Construire une stratégie de données prête pour l'IA
Le succès de l'IA exige plus qu'un accès aux données ; il nécessite une gouvernance, une stratégie et une collaboration à l'échelle de l'entreprise.
Le succès de l'IA n'est pas seulement lié à l'abondance des données, mais aussi à la manière dont les entreprises gèrent, comprennent et innovent à partir de ces données. Les récents sommets - que ce soit le Chief Data and Analytics Officers (CDAO) Summit à Londres ou le sommet pour l’action sur l’IA de Paris - ont rassemblé des dirigeants d'entreprises de tous les secteurs pour faire face à un paradoxe : alors que l'IA exige un accès illimité aux données, la gouvernance, la sécurité et la conformité sont tout aussi essentielles.
Ces sommets ont mis en évidence une réalité criante : la mise en place de capacités d'IA efficaces n'est pas qu'une question de prouesses techniques. Elle nécessite une évolution dans la manière d'aborder les données - du traitement des données non structurées, qui définissent les défis d'intégration modernes, à la gestion des charges réglementaires et des tensions entre l'accessibilité et le contrôle.
La maturité des données n'est pas linéaire, et c'est là tout l'intérêt
L'objectif est d'aider les entreprises à évaluer leurs progrès, de la réactivité à la proactivité et, enfin, à l'innovation. Mais ce qui ressort clairement de ces sommets, c'est que la plupart des entreprises se trouvent aujourd'hui à plusieurs stades simultanément. Alors que les analyses de base et les rapports sur les données structurées sont désormais des enjeux majeurs, les données non structurées représentent un défi permanent pour atteindre un niveau de maturité plus élevé. En effet, la gouvernance des données non structurées - essentielle pour la conformité et l'innovation - en est encore à ses balbutiements.
Ce constat a été parfaitement illustré par le directeur technique d'une grande entreprise industrielle : alors que son équipe obtenait des informations en temps réel à partir de données structurées, ses données non structurées - dont 7,1 milliards de dollars de fichiers juridiques et de fichiers clients - restaient cloisonnées et en grande partie intactes. Un autre dirigeant d'une grande institution financière a exprimé sa frustration face à l'abondance et à l'inaccessibilité simultanées de plus de 40 ans de données historiques détaillées sur les marchés. Dans tous les secteurs d'activité, ce schéma émerge - le potentiel inexploité des données non structurées pour débloquer des informations prédictives et alimenter l'innovation basée sur l'IA.
Réalités réglementaires et fracture mondiale
Alors que les organisations de toutes sortes sont aux prises avec des données non structurées, la réglementation n'impose pas les mêmes obligations et les mêmes obstacles potentiels à l'innovation partout. Avec l'avènement de la loi européenne sur l'IA, les dirigeants européens ont déclaré consacrer entre 50 % et 80 % de leur temps à la gouvernance. En comparaison, une entreprise basée en Asie a déclaré avoir adopté une approche agressive, privilégiant le retour d'information des clients et la pertinence du marché plutôt qu'une conformité réglementaire rigoureuse. Ces approches divergentes soulignent une vérité fondamentale : l'avenir de l'IA sera défini non seulement par ce qui est techniquement faisable, mais aussi par ce qui est légalement et éthiquement admissible.
Pour de nombreuses entreprises internationales, ce contraste entraîne un besoin renouvelé de cadres qui équilibrent la conformité et l'innovation agile. Le rôle des plateformes de déplacement de données dans cette équation est double : centraliser les données pour fournir une source unique de vérité, tout en s'assurant que l'accès aux données, l'utilisation et la gouvernance s'alignent sur les différents paysages réglementaires. C'est là que l'automatisation et la gestion avancée des métadonnées entrent en jeu - en automatisant les tâches répétitives de gouvernance afin que les organisations puissent se concentrer sur des initiatives stratégiques à fort impact.
Accès et propriété des données : le nouvel enjeu de l’IA
À mesure que les entreprises développent leurs capacités d'IA, les tensions sur l'accès et la propriété des données s'accroissent. D'un côté, les équipes produits s'efforcent de tirer parti de l'IA pour acquérir un avantage concurrentiel, en réclamant un accès illimité aux données. De l'autre, les responsables de la gouvernance des données et les équipes de sécurité sont chargés de protéger les informations sensibles, des tâches essentielles à la sécurité de l'organisation mais souvent perçues comme un obstacle à l'innovation.
L'une des solutions proposées lors du sommet de Londres consistait à améliorer l'étiquetage des métadonnées au niveau des documents, c'est-à-dire à traiter les métadonnées comme une sorte de « passeport d'autorisation ». En étiquetant les données avec des informations sur leur type, leur origine et les cas d'utilisation autorisés, les entreprises peuvent rationaliser l'accès pour les équipes de produits tout en maintenant une position de gouvernance forte. De l'avis de nombreux participants, l'avenir réside dans le développement de catalogues de données sophistiqués dans lesquels les métadonnées ne sont pas une simple réflexion après coup, mais un principe essentiel d'organisation.
Cela signifie proposer des solutions fournissant des métadonnées centralisées et une visibilité sur l'ensemble des sources de données. Il est ainsi plus facile d'appliquer des politiques, d'assurer la conformité et d'accélérer la prise de conscience. Lorsque les métadonnées sont gérées de manière réfléchie, elles éliminent la redondance et réduisent les coûts et les risques associés à des écosystèmes de données tentaculaires et disjoints.
L'IA a besoin de connaissances en matière de données, et pas seulement de data scientists
Les discussions sur la pénurie de talents dans le domaine de l'IA se concentrent souvent sur le manque de data scientists qualifiés. Cependant, la maîtrise des données dans toutes les fonctions est tout aussi cruciale. Sans une compréhension de base du potentiel - et des limites - des données, de nombreuses entreprises risquent d'avoir des attentes irréalistes ou, pire encore, des initiatives d'IA malavisées qui n'aboutissent pas à des résultats commerciaux significatifs.
Les membres d’une équipe travaillant avec des données ont besoin d'une sensibilisation à l'éthique, essentielle pour maintenir la confiance dans les modèles d'IA. Les dirigeants présents aux sommets se sont fait l'écho de ce besoin, soulignant que la formation des équipes à la gestion des données est aussi essentielle que l'investissement dans les data scientists.
Le succès de l'IA n'est pas seulement une question d'accès à davantage de données ou de conformité réglementaire ; il s'agit de favoriser une culture de gestion responsable des données. Pour les entreprises internationales, il est impératif d'équilibrer l'innovation et la responsabilité. Cela signifie qu'il faut faire progresser non seulement la technicité des écosystèmes de données, mais aussi la maturité de la gouvernance et de la maîtrise des données dans l'ensemble de l'organisation.
La mission de la plateforme de déplacement de données s'inscrit étroitement sur cette vision : donner aux entreprises les moyens de faire évoluer les données de manière responsable, grâce à des outils qui centralisent les données, automatisent la gouvernance et facilitent la collaboration entre les équipes produit et informatique. En permettant aux entreprises de gérer efficacement les données et d'optimiser les sources de données non structurées, cette approche permet aux entreprises du monde entier d’exploiter le potentiel de l'IA de manière durable, sécurisée et en toute confiance.