Les dirigeants utilisent 3 stratégies pour créer de solides fondations de données pour l'intégration de l'IA

Les dirigeants d'entreprise savent bien que des bases solides sont cruciales lorsqu'il s'agit d'exploiter la puissance de l'intelligence artificielle (AI). Se lancer dans des projets d'AI sans une stratégie de données solide est une recette pour le désastre. Comme le dit l'adage, "des données médiocres en entrée, des résultats médiocres en sortie" — et cela n'a jamais été aussi vrai qu'avec l'AI.

Alors, comment les professionnels peuvent-ils poser les bases pour garantir que leur organisation utilise l'AI de manière sûre et efficace ? Ici, trois dirigeants d'entreprise partagent leurs meilleurs conseils pour élaborer une stratégie réussie pour tirer parti des technologies émergentes.

1. Priorisez vos équipes

Claire Thompson, directrice des données et de l'analytique du groupe chez le géant de l'assurance L&G, souligne qu'une approche stratégique de l'information est vitale pour toute entreprise souhaitant innover. "Je dis toujours que les fondations des données sont importantes pour ce que vous ferez ensuite," a-t-elle déclaré à ZDNET. Thompson met l'accent sur la nécessité de lier les règles et réglementations à des résultats financiers tangibles.

"Expliquez clairement comment la stratégie de données générera une valeur tangible — pourquoi est-il important, par exemple, que vos adresses e-mail soient à jour et précises pour permettre des communications numériques ciblées ?" demande-t-elle. Thompson comprend que tout le monde n'est pas enthousiaste à l'idée de plonger dans un plan stratégique à long terme qui détaille la technologie, les processus, les personnes et les règles nécessaires pour gérer les actifs d'information. Cependant, elle insiste sur le fait que la phase de planification est cruciale pour récolter les bénéfices des technologies comme l'AI.

"Je peux comprendre pourquoi certains disent que la gouvernance est ennuyeuse," admet-elle. "Mais dans les organisations numériques d'aujourd'hui, où l'on souhaite effectuer un traitement direct, il devient encore plus crucial que vos données soient de bonne qualité. Ainsi, tous les chemins mènent à la gouvernance."

Une partie clé de la stratégie de Thompson chez L&G consiste à favoriser une relation de travail étroite entre son équipe de données et le département informatique. Une collaboration efficace repose sur une clarté concernant les compétences que chaque partie apporte. "Il faut un partenariat main dans la main. La technologie est extrêmement importante pour ce que nous faisons dans l'espace des données, et nous ne pouvons pas faire notre travail sans les environnements cloud, l'entreposage de données et les outils. Les données sont contenues dans toutes les applications que l'équipe informatique maintient," explique-t-elle.

Thompson souligne également l'importance d'intégrer la qualité des données dès la conception dans les systèmes de base. "Plus vous faites ce travail, plus vous arrêtez l'effet d'entraînement d'une mauvaise qualité des données plus loin dans la chaîne et évitez tout effort de correction," dit-elle. Cette approche ouvrira la voie à des expériences client améliorées, telles que des applications mobiles personnalisées et des transactions automatisées soutenues par l'AI.

2. Maîtrisez vos données transactionnelles

Jon Grainger, directeur de la technologie chez le cabinet juridique DWF, estime que c'est le moment idéal pour développer une stratégie de données. Il insiste sur le fait que les dirigeants d'entreprise avisés devraient se concentrer sur les éléments fondamentaux de l'utilisation des données bien avant de penser à exploiter l'AI et l'apprentissage automatique. "Je dis toujours que le meilleur moment pour une stratégie de données était il y a quatre ans," plaisante-t-il. "C'est un travail titanesque. En fin de compte, il n'y a pas beaucoup de raccourcis. Certains pensent, 'Eh bien, si ça doit prendre autant de temps, pourquoi s'embêter ?' Et je pense que c'est pourquoi beaucoup n'ont pas réussi à maîtriser leurs données."

L'objectif de Grainger est d'aider son cabinet à bâtir une réputation pour offrir de grandes expériences grâce à la transformation numérique — une stratégie de données est une composante cruciale de cette approche. Depuis son arrivée chez DWF fin 2022, il a mis en œuvre une nouvelle stratégie centrée sur des produits logiciels en tant que service (SaaS) basés sur le cloud et des interfaces de programmation d'application (API) ouvertes.

