Gestion des données : la pierre angulaire d'une IA réussie

Dave Smith, responsable de la technologie RGPD chez SAS UK & Irlande, explique comment la gestion des données sous-tend le succès des systèmes d'IA.

L'IA s'intègre de plus en plus dans la vie quotidienne, pourtant les idées fausses sur la technologie peuvent alimenter la méfiance. Le professeur Jim Al-Khalili, président entrant de la British Science Association, avertit qu'une réaction publique similaire au débat précoce sur les OGM pourrait émerger à moins que l'IA ne soit livrée avec plus de transparence et d'engagement public.

Au-delà de la confiance, les modèles autonomes non contrôlés posent un risque de contrôle. Le Flash Crash de 2010, quand les marchés américains ont chuté de 9 % en 36 minutes, a mis en lumière comment le trading algorithmique a amplifié la volatilité. La surveillance réglementaire exige maintenant que les modèles soient surveillés et leurs sorties auditable.

Utiliser l'IA pour le bien

Appliquée de manière responsable, l'IA peut transformer la santé — améliorer la détection du cancer par analyse d'image rapide — ou soutenir la conservation en identifiant les empreintes de la faune. Réaliser ces bénéfices nécessite un cadre assurant équité, responsabilité, transparence et explicabilité (FATE). Dans cet article, nous nous concentrons sur le pilier de la transparence, fortement influencé par la façon dont les données sont gérées.

La performance de l'IA est limitée par la qualité de ses données d'entrée. Construire une solution IA suit généralement trois étapes clés :

• Nettoyage des données — suppression des enregistrements non pertinents ou erronés qui pourraient biaiser le modèle.
• Transformation et enrichissement — jointure de sources disparates et création de variables dérivées pour alimenter l'algorithme.
• Déploiement — application du modèle entraîné sur des données en direct pour que des décisions puissent être prises en temps réel.

Chaque étape peut ajouter de la valeur mais aussi changer le résultat. Par exemple, éliminer les valeurs aberrantes pendant le nettoyage peut améliorer la stabilité du modèle pour la majorité des cas, mais pourrait aussi effacer des signaux rares mais critiques. La découverte des pulsars par Dame Jocelyn Bell-Burnell dans les années 1970 illustre le danger de rejeter les outliers — elle a repéré un signal faible dans un point de données sur 100 000, prouvant sa signification scientifique.

Le parcours des données

La qualité des données est aussi vitale pour éviter des erreurs embarrassantes. En 2014, Bank of America a envoyé une offre de carte de crédit à un nom invalide, « Lisa Is A Slut McXxxxxx », après avoir reçu des données corrompues de Golden Key International Honour Society. Une validation rigoureuse aurait pu empêcher l'erreur.

La transformation déplace les données de systèmes sources hautement normalisés vers une table unique et plate préférée par les data scientists. Cette étape implique souvent l'ajout de variables dérivées et doit être implémentée soigneusement pour éviter d'introduire des erreurs qui pourraient induire le modèle en erreur.

Le déploiement est l'étape finale qui affecte directement les résultats business. Les modèles ont une durée de vie utile finie ; une production retardée peut les rendre obsolètes. De plus, l'article 22 du RGPD interdit le profilage analytique sur données personnelles sans conditions strictes telles que le consentement explicite. Un déploiement contrôlé fournit une piste d'audit montrant quelles données ont alimenté le modèle et quelles analytiques ont été appliquées, assurant la conformité réglementaire.

En bref, une gestion robuste des données est la fondation qui permet à l'IA de délivrer des résultats fiables, justes et efficaces. Comprendre chaque étape du traitement des données soutient la transparence — le cœur de l'IA responsable.

Auteur de ce blog : David Smith, responsable technologie RGPD, SAS UK & Irlande.