L'intelligence d'entreprise va au-del\u00e0 du mod\u00e8le \u00ab data \u00bb. C'est la combinaison du sens m\u00e9tier, de la gouvernance, des relations, des politiques et du savoir institutionnel qui permet \u00e0 l'IA de comprendre comment une entreprise fonctionne r\u00e9ellement. Sans cela, m\u00eame les mod\u00e8les d'IA les plus performants peinent \u00e0 produire des r\u00e9sultats fiables, explicables et exploitables.<\/span><\/p>\n Le d\u00e9fi ne consiste pas \u00e0 cr\u00e9er une intelligence d'entreprise \u00e0 partir de z\u00e9ro. Il s'agit plut\u00f4t de <\/span>rassembler les connaissances m\u00e9tier fragment\u00e9es au sein d'une couche r\u00e9gie par des r\u00e8gles<\/span><\/a>, et de l\u2019adapter en permanence \u00e0 mesure que l\u2019activit\u00e9 \u00e9volue. C\u2019est l\u00e0 que de nombreuses transformations bas\u00e9es sur l\u2019IA s\u2019enlisent. Prenons l\u2019exemple d\u2019une banque qui d\u00e9finit ce qu\u2019est un \u201c client \u00e0 haut risque \u201d. Le service de conformit\u00e9 le signale pour activit\u00e9 suspecte, le service Cr\u00e9dit pour risque de d\u00e9faut de paiement, et le service Fraude pour transactions inhabituelles. Chaque \u00e9quipe a raison selon ses propres r\u00e8gles, mais les d\u00e9finitions ne concordent pas, et c\u2019est cette lacune que la gouvernance comble, en fournissant \u00e0 chaque syst\u00e8me et agent d\u2019IA une r\u00e9ponse unique et partag\u00e9e.<\/span><\/p>\n Cet article pr\u00e9sente un plan d'action pour l'IA d'entreprise. Starburst montre comment les organisations cr\u00e9ent une intelligence d'entreprise fiable \u00e0 travers les environnements data et metadata distribu\u00e9s. Artefact pr\u00e9sente le mod\u00e8le op\u00e9rationnel qui permet \u00e0 cette intelligence d'\u00eatre continuellement d\u00e9couverte, certifi\u00e9e, r\u00e9utilis\u00e9e et am\u00e9lior\u00e9e. Ensemble, ils fournissent la base technologique et le mod\u00e8le organisationnel n\u00e9cessaires \u00e0 la mise en \u0153uvre de l'IA \u00e0 l'\u00e9chelle de l'entreprise.<\/span><\/p>\n La plupart des organisations ont d\u00e9montr\u00e9 que <\/span>IA conversationnelle<\/span><\/a> peuvent fonctionner. Ils permettent de mettre en place des projets pilotes impressionnants, de d\u00e9montrer une r\u00e9elle valeur ajout\u00e9e pour l\u2019entreprise et de susciter l\u2019enthousiasme au sein de l\u2019ensemble de l\u2019organisation. Cependant, rares sont ceux qui parviennent \u00e0 transposer ces r\u00e9ussites \u00e0 l\u2019\u00e9chelle de l\u2019entreprise.<\/span><\/p>\n Le d\u00e9fi r\u00e9side dans la pr\u00e9paration des entreprises. Avant que les agents conversationnels data puissent fonctionner de mani\u00e8re fiable \u00e0 grande \u00e9chelle, les organisations doivent r\u00e9pondre \u00e0 trois questions fondamentales :<\/span><\/p>\n L'intelligence artificielle ne peut produire que <\/span>des r\u00e9sultats commerciaux fiables<\/span><\/a> lorsque trois conditions sont r\u00e9unies : l'entreprise data doit \u00eatre accessible, le sens m\u00e9tier doit \u00eatre structur\u00e9 et des informations fiables doivent \u00eatre mises \u00e0 disposition partout o\u00f9 des d\u00e9cisions sont prises.<\/span><\/p>\n La couche de contexte d'entreprise pose ces bases gr\u00e2ce \u00e0 un mod\u00e8le d'ex\u00e9cution simple :<\/span><\/p>\n Se connecter. <\/b><\/span>Les entit\u00e9s \u00ab Enterprise data \u00bb et \u00ab metadata \u00bb existent d\u00e9j\u00e0 dans les syst\u00e8mes op\u00e9rationnels, les plateformes cloud, les lacs de donn\u00e9es data, les catalogues, les mod\u00e8les s\u00e9mantiques, les outils de BI et la documentation.