Face aux limites rencontrées par de nombreux projets d’intelligence artificielle générative, le spécialiste des plateformes de données intelligentes, DataStreams entend repositionner le débat sur un élément clé : la qualité des données.
L’IA freinées par des données inadaptées ?
Selon DataStreams, de nombreuses initiatives d’IA échouent encore à produire les résultats attendus en raison de données incohérentes, mal structurées ou insuffisamment fiables. Une problématique qui devient plus critique avec l’arrivée de l’IA agentique, ces systèmes capables non seulement de répondre à des requêtes, mais aussi de prendre des décisions et d’exécuter des actions de manière autonome.
Dans ce contexte, l’entreprise estime que la compétitivité des organisations dépendra de leur capacité à disposer rapidement de données directement exploitables par l’IA. DataStreams définit ainsi les « données prêtes pour l’IA » comme des données « affinées, connectées et gouvernées » afin d’être immédiatement utilisables par les modèles d’intelligence artificielle.
Une nouvelle architecture
Pour concrétiser cette approche, DataStreams s’appuie sur une architecture de type « data fabric », combinant virtualisation des données et gouvernance pilotée par les métadonnées.
La structure repose sur trois piliers principaux :
La connectivité, permettant d’accéder en temps réel à des données distribuées sans déplacement physique, afin de limiter les silos informationnels ; La sémantique, qui standardise la signification métier des données grâce aux métadonnées pour offrir une compréhension cohérente aux systèmes d’IA ; La gouvernance, chargée d’assurer la traçabilité, la qualité et la fiabilité des données exploitées.
L’entreprise indique avoir déployé cette architecture via son moteur de virtualisation « SuperQuery » et sa plateforme de métadonnées « MetaStream ».
Miser sur la traçabilité
DataStreams affirme que cette infrastructure permet de suivre l’origine des données, leurs transformations ainsi que leur niveau de qualité tout au long du cycle d’exploitation. Un enjeu devenu central alors que les entreprises cherchent à améliorer l’explicabilité et la fiabilité des résultats générés par l’IA.
La société précise avoir récemment présenté cette stratégie lors de plusieurs séminaires. Elle considère désormais cette approche comme une base stratégique pour les infrastructures de données adaptées à l’ère de l’IA agentique.
Une offensive ciblée
DataStreams étend actuellement le déploiement de sa gouvernance des données auprès des institutions financières, des organismes publics et des grandes entreprises de services.
Pour Lee Young-sang, le principal frein à l’efficacité des modèles d’IA reste avant tout la préparation des données : « Si l’IA ne fournit pas les résultats attendus, c’est principalement parce que les données ne sont pas prêtes », affirme le dirigeant. Selon lui, l’avantage concurrentiel se jouera désormais sur la capacité des entreprises à constituer rapidement des jeux de données exploitables par l’intelligence artificielle.
Source:
www.zdnet.fr
