19 Oct La qualité des données : une nécessité pour le développement efficace des projets d’IA
Si l’intelligence artificielle est considérée comme un levier de développement très important par nombre d’entreprises, plusieurs difficultés liées aux données ralentissent fortement leurs projets de développement, comme le révèle un rapport sur ce sujet publié par Fivetran et Vanson Bourne.
Comme le constate ce rapport récent, les dispositifs d’intelligence artificielle (IA) s’imposent aujourd’hui comme un outil essentiel de la transformation numérique. Pour autant, certains éléments entravent fortement le déploiement de dispositifs d’Intelligence Artificielle à grande échelle.
Une proportion très importante, près de 90% des 570 experts des technologies de l’information et des data scientists questionnés pour le rapport, considèrent l’Intelligence Artificielle comme une technologie qui ne peut plus être ignorée. Les organisations semblent d’ailleurs prêtes à consacrer des investissements conséquents dans ce domaine, environ 15% de leur chiffre d’affaires dans les 3 à 5 ans à venir, contre 8% aujourd’hui. Toutefois, les professionnels sondés ne sont pas prêts pour autant à faire pleinement confiance aux solutions d’Intelligence Artificielle.
Un autre défi est généré par ces problématiques de qualité des données : le mauvais usage des compétences des experts en science des données
En effet, 88% d’entre eux doutent encore de la pertinence de confier la prise de décision commerciale à de telles solutions, sans aucune intervention humaine. Par ailleurs, 9 fois sur 10 les organisations questionnées continuent de traiter manuellement leurs bases de données pour leurs prises de décisions.
Ces difficultés rencontrées autour de l’utilisation des bases de données sont coûteuses : les organisations évaluent leur perte de CA en moyenne à 5%
Sur les 5 pays représentés dans l’enquête, dont la France, 15% seulement des professionnels sondés considèrent avoir une maturité avancée en matière d’Intelligence Artificielle. Pour plus de 40% d’entre eux, leur entreprise a une marge de progression importante dans son usage de l’Intelligence Artificielle. Les professionnels français questionnés se distinguent sur cette question, 14% seulement partageant cette opinion tandis qu’une majorité (81%) estime avoir une petite marge de progression.
La donnée de moindre qualité a un coût
En rentrant dans les détails du rapport, celui-ci fait cas de freins permanents aux déploiements de dispositifs d’Intelligence Artificielle, précisément dans le domaine complexe des bases de données. Par exemple, plus des 2/3 des professionnels questionnés rencontrent des difficultés d’accès à toutes les données nécessaires à l’exécution des programmes, charges de travail et modèles d’Intelligence Artificielle. Ils sont également près de 75% à estimer les étapes d’extraction, de chargement et de transformation des données comme un véritable challenge. Ces difficultés rencontrées autour de l’utilisation des bases de données sont coûteuses : les organisations évaluent leur perte de CA en moyenne à 5%, causée par des dispositifs d’Intelligence Artificielle nourris par des données manquant de fiabilité, qui par conséquent ne sont pas aussi performants que prévu.
Un autre défi est généré par ces problématiques de qualité des données : le mauvais usage des compétences des experts en science des données, ces derniers consacrent en effet en moyenne 68 % de leur temps à préparer des données, contre moins d’1/3 pour concevoir des modèles. Près de 9 sondés sur 10 estiment d’ailleurs que les experts en science des données de leur entreprise ne sont pas utilisés à leur plein potentiel, seuls 14% déclarent que leurs équipes de data scientists peuvent travailler avec toutes les données des systèmes opérationnels. Cet écart entre les compétences et les tâches effectivement réalisées s’avère d’autant plus un problème que les data scientists demeurent des profils rares sur le marché.