulot d’étranglement : la donnée, pas le modèle

Les analyses convergent sur un diagnostic précis. Le blocage principal des projets IA n’est pas technologique. C’est un déficit de qualité et de gouvernance des données.

Trois chiffres éclairent cette réalité mieux que n’importe quel discours :

89 % des dirigeants déclarent ne faire confiance à l’IA que si les données sous-jacentes sont vérifiées et fiables (source : BigDATAwire / Harris Poll). La confiance dans la donnée est devenue le premier critère d’adoption de l’IA en entreprise.

79 % des équipes de sécurité peinent à classifier les données sensibles pour les projets d’IA (source : Bedrock Security, 2025 Enterprise Data Security Confidence Index). Autrement dit, quatre équipes sécurité sur cinq ne savent même pas où se trouvent les données critiques avant de les injecter dans un modèle.

55 % des équipes sont contraintes de corriger manuellement les résultats de l’IA (source : BigDATAwire / Harris Poll). Plus de la moitié du travail produit par l’intelligence artificielle doit être repris à la main, ce qui annule le gain de productivité promis.

Le schéma est le même dans tous les secteurs : les entreprises achètent un modèle d’IA performant, le connectent à des données fragmentées, obsolètes ou non gouvernées, puis s’étonnent que les résultats soient inutilisables. L’IA n’est pas défaillante. Elle est affamée.

Pourquoi les architectures traditionnelles échouent

Pour comprendre l’échec systémique, il faut regarder comment les données arrivent aujourd’hui jusqu’aux modèles d’IA dans la plupart des organisations.

Le pipeline classique suit une séquence bien connue : extraction des données depuis les systèmes sources, chargement dans un entrepôt ou un data lake, transformation par lots, puis exposition aux outils analytiques ou aux modèles d’IA. Chaque étape introduit de la latence, de la duplication et des risques de dégradation de la qualité.

Ce modèle pose quatre problèmes structurels que la technologie IA ne peut pas compenser.

La latence. Les données traitées en batch ont plusieurs heures, voire plusieurs jours de retard. Un modèle de détection de fraude alimenté avec des données de la veille est structurellement aveugle aux attaques en cours.

La duplication. Chaque copie de données crée une dérive potentielle. Quand le même client existe dans trois versions différentes entre le CRM, l’ERP et le data lake, le modèle d’IA travaille sur une réalité fictive.

La gouvernance post-hoc. Les règles de qualité et de conformité sont appliquées après le stockage, pas pendant le transit. Les données incorrectes sont déjà dans le pipeline quand on découvre le problème.

La surface d’exposition. Chaque zone de staging, chaque copie intermédiaire multiplie les points d’accès potentiels pour un attaquant ou un audit réglementaire non conforme. Dans un contexte RGPD/DORA/NIS2, chaque copie est un risque juridique.

Le système SYNAPS-I du Département américain de l’Énergie a récemment démontré qu’une autre approche est possible (source : Argonne National Laboratory / DOE) : une IA intégrée en boucle fermée avec les instruments de mesure, prenant des décisions pendant l’expérience elle-même, et non en post-traitement. Ce changement de paradigme, traiter les données en temps réel sans stockage intermédiaire, valide une intuition que l’industrie commence à intégrer.

La gouvernance by design : résoudre le problème à la source

Si le problème est la qualité des données en amont des modèles, la solution n’est pas d’ajouter une couche de validation après coup. C’est de gouverner les données pendant leur transit, avant qu’elles n’atteignent le modèle.

C’est précisément ce que permet une architecture stateless d’orchestration des données. Le principe : les données ne sont jamais stockées dans une zone intermédiaire. Elles sont traitées, transformées, validées et enrichies pendant leur transit, puis délivrées directement aux consommateurs : outils BI, modèles d’IA, tableaux de bord, alertes. C’est l’approche que porte iD4Connect depuis l’origine.

Cette approche résout structurellement les quatre obstacles identifiés.

Latence éliminée. Le traitement se fait en temps réel, pendant le mouvement de la donnée, pas après son atterrissage dans un entrepôt.

Zéro duplication. Aucune copie intermédiaire, aucune zone de staging. La donnée reste à sa source, les insights sont produits en transit par les DataCells.

Gouvernance native. Les règles de qualité, de conformité RGPD/DORA/NIS2, d’anonymisation et de traçabilité s’appliquent pendant le transit, pas après.

Surface d’exposition réduite à zéro. Pas de stockage, donc pas de données à voler, pas de copie à auditer, pas de risque juridique lié à une matérialisation non conforme.

L’IA reçoit alors des données fraîches, contextualisées et conformes. Exactement ce dont elle a besoin pour produire des résultats fiables. La gouvernance n’est pas un frein à l’IA. C’est sa condition de fonctionnement.

Ce que font les grands acteurs, et ce qu’ils ne peuvent pas faire

Snowflake et Databricks ont parfaitement compris l’enjeu. Les deux plateformes convergent à grande vitesse vers des solutions intégrées données + IA + gouvernance.

Snowflake vient de lancer Project SnowWork (source : Snowflake), un plan de contrôle agentique visant à coordonner intelligence, données et actions entre applications SaaS. Databricks a acquis deux startups spécialisées en sécurité des données et lance Lakewatch, un SIEM agentique sur lakehouse (source : Constellation Research). Les deux acteurs ont simultanément mis Apache Iceberg v3 en disponibilité, confirmant la convergence du marché vers des formats ouverts.

