Vos données ne sont pas prêtes pour l’IA, mais pour un processus c’est réparable

Dans une enquête de Gartner auprès de 1 203 responsables de la gestion des données, menée en juillet 2024, 63 % des organisations ont déclaré ne pas avoir, ou ne pas être sûres d’avoir, les bonnes pratiques de gestion des données pour l’IA.¹ Les répondants sont des responsables de la gestion des données qui évaluent leur propre organisation : le chiffre est donc une autoévaluation, et les données de personne n’ont été testées.

La conclusion de Gartner est plus tranchée. Il prévoit que, jusqu’en 2026, les organisations abandonneront 60 % des projets d’IA qui ne sont pas soutenus par des données prêtes pour l’IA.¹ C’est une prévision, pas un résultat mesuré, mais elle rejoint ce que disent d’autres sources. La prévision de Gartner de juillet 2024 sur l’IA générative citait en premier la mauvaise qualité des données parmi les causes d’abandon après la preuve de concept,² et les entretiens de RAND avec 65 praticiens ont désigné le manque de données comme l’une des cinq causes profondes d’échec des projets d’IA.³

Pour un COO ou un CFO, la question pratique est plus étroite que « nos données sont-elles prêtes pour l’IA ». Il s’agit de savoir si les données qui alimentent un processus que vous voulez automatiser sont assez bonnes pour le faire tourner, et ce qu’il en coûterait de les y amener. Une équipe peut répondre en quelques semaines, et il n’est pas nécessaire de lancer un programme de lac de données.

Ce que « prêtes pour l’IA » signifie selon Gartner

Pour Gartner, la maturité dépend du cas d’usage. Les données doivent être représentatives du cas d’usage, y compris ses schémas, ses erreurs et ses valeurs aberrantes, et elles exigent de la gouvernance, des métadonnées et un suivi autour d’elles. Gartner précise aussi que des données prêtes pour l’IA ne sont pas une tâche ponctuelle : c’est une pratique continue qui couvre la gestion des métadonnées, l’observabilité et la gouvernance.¹

Si les données ont des défauts, alors elles ne sont pas prêtes pour l’IA.

Gartner décrit cinq étapes : aligner les données sur les cas d’usage, définir les exigences de gouvernance, utiliser des métadonnées actives, construire les flux de données, puis garantir et améliorer les données avec des pratiques comme le DataOps et l’observabilité.¹ Cette liste est écrite pour une équipe de gestion des données. Un responsable de processus a besoin d’une version en termes métier.

Quatre types de données dont un processus a besoin

La répartition qui suit est notre lecture, conçue pour l’automatisation de processus. Ce n’est pas un cadre de Gartner. Pour un processus donné, comme le traitement des factures, la réception des sinistres ou le rapprochement des bons de commande, les données qui décident du succès de l’automatisation se répartissent en quatre groupes :

• Données de processus. Les enregistrements de ce qui s’est passé dans le processus : horodatages, statuts, qui a traité chaque dossier, combien de fois il a été repris. Sans elles, impossible de mesurer une base de référence ni de voir où les dossiers se bloquent.
• Documents. Les factures, contrats, courriels et formulaires sur lesquels le processus tourne. Ils doivent être retrouvables, dans un format lisible et à jour. Une image numérisée sans couche de texte, ou trois versions contradictoires d’un même contrat, produiront des réponses fausses.
• Données de référence. Les listes dont le processus dépend : fournisseurs, clients, produits, centres de coûts. Les doublons et les entrées périmées créent des exceptions qu’une personne doit ensuite résoudre.
• Droits d’accès. Qui peut voir et modifier quels enregistrements. Un processus automatisé a besoin d’une identité définie, et il ne doit pas avoir plus d’accès que la personne qu’il remplace. Des droits flous sont un risque et une raison d’arrêter des projets.

