X

Retrouvez toute l'actualité autour des technologies émergentes et leur impact sur le marché et la société.

À chacun ses données

Sue Daley
Associate Director, Technology & Innovation, techUK

En matière de données, tous les besoins sont différents. Il est essentiel de comprendre les différents ensembles de données stockées par une entreprise, ainsi que les caractéristiques et la qualité des données qui peuvent être utilisées pour la configuration et l’exécution de systèmes d’IA. Cela permet aux entreprises non seulement d’exploiter toutes leurs données au mieux, mais aussi de tirer pleinement parti des dernières technologies.

En substance, un algorithme de machine learning est un élément de code logiciel et un ensemble d’instructions qu’un ordinateur ou une machine doit suivre pour atteindre un résultat particulier. Ce n’est que lorsque les données sont appliquées à cet algorithme que les systèmes d’IA peuvent être configurés pour identifier des tendances, en tirer des enseignements et exploiter l’immense quantité d’informations contenues dans les données. Plus le nombre de données fournies est élevé, plus le système pourra en extraire des informations utiles et offrir des réponses. Rien de plus simple, me direz-vous ?

Pourtant, si vous envisagez d’adopter et de déployer une solution basée sur l’IA, vous devez tout d’abord répondre à trois questions fondamentales : Quel objectif commercial cherchez-vous à atteindre ? Les données se présentent-elles sous forme digitale et optimisées pour l’IA ? Et leur qualité est-elle fiable ?

Dans tous les cas, avant d’adopter des technologies numériques, une raison commerciale claire doit justifier l’utilisation d’outils ou de solutions technologiques. Par exemple, l’utilisation d’outils complexes de machine learning pour extraire des informations là où un simple tableau Excel pourrait suffire n'est peut-être pas pertinente et pourrait par conséquent retarder plus encore la volonté d’investir dans les innovations de l’IA.

Si un objectif commercial clair est identifié, il faut ensuite comprendre si les données nécessaires existent sous forme numérique et si les ensembles de données permettant de configurer les systèmes d’IA sont disponibles au sein de l'entreprise. Il est également crucial de connaître la provenance des données, ainsi que leur intégrité et sécurité pendant leur cycle de vie.

Enfin, si une entreprise doit pouvoir faire confiance aux résultats générés par un système d’IA, la qualité des données utilisées pour configurer le système doit également être fiable. Par exemple, il est essentiel que toute contradiction éventuelle dans des ensembles de données historiques soit identifiée et supprimée avant que les données soient utilisées pour configurer les systèmes IA. Un système de RH axé sur l’IA et basé sur des données historiques pourrait produire des recommandations de recrutement susceptibles d’entraîner une mentalité « monoculturelle » ayant des conséquences à long terme sur la réussite d’une entreprise.

Prendre le temps d’examiner aujourd’hui le type et le format des ensembles de données pouvant être utilisés pour configurer les systèmes d’IA, et adopter une approche appropriée pour identifier, évaluer et s’attaquer à tout préjugé, en vue de distinguer les bonnes données des mauvaises, est la seule façon de s’assurer qu’une entreprise soit prête à adopter l’IA.

Pour consulter notre rapport sur la sécurité des données, cliquez ici.

Be the first to comment

Comments ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.