L’IA supervisera bientôt sa propre gestion des données

L’IA se nourrit des données. Plus il peut accéder à des données, et plus ces données sont précises et contextuelles, meilleurs seront les résultats.

Le problème est que les volumes de données actuellement générés par l’empreinte numérique mondiale sont si vastes qu’il faudrait littéralement des millions, voire des milliards, de data scientists pour tout analyser et cela n’arriverait toujours pas assez vite pour avoir un impact significatif sur Processus pilotés par l’IA.

L’IA au service de l’IA

C’est pourquoi de nombreuses organisations se tournent vers l’IA pour aider à nettoyer les données dont l’IA a besoin pour fonctionner correctement.

Selon l’indice mondial de protection des données Dells 2021, l’entreprise moyenne gère désormais dix fois plus de données qu’il y a cinq ans, la charge globale passant de seulement 1,45 pétaoctet en 2016 à 14,6 pétaoctet aujourd’hui. Les données étant générées dans le datacenter, le cloud, la périphérie et sur les appareils connectés du monde entier, nous pouvons nous attendre à ce que cette tendance à la hausse se poursuive dans le futur.

Dans cet environnement, toute organisation qui n’exploite pas les données à leur plein potentiel jette littéralement de l’argent par la fenêtre. Donc, à l’avenir, la question n’est pas de savoir s’il faut intégrer l’IA dans les solutions de gestion des données, mais comment.

L’IA apporte des capacités uniques à chaque étape du processus de gestion des données, non seulement en raison de sa capacité à passer au crible des volumes massifs à la recherche de bits et d’octets saillants, mais aussi par la façon dont elle peut s’adapter aux environnements changeants et aux flux de données changeants. Par exemple, selon David Mariani, fondateur et directeur de la technologie chez AtScale, uniquement dans le domaine de la préparation des données, l’IA peut automatiser des fonctions clés telles que la correspondance, le marquage, la jonction et l’annotation. À partir de là, il est apte à vérifier la qualité des données et à améliorer l’intégrité avant de numériser les volumes pour identifier les tendances et les modèles qui, autrement, passeraient inaperçus. Tout cela est particulièrement utile lorsque les données ne sont pas structurées.

Les soins de santé sont l’un des secteurs les plus gourmands en données, la recherche médicale générant une bonne part de la charge. Il n’est donc pas étonnant que les organisations de recherche clinique (CRO) soient à la pointe de la gestion des données basée sur l’IA, selon Anju Life Sciences Software. D’une part, il est important que les ensembles de données ne soient pas négligés ou simplement rejetés, car cela peut fausser les résultats de recherches extrêmement importantes.

L’apprentissage automatique fait déjà ses preuves dans l’optimisation de la collecte et de la gestion des données, préservant souvent la validité des ensembles de données qui seraient normalement rejetés en raison d’erreurs de collecte ou d’une documentation défectueuse. Ceci, à son tour, produit une meilleure compréhension des résultats des efforts d’essai et génère un meilleur retour sur investissement pour l’ensemble du processus.

Maîtriser les données

Pourtant, de nombreuses organisations commencent tout juste à mettre en place et à fonctionner leurs nouvelles suites de gestion des données de référence (MDM), il est donc peu probable qu’elles les remplacent de sitôt par de nouvelles versions intelligentes. Heureusement, ils n’ont pas à le faire. Selon Open Logic Systems, de nouvelles classes de boosters MDM intelligents arrivent sur le canal, donnant aux organisations la possibilité d’intégrer l’IA dans les plates-formes existantes pour tout prendre en charge, de la création et de l’analyse de données à l’automatisation des processus, l’application des règles et l’intégration des flux de travail. Bon nombre de ces tâches sont triviales et répétitives, ce qui libère du temps aux gestionnaires de données pour une analyse et une interprétation de niveau supérieur.

Cette tendance au déploiement de l’IA pour gérer les données dont elle a besoin pour effectuer d’autres tâches dans l’entreprise numérique changera la nature du travail des data scientists et autres travailleurs du savoir. Les gens ne seront plus chargés de faire le travail qu’ils font maintenant et se concentreront plutôt sur la surveillance des résultats des processus pilotés par l’IA, puis sur les changements s’ils s’écartent des objectifs définis.

Plus que tout, cependant, la gestion des données basée sur l’IA accélérera considérablement le rythme des affaires. Les données sont reines dans l’univers numérique, et les rois n’aiment pas attendre.