<\/span><\/p>\n Plut\u00f4t que d\u2019exiger des entreprises qu\u2019elles centralisent ces ressources, Starburst assure une f\u00e9d\u00e9ration entre data et metadata, ce qui permet de lancer imm\u00e9diatement des initiatives d\u2019IA sans attendre la fin des projets de migration ou de consolidation. Les entreprises s\u2019appuient ainsi sur les donn\u00e9es dont elles disposent d\u00e9j\u00e0.<\/span><\/p>\n Organiser<\/b><\/span>.<\/span> Une fois connect\u00e9, le data devient une source d'intelligence d'entreprise r\u00e9utilisable. La couche contextuelle d'entreprise organise le data f\u00e9d\u00e9r\u00e9 en produits data pr\u00eats pour l'IA, align\u00e9s sur le mode de fonctionnement de l'entreprise : client, produit, politique, compte, risque, fournisseur et autres entit\u00e9s m\u00e9tier cl\u00e9s.<\/span><\/p>\n Chaque produit data associe quatre \u00e9l\u00e9ments :<\/span><\/p>\n Ensemble, ces \u00e9l\u00e9ments constituent des unit\u00e9s r\u00e9utilisables d'intelligence d'entreprise pouvant \u00eatre partag\u00e9es entre les outils d'analyse, les applications et l'IA. Plut\u00f4t que de recr\u00e9er le contexte m\u00e9tier pour chaque tableau de bord ou agent, les organisations le d\u00e9finissent une seule fois et le r\u00e9utilisent partout.<\/span><\/p>\n Activer.<\/span> <\/b>Les produits data compatibles avec l'IA constituent d\u00e9sormais la base commune d'intelligence pour les tableaux de bord, les applications, AIDA et les agents IA agr\u00e9\u00e9s. \u00c9tant donn\u00e9 que chaque produit data int\u00e8gre d\u00e9j\u00e0 une signification m\u00e9tier fiable, des relations, une gouvernance et une logique m\u00e9tier r\u00e9utilisable, l'IA peut raisonner \u00e0 partir de l'intelligence d'entreprise plut\u00f4t qu'\u00e0 partir des donn\u00e9es brutes data.<\/span><\/p>\n \u00c0 mesure que les mod\u00e8les d'IA continuent de s'am\u00e9liorer, la valeur de la couche contextuelle d'entreprise augmente en parall\u00e8le. Des mod\u00e8les plus performants renforcent la valeur d'une intelligence d'entreprise fiable.<\/span><\/p>\n Le coefficient multiplicateur est le suivant : <\/span>Mod\u00e8le \u00d7 Intelligence d'entreprise<\/b><\/span><\/p>\n Se connecter. S'organiser. Agir. Pour mettre en \u0153uvre cette base, une capacit\u00e9 suppl\u00e9mentaire est n\u00e9cessaire : <\/span>Am\u00e9lioration continue.<\/b><\/p>\n Dans le secteur des services financiers, ces fondements sont plus accessibles que la plupart des organisations ne le pensent. Si les \u00e9tablissements financiers ont initialement investi dans la gouvernance pour se conformer aux exigences r\u00e9glementaires, cet effort obligatoire a permis de mettre en place les \u00e9l\u00e9ments fondamentaux d\u2019une couche contextuelle :<\/span><\/p>\n Le d\u00e9ploiement d'agents conversationnels Data dans le secteur des services financiers ne constitue pas une transformation totalement nouvelle. Il s'agit d'une \u00e9volution naturelle <\/span>l'\u00e9volution<\/b> parmi les programmes data governance d\u00e9j\u00e0 en place, cette fois-ci dans un but allant au-del\u00e0 d'une simple exigence r\u00e9glementaire.