On me demande souvent quel outil d'intelligence artificielle choisir. La vraie question arrive avant : qui, dans votre entreprise, est responsable de telle ou telle donnée ? Où est-elle stockée ? Depuis quand n'a-t-elle pas été mise à jour ? Est-elle dupliquée ailleurs, avec des valeurs différentes ?
Un modèle d'intelligence artificielle, aussi performant soit-il, ne fait qu'amplifier ce qu'on lui donne à traiter. Sur une donnée mal structurée, il amplifie le désordre plus vite qu'un humain ne pourrait le faire à la main.
Les signaux qui ne trompent pas
- La même information existe dans plusieurs outils, avec des valeurs qui ne concordent pas
- Personne ne peut dire avec certitude qui est responsable d'un jeu de données donné
- Aucune règle claire ne définit la fréquence de mise à jour ni le format attendu
- Confidentialité, sécurité et souveraineté des données sont des notions confondues en interne
Structurer avant d'accélérer
Un cas d'usage d'intelligence artificielle qui fonctionne repose presque toujours sur trois fondations posées avant le projet lui-même :
- Une cartographie claire des sources de données et de leurs propriétaires
- Des règles de qualité et de mise à jour partagées par les équipes concernées
- Une clarification des niveaux de confidentialité, pour savoir ce qui peut ou non transiter par un outil d'IA
C'est précisément pour cette raison que mon diagnostic de cas d'usage Data et IA commence toujours par un état des lieux de la gouvernance de la donnée, avant même de parler de priorisation des cas d'usage. Sans ce socle, l'intelligence artificielle reste un pansement sur un problème structurel, jamais un véritable amplificateur.