Mais cette course au « tout-en-un » bute sur une limite architecturale fondamentale : ces plateformes reposent sur le stockage centralisé des données. Le data lake, le data warehouse, le lakehouse : quel que soit le nom, le principe est le même. Les données sont déplacées, copiées et stockées avant d’être traitées (voir le positionnement d’iD4Connect).

Ce modèle pose trois problèmes que la sophistication logicielle ne résout pas.

Résidence des données. Les données quittent leur source pour être centralisées dans un cloud, souvent américain, soumis au Cloud Act. Même avec des régions européennes, la juridiction de l’opérateur prime.

Latence structurelle. Les cas d’usage temps réel critique (détection de fraude, pilotage industriel, alertes de sécurité) nécessitent des temps de réponse inférieurs à 100 ms. L’aller-retour vers un cloud centralisé ne le permet pas.

Coût d’infrastructure. Stocker, indexer et gouverner des copies de données coûte cher. Avec un investissement mondial projeté à 7 000 milliards de dollars, les décideurs vont arbitrer en faveur de solutions moins gourmandes en infrastructure.

Fait révélateur : Snowflake vient de lancer une fonctionnalité baptisée « Resharing », la transformation à la volée de données partagées sans matérialisation locale, en la présentant comme une innovation. C’est précisément ce que fait nativement une architecture stateless depuis son origine.

Le contexte réglementaire accélère l’urgence

La pression réglementaire européenne ne fait que renforcer ce constat. En avril 2026, la CNIL a déjà reçu 739 signalements liés aux élections municipales et engagé 4 contrôles avec procédure de sanction (source : CNIL). Les contrôles prioritaires de 2026 ciblent le recrutement, les données électorales, les fédérations sportives et la cybersécurité.

Parallèlement, l’AI Act entre en phase d’accompagnement opérationnel, Gaia-X passe à la phase opérationnelle avec les espaces de données souverains, et la DGFiP a généré 2,8 milliards d’euros via l’exploration de données et l’IA en 2025 (source : economie.gouv.fr), illustrant la montée en puissance des usages data dans le secteur public.

Le message pour les entreprises est clair : la conformité n’est plus un coût, c’est un critère de sélection technologique. Les solutions dont la conformité est native, parce qu’elles ne stockent jamais les données en dehors de leur source, ont un avantage structurel que les plateformes cloud centralisées ne peuvent pas reproduire, même en ajoutant des couches de gouvernance après coup (voir l’architecture iD4Connect).

Le retour sur investissement de l’IA ne dépend pas du modèle choisi. Il dépend de la capacité à alimenter ce modèle avec des données fraîches, gouvernées et conformes, en temps réel, sans les déplacer ni les dupliquer. Les 95 % d’échec ne sont pas une fatalité. Ce sont le symptôme d’une architecture obsolète. La solution existe. Elle s’appelle l’orchestration stateless.

Découvrez comment iD4Connect adresse ces enjeux →

95% of AI projects fail. And it’s not a technology problem.

Businesses invested $40 billion in AI in 2025. The result: 95% of them have no measurable return on investment. The culprit is not the models, the GPUs, or the vendors. It is the data itself: its quality, its governance, its freshness. As long as businesses feed their AI engines with fragmented, duplicated and ungoverned data, artificial intelligence will remain an expensive promise.

The $40 billion paradox

The figure is stark. According to data compiled by HPCWire and confirmed by multiple analysts, 95% of organizations have no measurable return on investment on their AI pilot projects (source: MIT, The GenAI Divide: State of AI in Business 2025). Not « insufficient. » Not « being measured. » Not measurable.

Meanwhile, McKinsey estimates the cost of global AI infrastructure at $7 trillion by 2030 (source: McKinsey). Seven trillion dollars. For projects that almost universally generate no demonstrable value today.

The question is no longer « should we invest in AI? » It is now: why does AI fail when the data feeding it is broken?

The real bottleneck: data, not the model

Analyses converge on a precise diagnosis. The main blocker for AI projects is not technological. It is a deficit in data quality and governance.

Three figures illustrate this reality better than any speech:

89% of executives say they only trust AI if the underlying data is verified and reliable (source: BigDATAwire / Harris Poll). Trust in data has become the number one criterion for AI adoption in the enterprise.

79% of security teams struggle to classify sensitive data for AI projects (source: Bedrock Security, 2025 Enterprise Data Security Confidence Index). In other words, four out of five security teams do not even know where critical data resides before injecting it into a model.

55% of teams are forced to manually correct AI outputs (source: BigDATAwire / Harris Poll). More than half of the work produced by artificial intelligence has to be redone by hand, which cancels out the promised productivity gains.

The pattern is the same across all industries: businesses buy a powerful AI model, connect it to fragmented, outdated or ungoverned data, then wonder why the results are unusable. AI is not broken. It is starving.

Why traditional architectures fail

To understand the systemic failure, you need to look at how data reaches AI models today in most organizations.

The classic pipeline follows a well-known sequence: extract data from source systems, load it into a warehouse or data lake, transform it in batches, then expose it to analytics tools or AI models. Each step introduces latency, duplication and quality degradation risks.

This model creates four structural problems that AI technology cannot compensate for.

Latency. Batch-processed data is hours or even days behind. A fraud detection model fed with yesterday’s data is structurally blind to ongoing attacks.

