Distinguer le fait de la fiction : découvrir le véritable récit derrière vos données

Dès 30 000 av. J.-C., nos ancêtres peignaient des histoires sur les parois des grottes pour décrire leur vie quotidienne ; vers 700 av. J.-C., la première histoire imprimée, Gilgamesh, voyait le jour. Faisons un bond jusqu'en 2021 : nous co-créons désormais des récits avec l'IA depuis plus d'une demi-décennie. Mais lorsque l'enjeu est une veille économique précise, les entreprises doivent avoir la certitude que leurs systèmes d'intelligence artificielle et d'apprentissage automatique ne prennent pas de libertés artistiques pour leur restituer une fable.

C'est d'autant plus vrai que la prise de décision pilotée par l'IA et le ML atteint son plus haut niveau d'adoption à ce jour, et que même les dirigeants les plus réticents reconnaissent enfin les immenses bénéfices d'une stratégie centrée sur les données. À mesure que la confiance dans la promesse de l'IA et du ML grandit, l'exactitude devient critique. La question demeure au cœur des préoccupations : « Comment savoir si nos données nous racontent toute l'histoire — et une histoire basée sur des faits ? De quoi avons-nous besoin pour faire confiance à nos modèles ? »

Des données d'une propreté irréprochable

Lorsqu'un système d'apprentissage automatique produit une prédiction inexacte, on peut pointer du doigt un seul responsable : les données. Hormis les événements « cygne noir », les données sont le début, le milieu et la fin de tout système prédictif. Il se peut qu'il n'y ait tout simplement pas eu assez de données pour entraîner le système de manière fiable ou fonder ses prédictions ; dans ce cas, l'ajout de points de données peut résoudre le problème. Un tel souci serait généralement détecté dès les premières étapes de conception du modèle et presque certainement avant le déploiement, du moins suffisamment pour éviter des prédictions largement erronées. Le coupable le plus probable, cependant, est que les données de départ n'étaient pas assez « propres ». « Assez propre » est relatif. Les exigences en matière de données pour certains projets s'apparentent à : « Mes baskets sont-elles assez propres pour aller au supermarché ? » D'autres, notamment dans les systèmes critiques impliquant la vie, la sécurité et le bien-être, ressemblent plutôt à un scénario « sans poussière, lustré, brillance de parade où l'on pourrait se mirer » quant à la propreté requise pour effectuer la tâche de manière fiable et éthique.

Alors, qu'est-ce qui rend les données sales ? En bref : des informations inexactes ou biaisées.

Des étiquettes brisées, des modèles brisés

Il peut s'agir de données mal étiquetées, de données contenant de mauvaises informations dans le mauvais champ ou dans un format incorrect — par exemple « 27 décembre 2015 » au lieu de « 12/27/15 » ou « 27/12/2015 ». Si la première option peut simplement lever une erreur ou être ignorée, l'inversion des deux derniers formats de date peut avoir de graves répercussions sur l'exactitude. Et les dates ne sont pas les seules victimes d'un formatage invalide : heures, SKU, texte là où devraient être des chiffres, chiffres là où devrait être du texte, et tous les flux de données spécialisés provenant des équipements d'atelier — dérogations, alarmes, charges, vitesses, avances, etc. L'essentiel est qu'en l'absence d'une structure fiable et cohérente, les données deviennent désordonnées et mènent à des insights inexacts.

Avec MachineMetrics, les entreprises profitent de notre moteur de transformation de données automatisé qui standardise et met en forme une large gamme de types de données pour une analyse aisée. Il gère les valeurs de capteurs personnalisées, l'état machine, les modes, les alarmes, les dérogations, la charge, les vitesses, les avances, les paramètres PMC, les diagnostics, et bien plus encore.

Pouvez-vous faire confiance à vos sources ?

Il est crucial d'évaluer la véracité et l'exactitude de toute source de données utilisée, surtout si ces sources sont humaines. Les humains ne sont pas les créatures les plus précises. Nous arrondissons, oublions, arrangeons les chiffres. Nous devenons paresseux, fatigués, affamés, distraits. Du simple fait d'utiliser des sources humaines, les données seront sales d'une manière ou d'une autre. C'est ici qu'il faut examiner les tolérances. Par exemple, des opérateurs machine peuvent saisir des données sur l'état de leur équipement. Pour les arrêts, les raisons indiquées peuvent être exactes alors que l'horodatage n'est qu'une estimation. Cela conduit à un système prédictif moins précis, car ses réponses se rapprochent davantage d'estimations que si des données vraiment exactes avaient été fournies.

