La plupart des initiatives d'IA échouent non pas parce que les modèles sont incorrects, mais parce que les données sous-jacentes n'ont jamais été préparées pour la tâche.
PixeloneStocker / Getty Images
L'un des plus grands fabricants d'ordinateurs du monde a passé sept ans à collecter des données de télémétrie de ses appareils. Lorsque l'équipe de Sachin Dharmapurikar chez The Modern Data Company les a finalement examinées, ils ont découvert que deux des 70 champs avaient été enregistrés incorrectement tout le temps. Personne n'avait vérifié. Les données étaient simplement là, accumulant du volume et des coûts mais pas de valeur.
Cette anecdote illustre un schéma qui se déroule dans toute l'Amérique d'entreprise. Les entreprises ont passé la dernière décennie à accumuler des données dans le cloud, pariant que plus d'informations conduiraient finalement à de meilleures décisions. Puis ChatGPT est arrivé, et les dirigeants ont supposé qu'ils pouvaient alimenter toutes ces données stockées dans un grand modèle linguistique et voir apparaître des idées. Dharmapurikar appelle cela la « malédiction de ChatGPT ».
Les résultats ont été mauvais. Selon l'enquête mondiale IA de McKinsey de 2025, qui comprenait environ 2 000 participants à travers 105 pays, 88 % des organisations utilisent maintenant l'IA dans au moins une fonction commerciale, mais seulement 39 % rapportent un impact EBIT au niveau de l'entreprise. Une étude de la RAND Corporation a constaté que plus de 80 % des projets d'IA échouent, soit environ deux fois le taux d'échec des projets informatiques qui n'impliquent pas d'IA. La technologie n'est généralement pas le problème. Les données le sont.
Dharmapurikar identifie quatre prérequis que les entreprises omettent régulièrement : qualité des données à grande échelle, traçabilité des lignées, gouvernance et métadonnées sémantiques. Chacun est un point d'échec distinct.
Le premier préalable est le plus évident et le plus négligé. Gartner estime que la mauvaise qualité des données coûte aux organisations en moyenne 12,9 millions de dollars par an. Selon une enquête Gartner de 2020, 59 % des organisations ne mesurent même pas la qualité des données.
L'IA amplifie les conséquences. Un rapport erroné peut être détecté et corrigé par un analyste humain. Un modèle défectueux formé sur les mêmes données produira des erreurs à la vitesse de la machine, à grande échelle, sans que personne ne vérifie les calculs. Les CDO Insights d'Informatica Une enquête de 2025 auprès de 600 responsables de données a révélé que 43 % citaient la qualité, l'exhaustivité et la disponibilité des données parmi les principaux obstacles empêchant les initiatives d'IA générative de passer du pilote à la production.
Les coûts des échecs de la qualité des données ne sont pas hypothétiques. En 2022, Unity Technologies a subi une perte de revenu de 110 millions de dollars en partie à cause de sa plateforme de ciblage publicitaire qui a ingéré des données corrompues d'un gros client, compromettant les algorithmes d'apprentissage automatique alimentant son outil Audience Pinpointer et entraînant une baisse de 8 % de ses bénéfices annuels. Les propres dépôts de Unity auprès de la SEC ont décrit le problème comme « les conséquences de l'ingestion de mauvaises données d'un grand client » et ont noté que l'entreprise a dû rediriger des ressources pour relever les défis de la qualité des données.
La leçon est directe : les modèles d'IA ne sont fiables que si les données qu'ils consomment le sont. Le volume n'est pas synonyme de qualité.
Lorsqu'un modèle d'IA produit une réponse, une entreprise doit savoir comment elle est arrivée à cette réponse. Quelles données ont été utilisées ? D'où proviennent ces données ? Quelles transformations ont-elles subi ? Sans cette chaîne de possession, il n'y a aucun moyen de déboguer les erreurs, de satisfaire les régulateurs ou de créer la confiance avec les parties prenantes.
C'est le problème de la traçabilité de la lignée. Une étude commandée par Capital One $COF étude des décideurs de données a constaté que 73 % citaient la transparence, la traçabilité et l'explicabilité des flux de données comme un défi majeur pour le déploiement de l'apprentissage automatique.
Considérez ce qui est arrivé à Zillow. Le programme iBuying de Zillow, basé sur l'IA, s'est effondré en 2021 lorsque son algorithme Zestimate a surévalué des propriétés dans des marchés volatils, entraînant plus de 500 millions de dollars de réductions de valeur et la fermeture de toute l'unité commerciale. L'entreprise pouvait construire un modèle. Elle ne pouvait pas tracer si les entrées alimentant ce modèle reflétaient encore la réalité.
Sans lignée, il n'y a pas de système d'alerte précoce. Les erreurs s'accumulent silencieusement jusqu'à ce qu'elles deviennent des crises financières.
