Benoît Perigaud, Staff Developer Experience Advocate EMEA chez dbt Labs
L’IA automatise déjà une partie du travail des data engineers
Longtemps perçu comme un métier d’exécution technique, le rôle de data engineer évolue sous l’effet de l’IA générative. Une part croissante des tâches historiquement réalisées à la main est aujourd’hui automatisée : 72 % des équipes data donnent la priorité au code assisté par IA dans leurs workflows de développement. Génération de requêtes SQL, documentation, débogage ou orchestration des pipelines ETL, de nombreuses tâches répétitives sont désormais exécutées quasi instantanément.
Ce changement dépasse le simple gain de productivité. À mesure que l’IA prend en charge une partie de l’exécution, les équipes data consacrent davantage de temps à l’architecture et au contrôle des systèmes. Mais si l’IA produit du code plus vite, elle ne garantit pas à elle seule la fiabilité des données exploitées.
Des ingénieurs qui supervisent davantage qu’ils ne produisent
Une nouvelle hiérarchie des compétences émerge dans les métiers de la data. Longtemps valorisés pour leur capacité à produire du code et à gérer des infrastructures complexes. Ces experts voient désormais leurs missions évoluer vers des fonctions de supervision, de pilotage stratégique et de gouvernance. Leur rôle ne se limite plus à construire des pipelines ou écrire des requêtes complexes. Il s’étend désormais à l’architecture des données, à la structuration des couches sémantiques ainsi qu’à garantir la qualité des informations utilisées à l’échelle de l’entreprise.
Cette mutation s’accélère avec l’essor des agents IA analytiques développés par des acteurs comme Meta ou OpenAI. Ces outils génèrent, transforment et interrogent déjà des données de manière autonome avec une intervention humaine minimale. Mais cette automatisation ne réduit pas le besoin d’expertise humaine, elle repositionne la valeur des enjeux de gouvernance. Les data engineers deviennent les garants de la stabilité des architectures data, capables d’anticiper, détecter les anomalies et de sécuriser les usages de l’IA dans l’entreprise. Le meilleur data engineer n’est plus celui qui écrit le plus de code, mais celui qui identifie les incohérences rapidement.
Produire plus vite sans perdre le contrôle
La vitesse de production permise par l’IA progresse plus rapidement que les mécanismes capables d’en garantir la maîtrise. Cette accélération accroît l’exposition aux erreurs, aux hallucinations générées par l’IA, à la perte de traçabilité ou encore à la dilution des responsabilités. L’étude montre que 71 % des professionnels redoutent déjà la circulation de données erronées ou “hallucinées” produites par l’IA. Dans le même temps, 83 % des entreprises considèrent la confiance dans la qualité des données comme une priorité stratégique. Un enjeu d’autant plus critique que les agents IA interagissent directement avec les données métiers.
Les organisations doivent bâtir une gouvernance commune autour des métriques et des règles métiers afin de préserver la cohérence des systèmes. La création de valeur repose désormais autant sur la capacité à accélérer la production que sur celle à industrialiser la confiance à grande échelle. Pourtant, seules 24 % des organisations renforcent actuellement leurs mécanismes de contrôle du code assisté par l’IA. L’avenir des data engineers ne se jouera pas en compétition avec l’IA, mais dans leur capacité à garantir la fiabilité de systèmes toujours plus autonomes.
Longtemps perçu comme un métier d’exécution technique, le rôle de data engineer évolue sous l’effet de l’IA générative. Une part croissante des tâches historiquement réalisées à la main est aujourd’hui automatisée : 72 % des équipes data donnent la priorité au code assisté par IA dans leurs workflows de développement. Génération de requêtes SQL, documentation, débogage ou orchestration des pipelines ETL, de nombreuses tâches répétitives sont désormais exécutées quasi instantanément.
Ce changement dépasse le simple gain de productivité. À mesure que l’IA prend en charge une partie de l’exécution, les équipes data consacrent davantage de temps à l’architecture et au contrôle des systèmes. Mais si l’IA produit du code plus vite, elle ne garantit pas à elle seule la fiabilité des données exploitées.
Des ingénieurs qui supervisent davantage qu’ils ne produisent
Une nouvelle hiérarchie des compétences émerge dans les métiers de la data. Longtemps valorisés pour leur capacité à produire du code et à gérer des infrastructures complexes. Ces experts voient désormais leurs missions évoluer vers des fonctions de supervision, de pilotage stratégique et de gouvernance. Leur rôle ne se limite plus à construire des pipelines ou écrire des requêtes complexes. Il s’étend désormais à l’architecture des données, à la structuration des couches sémantiques ainsi qu’à garantir la qualité des informations utilisées à l’échelle de l’entreprise.
Cette mutation s’accélère avec l’essor des agents IA analytiques développés par des acteurs comme Meta ou OpenAI. Ces outils génèrent, transforment et interrogent déjà des données de manière autonome avec une intervention humaine minimale. Mais cette automatisation ne réduit pas le besoin d’expertise humaine, elle repositionne la valeur des enjeux de gouvernance. Les data engineers deviennent les garants de la stabilité des architectures data, capables d’anticiper, détecter les anomalies et de sécuriser les usages de l’IA dans l’entreprise. Le meilleur data engineer n’est plus celui qui écrit le plus de code, mais celui qui identifie les incohérences rapidement.
Produire plus vite sans perdre le contrôle
La vitesse de production permise par l’IA progresse plus rapidement que les mécanismes capables d’en garantir la maîtrise. Cette accélération accroît l’exposition aux erreurs, aux hallucinations générées par l’IA, à la perte de traçabilité ou encore à la dilution des responsabilités. L’étude montre que 71 % des professionnels redoutent déjà la circulation de données erronées ou “hallucinées” produites par l’IA. Dans le même temps, 83 % des entreprises considèrent la confiance dans la qualité des données comme une priorité stratégique. Un enjeu d’autant plus critique que les agents IA interagissent directement avec les données métiers.
Les organisations doivent bâtir une gouvernance commune autour des métriques et des règles métiers afin de préserver la cohérence des systèmes. La création de valeur repose désormais autant sur la capacité à accélérer la production que sur celle à industrialiser la confiance à grande échelle. Pourtant, seules 24 % des organisations renforcent actuellement leurs mécanismes de contrôle du code assisté par l’IA. L’avenir des data engineers ne se jouera pas en compétition avec l’IA, mais dans leur capacité à garantir la fiabilité de systèmes toujours plus autonomes.