Pendant des décennies, les entreprises de toutes tailles ont reconnu que les données à leur disposition ont une valeur significative, pour améliorer les expériences des utilisateurs et clients et pour l’élaboration de plans stratégiques basés sur des preuves empiriques.
Comme l’IA devient de plus en plus accessible et pratique pour les applications commerciales du monde réel, la valeur potentielle des données disponibles s’est développée de façon exponentielle. L’adoption avec succès de l’IA nécessite des efforts importants dans la collecte, la conservation et le prétraitement des données. De plus, des aspects importants tels que la gouvernance des données, la confidentialité, l’anonymisation, la conformité réglementaire et la sécurité doivent être soigneusement traités dès le départ.
Dans une conversation avec Henrique Lemes, leader de la plate-forme de données Americas chez IBM, nous avons exploré les défis auxquels les entreprises sont confrontées dans la mise en œuvre de l’IA pratique dans une gamme de cas d’utilisation. Nous avons commencé par examiner la nature des données elle-même, ses différents types et son rôle dans l’activation des applications efficaces sur l’IA.
Henrique a souligné que se référer à toutes les informations d’entreprise simplement car les «données» sous-estiment sa complexité. L’entreprise moderne navigue dans un paysage fragmenté de divers types de données et de qualité incohérente, en particulier entre des sources structurées et non structurées.
En termes simples, les données structurées se réfèrent aux informations organisées dans un format standardisé et facilement consultable, qui permet un traitement et une analyse efficaces par des systèmes logiciels.
Les données non structurées sont des informations qui ne suivent pas un format prédéfini ni un modèle organisationnel, ce qui les rend plus complexes à traiter et à analyser. Contrairement aux données structurées, il comprend des formats divers tels que des e-mails, des publications de médias sociaux, des vidéos, des images, des documents et des fichiers audio. Bien qu’il n’ait pas l’organisation claire de données structurées, les données non structurées ont des informations précieuses qui, lorsqu’elles sont gérées efficacement par l’analyse avancée et l’IA, peuvent stimuler l’innovation et éclairer les décisions commerciales stratégiques.
Henrique a déclaré: «Actuellement, moins de 1% des données d’entreprise sont utilisées par l’IA générative, et plus de 90% de ces données ne sont pas structurées, ce qui affecte directement la confiance et la qualité».
L’élément de confiance en termes de données est important. Les décideurs d’une organisation ont besoin de croyance ferme (confiance) que les informations à portée de main sont complètes, fiables et correctement obtenues. Mais il existe des preuves que les États de moins de la moitié des données disponibles pour les entreprises sont utilisés pour l’IA, les données non structurées sont souvent ignorées ou mis à l’écart en raison de la complexité de l’informatique et de l’examen pour la conformité – en particulier à grande échelle.
Pour ouvrir la voie à de meilleures décisions qui sont basées sur un ensemble plus complet de données empiriques, le filet d’informations facilement consommé doit être transformé en tuhose. L’ingestion automatisée est la réponse à cet égard, a déclaré Henrique, mais les règles de gouvernance et les politiques de données doivent encore être appliquées – à des données non structurées et structurées.
Henrique définit les trois processus qui permettent aux entreprises de tirer parti de la valeur inhérente de leurs données. «Premièrement, l’ingestion à grande échelle. Il est important d’automatiser ce processus. Deuxièmement, la conservation et la gouvernance des données. Et le troisième (c’est quand) vous rendez cela disponible pour une IA générative. Nous atteignons plus de 40% du retour sur investissement sur tout cas d’utilisation de chiffon conventionnel.»
IBM fournit une stratégie unifiée, ancrée dans une compréhension approfondie du parcours de l’IA de l’entreprise, combinée à des solutions logicielles avancées et à l’expertise du domaine. Cela permet aux organisations de transformer efficacement et en toute sécurité des données structurées et non structurées en actifs prêts pour l’IA, tous dans les limites des cadres de gouvernance et de conformité existants.
« Nous réunissons les personnes, les processus et les outils. Ce n’est pas intrinsèquement simple, mais nous le simplifions en alignant toutes les ressources essentielles », a-t-il déclaré.
À mesure que les entreprises évoluent et se transforment, la diversité et le volume de leurs données augmentent. Pour suivre, le processus d’ingestion de données AI doit être à la fois évolutif et flexible.
«(Les entreprises) rencontrent des difficultés lors de la mise à l’échelle parce que leurs solutions d’IA ont été initialement conçues pour des tâches spécifiques. Lorsqu’elles tentent d’élargir leur portée, elles ne sont souvent pas prêtes, les pipelines de données deviennent plus complexes et la gestion de données non structurées devient essentielle. Cela entraîne une demande accrue de gouvernance efficace des données», a-t-il déclaré.
L’approche d’IBM est de bien comprendre le parcours d’IA de chaque client, créant une feuille de route claire pour réaliser le retour sur investissement grâce à une implémentation efficace de l’IA. « Nous priorisons la précision des données, qu’elles soient structurées ou non structurées, ainsi que l’ingestion de données, la lignée, la gouvernance, la conformité à des réglementations spécifiques à l’industrie et l’observabilité nécessaire. Ces capacités permettent à nos clients d’évoluer dans plusieurs cas d’utilisation et de capitaliser pleinement sur la valeur de leurs données », a déclaré Henrique.
Comme tout ce qui vaut la peine dans la mise en œuvre de la technologie, il faut du temps pour mettre les bons processus en place, graviter vers les bons outils et avoir la vision nécessaire de la façon dont toute solution de données pourrait avoir besoin d’évoluer.
IBM offre aux entreprises une gamme d’options et d’outils pour activer les charges de travail de l’IA dans les industries les plus réglementées, à n’importe quelle échelle. Avec les banques internationales, les maisons financières et les multinationales mondiales parmi sa liste de clients, il y a peu de substituts à Big Blue dans ce contexte.
Pour en savoir plus sur l’activation des pipelines de données pour l’IA qui stimulent les affaires et offrent un retour sur investissement rapide et significatif, Rendez-vous sur cette page.