<\/span><\/p>\n Prenons une question simple dans une grande banque : qui est le client ? Cela semble facile, mais cela repr\u00e9sente l'un des d\u00e9fis les plus complexes li\u00e9s au data dans le secteur des services financiers. La solution ne r\u00e9side pas dans un nouveau mod\u00e8le d'IA. C'est une question de gouvernance.<\/span><\/strong><\/p>\n Les fonctions m\u00e9tier sont responsables de leurs d\u00e9finitions et en assurent la validation ; les gestionnaires data les traduisent en r\u00e8gles m\u00e9tier r\u00e9gies, et la couche s\u00e9mantique pr\u00e9serve ce contexte. L\u2019agent conversationnel Data s\u00e9lectionne ensuite la d\u00e9finition appropri\u00e9e en fonction du r\u00f4le, de la fonction m\u00e9tier et de l\u2019intention de l\u2019utilisateur. De plus, il sait d\u00e9sormais qui pose la question, quel est le contexte de l\u2019utilisateur, et d\u00e9termine quel produit data doit \u00eatre utilis\u00e9.<\/p>\n \u201c Se connecter. S\u2019organiser. Agir. \u201d<\/span><\/i> pose les bases technologiques de l'IA d'entreprise.<\/span><\/p>\n La mise en \u0153uvre de l'IA \u00e0 l'\u00e9chelle de l'entreprise n\u00e9cessite une capacit\u00e9 suppl\u00e9mentaire : <\/span>S'am\u00e9liorer.<\/b><\/p>\n L'intelligence d'entreprise n'est pas un atout statique. Les d\u00e9finitions commerciales \u00e9voluent. Les produits changent. La r\u00e9glementation \u00e9volue. Les capacit\u00e9s de l'IA s'am\u00e9liorent. Chaque interaction cr\u00e9e de nouvelles opportunit\u00e9s pour renforcer les fondements de l'intelligence d'entreprise.<\/span><\/p>\n L'am\u00e9lioration continue s'op\u00e8re selon un cycle op\u00e9rationnel simple.<\/span><\/p>\n Il convient de tirer parti de l'IA pour identifier en permanence des opportunit\u00e9s d'am\u00e9lioration de l'intelligence d'entreprise.<\/span><\/p>\n En observant <\/span>metadata<\/span><\/a>, les mod\u00e8les de requ\u00eates, l'utilisation des r\u00e8gles m\u00e9tier, les relations entre les produits data et le comportement des consommateurs, la plateforme identifie les opportunit\u00e9s permettant de renforcer la logique m\u00e9tier et de recommander de nouvelles <\/span>Produits data compatibles avec l'IA<\/span><\/a>, am\u00e9liorer metadata et \u00e9tendre l'intelligence r\u00e9utilisable \u00e0 l'ensemble des domaines.\u00a0<\/span><\/p>\n Chaque interaction est source d'un nouvel apprentissage.<\/span><\/p>\n L'IA fait des d\u00e9couvertes. Ce sont les personnes qui instaurent la confiance.<\/span><\/p>\n Pour qu'une IA inspire confiance, il faut d\u00e9finir clairement les responsabilit\u00e9s, et non pas renforcer la gouvernance. Les \u00e9quipes m\u00e9tier et techniques jouent chacune un r\u00f4le bien distinct pour garantir que l'IA s'inscrive dans le bon contexte m\u00e9tier et continue de s'am\u00e9liorer \u00e0 mesure que l'organisation \u00e9volue.<\/span><\/p>\n Les donn\u00e9es certifi\u00e9es deviennent imm\u00e9diatement r\u00e9utilisables dans les outils d'analyse, les applications, <\/span>AIDA<\/span><\/a>, ainsi que des agents d'IA approuv\u00e9s. Chaque nouveau consommateur g\u00e9n\u00e8re des retours d'exp\u00e9rience qui contribuent \u00e0 am\u00e9liorer la base de donn\u00e9es d'intelligence d'entreprise.<\/span><\/p>\n \u00c0 chaque it\u00e9ration, l'intelligence d'entreprise gagne en fiabilit\u00e9, en exhaustivit\u00e9 et en valeur.<\/span><\/p>\n Ce mod\u00e8le op\u00e9rationnel ne n\u00e9cessite pas la mise en place d'une nouvelle structure organisationnelle. Il \u00e9largit la port\u00e9e des fonctions existantes. Ensemble, la technologie et les personnes constituent un syst\u00e8me d'intelligence en continu.