Quand l’IA permet d’améliorer la qualité des données pour les métiers

L’intelligence artificielle peut aider à la vérification des données, leur nettoyage et leur enrichissement. L’enjeu est de disposer de données accessibles et valorisées pour les métiers. Les plateformes no-code spécialisées dans ce domaine peuvent y contribuer.

Digitalent, cabinet conseil spécialisé dans la gestion des données, a publié un livre blanc dont l’intérêt est de poser les problèmes et les solutions pour vérifier, nettoyer et enrichir les informations disponibles pour les fonctions de l’entreprise. La pléthore de données présentes dans les organisations est une masse informe d’informations dont il faut extraire la réelle valeur. Avant obtenir des résultats satisfaisants, il faut pallier 3 types de contraintes.

D’abord, le problème issu de la gestion des différents formats comme les bases de données, Excel, l’ERP, le CRM, etc. ce qui complexifie l’exploitation des données.

Ensuite, résoudre l’inconvénient de la saisie incomplète des champs d’un formulaire, celui des enregistrements partiels et des valeurs nulles. Par exemple, ajouter une date à un chiffre d'affaires.

Enfin, assurer la gestion des erreurs de saisies, les doublons ou des valeurs aberrantes, telles les adresses emails invalides et autres. Des incorrections qui faussent les analyses par les métiers si elles ne sont pas corrigées.

Les cas concrets sont multiples. Il s’agit, notamment, des données des clients telles leurs informations personnelles, l’historique des achats, leurs préférences et autres. Cela concerne les données sur les produits ou services comme les descriptions, prix, etc. mais aussi les données financières, les données opérationnelles comme la supply chain, la production, la logistique et enfin, les données RH comme les feuilles de paie.

Définir les règles de gestion et les bonnes pratiques pour la collecte, le stockage et l'utilisation des données

Selon Gartner, cité dans le livre blanc de Digitalent, la mauvaise qualité des données coûterait entre 9,7 et 14,2 millions de dollars en moyenne par an aux entreprises. Une perte qui impacte la réputation et la confiance des clients et partenaires. Sur le terrain, les cas d’usages cités dans le e-book permettent de comprendre l’intérêt d’une plateforme no-code de traitement des données.

Terra, un acteur de la finance, utilise le plateforme MIA de Digitalent pour automatiser la vérification de la qualité des données, détecter et corriger les anomalies, supprimer les doublons et extraire les données utiles depuis les documents non structurés. Autre intérêt d’une plateforme d’IA pour la gestion des données, elle vérifie la conformité des données aux règles métier, signalant toute non-conformité.

L’entreprise industrielle Yumi fait appel aux données massives pour sa R&D. Dans ce cas d’usage, l'IA automatise le nettoyage, élimine les erreurs, et complete les résultats incomplets.

Autre exemple concret, ElecX, entreprise de fabrication de matériel électronique, utilise l'IA pour comparer les caractéristiques de chaque produit (dimensions, matériaux, prix...) puis calculer un score de similarité. Il s’agit de fonctions de rationalisation des achats, de réduction des coûts et des risques.

Néanmoins, Il faut rappeler que les outils d’IA ne sont pas des solutions magiques. Ils peuvent, certes, faire gagner du temps et améliorer les performances mais comme dans tous les secteurs, un des défis majeurs à relever consiste à favoriser la collaboration entre les DSI et les métiers. L’adoption d’un outil numérique structurant passe par une véritable écoute, dans le cadre d’une conduite au changement bien appliquée.