La gouvernance, dans le cadre de Dharmapurikar, n'est pas un exercice de conformité. C'est l'ensemble des règles et des contrôles qui déterminent à quelles données un système d'IA peut accéder, comment ces données sont classées, et que se passe-t-il lorsque le modèle rencontre des lacunes.
Sans gouvernance, les modèles d'IA comblent les lacunes avec des absurdités qui semblent plausibles. Une enquête de Gartner auprès des responsables de la gestion des données a révélé que 63 % des organisations manquent ou ne sont pas sûres d'avoir les bonnes pratiques de gestion des données pour l'IA. Gartner prévoit qu'à partir de 2026, les organisations abandonneront 60 % des projets d'IA qui manquent de données prêtes pour l'IA.
de BCG rapport d'octobre 2024, "Où est la valeur de l'IA ?", a interrogé 1 000 cadres supérieurs dans 59 pays et a constaté que 74 % des entreprises n'ont pas encore montré de valeur tangible de l'IA, environ 70 % des défis de mise en œuvre provenant de problèmes liés aux personnes et aux processus plutôt qu'à la technologie. La gouvernance se situe à l'intersection des personnes et des processus. Elle nécessite que quelqu'un prenne en charge la classification des données, définisse les politiques d'accès et applique les normes dans tous les départements. Dans la plupart des organisations, cette responsabilité n'existe pas.
Les équipes de vente, les équipes de fabrication et les équipes web collectent chacune des données dans leurs propres silos, et le transfert d'informations entre les départements nécessite de la bureaucratie. L'IA a besoin de données de toute l'organisation. La réalité, comme le montre le travail de Dharmapurikar, est constituée de systèmes fragmentés qui ne communiquent pas entre eux.
La quatrième condition préalable est la moins intuitive mais peut-être la plus conséquente. Les métadonnées sémantiques sont la couche de contexte commercial qui indique à un modèle d'IA ce qu'un champ de données signifie réellement.
Une colonne étiquetée "customer_LTV" dans un ensemble de données de vente au détail signifie quelque chose de différent du même libellé dans une base de données de logiciels d'entreprise. La valeur à vie d'un consommateur qui achète des chaussures de course est mesurée en centaines de dollars sur plusieurs années. La valeur à vie d'un client du Fortune 500 sur un contrat logiciel pluriannuel se mesure en millions. Sans métadonnées qui capturent cette distinction, un modèle formé sur les deux ensembles de données produira des moyennes qui ne décrivent précisément aucun des clients.
Ce problème s'étend aux termes de base. Les définitions des concepts fondamentaux tels que "client", "commande" et "revenu" diffèrent entre les départements dans la plupart des organisations. Les archives historiques contiennent des lacunes, des incohérences et des incompatibilités de formatage. "Revenu" dans un système peut signifier commandes enregistrées ; dans un autre, expédiées et facturées ; dans un troisième, revenu reconnu selon les règles ASC 606.
Les deux tiers des leaders en données interrogés par Informatica ont révélé qu'ils n'ont pas pu faire passer même la moitié de leurs pilotes d'IA générative en production. La couche sémantique en est une raison importante. Les projets pilotes fonctionnent sur de petits ensembles de données sélectionnées où le contexte commercial est compris par l'équipe réalisant l'expérience. Les déploiements de production puisent dans les magasins de données à l'échelle de l'entreprise où une telle compréhension partagée n'existe pas.
"Les gens sont maintenant plus calculés, plus rationnels et pragmatiques à ce sujet," Dharmapurikar a dit à Quartz. "La réalité se fait bien sentir qu'il n'y a pas de solution facile."
Les données soutiennent son évaluation. Selon l'enquête 2025 de S&P Global $SPGI Market Intelligence de plus de 1 000 entreprises, 42% des entreprises ont abandonné la plupart de leurs initiatives en IA, contre 17% en 2024, et l'organisation moyenne a abandonné 46% des preuves de concept en IA avant qu'elles n'atteignent la production.
Les quatre prérequis identifiés par Dharmapurikar ne sont pas une liste de souhaits. Ce sont un diagnostic. Les entreprises qui négligent la qualité des données formeront des modèles sur du bruit. Les entreprises qui négligent la traçabilité ne pourront pas expliquer ou déboguer les résultats. Les entreprises qui négligent la gouvernance verront leurs modèles halluciner. Les entreprises qui négligent les métadonnées sémantiques généreront des conclusions qui semblent correctes mais ne signifient rien.
La recherche de BCG a révélé que les leaders en IA allouent les ressources selon un règle 10-20-70: 10 % aux algorithmes, 20 % à la technologie et aux données, et 70 % aux personnes et aux processus. Les entreprises qui réussissent en IA ne commencent pas avec le modèle. Elles commencent avec les données sous-jacentes.
Rejoignez plus de 500 000 lecteurs qui commencent leur journée avec Quartz.
En vous abonnant, vous acceptez nos Conditions d'utilisation et notre Politique de confidentialité.
