Toutes les enquêtes sur l’IA générative, y compris la nôtre, aboutissent à une conclusion incontournable : le manque de maturité des données empêchera d’exploiter pleinement le potentiel de l’IA générative.
Lorsque nous avons interrogé les répondants sur les obstacles à l’adoption de l’IA, la réponse la plus fréquente, citée par 56 % d’entre eux, était le « manque de maturité des données ».
Un rapide tour d’horizon du secteur confirme que le manque de maturité des données constitue un obstacle majeur à l’adoption de l’IA.
Le secteur s’accorde à dire que le manque de maturité des données nuit aux initiatives en matière d’IA.
Qu’est-ce que l’immaturité des données ?
Dans le contexte de l’IA, l’immaturité des données désigne les pratiques insuffisamment développées ou inadéquates d’une organisation en matière de données, qui limitent sa capacité à exploiter efficacement l’IA. Elle englobe notamment des problèmes liés à la qualité, à l’accessibilité et à la gouvernance des données, ainsi qu’à l’infrastructure, tels que :
- Mauvaise qualité des données: Des données incohérentes, incomplètes ou obsolètes produisent des résultats d’IA peu fiables.
- Disponibilité limitée des données: Les silos de données entre les différents services entravent l’accès aux données et leur analyse approfondie, ce qui limite les enseignements exploitables.
- Faible gouvernance des données: L’absence de politiques en matière de propriété, de conformité et de sécurité des données engendre des risques et limite l’utilisation de l’IA.
- Infrastructure de données inadéquate: L’insuffisance des outils et des infrastructures entrave le traitement des données et l’entraînement à grande échelle des modèles d’IA.
- Stratégie en matière de données peu claire: L’absence d’une stratégie claire entraîne des initiatives non coordonnées et une attention limitée portée aux données utiles à l’IA.
Le manque de maturité en matière de données empêche les organisations d’exploiter pleinement le potentiel de l’IA, car des données de haute qualité, bien gérées et accessibles sont indispensables au développement de systèmes d’IA fiables et efficaces. Pour remédier à ce manque de maturité, les organisations commencent souvent par élaborer une stratégie de données, mettre en œuvre des politiques de gouvernance des données, investir dans l’infrastructure de données et renforcer la culture des données au sein des équipes.
L’impact sur l’adoption de l’IA
Tout ce développement nous amène au véritable propos de cet article : le manque de maturité des données freine l’adoption de l’IA. Celle-ci ralentit déjà, car la plupart des organisations ont exploité les possibilités les plus accessibles de l’IA générative (chatbots, assistants, copilotes) et se heurtent à des problèmes de maturité des données lorsqu’elles cherchent à évoluer vers des cas d’usage à plus forte valeur ajoutée, tels que l’automatisation des workflows. Les organisations qui ne font pas de la maturité des données une priorité auront du mal à tirer parti de ces capacités d’IA plus avancées.
Le manque de maturité des données entraîne un déficit de confiance dans les analyses et dans la prévisibilité de l’exécution. Cela freine tout projet visant à exploiter l’IA de manière plus autonome, que ce soit pour automatiser des processus métier ou opérationnels. Une étude publiée en 2023 par le MIT Sloan Management Review souligne que les organisations dotées de pratiques matures de gestion des données ont 60 % de chances supplémentaires de réussir l’automatisation de leurs workflows par rapport à celles dont les pratiques en la matière sont peu matures. Le manque de maturité des données limite la précision prédictive et la fiabilité de l’IA, deux qualités essentielles aux fonctions autonomes dans lesquelles les décisions sont prises sans intervention humaine.
Les organisations doivent — et il s’agit bien ici du « MUST » au sens des RFC — mettre de l’ordre dans leurs données avant de pouvoir véritablement exploiter le potentiel de l’IA pour optimiser les flux de travail et libérer un temps précieux, afin que les humains puissent se concentrer sur la stratégie et la conception, des tâches auxquelles la plupart des IA ne sont pas encore bien adaptées.
