Pas d’intelligence artificielle (IA) sans données
Les données sont au cœur de l’intelligence artificielle; on dit même que l’IA se nourrit de données. En effet, entraîner un modèle d’apprentissage automatique (Machine learning) peut demander plus de 10 000 points de données!
Selon USAII, de 60% à 80% du temps dédié à un projet d’intelligence artificielle est consacré à la collecte, l’organisation et le nettoyage des données.
Que l’intelligence artificielle soit dans vos plans à court ou long terme, il est essentiel de comprendre la situation actuelle des données dans votre entreprise. Êtes-vous prêts pour l’intelligence artificielle?
Comment se portent vos données? (Test TECQUES)
Nous avons développé l’outil suivant afin de vous permettre d’évaluer rapidement si vos données sont prêtes pour l’intelligence artificielle.
Êtes-vous prêt à faire le test TECQUES?
Vous n’avez pas toutes les réponses? Rassurez-vous, vous faites partie de la majorité. En effet, seulement 4% des leaders technologiques affirment que leurs données sont prêtes pour l’Intelligence Artificielle (Gartner, 2024).
Le Dictionnaire de données, votre point de départ
La première étape dans ce cas-ci est d’établir un dictionnaire de données. Il s’agit d’un fichier simple, qui peut être fait dans une feuille de calcul de type Excel, et dans lequel vous notez les informations suivantes:
- Des informations relatives à vos données
- Les processus qui utilisent ou génèrent ces données
- Les différents KPIs
Informations relatives à vos données
C’est à vous d’établir quelles informations sont pertinentes pour votre organisation. Voici une liste d’exemples afin de vous en inspirer.
- Attributs, tels que le format, la taille, etc.
- Le propriétaire des données ainsi que les rôles qui y ont accès
- La source des données
- Fréquence à laquelle les données sont recueillies
- A quel endroit les données sont stockées
Les processus qui utilisent ou génèrent ces données
Il est important d’avoir une liste de processus bien définis afin de pouvoir déterminer les données qu’ils génèrent ou qu’ils utilisent.
Par exemple, les outils Six Sigma tels que le FIPEQ (SIPOQ) ou encore le RACI peuvent être d’une grande utilité lors de la création d’un dictionnaire de données car ils permettent d’identifier clairement les parties prenantes de chaque processus. Une matrice de rôles et responsabilités de type RACI identifiant clairement le rôle de chacun dans la collecte et le maintien des données est d’ailleurs un élément important d’une stratégie de données.
Les indicateurs de performance (KPI)
La création d’un dictionnaire de données constitue une excellente opportunité de revoir vos indicateurs de performance. Je vous invite à lire notre article sur le sujet qui vous propose des astuces utiles afin d’utiliser vos données de manière stratégique et structurée.
Êtes-vous prêt à vous lancer?
Comme nous l’avons vu, les données sont au cœur de l’IA et il est essentiel de s’assurer que vos données sont prêtes avant de vous lancer dans un projet d’intelligence artificielle.
Un dictionnaire de données détaillé vous permettra d’avoir une vision claire de vos données et des processus qui les utilisent ou les génèrent. Cela vous aidera également à revoir vos indicateurs de performance (KPI) afin d’exploiter vos données de manière plus stratégique.
Une fois ce travail de fond effectué, vous serez en mesure d’évaluer si vos données sont effectivement prêtes pour l’IA à l’aide du test TECQUES présenté plus tôt. Cela vous permettra d’identifier les points à améliorer et de vous préparer adéquatement pour tirer le meilleur parti de l’intelligence artificielle.
Prenez le temps nécessaire pour bien préparer vos données, car c’est un prérequis essentiel au succès de vos initiatives d’IA. Avec les bons éléments en place, vous pourrez alors vous lancer avec confiance dans l’aventure de l’intelligence artificielle!
Références
United States Artificial Intelligence Institute, Certified AI transformation leader training material, 2023.
