Sortir de l'inconnu et adopter l'IA dans l'analyse des données
James Fisher, Chief Strategy Officer, Qlik
Les bouleversements amenés par l’IA générative dans nos vies sont comparables à ce que nous avons vécus avec l’arrivée d’Internet. Cette nouvelle page dans les nouvelles technologies remet en cause le status quo rassurant de notre quotidien, augmentant une forme d’incertitude, voire de peur face à l'inconnu, car nous, les humains, ne connaissons pas tout ce que cette nouvelle technologie est capable de produire. De plus, nous ne sommes qu’au début des premières interactions avec elle. Tout reste à construire.
Indéniablement, nous le constatons tous, les technologies d’IA sont une révolution, en particulier dans des domaines comme l’analyse de données. L’IA générative, elle aussi, a besoin de données pour fonctionner : elle entraîne son système à reconnaître, entre les données, des relations et des structures. Cet apprentissage devient le socle sur lequel le modèle va générer de nouvelles conclusions, potentiellement innovantes et significatives. Les données sont le combustible indispensable au bon fonctionnement de l'IA générative.
Pour les organisations qui ambitionnent de tirer le plein potentiel de l’IA, l'organisation de leur « data house » est le point de départ. S’il existe un consensus au sein de la communauté data, avec toute la diversité de sujets qui l’anime, c’est bien celui de l'importance pour les entreprises de procéder à un audit de leur architecture. Celui-ci aura pour finalités, de passer à l’échelle dans l’exploitation de l’IA et tirer plus d’insights à partir des données.
Pour réussir l’association de l’IA générative avec l’analyse de données, l’entreprise doit assurer le contrôle de quatre domaines data :
1- Variété des données
Pour utiliser l'IA, il est essentiel d’agréger les données provenant d’une grande variété de sources : des systèmes centraux, des applications spécifiques, des logiciels du marché tels que SAP, des fichiers de multiples formats ou encore des applications SaaS. Consolider ces données c’est permettre à l'IA d'organiser les données, de générer des insights pertinents et surtout d’identifier des modèles pour produire des analyses prédictives éclairées. Combiner des données provenant d’une multitude de sources c’est améliorer les algorithmes d'IA. Cela contribue, en effet, à réduire les biais et les limites qui apparaissent nécessairement quand un ensemble unique de données est utilisé. Investir dans l'intégration des données, c’est assurer leur fusion et leur précision pour des insights temps-réel plus générateurs de valeur.
2- Gouvernance des données
Pour que le patrimoine data soit exploité de manière productive, les données doivent être organisées et fiables. Des boucliers se sont déjà levés concernant la sécurisation et la confidentialité des données utilisées par les IA génératives : des craintes subsistent quant au risque que ces informations soient piratées ou exploitées à des finalités détournées, non éthiques, voire illégale. Si ces craintes conduisent à limiter les données injectées dans l’IA, le risque consiste à aboutir à des conclusions obtenues à partir d’informations inexactes ou incomplètes. Les entreprises sont déjà tenues de se conformer aux réglementations portant sur la sécurité des données, auxquelles s’ajoute maintenant une législation spécifique à l’IA.
Si les entreprises se basent sur des données non vérifiées et de médiocre qualité, le risque serait qu’elles soient menées à prendre de mauvaises décisions, limitant leur efficacité et leur capacité d’innovation. La mise en place d’une gouvernance des données aide à lutter contre le chaos souvent présent dans l’univers des données de l’entreprises et mener à la création d’un système vertueux de données partageables et automatisées.
3- Des insights faciles à comprendre
Pour que la valeur générée par l’IA soit évidente, il faut présenter ces produits aux utilisateurs sous une forme accessible et digeste. Il existe une multitude de formes pour présenter les données, parmi lesquelles les plus connues sont des tableaux, des graphiques et des feuilles de calcul. Puisque l'IA a la capacité de générer des données sur la base d’autres données, les insights doivent être présentées sous une forme facile à comprendre pour les utilisateurs. Si des actions sont recommandées, les consignes doivent être claires, sans laisser de place au doute.
Plutôt que de se bloquer sur la peur du nouveau, envisageons les avantages possibles. L'IA générative facilite la création, permet d’engager les utilisateurs pour les aider à adresser les problèmes complexes liés aux données et ainsi contribue à combler les lacunes dans l’acculturation à la donnée au sein des entreprises. Puiser dans une variété de sources et rendre les données plus digestes et faciles à comprendre constitue une grande part de la valeur apportée par l'IA générative à l'analyse des données. Investir dans les bonnes solutions analytiques permet d'exploiter les capacités de l'IA et de l’apprentissage machine pour créer des visualisations et des tableaux de bord plus puissants qui mettent en avant des insights aussi insoupçonnés que faciles à mettre en œuvre.
4- Systèmes connectés
L’exploitation des données n’est efficace que si les actions qui en résultent rapprochent les entreprises de leurs objectifs. Injecter de l'IA aux systèmes opérationnels peut donner lieu aux actions automatiquement déclenchées au sein des équipes, ce qui constitue souvent le graal pour les entreprises qui souhaitent tirer le meilleur de cette technologie transformatrice. Intégrer l'analytique boosté par l'IA pour examiner les données en temps réel permet d'accéder aux insights et aux recommandations immédiates sur des déclencheurs ou des seuils à mettre en place et à configurer pour déclencher des actions ou des alertes.
L’IA sert ici d'une solution « no code » pour créer des workflows avancés. En la connectant à toutes ses applications internes, les entreprises ont la possibilité de déclencher des actions à partir de leurs systèmes.
L'avenir des données est déjà là
Dans le passé, les plateformes de données et d'analyse étaient conçues pour des opérateurs humains. À l'avenir, l'IA va remodeler le mode de fonctionnement de ces plateformes : des données vont être organisées, consolidées et nettoyées pour un usage par l'IA générative. Celle-ci générera des insights sur la base de données beaucoup plus importantes, générant plus d’efficacité pour l’opérateur humain et en permettant ainsi de traiter plus efficacement d’immenses quantités de données.
Intégrer les capacités de l'IA à l'analytique est un moyen d’accéder en temps réel aux insights plus pertinents et pointus. Incorporer l'IA dans les systèmes que nous utilisons déjà au quotidien montre que l'homme est prêt à surmonter la peur de l’inconnu et passer de l’incertitude à l’action.