Le problème avec l'IA : ce n'est pas vous, ce sont les données

Les données ne sont pas le « nouveau pétrole », à traiter comme une marchandise qui se consume une fois et c'est tout.

Les entreprises laissent des milliards sur la table parce qu'elles n'arrivent pas à rassembler leurs données. Si elles veulent réussir à créer de la valeur grâce à des initiatives axées sur les données telles que l’intelligence artificielle, elles doivent mieux aligner et prendre en charge les données backend qui alimentent ces systèmes.

C'est l'essentiel de la dernière recherche, basée sur une enquête menée auprès de 2 500 dirigeants et publiée par l'Infosys Knowledge Institute, qui estime que les entreprises pourraient générer collectivement plus de 460 milliards de dollars de bénéfices supplémentaires si seulement les gens pouvaient gérer un peu mieux leurs ressources de données. 

Cela consiste à améliorer les pratiques en matière de données, à faire davantage confiance à l’IA avancée et à intégrer plus étroitement l’IA dans les opérations commerciales. La valeur commerciale est encore insaisissable. 

L’enquête a identifié trois obstacles à la mise en œuvre efficace de l’IA : l’absence d’une stratégie de données cohérente et centralisée, la faible vérification des données et le manque d’infrastructure appropriée. La plupart des entreprises n'ont pas de stratégie cohérente de gestion des données. 

Les personnes interrogées souhaitent gérer les données de manière centralisée, mais ce n’est pas ce que la plupart font actuellement. L’analyse des résultats de l’enquête « montre que la gestion centralisée des données est liée à une meilleure croissance des bénéfices et des revenus. 26 % des répondants ont actuellement une approche centralisée ; 49 % aimeraient avoir adopté cette approche d’ici l’année prochaine.

« Les données ne sont pas le nouveau pétrole », soulignent les auteurs de l'étude, Chad Watt et Jeff Kavanaugh, tous deux de l'Institut  Infosys. « Les entreprises ne peuvent plus se permettre de considérer leurs données comme du pétrole, extrait avec beaucoup d’efforts et n’ayant de valeur que lorsqu’il est raffiné. »

Aujourd’hui, les données sont plus comme une monnaie d’échange : « Elles prennent de la valeur lorsqu’elles circulent. Les entreprises qui importent des données et partagent leurs propres données de manière plus extensive obtiennent de meilleurs résultats financiers et progressent davantage vers l’idée de l’IA à l’échelle de l’entreprise - un objectif essentiel pour trois entreprises sur quatre dans l’enquête », ont déclaré Watt et Kavanaugh.

Le succès de la monnaie dépend de la confiance, et cela s’applique également aux données. « L’IA avancée nécessite de la confiance », affirment les auteurs. « Faites confiance à votre propre gestion des données et à celle des autres, et faites confiance aux modèles d'IA. Des données vierges et des modèles d’IA parfaitement programmés ne signifient rien si les humains ne font pas confiance à ce que les données et l’IA produisent et ne les utilisent pas.  

L’enquête montre que les entreprises qui ont partagé des données, à l’intérieur et à l’extérieur de leur organisation, sont plus susceptibles d’avoir des revenus plus élevés et de mieux utiliser l’IA. « L’actualisation des données plus près du temps réel est également corrélée à une augmentation des bénéfices et des revenus. » 

Une autre analogie anti-pétrole formulée par les auteurs de l'étude est que les données ressemblent plus à l'énergie nucléaire qu'aux combustibles fossiles. « Les données sont enrichies de potentiel, nécessitent un traitement spécial et sont dangereuses si vous perdez le contrôle. Les données du XXIe siècle ont une longue demi-vie. Le moment de l’utiliser, l’endroit où l’utiliser et la manière de le contrôler sont aussi critiques que l’endroit où le mettre.  

La plupart des entreprises sont novices en matière d’IA, selon l’enquête. Plus de 8 entreprises sur 10, soit 81 %, n’ont déployé leur premier véritable système d’IA qu’au cours des quatre dernières années, et 50 % au cours des deux dernières années. En outre, 63 % des modèles d’IA ne fonctionnent qu’à la capacité de base et sont pilotés par des humains. Ils ne parviennent souvent pas à la vérification des données, aux pratiques et aux stratégies de données. Seuls 26 % des praticiens sont très satisfaits de leurs données et de leurs outils d’IA. « Malgré le chant des sirènes de l'IA, il manque clairement quelque chose », déclarent les auteurs de l'enquête.

Les auteurs de l'enquête ont identifié les entreprises très performantes, qui ont tendance à se concentrer fortement sur trois domaines :

• Ils transforment la gestion des données en partage de données.  « Les entreprises qui adoptent l’économie du partage des données génèrent une plus grande valeur à partir de leurs données », expliquent Watt et Kavanaugh. « Les données prennent de la valeur lorsqu’elles sont traitées comme de la monnaie d’échange et circulent par le biais de modèles de gestion des données en étoile. Les entreprises qui actualisent les données avec une faible latence génèrent plus de bénéfices, de revenus et de mesures subjectives de la valeur.
• Ils sont passés de la conformité des données à la confiance dans les données.  « Les entreprises très satisfaites de leur IA (actuellement seulement 21 %) ont toujours des pratiques de données fiables, éthiques et responsables. Ces conditions préalables permettent de relever les défis de la vérification des données et des biais, d’instaurer la confiance et de permettre aux praticiens d’utiliser l’apprentissage profond et d’autres algorithmes avancés.
• Ils impliquent tout le monde dans le processus d’IA. « Étendre l’équipe d’IA au-delà des data scientists. Les entreprises qui appliquent la science des données à des exigences pratiques créent de la valeur. Les chefs d’entreprise comptent autant que les data scientists. Les bonnes équipes d’IA impliquent généralement plusieurs disciplines. « La vérification des données est le plus grand défi pour aller de l’avant, avec l’infrastructure d’IA et les ressources de calcul.