Duplication. Every data copy creates potential drift. When the same customer exists in three different versions across CRM, ERP and data lake, the AI model works on a fictional reality.

Post-hoc governance. Quality and compliance rules are applied after storage, not during transit. Incorrect data is already in the pipeline when the problem is discovered.

Exposure surface. Every staging zone, every intermediate copy multiplies potential access points for an attacker or a non-compliant regulatory audit. In a GDPR/DORA/NIS2 context, every copy is a legal risk.

The SYNAPS-I system from the U.S. Department of Energy recently demonstrated that another approach is possible (source: Argonne National Laboratory / DOE): AI integrated in a closed loop with measurement instruments, making decisions during the experiment itself, not in post-processing. This paradigm shift, processing data in real time without intermediate storage, validates an intuition that industry is beginning to adopt.

Governance by design: solving the problem at the source

If the problem is data quality upstream of models, the solution is not to add a validation layer after the fact. It is to govern data during transit, before it reaches the model.

This is precisely what a stateless data orchestration architecture enables. The principle: data is never stored in an intermediate zone. It is processed, transformed, validated and enriched during transit, then delivered directly to consumers: BI tools, AI models, dashboards, alerts. This is the approach that iD4Connect has championed from the start.

This approach structurally resolves the four obstacles identified.

Latency eliminated. Processing happens in real time, during data movement, not after it lands in a warehouse.

Zero duplication. No intermediate copies, no staging zones. Data stays at its source, insights are produced in transit by DataCells.

Native governance. Quality rules, GDPR/DORA/NIS2 compliance, anonymization and traceability are applied during transit, not after.

Exposure surface reduced to zero. No storage means no data to steal, no copies to audit, no legal risk tied to non-compliant materialization.

AI then receives fresh, contextualized and compliant data. Exactly what it needs to produce reliable results. Governance is not a brake on AI. It is its operating condition.

What the major players are doing, and what they cannot do

Snowflake and Databricks have clearly understood the stakes. Both platforms are converging rapidly toward integrated data + AI + governance solutions.

Snowflake has just launched Project SnowWork (source: Snowflake), an agentic control plane designed to coordinate intelligence, data and actions across SaaS applications. Databricks has acquired two startups specializing in data security and launched Lakewatch, an agentic SIEM on lakehouse (source: Constellation Research). Both players have simultaneously made Apache Iceberg v3 generally available, confirming the market’s convergence toward open formats.

But this race to « all-in-one » hits a fundamental architectural limit: these platforms rely on centralized data storage. The data lake, the data warehouse, the lakehouse: whatever the name, the principle is the same. Data is moved, copied and stored before being processed (see iD4Connect’s positioning).

This model creates three problems that software sophistication cannot solve.

Data residency. Data leaves its source to be centralized in a cloud, often American, subject to the Cloud Act. Even with European regions, the operator’s jurisdiction prevails.

Structural latency. Critical real-time use cases (fraud detection, industrial control, security alerts) require response times below 100 ms. The round trip to a centralized cloud does not allow this.

Infrastructure cost. Storing, indexing and governing data copies is expensive. With a global investment projected at $7 trillion, decision-makers will favor solutions that are less infrastructure-intensive.

A revealing fact: Snowflake has just launched a feature called « Resharing, » the on-the-fly transformation of shared data without local materialization, presenting it as an innovation. This is precisely what a stateless architecture has done natively since its inception.

The regulatory context accelerates urgency

European regulatory pressure only reinforces this observation. In April 2026, the CNIL has already received 739 reports related to municipal elections and initiated 4 investigations with sanction procedures (source: CNIL). Priority controls for 2026 target recruitment, electoral data, sports federations and cybersecurity.

Meanwhile, the AI Act is entering its operational support phase, Gaia-X is moving to its operational phase with sovereign data spaces, and the DGFiP generated 2.8 billion euros through data exploration and AI in 2025 (source: economie.gouv.fr), illustrating the rise of data use in the public sector.

The message for businesses is clear: compliance is no longer a cost, it is a technology selection criterion. Solutions whose compliance is native, because they never store data outside its source, have a structural advantage that centralized cloud platforms cannot replicate, even by adding governance layers after the fact (see iD4Connect architecture).

Four questions to ask about your next AI project

Before launching or continuing an AI investment, four questions are worth asking.

1. How fresh is the data feeding your model?

If your data is more than a few minutes behind, your model is working on an outdated reality. Real time is not a luxury. It is the minimum condition for AI to produce usable results.

2. How many copies of your critical data exist in your pipeline?

Every copy is a source of divergence, an infrastructure cost and a GDPR risk. If the answer is « more than one, » your architecture generates inconsistency by construction.

3. Is your governance native or bolted on?

Compliance implemented after deployment depends on the vendor’s goodwill. Governance by design is a property of the architecture itself. It cannot be removed, bypassed or forgotten.

4. Does your team manually correct AI outputs?

If so, the problem is not the model. It is the input data. Investing in a more powerful model will solve nothing. Garbage in, garbage out, regardless of GPU size.

The return on investment of AI does not depend on the model chosen. It depends on the ability to feed that model with fresh, governed and compliant data, in real time, without moving or duplicating it. The 95% failure rate is not inevitable. It is the symptom of an obsolete architecture. The solution exists. It is called stateless orchestration.

