La préparation des données consiste à savoir où elles se trouvent, qui les possède, si leur usage est autorisé, comment elles sont structurées, mises à jour et contrôlées. Il n’est pas nécessaire que tout soit parfait, mais les limites doivent être connues.
Préparer ses données avant un projet IA : checklist pratique
Accès, qualité, droits, sensibilité, fraîcheur et responsabilité documentaire. Pour obtenir un résultat fiable, il faut relier la technologie à un processus, une donnée, un responsable et une mesure. Les principes suivants permettent de structurer cette réflexion.
01 — Inventorier sources, formats, volumes, fréquence et propriétaires
Inventorier sources, formats, volumes, fréquence et propriétaires.
02 — Vérifier droits d’usage, consentements, contrats et durées de conservation
Vérifier droits d’usage, consentements, contrats et durées de conservation.
03 — Mesurer champs manquants, doublons, incohérences et décalage temporel
Mesurer champs manquants, doublons, incohérences et décalage temporel.
04 — Définir une vérité de référence et la procédure de correction
Définir une vérité de référence et la procédure de correction.
05 — Limiter le prototype au jeu minimum nécessaire plutôt que copier tout le patrimoine
Limiter le prototype au jeu minimum nécessaire plutôt que copier tout le patrimoine.
Plan d’action
Utilisez cette séquence comme point de départ. Chaque étape doit produire une décision ou un élément vérifiable avant de passer à la suivante.
- Créer l’inventaire
- Nommer les owners
- Classer la sensibilité
- Tester la qualité
- Définir la référence
- Documenter les limites
Erreurs à éviter
- Attendre une donnée parfaite
- Copier plus que nécessaire
- Ignorer la date et la version
Questions fréquentes
Oui pour certains usages, à condition d’identifier les formats, la qualité et la manière de citer ou vérifier le résultat.
Un responsable métier pour le sens et la qualité, avec un appui technique pour l’accès et la sécurité.
L’essentiel à retenir
La préparation des données consiste à savoir où elles se trouvent, qui les possède, si leur usage est autorisé, comment elles sont structurées, mises à jour et contrôlées. Il n’est pas nécessaire que tout soit parfait, mais les limites doivent être connues.
Le point important est de progresser par preuves : un cas d’usage précis, un test représentatif, des limites documentées et une décision fondée sur les résultats.