<\/span><\/p>\n Starburst fournit la base technologique. Le mod\u00e8le op\u00e9rationnel garantit que l'intelligence d'entreprise \u00e9volue en permanence au rythme de l'activit\u00e9.<\/span><\/p>\n Sans mod\u00e8le op\u00e9rationnel intelligent, l'IA ne dispose pas du contexte m\u00e9tier fiable n\u00e9cessaire pour fournir des r\u00e9ponses coh\u00e9rentes et fiables. Imaginez une banque d\u00e9ployant des assistants IA avant que les d\u00e9finitions, les politiques et les r\u00e8gles m\u00e9tier n'aient \u00e9t\u00e9 r\u00e9gies et certifi\u00e9es. Lorsque les dirigeants demandent le nombre de clients actifs, diff\u00e9rents agents IA et tableaux de bord renvoient des r\u00e9ponses divergentes.<\/span><\/p>\n Le probl\u00e8me va bien au-del\u00e0 d\u2019une simple incoh\u00e9rence des chiffres. En l\u2019absence d\u2019une appropriation claire du contexte m\u00e9tier lui-m\u00eame, personne ne peut expliquer quelle d\u00e9finition a \u00e9t\u00e9 appliqu\u00e9e, pourquoi elle a \u00e9t\u00e9 choisie, ni qui l\u2019a valid\u00e9e en tant que politique. Lorsqu\u2019un probl\u00e8me survient, la responsabilit\u00e9 se r\u00e9sume \u00e0 \u201c c\u2019est l\u2019IA qui l\u2019a dit \u201d, et ce n\u2019est pas une r\u00e9ponse que les dirigeants, les r\u00e9gulateurs ou les clients sont pr\u00eats \u00e0 accepter. \u00c0 mesure que l\u2019IA s\u2019int\u00e8gre dans la prise de d\u00e9cision au quotidien, les organisations ne peuvent se permettre de disposer d\u2019une intelligence dont personne n\u2019assume la responsabilit\u00e9.<\/span><\/p>\n Les grandes entreprises reconnaissent que le d\u00e9fi ne r\u00e9side pas dans la cr\u00e9ation d\u2019un plus grand nombre d\u2019agents d\u2019IA. Il s\u2019agit plut\u00f4t de d\u00e9terminer \u00e0 qui appartient le contexte m\u00e9tier dont s\u2019inspire chaque agent, afin que la confiance et la responsabilit\u00e9 puissent \u00e9voluer au m\u00eame rythme que celui-ci.<\/span><\/p>\n Chez Artefact, l'\u00e9valuation fait partie int\u00e9grante de notre m\u00e9thodologie \u00ab AI Factory \u00bb en tant qu'axe de travail central.<\/strong> Chaque projet impliquant un agent comprend une phase de conception du cadre d'\u00e9valuation qui se d\u00e9roule en parall\u00e8le du d\u00e9veloppement de l'agent. Nous d\u00e9finissons des grilles d'\u00e9valuation au niveau des trajectoires, constituons des biblioth\u00e8ques de sc\u00e9narios adapt\u00e9es au cas d'utilisation et mettons en place un suivi continu avant la mise en service de l'agent.<\/p>\n Le raisonnement qui sous-tend cela est simple : Un agent que l'on peut \u00e9valuer est un agent auquel on peut faire confiance, que l'on peut am\u00e9liorer et dont on peut faire \u00e9voluer la capacit\u00e9.<\/span> <\/strong>Les organisations avec lesquelles nous travaillons et qui adoptent cette approche d\u00e8s le d\u00e9but parviennent syst\u00e9matiquement \u00e0 passer en production plus rapidement et en suscitant davantage la confiance des parties prenantes.<\/p>\n Les pionniers de l'IA ne se contentent pas de cr\u00e9er de meilleurs agents. Ils mettre en place un mod\u00e8le op\u00e9rationnel intelligent<\/strong> aujourd'hui, car ils consid\u00e8rent que c'est \u00e0 la fois un catalyseur imm\u00e9diat et un avantage concurrentiel \u00e0 long terme.