C'est un autre scénario où des tolérances réalistes doivent être considérées. Secondes ou intervalles de demi-heure ? Dans le cas de la collecte de données machine, on peut même descendre à la nanoseconde ou moins pour certains cas d'usage. Quelle que soit la tolérance jugée raisonnable pour le projet, il est important de l'imposer et de s'assurer que toute donnée injectée dans le système respecte ces paramètres pour garantir l'exactitude.

L'adaptateur de données à haute fréquence MachineMetrics capture les données machine à 1 kHz (contre 1 Hz standard — soit 1000 fois plus vite), pour ne jamais rater une mesure, quel que soit le niveau d'exactitude requis par votre application.

C'est aussi là que les entreprises doivent rechercher les biais potentiels. Les mensonges par omission mènent encore à des prédictions fantaisistes. Vos sources collectent-elles assez largement pour montrer l'image complète, ou sont-elles sujettes au biais du fait de leurs méthodes de collecte ? Par exemple, si vous cherchez le salaire moyen d'un ouvrier de ligne, mais que tous les répondants sont des hommes, vous obtiendrez probablement un chiffre biaisé par rapport à une enquête incluant aussi des femmes. Traquer activement ce type d'angles morts permet d'obtenir des données plus propres et des prédictions plus justes.

Contexte et complexité

Plus un système est complexe, plus il y a de place pour les inexactitudes, incohérences, risques et ruptures dans les données et la logique qui le sous-tendent lorsqu'on tente de le traduire en quelque chose d'exploitable pour l'analyse. Combien d'étapes compte le processus sur lequel vous collectez des données ? Disposez-vous de l'expertise métier pour donner du contexte aux données brutes ? Par exemple, une machine qui « tombe en panne » plusieurs fois en quelques minutes avec de la production réussie entre-temps correspond moins à de vrais lancements de production qu'à des tests pour vérifier que le problème initial est pleinement résolu, recalibré, et que la machine est prête à reprendre la vraie production. Laisser ces chiffres tels quels dans le jeu de données pourrait causer de graves inexactitudes, difficiles à repérer pour un œil non averti.

Cela ne signifie pas que votre équipe de data science doit être experte en tout dans votre secteur. Cela signifie en revanche qu'il est essentiel de disposer de canaux permettant aux experts d'apporter du contexte. Par exemple, avec MachineMetrics, les opérateurs sont équipés d'une tablette sur le poste de travail, directement sur leur machine. Ils peuvent ainsi ajouter rapidement et facilement du contexte humain aux données numériques afin d'améliorer l'exactitude au stade de l'analyse. Sans ce canal de contexte, déterminer quelles données conserver et lesquelles écarter devient un jeu de devinettes.

Transformations sans perte

Quand on transforme une chose en une autre, il y a pratiquement toujours un certain degré de perte, si minime soit-il — qu'il s'agisse de transformer du minerai en acier, du coton en textile, ou des données en format d'analyse. Il est important de déterminer quelle perte est acceptable et quelle perte est évitable. Partir de données propres et exactes est une première étape vitale pour une analyse propre et exacte. Au-delà, il faut considérer quels outils utiliser et pour quelles applications, la probabilité de toute perte de fidélité, et dans quelle mesure cela est acceptable (ou sans importance). Cela ramène directement à la compréhension de ce que vous essayez de faire avec vos données et vos modèles — quels problèmes vous cherchez à résoudre — et du niveau d'exactitude requis pour les résoudre efficacement.

 

Chez MachineMetrics, nous veillons à ce que vos données vous donnent la vérité toute entière, rien que la vérité. Experts du secteur, nous comprenons la profondeur, l'étendue et le type de données dont vous avez besoin pour résoudre vos problèmes les plus pressants — qu'il s'agisse d'arrêts machine, d'optimisation de la production, ou d'une myriade d'autres options — via une approche pilotée par les données. Nous utilisons des formats simples et digestes pour le partage et l'analyse, qui conservent leur intégrité et leur fidélité, même en temps réel. MachineMetrics simplifie l'intégration des données d'atelier à la prise de décision concrète grâce à un processus éprouvé, mis en œuvre en langage clair et avec des outils si faciles que même des profils non techniques peuvent les installer eux-mêmes, pour un service qui a permis à nos clients d'atteindre un ROI en moins d'une semaine. Pour découvrir quelles questions MachineMetrics peut résoudre pour votre entreprise ou réserver une démo, contactez-nous à tout moment.