Une architecture de données claire rend l'IA efficace

Magazine E3 : Monsieur Hermanns, l'IA est au cœur du nouvel univers SAP. Quelle importance revêt actuellement l'IA pour les entreprises ?

Lars Hermanns : L'intelligence artificielle est désormais un enjeu stratégique pour les entreprises. La pression pour s'intéresser à l'IA s'est nettement accrue, notamment en raison des initiatives de grands éditeurs de logiciels tels que SAP, qui enrichissent de plus en plus leurs solutions de fonctionnalités d'IA. Parallèlement, nous constatons chez nos clients une forte propension à investir. L'IA est considérée comme un élément indispensable des futurs modèles économiques.

E3 : À quel stade en sont les entreprises dans la mise en œuvre concrète ?

Hermanns : De nombreuses entreprises ont déjà recours à l'IA de manière ponctuelle, par exemple pour faciliter les analyses ou automatiser certains processus. Une intégration à grande échelle est toutefois rare. On observe souvent des projets pilotes ou des cas d'utilisation isolés, mais il manque une stratégie à l'échelle de l'entreprise et une infrastructure technique évolutive. De plus, on attend de l'IA qu'elle puisse tout faire.

E3 : Qu'est-ce qui empêche une mise en œuvre à grande échelle ?

Hermanns : Dans de nombreuses entreprises, les données se sont accumulées au fil du temps, sont dispersées dans différents systèmes et sont souvent insuffisamment documentées. Les projets pilotes s'appuient souvent sur des données nettoyées et préparées de manière optimale, des conditions qui sont rarement reproductibles en situation réelle. Pour une utilisation productive de l'IA, il manque souvent des structures claires, des définitions uniformes et une transparence quant à la fiabilité des données. Sans ces bases, il est difficile de faire évoluer de manière fiable les applications d'IA.

E3 : Quelles sont les bases nécessaires ?

Hermanns : Il existe deux axes d'action principaux. Premièrement : l'architecture des données. De nombreuses entreprises travaillent avec des environnements informatiques fragmentés, dans lesquels les données sont redondantes et parfois contradictoires. L'objectif devrait être de mettre en place des produits de données clairement définis, structurés, dont la qualité est garantie et qui sont décrits de manière technique. Les architectures modernes, telles que les approches « lakehouse » avec des modèles de données à plusieurs niveaux (par exemple Bronze, Silver, Gold), peuvent apporter un soutien à cet égard. Deuxièmement : la gouvernance des données. Les entreprises ont besoin de responsabilités claires en matière de données, tant sur le plan technique que métier. Des rôles tels que celui de propriétaire des données ou de gestionnaire des données sont essentiels pour garantir la qualité, la cohérence et le contexte. Sans gouvernance, l'IA risque d'accéder à des données erronées ou mal interprétées et de fournir ainsi des résultats erronés.

„ Les entreprises qui réussissent intègrent l'IA là où... »,
” là où elle apporte des solutions concrètes. »

Lars Hermanns,
Responsable SAP Analytics,
Nagarro

E3 : Quel rôle joue la Data Fabric dans ce contexte ?

Hermanns : Une « Data Fabric » peut être considérée comme un principe architectural global qui intègre les données provenant de différents systèmes et les rend exploitables. Il s'agit essentiellement non seulement de consolider physiquement les données, mais aussi de les relier de manière intelligente à l'aide de métadonnées, de modèles sémantiques et de couches d'accès uniformes. Cela permet d'exploiter les données de manière cohérente, quel que soit leur emplacement de stockage, et de les mettre à disposition pour différents cas d'utilisation, y compris l'IA. Une Data Fabric complète les concepts de plateformes existants et offre une vue unifiée sur les données distribuées.

E3 : Comment améliorer les données en vue de l'utilisation de l'IA ?

Hermanns : Il est essentiel que les données soient non seulement techniquement disponibles, mais aussi compréhensibles sur le plan métier. Les données sont organisées en couches structurées et font l'objet d'un contrôle qualité. La „ couche Gold “ permet ainsi de créer des produits de données curatés et modélisés de manière technique. Ceux-ci s’appuient souvent sur des approches de modélisation établies, telles que les schémas en étoile ou en flocon de neige. En complément, des métadonnées et des catalogues sont créés pour décrire l’origine, la signification et l’utilisation des données. Ce contexte est particulièrement crucial pour les applications d’IA modernes. Ce n’est que lorsque la signification des données et leurs interrelations sont claires qu’elles peuvent être utilisées de manière pertinente.

E3 : Et qu'en est-il du facteur humain ?

Hermanns : Les entreprises devraient tirer parti des précieuses connaissances acquises par leurs collaborateurs au fil des ans. En associant l'intelligence des collaborateurs aux connaissances des processus à l'échelle de l'entreprise et à des modèles d'IA adaptatifs, on obtient un levier décisif pour la transformation, qui va bien au-delà de la technologie seule. Chez Nagarro, nous appelons cela la „ Fluidic Intelligence “.

E3 : Comment intégrer l'IA dans la stratégie et les structures existantes ?

Hermanns : Dans le cadre du « Fluidic Enterprise », l'IA est ainsi considérée comme faisant partie intégrante des processus et des structures décisionnelles existants. Les entreprises performantes intègrent l'IA là où elle permet de résoudre des problèmes concrets, par exemple dans les processus décisionnels ou lors de l'analyse de relations complexes. Il s'agit moins d'opérer des changements disruptifs que de développer de manière ciblée les structures existantes en s'appuyant sur une base solide en matière de données et d'architecture.

Continuer vers l'inscription du partenaire :