Cela a plus d’importance que jamais, car la qualité de l’IA dépend des données sur lesquelles elle s’appuie. Le principe est bien connu (« garbage in, garbage out »), mais trop peu d’entreprises le prennent suffisamment au sérieux. Une mauvaise qualité des données conduit à des conclusions erronées, ce à quoi il faut ajouter les « hallucinations » que les modèles d’IA peuvent produire de leur propre chef. Et les enjeux sont de plus en plus importants : selon le Forum économique mondial, moins d’une entreprise sur cinq déclare avoir atteint un haut niveau de maturité dans un quelconque aspect de la préparation des données, alors même que 72 % des chefs d’entreprise affirment augmenter leurs investissements dans les infrastructures de données.
Dans notre Rapport sur les tendances : Les entreprises en 2030, élaboré en collaboration avec le chasseur de tendances Tom Palmaerts, nous explorons à quoi ressemble une stratégie de données véritablement efficace et pourquoi elle commence par des choix, et non par la technologie.


