Tout comme pour presque tous les aspects d’une organisation, la gouvernance et l’analyse des données sont considérablement touchées par l’IA générative. Cette technologie émerge comme un outil fondamental pour relever les défis de gouvernance historiques et anticiper les scénarios futurs.

Par conséquent, commençons par un bref aperçu des « points problématiques » associés à la gouvernance des données. Bien que le sujet de la gouvernance des données soit sur le marché depuis plusieurs décennies, depuis l’émergence du concept de veille économique dans les années 1990, il ne s’est pas entièrement consolidé, surtout en raison de la croissance rapide du volume de génération de données. De nombreuses entreprises ont adopté des modèles de gouvernance hautement axés sur la vérification, qui se sont concentrés sur le contrôle et la création d’obstacles plutôt que de devenir des alliés et des facilitateurs.

Pendant ce temps, diverses organisations ont cherché à mettre en œuvre les meilleures pratiques. Néanmoins, leurs projets sont restés « sur papier » : la gouvernance des données existe officiellement, mais elle se limite à un ensemble de définitions statiques des rôles et des fonctions, déconnectées de la dynamique technologique et du contexte organisationnel de l’’entreprise.

Comme nous l’avons mentionné, l’IA générative arrive pour transformer la gouvernance des données de deux points de vue. La première est l’utilisation de cette technologie pour améliorer ce que nous savons déjà. Par exemple, dans des domaines qui semblent aussi simples que l’identification de sources de données —qui peuvent être très complexes dans de grands systèmes avec plusieurs succursales—, l’anticipation des problèmes de qualité des données, le remplissage de données manquantes ou la génération de données synthétiques pour améliorer la formation sur les modèles lorsque les données réelles disponibles sont insuffisantes.

Un autre concept révolutionnaire apporté par l’IA générative est la gestion des métadonnées : elle permet la gestion des données qui décrivent d’autres actifs informationnels au sein de l’organisation, améliorant la convivialité et la capacité à trouver les bonnes données au bon moment tout en réduisant les inefficacités et les risques.

La deuxième perspective où l’IA générative jouera un rôle crucial concerne les aspects que nous commençons à explorer : les nouveaux acteurs qui se joignent à l’écosystème des données et des analyses.

Les organisations doivent élargir leur perspective pour s’adapter à des projets dont les méthodologies et les caractéristiques diffèrent de celles traditionnelles, mettre en œuvre la gouvernance des données non structurées (telles que l’audio, la vidéo, le texte et les images), comprendre le fonctionnement des nouveaux modèles de données, assurer la qualité de l’échantillonnage des données pour la formation de ces modèles et garantir que les données sont fiables et exemptes de préjugés, entre autres défis inhérents à l’évolution des écosystèmes de données.

En conclusion, l’IA générative est un atout stratégique pour façonner un avenir où les données sont gérées avec sécurité et efficacité, générant la plus grande valeur possible pour les entreprises.

—Lina Maria Bello Galindo, directrice de l’&analyse des données chez NTT DATA