Discover how iD4Connect addresses these challenges →

El 95 % de los proyectos de IA fracasan. Y no es un problema de tecnología.

Las empresas invirtieron 40.000 millones de dólares en IA en 2025. Resultado: el 95 % de ellas no tiene ningún retorno de inversión medible. El culpable no son los modelos, ni las GPU, ni los proveedores. Es el dato en sí mismo: su calidad, su gobernanza, su frescura. Mientras las empresas alimenten sus motores de IA con datos fragmentados, duplicados y no gobernados, la inteligencia artificial seguirá siendo una promesa costosa.

La paradoja de los 40.000 millones

La cifra es brutal. Según los datos recopilados por HPCWire y confirmados por varios analistas, el 95 % de las organizaciones no tiene retorno de inversión medible en sus proyectos piloto de IA (fuente: MIT, The GenAI Divide: State of AI in Business 2025). No «insuficiente». No «en proceso de medición». No medible.

Paralelamente, McKinsey estima el coste de la infraestructura IA mundial en 7 billones de dólares para 2030 (fuente: McKinsey). Siete billones. Para proyectos cuya práctica totalidad no genera hoy ningún valor demostrable.

La pregunta ya no es «se debe invertir en IA?». Ahora es: ¿por qué la IA no funciona cuando los datos que la alimentan son deficientes?

El verdadero cuello de botella: el dato, no el modelo

Los análisis convergen en un diagnóstico preciso. El bloqueo principal de los proyectos de IA no es tecnológico. Es un déficit de calidad y gobernanza de los datos.

Tres cifras ilustran esta realidad mejor que cualquier discurso:

89 % de los directivos declaran confiar en la IA solo si los datos subyacentes están verificados y son fiables (fuente: BigDATAwire / Harris Poll). La confianza en el dato se ha convertido en el primer criterio de adopción de la IA en la empresa.

79 % de los equipos de seguridad tienen dificultades para clasificar los datos sensibles en los proyectos de IA (fuente: Bedrock Security, 2025 Enterprise Data Security Confidence Index). Es decir, cuatro de cada cinco equipos de seguridad ni siquiera saben dónde se encuentran los datos críticos antes de inyectarlos en un modelo.

55 % de los equipos se ven obligados a corregir manualmente los resultados de la IA (fuente: BigDATAwire / Harris Poll). Más de la mitad del trabajo producido por la inteligencia artificial debe rehacerse a mano, lo que anula la ganancia de productividad prometida.

El esquema es el mismo en todos los sectores: las empresas compran un modelo de IA potente, lo conectan a datos fragmentados, obsoletos o no gobernados, y luego se sorprenden de que los resultados sean inutilizables. La IA no está averiada. Está hambrienta.

Por qué las arquitecturas tradicionales fracasan

Para entender el fracaso sistémico, hay que observar cómo llegan hoy los datos a los modelos de IA en la mayoría de las organizaciones.

El pipeline clásico sigue una secuencia bien conocida: extracción de datos de los sistemas fuente, carga en un almacén o un data lake, transformación por lotes y luego exposición a las herramientas analíticas o a los modelos de IA. Cada etapa introduce latencia, duplicación y riesgos de degradación de la calidad.

Este modelo plantea cuatro problemas estructurales que la tecnología IA no puede compensar.

La latencia. Los datos procesados en batch llevan varias horas, incluso varios días de retraso. Un modelo de detección de fraude alimentado con datos de la víspera es estructuralmente ciego ante los ataques en curso.

La duplicación. Cada copia de datos crea una deriva potencial. Cuando el mismo cliente existe en tres versiones diferentes entre el CRM, el ERP y el data lake, el modelo de IA trabaja sobre una realidad ficticia.

La gobernanza post-hoc. Las reglas de calidad y cumplimiento se aplican después del almacenamiento, no durante el tránsito. Los datos incorrectos ya están en el pipeline cuando se descubre el problema.

La superficie de exposición. Cada zona de staging, cada copia intermedia multiplica los puntos de acceso potenciales para un atacante o una auditoría regulatoria no conforme. En un contexto RGPD/DORA/NIS2, cada copia es un riesgo jurídico.

El sistema SYNAPS-I del Departamento de Energía de Estados Unidos demostró recientemente que otro enfoque es posible (fuente: Argonne National Laboratory / DOE): una IA integrada en bucle cerrado con los instrumentos de medición, tomando decisiones durante el propio experimento, y no en posprocesamiento. Este cambio de paradigma, procesar los datos en tiempo real sin almacenamiento intermedio, valida una intuición que la industria comienza a integrar.

La gobernanza by design: resolver el problema en origen

Si el problema es la calidad de los datos aguas arriba de los modelos, la solución no es añadir una capa de validación a posteriori. Es gobernar los datos durante su tránsito, antes de que alcancen el modelo.

Esto es precisamente lo que permite una arquitectura stateless de orquestación de datos. El principio: los datos nunca se almacenan en una zona intermedia. Se procesan, transforman, validan y enriquecen durante su tránsito, y luego se entregan directamente a los consumidores: herramientas BI, modelos de IA, cuadros de mando, alertas. Es el enfoque que iD4Connect defiende desde su origen.

Este enfoque resuelve estructuralmente los cuatro obstáculos identificados.

Latencia eliminada. El procesamiento se realiza en tiempo real, durante el movimiento del dato, no después de su aterrizaje en un almacén.