Les données chez DWF couvrent diverses entités, telles que les dossiers, les partenaires, les clients et les processus internes de l'entreprise, y compris la facturation et les finances. "La stratégie de données vise à garantir que les données transactionnelles — la source de vérité — sont maîtrisées dans ces sections," explique Grainger. L'objectif est d'aider l'organisation à avancer rapidement sans compromettre la qualité ou le coût.

"Chaque produit SaaS a une identité claire sur la carte de l'entreprise," dit-il, détaillant les nuances de sa stratégie de données. "Cette identité est guidée par les données que vous maîtrisez dans chaque domaine." Grainger souligne que l'exigence minimale absolue pour s'intégrer dans l'architecture cible de l'entreprise est des API bien développées auxquelles DWF peut accéder et utiliser.

Il souligne que la technologie SnapLogic joue un rôle clé pour garantir une connexion solide et fiable entre les services, les API et les utilisateurs. "Inévitablement, vous obtiendrez 15 orthographes différentes d'une adresse particulière, et la technologie peut repérer ce modèle et le corriger," dit-il. "Elle peut également effectuer ce qu'on appelle l'enrichissement. Ainsi, elle peut prendre la référence de quelqu'un, aller sur une API, revenir et dire, 'C'est l'information correcte.'"

Grainger note également que la stratégie de données se concentre sur les modèles que DWF crée pour répondre aux questions commerciales clés. En combinant cela avec l'accent mis par l'entreprise sur les produits SaaS et les API, DWF dispose de bases solides pour explorer les technologies émergentes. "Il s'avère que vous vous préparez plutôt bien pour l'AI générative si vous avez tous ces éléments dans votre stratégie de données," conclut-il.

3. Collaborez avec vos pairs de l'industrie

Nic Granger, directrice corporative et directrice financière chez North Sea Transition Authority (NSTA), estime qu'une excellente stratégie de données va au-delà des pratiques internes et s'étend au-delà des frontières organisationnelles. La NSTA collecte des données du secteur du pétrole et du gaz, et l'équipe de Granger a développé des plateformes numériques qui permettent à l'industrie, au gouvernement, au milieu académique ou à d'autres parties intéressées d'accéder aux données de manière ouverte.

Dans le cadre de cet effort, elle préside le Offshore Energy Digital Strategy Group (DSG), un organisme spécialisé formé fin 2022 pour favoriser la collaboration entre les organismes publics britanniques impliqués dans la collecte de données dans les secteurs du pétrole, du gaz et des énergies renouvelables. "Il a été reconnu que nous avions besoin d'une stratégie de données numériques cohérente dans le secteur de l'énergie offshore," a-t-elle déclaré à ZDNET. "Il y avait de bons îlots d'excellence dans l'industrie en matière de gestion des données et de technologies numériques, mais ils ne collaboraient pas nécessairement ensemble. C'était donc une priorité majeure pour nous."

Le DSG est soutenu par des contributeurs incluant les départements du gouvernement britannique, l'Open Data Institute et le Technology Leadership Board. Granger affirme que cette approche collaborative a porté ses fruits : "Nous avons maintenant la stratégie de données, et elle repose sur trois axes de travail clés."

Le premier axe se concentre sur les données, les normes et les principes : "S'assurer que la qualité sous-jacente des données est bonne car nous travaillons tous sur la même base," explique-t-elle. Le deuxième axe vise à créer des boîtes à outils de données communes et à garantir l'interopérabilité. "Peu importe si vous travaillez dans une entreprise d'énergie offshore ou sur un projet dans une entreprise de pétrole et de gaz, vous devriez avoir des données utilisables sur toutes les plateformes. Ce travail consiste à répondre à la question : 'Comment faire passer les données de A à B sans duplication ?'"

Le troisième axe se concentre sur la numérisation intersectorielle : "Il s'agit de s'assurer que les données et les compétences numériques sont présentes dans toute l'industrie, et de garantir que le secteur respecte les meilleures pratiques en matière de cybersécurité," explique Granger.

Avec ces fondations de données en place, il est beaucoup plus facile de commencer à réfléchir à la manière de tirer le meilleur parti des technologies émergentes. "Notre objectif est de s'assurer que nous rendons les données accessibles et dans les bons formats pour que d'autres puissent utiliser l'AI et l'apprentissage automatique," conclut Granger.