3 façons de construire des bases de données solides pour la mise en œuvre de l’IA

<div> Des fondations solides sont essentielles pour toute entreprise qui exploite <a href="https://www.zdnet.fr/actualites/intelligence-artificielle-ia-4000237536q.htm">l'intelligence artificielle (IA)</a>. Votre entreprise pourrait mettre en péril l'ensemble du projet si elle ne met pas de l'ordre dans sa stratégie de données avant de commencer les explorations. En bref, si vous mettez des déchets à l'intérieur des données, vous obtiendrez des déchets avec l'IA. Alors, comment les professionnels peuvent-ils créer les bases qui permettront à leur organisation d'utiliser l'IA en toute sécurité et avec succès ? Trois experts professionnels détaillent leurs meilleurs conseils. <h2>1. La phase de planification est essentielle</h2> Claire Thompson, responsable des données et de l'analyse chez le géant de l'assurance L&G, explique qu'une approche stratégique de l'information est cruciale pour toute entreprise qui souhaite innover. "Je dis toujours que les bases de données sont importantes pour tout ce que vous ferez ensuite". Elle explique à ZDNET que des éléments fondamentaux permettent de relier les règles aux euros qui seront générés par la suite. "Expliquez clairement comment la stratégie de données apportera une valeur tangible. Pourquoi est-il important, par exemple, que vos adresses électroniques soient à jour et exactes afin que vous puissiez effectuer des communications numériques ciblées". <h3>"Je peux comprendre que l'on puisse dire que la gouvernance est ennuyeuse"</h3> Mme Thompson reconnaît que de nombreuses personnes ne souhaitent pas s'embourber dans un plan stratégique à long terme définissant la technologie, les processus, le personnel et les règles nécessaires à la gestion des actifs informationnels. Cependant, elle affirme que la phase de planification est essentielle. "Je peux comprendre que l'on puisse dire que la gouvernance est ennuyeuse", dit-elle. "Mais dans les organisations numériques d'aujourd'hui, où les gens veulent effectuer un traitement direct, il devient encore plus essentiel que vos données soient de bonne qualité. Tous les chemins mènent donc à la gouvernance." <h3>Penser le partenariat entre l'équipe des données et la DSI</h3> L'un des éléments clés de sa stratégie chez L&G est une relation de travail étroite entre l'équipe de données et la DSI. Une collaboration efficace repose sur la clarté des compétences que chaque partie apporte à la relation. "Il faut un partenariat main dans la main. La technologie est extrêmement importante pour ce que nous faisons dans le domaine des données. Et nous ne pouvons pas faire notre travail sans le cloud computing et l'entreposage des données. Les données sont conservées dans les applications gérées par l'équipe informatique", explique t-elle. "Nous essayons de nous assurer que la qualité des données est prise en compte dès la conception. Il s'agit de s'assurer que nous intégrons la philosophie de conception dans nos systèmes de base. Plus vous faites ce travail, plus vous arrêtez l'effet d'entraînement d'une mauvaise qualité des données en aval et empêchez tout effort de remédiation". <h2>2. Maîtrisez vos données transactionnelles</h2> Jon Grainger, directeur technique du cabinet d'avocats DWF, dit lui aussi qu'il faut créer une stratégie de données. Il faut même se concentrer sur les éléments fondamentaux de l'utilisation des données bien avant de réfléchir à la manière d'exploiter l'IA et l'apprentissage automatique (Machine Learning). "Je dis toujours que le meilleur moment pour une stratégie de données, c'est il y a quatre ans", dit-il. "Et c'est un gros travail". Jon Grainger explique à ZDNET qu'une stratégie de données est un élément essentiel de la transformation numérique des entreprises. <h3>"S'assurer que les données transactionnelles – la source de vérité – sont maîtrisées"</h3> Il a rejoint DWF à la fin de l'année 2022 et a mis en place une nouvelle stratégie