Cero duplicación. Ninguna copia intermedia, ninguna zona de staging. El dato permanece en su fuente, los insights se producen en tránsito por las DataCells.

Gobernanza nativa. Las reglas de calidad, de cumplimiento RGPD/DORA/NIS2, de anonimización y de trazabilidad se aplican durante el tránsito, no después.

Superficie de exposición reducida a cero. Sin almacenamiento no hay datos que robar, ni copias que auditar, ni riesgo jurídico ligado a una materialización no conforme.

La IA recibe entonces datos frescos, contextualizados y conformes. Exactamente lo que necesita para producir resultados fiables. La gobernanza no es un freno para la IA. Es su condición de funcionamiento.

Lo que hacen los grandes actores, y lo que no pueden hacer

Snowflake y Databricks han comprendido perfectamente lo que está en juego. Las dos plataformas convergen a gran velocidad hacia soluciones integradas datos + IA + gobernanza.

Snowflake acaba de lanzar Project SnowWork (fuente: Snowflake), un plano de control agéntico para coordinar inteligencia, datos y acciones entre aplicaciones SaaS. Databricks ha adquirido dos startups especializadas en seguridad de datos y lanza Lakewatch, un SIEM agéntico sobre lakehouse (fuente: Constellation Research). Ambos actores han puesto simultáneamente Apache Iceberg v3 en disponibilidad general, confirmando la convergencia del mercado hacia formatos abiertos.

Pero esta carrera hacia el «todo en uno» choca con un límite arquitectónico fundamental: estas plataformas se basan en el almacenamiento centralizado de datos. El data lake, el data warehouse, el lakehouse: cualquiera que sea el nombre, el principio es el mismo. Los datos se mueven, se copian y se almacenan antes de ser procesados (ver el posicionamiento de iD4Connect).

Este modelo plantea tres problemas que la sofisticación del software no resuelve.

Residencia de datos. Los datos abandonan su fuente para centralizarse en un cloud, a menudo americano, sometido al Cloud Act. Incluso con regiones europeas, la jurisdicción del operador prevalece.

Latencia estructural. Los casos de uso en tiempo real crítico (detección de fraude, pilotaje industrial, alertas de seguridad) requieren tiempos de respuesta inferiores a 100 ms. El viaje de ida y vuelta a un cloud centralizado no lo permite.

Coste de infraestructura. Almacenar, indexar y gobernar copias de datos es caro. Con una inversión mundial proyectada en 7 billones de dólares, los decisores van a optar por soluciones menos exigentes en infraestructura.

Dato revelador: Snowflake acaba de lanzar una funcionalidad llamada «Resharing», la transformación al vuelo de datos compartidos sin materialización local, presentándola como una innovación. Es precisamente lo que hace nativamente una arquitectura stateless desde su origen.

El contexto regulatorio acelera la urgencia

La presión regulatoria europea no hace sino reforzar esta constatación. En abril de 2026, la CNIL ya ha recibido 739 denuncias relacionadas con las elecciones municipales e iniciado 4 controles con procedimiento sancionador (fuente: CNIL). Los controles prioritarios de 2026 se centran en la contratación, los datos electorales, las federaciones deportivas y la ciberseguridad.

Paralelamente, el AI Act entra en fase de acompañamiento operativo, Gaia-X pasa a la fase operativa con los espacios de datos soberanos, y la DGFiP generó 2.800 millones de euros mediante la exploración de datos y la IA en 2025 (fuente: economie.gouv.fr), ilustrando el auge de los usos de datos en el sector público.

El mensaje para las empresas es claro: el cumplimiento ya no es un coste, es un criterio de selección tecnológica. Las soluciones cuyo cumplimiento es nativo, porque nunca almacenan los datos fuera de su fuente, tienen una ventaja estructural que las plataformas cloud centralizadas no pueden reproducir, ni siquiera añadiendo capas de gobernanza a posteriori (ver la arquitectura de iD4Connect).

Cuatro preguntas para su próximo proyecto de IA

Antes de lanzar o continuar una inversión en IA, cuatro preguntas merecen ser planteadas.

1. ¿Cuál es la frescura real de los datos que alimentan su modelo?

Si sus datos tienen más de unos minutos de retraso, su modelo trabaja sobre una realidad caducada. El tiempo real no es un lujo. Es la condición mínima para que la IA produzca resultados explotables.

2. ¿Cuántas copias de sus datos críticos existen en su pipeline?

Cada copia es una fuente de divergencia, un coste de infraestructura y un riesgo RGPD. Si la respuesta es «más de una», su arquitectura genera incoherencia por construcción.

3. ¿Su gobernanza es nativa o añadida?

Un cumplimiento implementado tras el despliegue depende de la buena voluntad del proveedor. Una gobernanza by design es una propiedad de la propia arquitectura. No puede ser retirada, eludida ni olvidada.

4. ¿Su equipo corrige los resultados de la IA a mano?

Si es así, el problema no es el modelo. Es el dato de entrada. Invertir en un modelo más potente no resolverá nada. Garbage in, garbage out, independientemente del tamaño de la GPU.

El retorno de inversión de la IA no depende del modelo elegido. Depende de la capacidad de alimentar ese modelo con datos frescos, gobernados y conformes, en tiempo real, sin moverlos ni duplicarlos. El 95 % de fracaso no es una fatalidad. Es el síntoma de una arquitectura obsoleta. La solución existe. Se llama orquestación stateless.

