Parler IA — Les données synthétiques : entraîner une IA quand les données réelles manquent, à condition qu’elles reflètent les vôtres

Les données synthétiques sont fabriquées par un modèle plutôt que collectées dans le monde réel : on les utilise pour entraîner ou tester une IA quand les données vraies manquent, sont sensibles ou trop rares. Elles débloquent des projets, mais ne valent que si elles reflètent fidèlement les cas réels de l’entreprise, sinon le modèle apprend un monde qui n’existe pas. Gartner prévoit que d’ici 2027, 60 % des responsables data connaîtront des défaillances critiques dans la gestion de ces données, avec la gouvernance, l’exactitude des modèles et la conformité en jeu. La vraie question à poser à un fournisseur n’est pas s’il utilise des données synthétiques, mais quelle part elles représentent, comment il les valide contre vos cas réels et qui en répond. Avant d’admettre la moindre donnée synthétique dans un projet, exigez qu’elle soit confrontée à un échantillon réel mesuré et qu’une personne du métier valide ce contrôle.

Source : Gartner, « Gartner Announces Top Data and Analytics Predictions », 17 juin 2025.