Avis d'experts

ChatGPT, un an après : ce que les entreprises ont d’ores et déjà appris

ChatGPT, un an après : ce que les entreprises ont d’ores et déjà appris

Malgré les avancées, des points de blocage empêchent d’embrasser tout le potentiel de l’IA générative dans les entreprises. Celles-ci doivent donc se placer dans une posture continue de découverte, de planification et d’exécution pour profiter d’une opportunité historique.

Préparation des données : La clé du succès pour l'IA générative

Préparation des données : La clé du succès pour l'IA générative

La préparation des données est cruciale dans leprocessus d’analyse de données, afin de garantir l'exactitude et la fiabilité des données pour les tâches en aval telles que l’IAgénérative. Alors que les entreprises continuent de travailler sur l’accessibilité aux données, les volumes augmentent, les sources de données se multiplient ce qui complique la phase dite de « désilotage » des données.et que les volumes de données se multiplient, les défis liés aux silos de données et à la confiance s’accentuent.

Tableau Pulse exploite toute la puissance de l’analyse de données grâce à l’IA générative

Tableau Pulse exploite toute la puissance de l’analyse de données grâce à l’IA générative

Le saviez-vous ? 80 % des DSI estiment que l’IA générative leur permettrait de faire un meilleur usage de leur données pour répondre aux attentes des clients Avec Tableau Pulse, Salesforce accélère et optimise les processus d’analyse des données grâce à l’IA

IA et workplace du futur : Comment les entreprises peuvent-elles préparer leurs équipes à posséder les compétences numériques nécessaires ?

IA et workplace du futur : Comment les entreprises peuvent-elles préparer leurs équipes à posséder les compétences numériques nécessaires ?

Des études ont montré que d’ici 2025, 180 zettaoctets de données seront générés, contre 64,2 zettaoctets en 2020. Bien que cette abondance de données offre d'énormes possibilités, de nombreuses entreprises ont du mal à s’adapter pour les utiliser efficacement. Il est essentiel que les organisations reconnaissent que les données seules ne peuvent pas résoudre les problèmes de l'entreprise.

Intelligence Artificielle en France : une mauvaise qualité des données entraîne des pertes de 722 millions de dollars

Intelligence Artificielle en France : une mauvaise qualité des données entraîne des pertes de 722 millions de dollars

Des modèles d’IA sous performants, formés sur des données inexactes, incomplètes et de faible qualité, ont entraîné des pertes s’élevant à 8 % du chiffre d'affaires annuel global des entreprises françaises, selon une récente étude menée par Vanson Bourne et Fivetran. Cela équivaut à 722 millions de dollars en moyenne, sur la base des répondants d'entreprises ayant un revenu annuel global moyen de 5,6 milliards de dollars.