basée sur des produits SaaS (Software-as-a-Service) et des interfaces de programmation d'applications (API) ouvertes. Les données de l'entreprise couvrent un éventail d'entités, telles que les dossiers, les partenaires, les clients et les processus opérationnels internes, y compris la facturation et les finances. "La stratégie en matière de données consiste à s'assurer que les données transactionnelles – la source de vérité – sont maîtrisées dans ces sections". L'objectif est d'aider l'organisation à avancer rapidement, mais pas au détriment de la qualité ou des coûts. "Chaque produit SaaS a une identité claire sur la carte de l'entreprise", dit Grainger, expliquant les détails de sa stratégie de données. "Cette identité est déterminée par les données que vous maîtrisez dans chaque domaine". <h3>D'abord de bonnes API</h3> Selon lui, le "minimum absolu" pour accéder à l'architecture cible de l'entreprise est de disposer d'API bien développées auxquelles DWF peut accéder et qu'il peut utiliser. Selon Grainger, la technologie SnapLogic garantit une connexion solide et fiable entre les services, l'API et les utilisateurs. "Invariablement, vous obtiendrez 15 orthographes différentes d'une adresse particulière, et la technologie peut voir ce modèle et le corriger", dit-il. "Elle peut également procéder à ce que l'on appelle l'enrichissement. Elle peut donc prendre la référence de quelqu'un, l'envoyer à une API, revenir et dire : "C'est la bonne information". En combinaison avec la concentration de l'entreprise sur les produits SaaS et les API, l'entreprise dispose donc de bases solides pour explorer les technologies émergentes. "Il s'avère que vous vous préparez assez bien à l'IA générative si vous avez tous ces éléments dans votre stratégie de données" dit-il. <h2>3. Travaillez avec vos pairs du secteur</h2> Nic Granger, directeur financier de l'Autorité de transition de la mer du Nord (NSTA), explique qu'une bonne stratégie de données va au-delà des pratiques de travail internes et dépasse les frontières organisationnelles. La NSTA recueille des données sur le secteur du pétrole et du gaz. L'équipe de M. Granger a créé des plateformes numériques qui permettent à l'industrie, au gouvernement, au monde universitaire d'accéder librement aux données. "Nous avions besoin d'une stratégie cohérente en matière de données numériques dans l'ensemble du secteur de l'énergie offshore", dit-elle a ZDNET. "Il y avait de bonnes pratiques dans l'industrie en matière de gestion des données et de technologies numériques. Mais les organisations ne parlaient pas nécessairement". <h3>Trois axes de développement</h3> Selon M. Granger, la mise en place d'une approche collaborative a porté ses fruits. "Nous disposons désormais d'une stratégie en matière de données, qui s'articule autour de trois grands axes de travail". <ul> <li>Le premier axe porte sur les données, les normes et les principes.</li> <li>"Le deuxième axe vise à créer des outils de données communs et à favoriser l'interopérabilité", dit M. Granger. "Peu importe que vous travailliez dans une société d'énergie offshore ou sur un projet dans une société pétrolière et gazière, vous devez disposer de données utilisables sur toutes les plates-formes. Il s'agit de savoir comment obtenir ces données de A à B sans duplication".</li> <li>Le troisième axe de travail porte sur la numérisation intersectorielle. "Il s'agit de s'assurer que les données et les compétences numériques sont présentes dans l'ensemble du secteur, et de veiller à ce que le secteur respecte les meilleures pratiques en matière de cybersécurité".</li> </ul> Une fois ces bases de données en place, il est beaucoup plus facile de commencer à réfléchir à la manière de tirer le meilleur parti des technologies émergentes. </div> <i>Source : <a href="https://www.zdnet.com/article/3-ways-to-build-strong-data-foundations-for-ai-implementation-according-to-business-leaders/#ftag=RSSbaffb68" target="_blank" rel="noopener">"ZDNet.com"</a></i>