Descubra cómo iD4Connect aborda estos desafíos →

80 % des données d’entreprise ne sont jamais exploitées : pourquoi, et comment y remédier ?

Les entreprises génèrent des volumes de données sans précédent. Elles en exploitent moins de 20 %. Le reste (logs, fichiers, données IoT, historiques de transactions, échanges clients) dort sur des serveurs, coûte des milliers d’euros en stockage et représente un risque de conformité croissant. Ce gaspillage massif n’est pas une fatalité. C’est le symptôme d’une architecture pensée pour accumuler, pas pour comprendre.

Le paradoxe de l’ère data : plus on collecte, moins on comprend

Le monde génère désormais 200 zettaoctets de données par an. C’est un volume difficile à concevoir, et pourtant les entreprises en sont les premières contributrices. Chaque ERP, chaque CRM, chaque capteur IoT, chaque outil de collaboration produit un flux continu d’informations. Mais cette abondance crée un paradoxe : plus on collecte, moins on est capable d’exploiter.

Selon IBM, environ 80 % des données d’entreprise sont des « dark data », c’est-à-dire des données collectées, stockées, mais jamais utilisées pour la moindre analyse ou décision (source : IBM). Ce chiffre est corroboré par une enquête de Splunk menée auprès de plus de 1 300 dirigeants IT, où 60 % déclarent que plus de la moitié de leurs données sont inexploitées (source : FirstEigen / Splunk). Chez un tiers des organisations, la proportion de données non identifiées dépasse même 75 % (source : Cogent). Et le phénomène s’accélère : le volume de données non exploitées croît de 20 % par an, porté par l’IoT, l’IA générative et la multiplication des sources (source : DataStackHub).

80 % des données d’entreprise ne sont jamais exploitées (IBM)

60 zettaoctets de stockage mondial occupés par des données dormantes (DataStackHub)

52 % du budget stockage moyen des entreprises est consacré à des données inutilisées (FirstEigen / Veritas)

Pourquoi tant de données restent dans l’ombre

Si les entreprises n’exploitent pas leurs données, ce n’est pas par manque de volonté. C’est un problème structurel, lié à la manière dont les architectures data ont été conçues depuis vingt ans.

Premier obstacle : la fragmentation des sources. Une ETI typique utilise entre 10 et 50 systèmes différents : ERP, CRM, outils métier, tableurs, bases de données, API, flux IoT. Chaque système parle son propre langage, dans son propre format. Selon DataStackHub, 70 % des organisations souffrent d’une fragmentation qui empêche toute source de vérité unifiée (source : DataStackHub). Sans connexion entre les systèmes, la donnée reste prisonnière de ses silos.

Deuxième obstacle : la barrière technique. Les plateformes d’analyse traditionnelles exigent des compétences pointues : SQL, Python, administration de data warehouses. Seules les équipes data y accèdent. Les métiers, qui connaissent pourtant le mieux la valeur de l’information, restent à l’écart. Résultat : les questions business restent sans réponse, ou mettent des semaines à être traitées.

Troisième obstacle : le modèle ETL lui-même. Pour analyser une donnée dans une architecture classique, il faut d’abord l’extraire, la transformer, puis la charger dans un entrepôt. Ce processus est long, coûteux et rigide. Chaque nouveau besoin analytique impose un nouveau pipeline. Les équipes data passent l’essentiel de leur temps à préparer les données, pas à les analyser.

Quatrième obstacle : le coût de l’exploration. Explorer une donnée inconnue coûte cher quand chaque requête implique de la déplacer, de la dupliquer et de mobiliser de la puissance de calcul. Les entreprises se concentrent donc sur les 20 % de données déjà identifiées et laissent les 80 % restants s’accumuler dans l’ombre.

Ce que coûtent les données que personne ne regarde

Les dark data ne sont pas neutres. Même dormantes, elles coûtent de l’argent, consomment de l’énergie et créent des risques.

Un coût financier direct. Les données non exploitées occupent environ 60 zettaoctets de stockage mondial. À l’échelle d’une entreprise, chaque téraoctet stocké sans être utilisé génère des frais de stockage cloud, de sauvegarde, de maintenance et de sécurisation. Veritas estime que 52 % du budget stockage moyen est consacré à des dark data (source : FirstEigen / Veritas). À l’échelle mondiale, cela représente un gaspillage de plusieurs centaines de milliards de dollars chaque année.

Un risque réglementaire croissant. Les dark data contiennent fréquemment des informations personnelles non identifiées, et donc non protégées conformément au RGPD, à DORA ou à NIS2. Selon DataStackHub, 26 % des violations de données en 2025 provenaient de stockages oubliés ou non protégés (source : DataStackHub). Les données ignorées ne sont pas des données sans conséquence.

Un coût environnemental massif. Les datacenters consomment entre 2 et 3 % de l’électricité mondiale, avec des projections pouvant atteindre 8 % d’ici 2030. Stocker des données inutiles mobilise des serveurs, du refroidissement et de l’énergie pour rien. Selon Wikipédia citant le New York Times, 90 % de l’énergie utilisée par les datacenters est gaspillée (source : Wikipedia / Dark Data). À l’heure où la sobriété numérique devient un enjeu de gouvernance, maintenir des montagnes de dark data est difficile à justifier.