Chacun des quatre doit aussi être représentatif du cas d’usage, ce qui est le critère de Gartner appliqué à un processus métier. Si les exemples d’entraînement ou de test ne contiennent que des factures propres, le processus échouera sur les factures difficiles, et ce sont elles qui concentrent les heures manuelles.

Un test simple montre comment cela se passe. Prenez vingt cas récents du processus, choisis au hasard, et demandez à une personne de traiter chacun en n’utilisant que les données que l’automatisation verrait. Chaque cas où elle doit ouvrir un autre système, interroger un collègue ou deviner est un cas où une machine échouerait aussi. La part des cas réussis donne une note de maturité approximative pour ce processus, et les raisons des échecs forment la liste des réparations.

Pourquoi commencer par tout le parc tend à s’enliser

Gartner estime que la gestion des données traditionnelle est trop lente, trop structurée et trop rigide pour les équipes d’IA, et que les usages des données sont mal documentés et cloisonnés.¹ Son conseil est de s’appuyer sur les pratiques de gestion des données existantes et d’y ajouter des capacités propres à l’IA, comme les bases vectorielles, le découpage de texte et la génération augmentée par la recherche.¹

Notre lecture est que cela plaide pour un départ étroit. Un programme visant à tout nettoyer a une longue liste de responsables, aucune analyse de rentabilité unique et aucun moment où l’on peut dire qu’il a fonctionné. Les données d’un seul processus ont un responsable, un ensemble défini d’enregistrements et un résultat mesurable : dossiers traités, exceptions, heures. Les anciens systèmes, qui détiennent souvent les données de référence et les documents, peuvent aussi être l’endroit où les coûts d’intégration apparaissent ; notre benchmark sur la dette technique examine ce versant de la question.

Ce que cela ne prouve pas

Gartner vend des études sur la gestion des données et l’IA, et son chiffre de 60 % est une prévision, pas un résultat qu’il a mesuré. Les 63 % viennent d’une enquête auprès de responsables de la gestion des données sur des pratiques, pas sur des résultats. Ni l’un ni l’autre ne dit combien coûte un nettoyage donné, combien de temps il prend, ni quelle part de l’échec d’un pilote il aurait évitée.¹

La voie étroite a ses propres risques. Réparer les données d’un seul processus peut produire des correctifs locaux qui ne se transposent pas, comme une règle de doublons de fournisseurs qui fonctionne pour les factures et casse pour les contrats. Elle peut aussi laisser au processus suivant son propre silo. Certains défauts ne peuvent pas être réparés du tout : une archive de documents sans historique, ou des données de référence que personne n’a entretenues depuis des années, peuvent exiger de recommencer le référentiel. Et le nettoyage est souvent la plus grosse ligne du budget : il faut donc le chiffrer avant le modèle.

Enfin, aucune source que nous ayons trouvée ne montre que les organisations qui commencent par les données d’un seul processus réussissent plus souvent que celles qui mènent un programme plus large. L’argument pour un départ étroit est qu’il limite le coût de découvrir que l’on se trompe.

Que faire ensuite

1. Choisissez un processus et nommez le responsable métier qui acceptera le résultat, avant que quiconque ne parle de modèles ou de fournisseurs.
2. Cartographiez où se trouvent ses enregistrements de processus, documents, données de référence et droits d’accès, et qui en est responsable. Les trous de cette carte sont des constats.
3. Échantillonnez des cas réels récents, exceptions comprises, et comptez les défauts dans chaque groupe de données au lieu de qualifier les données de bonnes ou de mauvaises.
4. Chiffrez les corrections et l’intégration avec les anciens systèmes en même temps que la réalisation, et comparez le retour sur investissement avec et sans elles.
5. Fixez une date de nouveau contrôle. Gartner décrit des données prêtes pour l’IA comme une pratique continue : planifiez donc un nouvel échantillon après la mise en service et désignez quelqu’un pour en répondre.

Si vous souhaitez une première estimation des endroits où l’IA pourrait réduire les coûts de vos propres processus, le pré-audit gratuit est un court questionnaire qui en renvoie une.