Pourquoi les données sont les héros méconnus de la stratégie d’IA

L’essor de l’IA – Des pilotes et des expériences à l’échelle de l’entreprise et à la stratégie

La loi de Moore est bien en vigueur lorsqu’il s’agit de l’IA. L’IA est très demandée, et chaque entreprise adopte l’IA. L’innovation aide également à alimenter cette demande avec de nouveaux modèles d’IA, des agents d’IA et de nouvelles technologies qui arrivent sur le marché. Cela crée un changement fondamental pour les entreprises – le stade des pilotes et des expériences cool et des présentations pour l’IA, en particulier l’IA générative, disparaît largement. Les entreprises réalisent que l’IA doit être intégrée dans la stratégie de l’entreprise pour atteindre une véritable différenciation commerciale. L’IA est un sujet dans la plupart des salles de réunion, ce qui entraîne une innovation stratégique et des budgets.

Les données : le premier domino de la stratégie d’IA

Une considération clé dans toute stratégie d’IA devrait être les données. Les données sont essentielles pour que les modèles d’IA soient contextuels, intelligents et spécifiques au domaine et à l’entreprise. Les modèles d’IA prédisent les résultats en fonction de la façon dont le modèle est réglé et des entrées présentées. Les deux dépendent de la qualité, de la variété, de la récence et de la structure des données.

Selon une prévision récente de l’IDC, l’IA devrait stimuler l’économie mondiale de près de 20 billions de dollars d’ici 2030, non seulement grâce aux modèles, mais également grâce aux investissements massifs dans les données et les infrastructures sous-jacentes qui les alimentent.

Les données de formation avec des sous-ensembles étroits conduisent à des modèles biaisés, les données obsolètes conduisent à des résultats non pertinents et les mauvaises données conduisent à de mauvais résultats d’IA. Par conséquent, les données sont le premier domino de la stratégie de données de l’entreprise. Même avec les meilleures personnes et les technologies de pointe, si le domino des données tombe, toute la stratégie d’IA s’effondre rapidement.

Comme le note le rapport de Gartner 2024 sur les tendances principales en matière de données et d’analyse, les organisations qui évoluent à l’échelle de l’IA dépendent des données, et les dirigeants qui réussissent seront ceux qui établissent la confiance dans leurs données et les utilisent de manière stratégique.

Décisions stratégiques clés pour vos données pour votre stratégie d’IA

Voici 5 considérations clés que vous et votre entreprise devez prendre pour préparer vos données pour votre stratégie d’IA :

1. Réutilisez votre paysage de données – Plusieurs entreprises ne réutilisent pas le paysage de gestion des données, de gouvernance des données et de stockage et d’analyse des données pour l’IA. Beaucoup de données servant à des rapports et à des analyses critiques peuvent également être critiques pour l’IA. Il est donc important de commencer avec les actifs de données déjà présents dans l’entreprise. Bien sûr, cela doit être complété par les mesures de qualité des données appropriées.

Question clé à poser – Quelles données possédons-nous dans notre entreprise, et dans quel état se trouvent-elles ?

2. Métadonnées et lignée des données – Pour les données en place, les métadonnées, c’est-à-dire les données sur les données, peuvent être tout aussi critiques, sinon plus, pour l’IA. Par exemple, les termes commerciaux associés aux données peuvent aider à identifier le contexte pertinent pour un modèle RAG, par exemple. Lorsqu’un utilisateur demande le statut d’une réclamation dans une entreprise d’assurance, toutes les données attribuées au statut de la réclamation peuvent être utilisées comme contexte pour que le modèle d’IA réponde. La lignée des données aide également à comprendre le flux des données, ce qui aide les modèles d’IA à identifier les sources de données fiables.

Selon un blog ISASA récent, la gouvernance de l’IA est critique et nécessite les métadonnées et la lignée des données appropriées pour évoluer.

Question clé à poser – Nos données sont-elles correctement étiquetées avec des métadonnées commerciales et techniques ? Collectons-nous la lignée des données pour comprendre comment les données circulent de bout en bout ?

3. Gouvernance et conformité des données – Assurez-vous que vos données sont bien gérées et gérées, et que toutes les réglementations de conformité et de confidentialité sont appliquées aux données. La stratégie d’IA doit alors hériter et étendre ces réglementations et gouvernance plutôt que de commencer à zéro. Par exemple, si un client souhaite que ses données soient anonymisées conformément aux réglementations du RGPD, un modèle d’IA doit être à la fois formé et opérationnel sur l’ensemble de données anonymisées.

Question clé à poser – Disposons-nous d’un programme de gouvernance et de conformité des données en place ? Si ce n’est pas le cas, quels sont les aspects clés que je dois avoir en place pour ma stratégie d’IA ?

4. Traitez les données maîtres comme votre quarterback d’IA – Les données maîtres critiques, qui contiennent des données sur les entités clés de votre entreprise, doivent être utilisées comme base pour votre stratégie d’IA. Par exemple, si la vue à 360 degrés d’un client existe, une stratégie d’IA sur tout domaine client, tel que la prédiction de l’abandon d’un client, doit utiliser ces données maîtres pour éviter toute donnée manquante ou incomplète. Bien sûr, cela peut être combiné avec plus d’informations provenant de sources de données spécifiques.

Question clé à poser – Ai-je mes domaines de données maîtres critiques disponibles dans un ensemble complet et connecté au reste de mon paysage de données ?

5. Données et leur valeur – Les données ne doivent pas être traitées comme un centre de coûts, mais mesurées en termes de leur valeur, à la fois pour l’IA et pour l’entreprise. Cela nécessite que les données soient sur le tableau de bord et les sujets CXO, en plus de l’IA.

Question clé à poser – Mon conseil d’administration et mes CXO comprennent-ils la valeur des données pour l’organisation ? Si ce n’est pas le cas, comment pouvons-nous nous assurer que cela est compris, en particulier dans le contexte de la stratégie d’IA dans l’entreprise ?

Les modèles viennent et vont, mais les données persistent.

À mesure que votre stratégie d’IA évolue, de nouveaux modèles et innovations d’IA émergeront. La vitesse d’innovation dans cet espace est vertigineuse. Mais avec le temps, les modèles d’IA seront commodifiés ; le véritable facteur de différenciation dans votre entreprise n’est pas quel modèle vous utilisez, mais comment il est contextualisé avec quelles données sont formées, affinées et travaillées.

Si vous créez une stratégie d’IA, ne commencez pas par le modèle. Commencez par la question : Disposons-nous des données pour la soutenir ?