Donnée exploitable : la matière première de l'IA

Ce qu'est une donnée exploitable

Une intelligence artificielle ne part jamais d'une page blanche. Elle apprend, résume ou décide à partir de ce qu'on lui donne à lire : des dossiers, des historiques, des contrats, des relevés de machines, des comptes rendus. Cette matière première a un nom simple, la donnée. Et toute donnée n'est pas égale : certaines font avancer un projet, d'autres le font caler.

Une donnée exploitable est une donnée qu'une IA peut réellement utiliser pour produire un résultat utile. Trois conditions doivent tenir en même temps. La donnée doit être disponible : on sait où elle se trouve et on peut y accéder. Elle doit être fiable : elle est juste, à jour, sans trous ni doublons qui faussent tout. Elle doit être suffisamment structurée et documentée : rangée dans un format lisible par une machine, avec de quoi comprendre ce que chaque champ veut dire. Sans ces trois conditions réunies, l'outil le plus avancé rend un résultat au mieux flou, au pire faux.

L'appétit, lui, ne manque pas. Chez les dirigeants de PME et d'ETI françaises, l'usage de l'IA générative est passé de 31 % à 55 % en un an. La question n'est donc plus de savoir si l'IA sert à quelque chose, mais pourquoi tant de projets prometteurs s'enlisent. La réponse tient rarement au modèle. Elle tient presque toujours aux données.

La taille de l'entreprise pèse lourd, moins par les budgets que par l'état des données. Plus une organisation a rangé et fiabilisé son histoire, plus l'IA y trouve de quoi travailler.

Disponible, fiable, structurée

Prenons les trois conditions une à une, avec une quatrième qui les tient ensemble : la documentation. Ce sont les quatre dimensions à vérifier avant de lancer le moindre projet.

Disponible. La donnée existe et on peut la lire. Cela paraît évident ; c'est souvent le premier obstacle. Un historique de ventes enfermé dans un logiciel que plus personne ne fait parler, un savoir-faire qui vit dans la tête d'un chef d'atelier, des contrats scannés en images illisibles par une machine : tout cela existe, mais reste hors d'atteinte. Rendre une donnée disponible, c'est parfois le chantier le plus long.

Fiable. La donnée dit vrai. Un fichier client où le même client apparaît trois fois sous trois orthographes, des montants dans deux devises sans indication, des dates au mauvais format : une IA ne corrige pas ces erreurs, elle les propage et les amplifie. La règle est brutale et connue : une donnée fausse en entrée donne un résultat faux en sortie.

Structurée et documentée. La donnée est rangée dans un format lisible, et l'on sait ce qu'elle veut dire. Une colonne nommée « stat_3 » ne renseigne personne, ni un humain ni une machine. La documentation — ce que contient chaque champ, d'où il vient, à quelle date il a été mis à jour — transforme un tas de fichiers en base utilisable.

Ces critères ne sont pas qu'affaire de technique. Ils reposent aussi sur des personnes qui savent lire, corriger et documenter une base. Or cette compétence reste rare. À l'hôpital, seuls 6 % des agents déclarent avoir été formés à l'IA dans leur établissement (Ifop / Acteurs Publics / UniHA) : la matière première manque, mais les mains qui la préparent aussi.

Une bonne façon de tester ces critères est de les poser sous forme de questions concrètes. Pour chaque source de données envisagée, on se demande qui peut y accéder, quand elle a été vérifiée pour la dernière fois, dans quel format elle sort et si un nouvel arrivant comprendrait ce qu'elle contient sans explication orale. Quand une seule de ces réponses est floue, la donnée n'est pas encore prête, et l'IA le fera sentir.

Donnée ≠ information utile

Voici la confusion qui coûte le plus cher. Beaucoup de dirigeants pensent posséder « des données », donc être prêts pour l'IA. Ils possèdent en réalité des fichiers, des tableurs, des courriels, des dossiers. Une donnée brute n'est pas encore une information utile : entre les deux, il y a tout le travail de préparation. Confondre les deux, c'est promettre un résultat sur une base qui ne le porte pas.

Pas de données propres, pas d'IA utile. L'outil ne rattrape jamais une matière première défaillante.

Quand la donnée manque, l'IA ne se tait pas : elle comble le vide. Un cabinet de conseil a remis à une administration australienne un rapport à 290 000 dollars australiens contenant des citations et références inventées par une IA générative, ce qui a conduit à un remboursement partiel. Le modèle n'avait pas les bonnes sources sous la main ; il a produit une information plausible et fausse. C'est exactement ce que donne une donnée absente ou mal documentée : de la confiance apparente, sans le fond.