<\/strong><\/span><\/p>\n Une couche d'intelligence r\u00e9gie, d\u00e9tenue et g\u00e9r\u00e9e par des responsables clairement identifi\u00e9s, acc\u00e9l\u00e8re simultan\u00e9ment toutes les initiatives en mati\u00e8re d'IA.<\/span> <\/strong>La gouvernance est d\u2019ores et d\u00e9j\u00e0 int\u00e9gr\u00e9e ; les \u00e9quipes n\u2019ont donc pas besoin de la rajouter par la suite. Cette couche fonctionne avec n\u2019importe quel agent qu\u2019une \u00e9quipe choisit de d\u00e9velopper ; ainsi, chaque nouvelle initiative repose sur la m\u00eame base fiable, au lieu de devoir la reconstruire \u00e0 partir de z\u00e9ro. Et comme les utilisateurs m\u00e9tier peuvent s\u2019approvisionner eux-m\u00eames \u00e0 partir d\u2019une source en laquelle ils ont confiance, ils n\u2019ont plus besoin d\u2019attendre le service informatique pour obtenir une r\u00e9ponse. De mani\u00e8re g\u00e9n\u00e9rale, les \u00e9quipes cessent de r\u00e9inventer les d\u00e9finitions, les r\u00e8gles et le contexte pour chaque nouveau cas d\u2019utilisation, car quelqu\u2019un s\u2019est d\u00e9j\u00e0 charg\u00e9 de ce travail et se charge de le maintenir \u00e0 jour.<\/span><\/p>\n Par o\u00f9 les organisations devraient-elles commencer ?<\/strong> La voie vers une IA digne de confiance passe d\u2019abord par des cas d\u2019utilisation cibl\u00e9s, et non par une refonte \u00e0 l\u2019\u00e9chelle de l\u2019entreprise. Les organisations de premier plan identifient les domaines dans lesquels le contexte m\u00e9tier peut avoir le plus grand impact, d\u00e9signent d\u00e8s le d\u00e9part des responsables clairs pour ces domaines et s\u2019appuient sur ces premiers enseignements pour faire \u00e9voluer leur mod\u00e8le op\u00e9rationnel au fil du temps.<\/span><\/p>\n \u00c0 mesure que les mod\u00e8les d'IA \u00e9voluent, les organisations disposant d'une intelligence d'entreprise fiable et d'une responsabilit\u00e9 clairement d\u00e9finie se d\u00e9velopperont plus rapidement et se forgeront un avantage concurrentiel durable par rapport \u00e0 celles qui sont frein\u00e9es par un environnement data fragment\u00e9 et un contexte m\u00e9tier dont la propri\u00e9t\u00e9 n'est pas clairement \u00e9tablie.<\/strong><\/p>\n Pr\u00e9parer aujourd\u2019hui le domaine du renseignement ne consiste pas seulement \u00e0 se pr\u00e9parer \u00e0 l\u2019avenir de l\u2019IA. C\u2019est un avantage strat\u00e9gique pour demain, et cela commence par d\u00e9terminer qui est responsable de la bonne mise en \u0153uvre de cette d\u00e9marche.<\/span><\/p>\n <\/p>\n Si vous souhaitez d\u00e9couvrir comment nous aidons d'autres clients \u00e0 faire face \u00e0 cette situation, n'h\u00e9sitez pas \u00e0 contacter les \u00e9quipes Artefact et Starburst :\u00a0<\/span><\/p>\n Artefact : <\/b>Akhilesh Kale (akhilesh.kale@artefact.com) | Nivetha Aravindan (nivetha.aravindan@artefact.com)\u00a0<\/span><\/p>\n Starburst : <\/b>Adran Estala (<\/span>adrian.estala@starburstdata.com<\/span><\/a>) | Christian Velez (<\/span>christian.velez@starburstdata.com<\/span><\/a>) | Evan Smith (evan.smith@starburstdata.com)<\/span><\/p>","protected":false},"excerpt":{"rendered":" Si de nombreuses organisations ont d\u00e9montr\u00e9 la valeur de l\u2019IA conversationnelle gr\u00e2ce \u00e0 des projets pilotes couronn\u00e9s de succ\u00e8s, rares sont celles qui parviennent \u00e0 d\u00e9ployer ces initiatives \u00e0 l\u2019\u00e9chelle de l\u2019entreprise. Le d\u00e9fi ne r\u00e9side