Données intelligentes : naviguer la prochaine frontière de l'IoT et du Big Data

Collecter des données n'a jamais été aussi simple. En quelques clics, les entreprises peuvent accéder aux technologies cloud les plus avancées, prêtes à capturer et stocker d'immenses quantités d'information. Pourtant, il y a dix ans, faire évoluer la collecte de données était un privilège réservé aux grandes entreprises pouvant s'offrir serveurs coûteux et ingénieurs spécialisés.

Aujourd'hui, l'Internet des objets (IoT) transforme chaque appareil en générateur de données. En 2020, une seule personne était responsable de produire 1,7 Mo de données chaque seconde. Plus frappant encore, un véhicule autonome peut générer 11 To de données en une seule journée — des chiffres qui ne feront qu'augmenter.

Pour les data scientists, l'abondance d'information est à la fois une bénédiction et un défi. Quand un nouveau modèle de deep learning atteint 92 % de précision, la réponse instinctive est de blâmer l'insuffisance de données. « Si on collecte plus de données, le modèle s'améliorera », dit-on souvent, espérant que la quantité résoudra tous les problèmes.

Cela mène à une question critique : Combien de données est vraiment suffisant ? Et, plus important encore, combien de données devient excessif ?

Dans les cercles du machine learning, cette préoccupation est rarement exprimée, même si le Big Data peut être une responsabilité de 40 zettaoctets. Si les données sont le nouveau pétrole, elles doivent être raffinées ; l'accumulation non contrôlée menace la durabilité et la sécurité.

Peut-être le vrai problème est que le Big Data n'est pas la réponse définitive pour l'IA. Nous devons reconsidérer ce que nous collectons.

La digitalisation précoce exigeait une sélection soigneuse des données en raison des coûts élevés, favorisant responsabilité et focus qualité. Comme le stockage et la puissance de calcul sont devenus moins chers, la quantité a surpassé la qualité, transformant les données en marchandise. Nous ne demandons plus si les données que nousgather ajoutent vraiment de la valeur.

Les données vieillissent et se dégradent. Toute information n'est pas créée égale — des centaines de selfies ont une valeur analytique très différente qu'une base de données médicale complète. Traiter des données obsolètes ou redondantes gaspille des ressources et peut induire les modèles en erreur.

Si le stockage moins cher et le calcul plus rapide sont rassurants, ils ne suivent le rythme que si l'expertise humaine évolue alongside la loi de Moore. Sans discernement sur quelles données informent vraiment les décisions, nous risquons de nous noyer dans le bruit plutôt que d'en tirer de l'insight.