LE audace, un leader de la gestion des données, a publié les résultats de Rapport sur l'écart de confiance en IA (Rapport sur l'écart de confiance en matière d'IA), une étude mondiale exhaustive qui révèle que la prochaine frontière de l'intelligence artificielle, l'IA d'agence, est confrontée à une crise de confiance critique.
À mesure que l'IA évolue, passant de chatbots passifs à des agents capables de prendre des décisions autonomes et de déclencher des flux de travail opérationnels, la demande en matière de précision des données n'a jamais été aussi forte. Cependant, des études soulignent que des obstacles techniques compromettent ces initiatives :
- La recherche du contexte : 63 % des organisations identifient la « recherche de données pertinentes », dans des contextes commerciaux spécifiques, comme le principal obstacle à la mise en œuvre de l'IA.
- Le besoin de données en temps réel : 66 % des personnes interrogées insistent sur le fait que les données d'IA doivent être accessibles en temps réel pour être considérées comme fiables.
- Le paradoxe de la sécurité : 67 % d'entre eux rencontrent des difficultés à maintenir une sécurité et des contrôles d'accès cohérents entre les systèmes, une condition essentielle au bon fonctionnement des agences.
- Échelle et complexité : Aujourd'hui, une initiative d'IA d'entreprise moyenne exploite des données provenant de plus de 400 sources, et 20 % des organisations traitent des données provenant de plus de 1 000 sources.
- Points de blocage en matière de performance : Près de 60 % des personnes interrogées font état de difficultés à optimiser les performances pour les charges de travail intensives requises par l'IA à grande échelle.
« L’IA évolue rapidement, passant de systèmes se contentant de répondre à des questions à des systèmes agissant de manière autonome. Cette transition bouleverse les exigences en matière de données », explique Dominic Sartorio, vice-président du marketing produit chez Denodo. « Lorsqu’un agent d’IA génère un résultat commercial, les données obsolètes ou non maîtrisées n’ont plus leur place. Pour déployer l’IA à grande échelle en toute confiance, les entreprises doivent dépasser les silos de données statiques et adopter une base d’informations dynamiques, maîtrisées et contextuellement pertinentes. »
Le rapport conclut que le « déficit de confiance » n’est pas un défaut des modèles d’IA, mais le reflet de l’architecture de données sous-jacente. Pour passer d’une IA expérimentale à une automatisation à grande échelle, les organisations doivent combler le fossé entre leurs ensembles de données hétérogènes et les exigences de temps réel des systèmes multi-agents.