Un risque de sécurité. Ce qu’on ne voit pas, on ne le protège pas. Et ce qu’on ne protège pas finit par être exploité par d’autres. IBM rappelle que les dark data créent des angles morts en matière de cybersécurité, car elles échappent souvent aux protocoles de protection appliqués aux données critiques (source : IBM).

Les dark data ne sont pas un déchet : elles sont un gisement

Le paradoxe des dark data, c’est qu’elles ne sont pas intrinsèquement dépourvues de valeur. Elles sont simplement inaccessibles avec les outils actuels. La plupart sont hétérogènes, multi-formats, non structurées, exactement le type de données que les architectures traditionnelles ne savent pas traiter.

Pourtant, ces données recèlent des insights déterminants. Les logs de serveur révèlent des patterns d’usage. Les tickets de support cachent des signaux faibles sur la satisfaction client. Les données IoT archivées permettent de détecter des tendances de maintenance prédictive. Les historiques de transactions non croisés recèlent des opportunités de cross-selling.

McKinsey l’a documenté : les organisations les plus avancées dans l’exploitation de leurs données enregistrent une contribution de plus de 20 % à leur résultat opérationnel (EBIT) (source : McKinsey). Les entreprises data-driven sont aussi 23 fois plus susceptibles d’acquérir de nouveaux clients et 19 fois plus susceptibles d’être rentables (source : McKinsey Global Institute). La question n’est donc pas de savoir si ces données ont de la valeur, mais comment y accéder sans reproduire le même schéma qui les a rendues invisibles.

Et c’est là que le problème d’architecture redevient central. Tant que l’exploitation d’une donnée exige de la déplacer dans un entrepôt, de la transformer via un pipeline ETL et de mobiliser une équipe technique, le coût d’exploration des dark data restera prohibitif. Il faut changer de modèle.

Changer de modèle : exploiter sans centraliser

La solution au problème des dark data n’est pas un meilleur data lake ni un catalogue de métadonnées supplémentaire. Ces outils sont utiles, mais ils ne s’attaquent pas à la cause racine. Le vrai levier est architectural : il faut pouvoir interroger les données là où elles se trouvent, sans les déplacer.

Le traitement à la source élimine la barrière principale qui maintient les données dans l’ombre. Au lieu d’imposer un pipeline pour chaque question analytique, l’intelligence va directement là où la donnée réside. Pas de copie, pas de stockage intermédiaire, pas de transformation préalable lourde. Le coût marginal d’exploration d’une nouvelle source tombe à quasi zéro.

C’est précisément l’approche que porte iD4Connect. Le middleware décisionnel se connecte directement à plus de 70 types de sources différentes (bases de données, API, fichiers, capteurs IoT, flux temps réel) et produit des analyses sans jamais dupliquer les données.

Les DataCells sont des unités autonomes de traitement qui exécutent des opérations analytiques directement à la source. Chaque DataCell fonctionne de manière indépendante, sans nécessiter de duplication.

Le DataGraph cartographie les relations logiques et métiers entre les différentes sources de données. Il permet de visualiser les liens entre des systèmes hétérogènes sans les centraliser, une vue 360° qui révèle les données jusque-là invisibles.

La modélisation no-code orientée métier met cette capacité d’exploration entre les mains des équipes fonctionnelles, pas seulement des data engineers. C’est un changement fondamental : quand le métier peut interroger directement les données, sans ticket Jira ni pipeline de 6 semaines, les dark data n’ont plus de raison de rester dans l’ombre.

La valeur est dans la compréhension, pas dans l’accumulation

Le monde ne manque pas de données. Il manque de capacité à les comprendre. Les entreprises qui tireront leur épingle du jeu en 2026 ne seront pas celles qui stockent le plus, mais celles qui exploitent le mieux, et le plus vite.

Quand 80 % de votre patrimoine informationnel dort dans l’ombre, la question n’est pas de savoir s’il faut agir. C’est de savoir combien de temps vous pouvez encore vous permettre de ne pas le faire.

La valeur n’est plus dans la donnée. Elle est dans la capacité à la comprendre et à l’exploiter là où elle se trouve.

Découvrir comment iD4Connect révèle la valeur cachée de vos données →

80% of enterprise data is never used: why, and how to fix it ?

Businesses generate unprecedented volumes of data. They exploit less than 20%. The rest (logs, files, IoT data, transaction histories, customer interactions) sits on servers, costs thousands of euros in storage and represents a growing compliance risk. This massive waste is not inevitable. It is the symptom of an architecture designed to accumulate, not to understand.

The data era paradox: the more we collect, the less we understand

The world now generates 200 zettabytes of data per year. It is a volume that is hard to grasp, yet businesses are the primary contributors. Every ERP, every CRM, every IoT sensor, every collaboration tool produces a continuous flow of information. But this abundance creates a paradox: the more we collect, the less we are able to exploit.

According to IBM, around 80% of enterprise data is « dark data », meaning data that is collected, stored, but never used for any analysis or decision (source: IBM). This figure is corroborated by a Splunk survey of over 1,300 IT leaders, where 60% state that more than half of their data goes unused (source: FirstEigen / Splunk). In a third of organizations, the proportion of unidentified data exceeds 75% (source: Cogent). And the phenomenon is accelerating: the volume of unused data grows by 20% per year, driven by IoT, generative AI and the multiplication of sources (source: DataStackHub).

