Une étude récente de Progress, menée par la société de recherche indépendante Insight Avenue, révèle que les 2/3 des dirigeants pensent que leur entreprise souffre actuellement d’un biais de données.
Car les décisions prises à l'aide de données biaisées peuvent nuire gravement aux finances, aux opérations informatiques, aux ventes et à la stratégie d'une entreprise. Pire encore, des données biaisées peuvent entraîner des expériences client médiocres et négatives et nuire à la réputation d'une entreprise. 77% des répondants ont indiqué qu'ils devaient faire davantage pour comprendre et combattre les préjugés dans leurs entreprises, et 76 % ont déclaré qu'il y aurait des impacts sociétaux plus larges si elles ne traitent pas de manière adéquate les préjugés liés aux données.
L'enquête indique également que 70 % des décideurs business et IT français pensent que la partialité des données deviendra une préoccupation majeure à mesure que l'utilisation de l'Intelligence artificielle et du Machine Learning augmentera. Toutefois, seuls 2 % s'y attaquent actuellement et ont un processus d'évaluation en cours.
Alors comment faire face aux risques et menaces induits par le biais des données ? Lorsqu'il s'agit de lutter contre les biais de données, les entreprises doivent surmonter plusieurs obstacles. Les principaux obstacles à la lutte contre les biais de données comprennent le manque de sensibilisation aux biais potentiels, le manque de connaissances sur la façon d'identifier les biais et le manque de ressources spécialisées. En effet, 52% des répondants français pensent que les facteurs qui augmentent la probabilité de biais de données dans une entreprise comme la leur sont le manque de données qualifiées ou scientifiques de l'IA dans l'entreprise et 48 % d’entre eux pensent qu’il est nécessaire de faire plus pour comprendre et traiter les biais de données dans leur entreprise.
Alors que de plus en plus d'entreprises commencent à s'appuyer sur l'intelligence artificielle et le Machine Learning, la nécessité de remédier aux biais de données potentiels devient encore plus urgente. On note que 62% des répondants français pensent que la technologie et les outils associées dans l’entreprise sont à revoir afin de lutter au mieux contre les biais de données potentiels. Pour 92% d’entre eux, bénéficier d’une équipe IA et de données diversifiée dans l'entreprise seraient des mesures efficaces pour éviter les biais de donnée.
L'entreprise devra donc élaborer des plans et des procédures pour identifier et prévenir les biais de données. La façon dont les entreprises peuvent résoudre et éviter les biais de données tient compte des considérations suivantes :
Collecter des données larges et contrôler : pour éviter les données biaisées, les entreprises doivent suivre deux étapes importantes. Tout d'abord, une large gamme de données doit être collectée, y compris une multitude de données primaires exclusives structurées et non structurées. Ceci en s'appuyant sur toutes les sources possibles de l'entreprise telles que les documents, les fichiers Excel, la recherche, les données financières, réglementaires, historiques et les références. Deuxièmement, classifier et contrôler les données via la taxonomie du moteur de l'outil et implémenter des balises méta sur les en utilisant des informations contextuelles.
Diversité et formation des équipes de recrutement : Le vivier de talents est nécessaire pour le développement continu des opérations d'intelligence artificielle. Grâce à l'investissement dans divers talents, et dans une formation technique en gestion des données, les experts peuvent développer des protocoles pour détecter, corriger et éviter de créer des algorithmes biaisés. Pour 88% des répondants français, mettre en place davantage de mesures liées à l'éducation et à la formation autour du biais de données, de ses sources et de ses implications serait impactant pour éviter les biais de données
La mise en œuvre de la technologie dans l'ensemble du processus de développement : chaque point de contact dans l'ensemble de la technologie, du développement complet et du processus doit tenir compte de la réalité de l'écart des données. Cela comprend tous les aspects de la sélection et de la préparation des données, du développement de la logique métier et des modèles d'analyse, des tests et de l'analyse des résultats. Seul un engagement soutenu envers l'évaluation et l'élimination peut garantir que les préjugés ne s'installeront pas avec le temps.
Chaque jour, les biais de données affectent la prise de décision quotidienne des entreprises et peuvent leur nuire. Cela va de la sécurité, de la gouvernance et des mauvaises décisions commerciales à la perte de confiance des clients et aux risques juridiques et éthiques potentiels. Pour éliminer efficacement les biais de données, il est important de placer les clients au centre de tout, lors de l'exploration de toutes les fonctions que l'IA/ML. Il faut s’assurer que ces derniers disposent des informations correctes et prennent les meilleures décisions. Ceci pour que l'entreprise poursuive sa croissance.