Surmonter le manque de maturité des données
Remédier au manque de maturité des données est essentiel pour exploiter les capacités avancées de l’IA. Les principales étapes sont les suivantes :
- Élaborer une stratégie claire en matière de données
Aligner la collecte, la gestion et les normes de qualité des données sur les objectifs de l’organisation afin de garantir que les données soutiennent efficacement les projets d’IA. - Mettez en œuvre une gouvernance des données robuste
Établissez des politiques en matière de propriété des données, de conformité, de sécurité et de confidentialité afin d’améliorer la qualité des données et de renforcer la confiance dans les analyses issues de l’IA. - Investissez dans une infrastructure de données évolutive
Adoptez une infrastructure moderne, telle que le stockage dans le cloud et les pipelines de données, afin de permettre un traitement efficace et un entraînement de l’IA à grande échelle. - Renforcer les normes de qualité des données
Définissez des normes en matière d’exactitude, de cohérence et d’exhaustivité des données, et assurez-en régulièrement le suivi et le nettoyage. - Promouvoir la maîtrise des données et la collaboration
Favoriser une culture de la maîtrise des données et du travail d’équipe entre les équipes chargées des données et les unités opérationnelles afin d’améliorer l’accessibilité et l’impact des données.
En adoptant ces pratiques, les organisations peuvent établir une base de données solide pour l’IA, ce qui permet d’optimiser les flux de travail, de réduire les risques et de consacrer davantage de temps aux tâches stratégiques.
La maturité des données n’est pas seulement une nécessité technique ; c’est un avantage stratégique qui permet aux organisations d’exploiter pleinement le potentiel de l’IA. En remédiant au manque de maturité de leurs données, elles peuvent passer d’applications d’IA élémentaires à des cas d’usage plus transformateurs et axés sur la création de valeur, se donnant ainsi les moyens de réussir durablement dans un avenir porté par l’IA.
Pour en savoir plus, consultez notre « Rapport 2024 sur l’indice de maturité numérique des entreprises ».
À propos de l’auteur
Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.
Autres articles de Lori Mac VittieArticles de blog associés
Pourquoi devriez-vous vous intéresser à WebAssembly ?
WebAssembly (Wasm) est un jeu d’instructions binaires portable, rapide et sécurisé, qui permet d’exécuter des applications hautes performances sur n’importe quelle plateforme.
Trois choses à savoir sur les applications d’IA
Les applications d’IA sont des applications modernes, mais elles présentent certaines particularités. Découvrez les points essentiels à connaître sur les applications basées sur l’IA.
État des lieux de la stratégie applicative 2022 : il est temps de moderniser les opérations
Il est devenu évident que, pour maintenir la dynamique de leur transformation numérique, les organisations doivent recentrer leurs efforts sur les fonctions métier. Si les expériences destinées aux clients restent prioritaires, il est également indispensable de permettre la numérisation de fonctions telles que les services juridiques, les ressources humaines et la finance. Les DSI prennent donc les commandes, tandis que la transformation numérique passe de la modernisation des applications à celle des opérations.
Clouds multiples ou multicloud : faciliter la transition
La gestion et la sécurisation des charges de travail deviennent complexes à mesure que les entreprises adoptent une stratégie de cloud connecté. Découvrez comment F5 répond au besoin d’une nouvelle approche de la mise en réseau multicloud.
L’expérience client dépend de la visibilité
Une enquête menée par Dimensional Research auprès de plus de 3 000 utilisateurs d’applications mobiles a confirmé ce que beaucoup d’entre nous pensent des attentes actuelles des clients.
Transformation numérique et explosion du portefeuille d’applications
La transformation numérique stimule la croissance des portefeuilles d’applications et modifie la manière dont celles-ci sont développées, déployées, intégrées et, en définitive, utilisées.