80% of enterprise data is never exploited (IBM)

60 zettabytes of global storage occupied by dormant data (DataStackHub)

52% of the average enterprise storage budget is spent on unused data (FirstEigen / Veritas)

Why so much data remains in the shadows

If businesses fail to exploit their data, it is not for lack of willingness. It is a structural problem, rooted in the way data architectures have been designed over the past twenty years.

First obstacle: source fragmentation. A typical mid-sized company uses between 10 and 50 different systems: ERP, CRM, business tools, spreadsheets, databases, APIs, IoT feeds. Each system speaks its own language, in its own format. According to DataStackHub, 70% of organizations suffer from fragmentation that prevents any unified source of truth (source: DataStackHub). Without connections between systems, data remains trapped in its silos.

Second obstacle: the technical barrier. Traditional analytics platforms require specialized skills: SQL, Python, data warehouse administration. Only data teams can access them. Business users, who best understand the value of information, are left out. The result: business questions go unanswered, or take weeks to process.

Third obstacle: the ETL model itself. To analyze data in a traditional architecture, you must first extract it, transform it, then load it into a warehouse. This process is slow, expensive and rigid. Every new analytical need requires a new pipeline. Data teams spend most of their time preparing data, not analyzing it.

Fourth obstacle: the cost of exploration. Exploring unknown data is expensive when every query involves moving it, duplicating it and mobilizing computing power. Businesses therefore focus on the 20% of data already identified and let the remaining 80% accumulate in the shadows.

What unused data actually costs

Dark data is not neutral. Even dormant, it costs money, consumes energy and creates risk.

A direct financial cost. Unused data occupies approximately 60 zettabytes of global storage. At the enterprise level, every terabyte stored without being used generates cloud storage fees, backup costs, maintenance and security expenses. Veritas estimates that 52% of the average storage budget is spent on dark data (source: FirstEigen / Veritas). Globally, this represents hundreds of billions of dollars wasted every year.

A growing regulatory risk. Dark data frequently contains unidentified personal information, and therefore information not protected in compliance with GDPR, DORA or NIS2. According to DataStackHub, 26% of data breaches in 2025 originated from forgotten or unprotected storage (source: DataStackHub). Ignored data is not data without consequences.

A massive environmental cost. Data centers consume between 2 and 3% of global electricity, with projections reaching 8% by 2030. Storing useless data ties up servers, cooling and energy for nothing. According to Wikipedia citing the New York Times, 90% of the energy used by data centers is wasted (source: Wikipedia / Dark Data). At a time when digital sobriety is becoming a governance issue, maintaining mountains of dark data is hard to justify.

A security risk. What you cannot see, you cannot protect. And what you do not protect ends up being exploited by others. IBM points out that dark data creates blind spots in cybersecurity, as it often escapes the protection protocols applied to critical data (source: IBM).

Dark data is not waste: it is an untapped resource

The paradox of dark data is that it is not inherently devoid of value. It is simply inaccessible with current tools. Most of it is heterogeneous, multi-format, unstructured, exactly the type of data that traditional architectures cannot process.

Yet this data holds decisive insights. Server logs reveal usage patterns. Support tickets hide weak signals about customer satisfaction. Archived IoT data enables predictive maintenance trend detection. Uncrossed transaction histories contain cross-selling opportunities.

McKinsey has documented it: the most advanced organizations in data exploitation report a contribution of over 20% to their operating income (EBIT) (source: McKinsey). Data-driven companies are also 23 times more likely to acquire new customers and 19 times more likely to be profitable (source: McKinsey Global Institute). The question is not whether this data has value, but how to access it without reproducing the same pattern that made it invisible.

And this is where the architecture problem becomes central again. As long as exploiting data requires moving it to a warehouse, transforming it via an ETL pipeline and mobilizing a technical team, the cost of exploring dark data will remain prohibitive. The model must change.

Changing the model: exploit without centralizing

The solution to the dark data problem is not a better data lake or yet another metadata catalog. These tools are useful, but they do not address the root cause. The real lever is architectural: you need to be able to query data where it resides, without moving it.

Processing at the source eliminates the main barrier that keeps data in the shadows. Instead of requiring a pipeline for every analytical question, intelligence goes directly to where the data lives. No copies, no intermediate storage, no heavy pre-transformation. The marginal cost of exploring a new source drops to near zero.

This is precisely the approach that iD4Connect delivers. The decision-making middleware connects directly to over 70 types of sources (databases, APIs, files, IoT sensors, real-time feeds) and produces analyses without ever duplicating data.

DataCells are autonomous processing units that execute analytical operations directly at the source. Each DataCell operates independently, without requiring duplication.

The DataGraph maps the logical and business relationships between different data sources. It visualizes links between heterogeneous systems without centralizing them, a 360-degree view that reveals previously invisible data.

No-code, business-oriented modeling puts this exploration capability in the hands of functional teams, not just data engineers. This is a fundamental shift: when business users can query data directly, without a Jira ticket or a 6-week pipeline, dark data has no reason to remain in the shadows.

The value lies in understanding, not accumulation

The world does not lack data. It lacks the ability to understand it. The businesses that will come out ahead in 2026 will not be those that store the most, but those that exploit the best, and the fastest.

When 80% of your information assets lie dormant in the shadows, the question is not whether to act. It is how long you can afford not to.

The value is no longer in the data. It is in the ability to understand and exploit it where it resides.

Discover how iD4Connect reveals the hidden value of your data →