Voici pourquoi les données sont le talon d'Achille de l'IA en entreprise

ZD Tech : tout comprendre en moins de 3 minutes avec ZDNet

Aujourd’hui voyons pourquoi les données sont pour les entreprises le point de faiblesse et tout à la fois un élément essentiel du développement de l’intelligence artificielle et de la transformation numérique.

Malgré l’intérêt croissant pour l’IA générative, de nombreuses entreprises se heurtent en effet à cet obstacle majeur. Pour aller vite, les données sont mal organisées, et donc sont difficiles à traiter et à exploiter.

C'est le constat de deux récentes études, qui concluent que les données constituent le talon d’Achille de l’IA en entreprise.

De nombreuses entreprises considèrent encore les données comme un coût

Premièrement, de nombreuses entreprises considèrent encore les données comme un simple coût, plutôt qu’un levier de valeur.

Malgré le discours marketing ambiant donc, les entreprises qui comprennent l’opportunité stratégique que représente l'analyse de données restent rares. Pourquoi donc ? Parce que les outils de mesure de la rentabilité concrète de l'analyse des données en entreprise sont difficiles à manier.

Conséquence, la majorité des cadres interrogés dans les deux études avouent manquer de méthodes pour estimer l’impact concret des données sur leurs décisions et, donc, leur rentabilité.

Et le coût des données freine également les investissements en IA

Deuxièmement, le coût des données freine également les investissements en IA. C'est la raison pour laquelle près de la moitié des entreprises adoptent l’IA sans avoir les infrastructures de données adéquates.

86 % des DSI rencontrent des obstacles liés aux données. Il s'agit principalement de difficultés d’accès aux informations en temps réel.

Ce manque de préparation entraîne échecs et retards, et les dirigeants hésitent alors à intégrer l’IA dans leurs opérations.

Les entreprises à la peine avec la gouvernance des données

Enfin, les entreprises peinent avec la gouvernance des données. Une des deux études montre que la gestion de la qualité des données, l’alignement des modèles d'IA et la transparence des flux d’information sont au cœur des difficultés.

Les entreprises doivent donc être capables d’évaluer, de corriger et de maîtriser la qualité de leurs données pour éviter des erreurs coûteuses et garantir une IA performante.

Et ça aussi, c'est difficile à faire.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.