L’importance cruciale de la qualité des données, un tournant stratégique

Une contribution de Georges Anidjar, Directeur général Europe du Sud chez Informatica

La transformation numérique des entreprises et de la société dans son ensemble, amenée par l’essor des nouvelles technologies et catalysée par l’arrivée de l’intelligence artificielle, a dessiné les contours d’une nouvelle ère : celle des données. L’intelligence artificielle n’est riche – et douée – que des données qu’elle exploite pour fonctionner, qui lui permettent de résoudre une problématique, de prendre une décision avisée, ou de formuler un conseil pertinent. Par conséquent, les données se retrouvent au centre de toutes les innovations de ce siècle qui ne fait que débuter, et elles sont devenues l’ingrédient principal du succès des entreprises, essentielles à leur performance et à leur gouvernance.

Des données oui, mais surtout de bonne qualité

Disposer de données – si possible en grand nombre – et programmer des outils pour les exploiter, est certes un bon début, mais ce n’est pas suffisant. Leur qualité est en réalité le facteur le plus déterminant pour les entreprises, qui doivent donc veiller à ce que leurs données soient exactes, fiables, cohérentes, « propres » et complètes. En effet, fonder des décisions ou de l’automatisation sur des informations imprécises ou parcellaires peut s’avérer totalement contre-productif et induire des risques opérationnels pour les entreprises. L’ensemble des processus automatisés vont alors en souffrir, avec des répercussions parfois lourdes à la clé.

Confusion opérationnelle, délais de réponse accrus face à un problème, analyses imprécises ou erronées, sont le lot des entreprises n’ayant pas mis en place de système de gestion de la qualité de leurs données. De telles situations peuvent se traduire par une atteinte réputationnelle et donc une perte d’opportunités business, lorsque les clients d’une entreprise subissent des interactions insatisfaisantes avec celle-ci (réponse inappropriée, suggestion d’achat inadaptée à leurs attentes, durée de résolution d’un problème jugée trop longue, etc.).

A mesure que les entreprises prennent des décisions stratégiques fondées sur les données qu’elles possèdent, elles s’exposent également à un risque de mauvaise gouvernance dans le cas où elles s’appuieraient sur des données de faible qualité. Pour autant, doivent-elles réduire l’impact de leurs données sur leur prise de décisions ? Absolument pas, cela irait à rebours de l’évolution technologique de la société et compromettrait leur compétitivité à moyen terme. La seule solution pour les organisations est de s’intéresser de près, et dès à présent, à la qualité de leurs données.

Dans la vie courante, il ne nous viendrait pas à l’idée de remplir notre véhicule avec un carburant inadapté. De la même façon, une entreprise doit fournir le bon « carburant » à son tissu opérationnel et décisionnel si elle veut aller loin et sans accroc.

La maturité des entreprises face aux défis des données

L’Observatoire de la maturité Data des Entreprises a publié des études intéressantes sur la valorisation des données dans les PME/ETI, qui montrent notamment une évolution positive ces dernières années : 24% des entreprises interrogées en 2023 se déclarent en capacité d’exploiter correctement leurs données, contre 15% en 2021 et 19% en 2022. Mais beaucoup de progrès restent à faire, puisque la moitié des entreprises sondées dans cette enquête en 2023 disent n’assurer aucun suivi de la qualité de leurs données.

Si l’Observatoire indique que la « culture data » commence à faire son chemin dans les entreprises, de nombreux obstacles demeurent pour que les ETI et les PME soient en mesure d’exploiter leurs données comme il le faudrait : le manque de connaissances et de compétences (cité par 41% des répondants), le manque de temps (41% également), des outils inadaptés (32%), un problème de qualité des données (31%) et un manque de budget (28%) sont ceux qui reviennent le plus fréquemment dans les réponses des entreprises.

Les entreprises – et notamment celles de moindre taille – doivent donc continuer à investir pour développer la culture de la donnée en leur sein, et atteindre au cours des prochaines années un niveau de maturité suffisant pour leur permettre de récolter les fruits de cette transition numérique majeure : de meilleures performances, une prise de décisions plus pertinentes et efficaces, et in fine, un gain de compétitivité par rapport à celles qui n’auront pas su s’adapter à l’ère des données.

Stratégies pour optimiser la qualité des données en entreprise

Avant toute chose, il est nécessaire d’évaluer la qualité de ses données, à l’aune de plusieurs facteurs tels que l’exactitude, la complétude, l’unicité, la disponibilité et l’actualité des données. Cela passe par un inventaire des données disponibles, leur observation, le recoupement de certains groupes de données avec d’autres pour s’assurer de l’uniformité et la cohérence des informations disponibles, et vérifier que l’entreprise est capable de détecter d’éventuels problèmes de qualité des données. Une maintenance continue et en temps réel des données permet d’éviter l’utilisation de données stagnantes et périmées, et garantit que les équipes travaillent avec des données utiles.

Il est également avisé d’adopter une approche stratégique de la gestion des données, en définissant des objectifs clairs en matière de qualité des données et de ce que celles-ci doivent permettre de réaliser d’un point de vue opérationnel et décisionnel dans l’entreprise. Un système complet de gestion des données est essentiel pour relever les défis posés par l’IA et pour profiter des avantages qu’elle apporte. Les entreprises qui s’appuient sur plusieurs produits de gestion des données pourraient être confrontées à une dette technique, devoir interrompre la chaîne d’approvisionnement des données et rencontrer des difficultés pour la mise en conformité.

L’« ironie », si on peut le dire ainsi, c’est que l’IA ne peut fonctionner correctement sans données de bonne qualité, mais que la meilleure façon d’atteindre un niveau de qualité optimal pour celles-ci… est de faire appel à une solution de gestion de données augmentée par l’IA ! Elle facilite en effet le travail des opérateurs pour la mise en qualité des données : elle permet d’automatiser une variété de tâches de gestion des données, tout en réduisant la complexité et en facilitant l’accès aux données pour les équipes qui en ont besoin. En utilisant un tel système, il est plus facile que jamais de trouver et de préparer les données. De plus, grâce au machine learning, cette IA « auto-apprend » en permanence et améliore ses performances pour fournir une aide toujours plus précieuse aux personnes en charge de la qualité des données. La maintenance et la gestion des données sont complexes et chronophages, aussi est-ce la meilleure solution pour une entreprise d’accompagner ses équipes d’outils utilisant la puissance de l’intelligence artificielle, pour offrir un niveau de performance optimal en la matière.

La qualité des données peut de prime abord sembler un peu accessoire aux non-initiés, mais il n’en est rien : elle est devenue l’un des facteurs déterminants du bon fonctionnement des entreprises, de leur compétitivité, et de leur capacité à tirer pleinement profit des innovations qui vont révolutionner le 21^e siècle. Il est essentiel qu’elles adoptent ce virage au plus vite, si ce n’est déjà fait, pour asseoir leurs activités, leur performance et leur réputation dans la durée.

À lire également : La Chine va mettre l’accent sur la sécurité liée à l’intelligence artificielle