Bases de données pour l’IA : L’importance des fondations solides
Des bases solides sont cruciales pour toute entreprise qui utilise l’intelligence artificielle (IA). Sans une stratégie de données claire, votre projet pourrait faire face à de graves défis. En résumé, si vos données sont de mauvaise qualité, vos résultats en matière d’IA le seront également.
1. La phase de planification est essentielle
Claire Thompson, responsable des données et de l’analyse chez L&G, souligne qu’une approche stratégique concernant les informations est vitale pour toute entreprise désireuse d’innover. « Les bases de données sont fondamentales pour toutes les actions futures », déclare-t-elle.
Elle insiste sur la nécessité de relier les règles aux bénéfices économiques posés par une bonne stratégie de données. « Il est primordial que vos bases de données, comme vos adresses électroniques, soient à jour et précises pour optimiser vos communications numériques ciblées ».
« Je peux comprendre que l’on puisse dire que la gouvernance est ennuyeuse »
Mme Thompson reconnaît que beaucoup sont réticents à s’engager dans un plan stratégique à long terme définissant les technologies, processus et règlementations nécessaires. Toutefois, elle affirme que cette étape est cruciale. « Dans les organisations numériques actuelles, la qualité des données devient primordiale. Tous les chemins mènent à la gouvernance ».
Pensée collaborative entre l’équipe des données et la DSI
Une collaboration étroite entre l’équipe de données et la DSI constitue un autre pilier essentiel de sa stratégie. « Un partenariat main dans la main est nécessaire. La technologie est au cœur de nos opérations en matière de données, surtout avec le cloud computing », précise-t-elle.
Thompson insiste sur l’importance d’intégrer dès la conception des systèmes la qualité des données. « Cela permet d’éviter des problèmes à l’avenir liés à de mauvaises données ».
2. Maîtriser vos données transactionnelles
Jon Grainger, directeur technique du cabinet DWF, partage également l’idée d’établir une stratégie de données. Selon lui, cela doit se focaliser sur les éléments fondamentaux avant même d’envisager l’utilisation de l’IA et de l’apprentissage automatique.
Il déclare : « Le meilleur moment pour établir une stratégie de données était il y a quatre ans. C’est un travail colossal ». Grainger met en avant l’importance d’une bonne gestion des données transactionnelles, considérées comme la source de vérité dans l’organisation.
« S’assurer que les données transactionnelles sont maîtrisées »
Depuis son arrivée chez DWF fin 2022, il a mis en œuvre une nouvelle stratégie axée sur des produits SaaS et des API ouvertes, permettant de gérer différents types de données. « La stratégie consiste à garantir que les données transactionnelles sont bien gérées à chaque niveau », explique-t-il.
Des API de qualité comme base fondamentale
Grainger insiste sur le fait que, pour accéder à l’architecture cible de l’entreprise, il est impératif de disposer d’API bien conçues. « Avec la technologie SnapLogic, nous assurons une connexion fiable entre les services et les utilisateurs », dit-il.
Cette approche permet de prévenir les erreurs courantes dans les données tout en préparant le terrain pour l’utilisation de l’IA générative. « Si vous respectez ces principes dans votre stratégie de données, vous vous positionnez favorablement pour explorer de nouvelles technologies », conclut-il.
3. Collaborer avec vos pairs du secteur
Nic Granger, directeur financier de l’Autorité de transition de la mer du Nord (NSTA), aborde la nécessité d’une stratégie de données qui transcende les frontières organisationnelles. La NSTA collecte des données sur le secteur pétrolier et gazier, développant des plateformes numériques pour un accès libre à l’information.
Il souligne : « Nous avions besoin d’une stratégie cohérente à l’échelle du secteur de l’énergie offshore. Il existait de bonnes pratiques, mais il manquait une communication efficace entre les organisations ».
Trois axes de développement
Voici les trois grands axes autour desquels s’articule la stratégie de données de Granger :
- Données, normes et principes
- Outils de données communs et interopérabilité : « Peu importe votre secteur, il faut des données utilisables sur toutes les plateformes. Cela implique de savoir transférer les données efficacement ».
- Numérisation intersectorielle : « Nous devons veiller à ce que les compétences numériques et les meilleures pratiques en matière de cybersécurité soient adoptées par tous ».
Une fois toutes ces bases établies, les entreprises sont mieux préparées pour tirer profit des technologies émergentes, notamment de l’IA.