Data, entre mythes et réalités métiers

Si la révolution digitale fait souvent les gros titres, c’est aussi pour souligner les inquiétudes que celle-ci peut susciter quand nous réfléchissons à son impact, réel ou fantasmé, sur notre société.

"L’intelligence artificielle va-t-elle détruire des emplois" se demande-t-on chez France Culture, "Intelligence artificielle, reproductibilité et boîte noire : un chaos scientifique ?" s’interroge Slate, ou encore Wired qui décrète : "2017, l’année où nous avons cessé d’aimer les algorithmes" … 

Le mythe de la data toute puissante

Le paradoxe est pourtant fort, puisque cette peur se voit souvent doublée d’une confiance aveugle, presque fétichiste en la donnée qui serait capable, seule ou presque, de produire des éléments de vérité, voire la vérité. La capacité d’apprentissage surhumaine des algorithmes, combinée à un volume de données qui a explosé – et sera multiplié par 45 entre 2020 et 2035, a déjà considérablement ouvert le champ des possibles, de manière aussi extraordinaire qu’incontrôlée. Telles des pythies grecques à la prolifération rapide, les données seraient capables de prédire à peu près tout, sans intervention humaine. 

Le flot de données qui nous submerge désormais porte donc en lui espoirs mêlés de craintes, d’ignorance, de peur de l’inconnu et de confiance dans ce qui pourrait presque s’apparenter pour certains à de la magie. D’autant plus que leur utilisation est désormais multidisciplinaire, et ne cesse de gagner du terrain. L’émergence d’une nouvelle superstition ?

La réalité profondément humaine de la valorisation des données 

Pourtant, si l’on se place des points de vue de ceux qui font, l’expérience est toute autre. Les données, ou en tout cas les machines et algorithmes qui permettent de traiter ces données, ne peuvent remplir leurs objectifs sans intégrer le savoir des experts métiers. S’il faut pouvoir gérer des masses de données de plus en plus astronomiques, nous ne savons pas encore partir de rien. Ce qui importe finalement, c’est le "brief ", l’expression de besoins métiers qui doit venir nourrir et irriguer le traitement de données. Plus encore, c’est l’articulation entre expérience métier d’un côté, expertise et leviers techniques de l’autre, qui se révèle cruciale. Elle permet de comprendre, inclure, puis processer correctement cet input dans le but de produire un résultat admis, compréhensible, porteur de valeur pour le métier. 

Si l’on pense à la data visualisation, celle-ci permet avant tout de partager et soumettre des conclusions aux utilisateurs finaux, conclusions qui loin d’être définitives, ont vocation à conforter ou interpeller leurs intuitions et à rentrer dans un cycle de feedbacks itératif. L’objectif final étant que les résultats, quels qu’ils soient, suscitent des actions appropriées et permettent d’atteindre voire de dépasser les objectifs prévus.