La vitesse trompe aussi. Lors d'essais menés par un cabinet international sur 411 participants dans 23 bureaux et 14 pays, les premiers jets rédigés par l'IA sont sortis nettement plus vite — jusqu'à 80 % de temps gagné sur certains documents. Mais leur précision moyenne restait inférieure à celle d'un humain : 3 sur 5, contre 3,5 sur 5. Aller vite sur une base fragile, c'est produire vite quelque chose qu'il faudra reprendre.

Le poste qu'on oublie

Au moment de chiffrer un projet d'IA, l'attention se porte sur l'outil : quelle licence, quel modèle, quel fournisseur. C'est le poste le plus visible, rarement le plus lourd. Le vrai coût et le vrai délai se jouent en amont, sur la préparation des données : les rendre disponibles, corriger les erreurs, les structurer, les documenter. Dans la plupart des projets, ce travail dépasse celui de l'outil lui-même — souvent le poste le plus lourd du budget comme du calendrier (Estimation YPrtnrs Institute).

Les chiffres de retour sur investissement le confirment en creux. Une étude conduite auprès de plus de 4 000 dirigeants relève un retour moyen de 3,70 dollars pour chaque dollar investi dans l'IA générative, et jusqu'à 10,30 dollars pour les plus avancés. Mais ces gains arrivent après un délai : déploiement moyen en moins de huit mois, valeur constatée en treize mois. Ce délai, c'est en grande partie le temps de mettre les données en état.

Cet écart explique un paradoxe. L'IA est partout adoptée, mais peu d'organisations en tirent un vrai gain. Selon un baromètre mondial, 88 % des organisations utilisent l'IA dans au moins une fonction, mais environ une sur trois seulement a dépassé le stade du pilote, et rares sont celles qui déclarent un effet net sur leur résultat. Entre l'essai réussi et le déploiement rentable, il y a le mur des données.

À l'inverse, les organisations qui ont investi tôt dans leurs données récoltent durablement. Chez un industriel du pneumatique, le retour des projets data et IA dépasse 50 millions d'euros par an, adossé à plus de 200 cas d'usage en production. Ce résultat ne vient pas d'un outil miracle, mais d'années passées à rendre les données de production disponibles et fiables.

Reconnaître des données prêtes

Comment savoir, avant de se lancer, si une organisation dispose de données prêtes ? Quelques signes ne trompent pas. Ils tiennent moins à la technologie qu'à des habitudes de rangement et de rigueur installées de longue date.

Le premier bon signe est souvent l'existence d'un endroit unique où les données ont été regroupées. Plusieurs grands hôpitaux ont ainsi bâti un entrepôt de données de santé, une plateforme centralisée qui consolide les données des différents services avant tout usage analytique. Ce socle n'est pas encore de l'IA : c'est ce qui la rend possible ensuite.

Le deuxième signe est une base bien délimitée et bien décrite. Quand un cabinet de conseil a construit son assistant interne, il ne l'a pas branché sur l'ensemble de ses fichiers : il l'a adossé à plus de 40 sources de savoir triées et à plus de 100 000 documents sélectionnés. Résultat, 72 % des équipes s'en servent chaque mois. La qualité du périmètre a fait la qualité de l'outil.

Le troisième signe est la capacité à faire parler des données déjà bien tenues. Chez un laboratoire pharmaceutique, la rédaction de rapports d'études cliniques est passée de quinze semaines à dix minutes : un gain spectaculaire, mais qui n'a été possible que parce que les données cliniques sous-jacentes étaient déjà structurées et normées. L'IA n'a pas remplacé la rigueur des données ; elle en a récolté le fruit.

Préparer ses données

Préparer ses données n'est pas un chantier informatique réservé aux spécialistes. C'est d'abord une décision de dirigeant : choisir un périmètre restreint, l'amener à un bon niveau, puis élargir. Mieux vaut une petite base impeccable qu'un vaste entrepôt approximatif.

1. Choisir un cas d'usage utile. Un besoin précis, mesurable, avec un gain clair. Le cas détermine les données à préparer, et rien de plus.
2. Cartographier les données nécessaires. Lister ce que le cas exige, où cela se trouve, qui en répond et dans quel état c'est.
3. Rendre disponible et fiabiliser. Extraire, corriger les erreurs, supprimer doublons et trous. C'est le poste le plus long : le prévoir comme tel.
4. Structurer et documenter. Ranger dans un format lisible, nommer et définir chaque champ, noter l'origine et les dates.
5. Tester puis élargir. Vérifier le résultat sur ce périmètre, mettre en service, puis réutiliser le socle pour le cas suivant.

Dans le temps, un projet d'IA ressemble rarement à ce qu'on imagine. Le choix de l'outil et sa mise en route ne sont qu'une part du calendrier. L'essentiel se passe avant, sur la préparation des données.