Un acteur majeur du secteur vient de faire parler de lui.
Reconstruire la pile de données pour l’IA
L’IA d’entreprise s’appuie sur des résultats de haute précision, nécessitant un meilleur contexte de données, des architectures unifiées et des cadres de mesure rigoureux, déclarent Bavesh Patel, vice-président senior chez Databricks, et Rajan Padmanabhan, responsable technologique de l’unité chez Infosys.
L’intelligence artificielle domine peut-être l’ordre du jour des conseils d’administration, mais de nombreuses entreprises découvrent que le plus grand obstacle à une adoption significative est l’état de leurs données. Alors que les outils d’IA destinés aux consommateurs ont ébloui les utilisateurs par leur rapidité et leur simplicité, les dirigeants d’entreprise découvrent que le déploiement de l’IA à grande échelle nécessite quelque chose de beaucoup moins glamour cependant bien plus conséquent : une infrastructure de données unifiée, gouvernée et adaptée à son objectif.
Notons par ailleurs, cet écart entre l’ambition de l’IA et l’état de préparation de l’entreprise devient l’un des défis déterminants de cette prochaine phase de transformation numérique. Comme le dit Bavesh Patel, vice-président senior de Databricks, « la qualité de cette IA et son efficacité dépendent vraiment des informations disponibles dans votre organisation ». Pourtant, dans de nombreuses entreprises, ces informations restent fragmentées entre des systèmes existants, des applications cloisonnées et des formats déconnectés, ce qui rend presque impossible pour les systèmes d’IA de générer des sorties fiables et riches en contexte.
« En réalité, le principal différenciateur concurrentiel pour la plupart des organisations réside dans leurs propres données, puis dans les données de tiers qu’elles peuvent y ajouter », explique Patel.
Pour que l’IA d’entreprise apporte de la valeur, les données doivent être consolidées dans des formats ouverts, gouvernées avec précision et rendues accessibles entre les fonctions. Sans cette base, les firmes risquent une « terrible IA », comme le décrit sans ambages Patel. Cela signifie aller au-delà des plates-formes SaaS cloisonnées et des tableaux de bord déconnectés vers une architecture de données unifiée et ouverte, capable de combiner des données structurées et non structurées, de préserver le contexte en temps réel et d’appliquer des contrôles d’accès rigoureux. Lorsque les bases sont correctement posées, les organisations peuvent progresser vers des retombées mesurables, en libérant des gains d’efficacité, en automatisant des flux de travail complexes et même en lançant de tout nouveaux secteurs d’activité.
Cette focalisation sur la valeur est essentielle, déclare Rajan Padmanabhan, responsable de la technologie chez Infosys, d’autant plus que les entreprises recherchent la précision dans les performances qui guident leurs décisions commerciales. Plutôt que de traiter les initiatives d’IA comme des projets d’innovation isolés, les grandes entreprises associent directement le déploiement de l’IA aux indicateurs commerciaux, en utilisant des cadres de gouvernance pour déterminer ce qui donne des résultats et ce qui doit être abandonné en peu de temps.
« Nous voyons cette grande opportunité uniquement dans la culture de l’IA auprès des utilisateurs professionnels, où ils sont très désireux de comprendre comment ils devraient penser à l’IA », ajoute Patel. « Que signifie l’IA lorsque vous enlevez les couvertures ? Quelles sont les pièces et les éléments de base que vous devez mettre en place, tant du point de vue de la technologie que de la formation et de l’habilitation ? »
Le contexte technologique évolue, et ce type d’annonce en témoigne.
Pour aller plus loin :
Source originale : MIT Technology Review : MIT Technology Review