Car les décisions prises à l'aide de données biaisées peuvent nuire gravement aux finances, aux opérations informatiques, aux ventes et à la stratégie d'une entreprise. Pire encore, des données biaisées peuvent entraîner des expériences client médiocres et négatives et nuire à la réputation d'une entreprise. 77% des répondants ont indiqué qu'ils devaient faire davantage pour comprendre et combattre les préjugés dans leurs entreprises, et 76 % ont déclaré qu'il y aurait des impacts sociétaux plus larges si elles ne traitent pas de manière adéquate les préjugés liés aux données.
L'enquête indique également que 70 % des décideurs business et IT français pensent que la partialité des données deviendra une préoccupation majeure à mesure que l'utilisation de l'Intelligence artificielle et du Machine Learning augmentera. Toutefois, seuls 2 % s'y attaquent actuellement et ont un processus d'évaluation en cours.
Alors comment faire face aux risques et menaces induits par le biais des données ? Lorsqu'il s'agit de lutter contre les biais de données, les entreprises doivent surmonter plusieurs obstacles. Les principaux obstacles à la lutte contre les biais de données comprennent le manque de sensibilisation aux biais potentiels, le manque de connaissances sur la façon d'identifier les biais et le manque de ressources spécialisées. En effet, 52% des répondants français pensent que les facteurs qui augmentent la probabilité de biais de données dans une entreprise comme la leur sont le manque de données qualifiées ou scientifiques de l'IA dans l'entreprise et 48 % d’entre eux pensent qu’il est nécessaire de faire plus pour comprendre et traiter les biais de données dans leur entreprise.
Alors que de plus en plus d'entreprises commencent à s'appuyer sur l'intelligence artificielle et le Machine Learning, la nécessité de remédier aux biais de données potentiels devient encore plus urgente. On note que 62% des répondants français pensent que la technologie et les outils associées dans l’entreprise sont à revoir afin de lutter au mieux contre les biais de données potentiels. Pour 92% d’entre eux, bénéficier d’une équipe IA et de données diversifiée dans l'entreprise seraient des mesures efficaces pour éviter les biais de donnée.
L'entreprise devra donc élaborer des plans et des procédures pour identifier et prévenir les biais de données. La façon dont les entreprises peuvent résoudre et éviter les biais de données tient compte des considérations suivantes :
Collecter des données larges et contrôler : pour éviter les données biaisées, les entreprises doivent suivre deux étapes importantes. Tout d'abord, une large gamme de données doit être collectée, y compris une multitude de données primaires exclusives structurées et non structurées. Ceci en s'appuyant sur toutes les sources possibles de l'entreprise telles que les documents, les fichiers Excel, la recherche, les données financières, réglementaires, historiques et les références. Deuxièmement, classifier et contrôler les données via la taxonomie du moteur de l'outil et implémenter des balises méta sur les en utilisant des informations contextuelles.
Diversité et formation des équipes de recrutement : Le vivier de talents est nécessaire pour le développement continu des opérations d'intelligence artificielle. Grâce à l'investissement dans divers talents, et dans une formation technique en gestion des données, les experts peuvent développer des protocoles pour détecter, corriger et éviter de créer des algorithmes biaisés. Pour 88% des répondants français, mettre en place davantage de mesures liées à l'éducation et à la formation autour du biais de données, de ses sources et de ses implications serait impactant pour éviter les biais de données
La mise en œuvre de la technologie dans l'ensemble du processus de développement : chaque point de contact dans l'ensemble de la technologie, du développement complet et du processus doit tenir compte de la réalité de l'écart des données. Cela comprend tous les aspects de la sélection et de la préparation des données, du développement de la logique métier et des modèles d'analyse, des tests et de l'analyse des résultats. Seul un engagement soutenu envers l'évaluation et l'élimination peut garantir que les préjugés ne s'installeront pas avec le temps.
Chaque jour, les biais de données affectent la prise de décision quotidienne des entreprises et peuvent leur nuire. Cela va de la sécurité, de la gouvernance et des mauvaises décisions commerciales à la perte de confiance des clients et aux risques juridiques et éthiques potentiels. Pour éliminer efficacement les biais de données, il est important de placer les clients au centre de tout, lors de l'exploration de toutes les fonctions que l'IA/ML. Il faut s’assurer que ces derniers disposent des informations correctes et prennent les meilleures décisions. Ceci pour que l'entreprise poursuive sa croissance.
Autres articles
-
Progress annonce de nouvelles et puissantes fonctionnalités d'IA générative dans sa dernière version de MarkLogic Server
-
La nouvelle version de Progress Semaphore propose une modélisation des connaissances assistée par l'IA
-
Progress présente MarkLogic FastTrack, pour la création d’interfaces graphiques directement connectées aux données de la plateforme de données Progress MarkLogic
-
La génération augmentée par récupération (RAG) et l'IA générative
-
Progress annonce des capacités d'IA avancées pour accélérer la fourniture d'expériences numériques