Forward Data Conference 2026

01 · Data Foundations for Humans & AI

Des fondations de données fiables et accessibles, pensées pour les consommateurs humains comme pour les systèmes d'IA.

AI-Ready Data : modélisation source of truth, semantic layers, ontologies et knowledge graphs pour préparer la donnée aux consommateurs machines

Data Quality & Trust in the Agentic Era : qualité, data contracts et observabilité comme infrastructure de confiance des initiatives IA

Data Platform Evolution : open table formats par défaut et consolidation des architectures lakehouse

Cost-Aware Data Engineering : le coût devient une contrainte de conception des pipelines et des warehouses

02 · Agentic Systems Engineering

Tout l'engineering autour des modèles : contexte, mémoire, évaluation, orchestration, sécurité et coûts.

Evals & Observability : l'évaluation comme porte d'entrée en production des systèmes IA, pour attraper les régressions avant les utilisateurs

Context & Memory Engineering : décider ce qui entre dans la context window, ce qui est récupéré et ce qui est mémorisé

Agentic Architectures & Orchestration : architectures multi-agents en production, patterns d'orchestration et modes de défaillance

Security, Sovereignty & Cost Control : prompt injection, identité des agents et self-hosting pour garder le contrôle de vos systèmes IA

03 · Engineering Shifts

Comment l'IA transforme les pratiques d'engineering existantes, du code aux analytics.

The Agentic SDLC : specs, reviews, tests et delivery quand les machines écrivent du code

AI-Augmented Data Engineering : le métier de Data Engineer avec des agents qui écrivent les pipelines, corrigent les incidents et documentent

Agentic Analytics : un self-service analytics repensé, où les utilisateurs métier conversent avec des semantic layers gouvernés

AI Product Engineering : livrer des features IA réellement adoptées, malgré le non-déterminisme

04 · Leading the AI Shift

Les questions organisationnelles : enablement, accountability et operating models.

AI Enablement at Scale : passer de quelques enthousiastes à une capacité organisationnelle avec champions, academies, rituels et ROI mesuré

Governance & Accountability : qui est responsable quand un agent agit, AI Act et shadow AI

Data & AI Operating Models : centralisé ou décentralisé après le data mesh, place des équipes IA, évolution des rôles de CDO et CAIO