pas dans le mod\u00e8le d\u2019IA, mais dans l\u2019absence d\u2019un \u00e9l\u00e9ment essentiel : un mod\u00e8le op\u00e9rationnel solide pour l\u2019intelligence d\u2019entreprise. Cet article pr\u00e9sente une feuille de route vers la r\u00e9ussite, d\u00e9taillant les fondements technologiques et le mod\u00e8le organisationnel n\u00e9cessaires pour mettre en \u0153uvre l\u2019IA \u00e0 grande \u00e9chelle.Pourquoi les agents conversationnels data ne parviennent-ils pas \u00e0 se d\u00e9ployer \u00e0 grande \u00e9chelle apr\u00e8s plusieurs projets pilotes couronn\u00e9s de succ\u00e8s ? <\/b><\/h2>\n
\n
La couche d'intelligence d'entreprise : les solutions data foundations dont vous disposez d\u00e9j\u00e0 constituent vos principaux atouts en mati\u00e8re d'IA <\/b><\/h2>\n
\n
\nJette les bases technologiques de l'IA d'entreprise.<\/span><\/p>\n\n
Exemple \u2014 Qui est le client ?<\/b><\/h2>\n
\nLa r\u00e9ponse d\u00e9pend de la personne qui pose la question. Dans la banque de d\u00e9tail, un client est d\u00e9fini comme un titulaire de compte. Dans la banque d'affaires, il s'agit d'une personne morale ou d'un groupe d'entreprises. Dans la gestion de patrimoine, il s'agit d'un m\u00e9nage. Les \u00e9quipes charg\u00e9es de la lutte contre le blanchiment d'argent (AML) et de la connaissance du client (KYC) d\u00e9finissent un client comme un individu ayant fait l'objet d'une \u00e9valuation des risques, avec un statut de filtrage et d'inscription sur une liste de surveillance. Le service marketing consid\u00e8re un client comme un profil ciblable, \u00e9tabli \u00e0 partir de signaux comportementaux et transactionnels.
\nPosez maintenant la m\u00eame question \u00e0 chaque \u00e9quipe : Combien de clients actifs avons-nous ?<\/em> Chacune renvoie un chiffre diff\u00e9rent, car chacune utilise une d\u00e9finition m\u00e9tier diff\u00e9rente, bien que valide. Sans contexte m\u00e9tier, ces r\u00e9ponses ne peuvent pas \u00eatre harmonis\u00e9es. Un agent conversationnel Data qui applique une seule et m\u00eame d\u00e9finition \u00e0 chaque requ\u00eate produira in\u00e9vitablement des r\u00e9ponses incoh\u00e9rentes et sapera la confiance des utilisateurs.<\/span><\/p>\nLe mod\u00e8le op\u00e9rationnel de l'intelligence d'entreprise<\/h2>\n
D\u00e9couvrez<\/b><\/span><\/h3>\n
Certifier<\/b><\/span><\/h3>\n
\n
R\u00e9utilisation<\/b><\/span><\/h3>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/08\/Screenshot-2026-08-20-at-10.53.22-AM.png\")
<\/p>\nQuels probl\u00e8mes pourraient survenir en l'absence de ce mod\u00e8le op\u00e9rationnel ?<\/b><\/h2>\n
Notre approche chez Artefact<\/h2>\n
\n
\nD\u00e9couvrez comment regrouper les connaissances m\u00e9tier dispers\u00e9es au sein d\u2019une couche contr\u00f4l\u00e9e et fiable, et comment la faire \u00e9voluer en permanence, afin de garantir que votre IA fournisse des r\u00e9sultats fiables, explicables et exploitables.<\/p>","protected":false},"featured_media":1402584,"parent":0,"template":"","meta":{"_acf_changed":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1402575","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog\/1402575","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/1402584"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=1402575"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=1402575"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=1402575"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}