De tous les défis technologiques qui se posent actuellement aux entreprises, la mise en place des infrastructures, applicatives et matérielles, pour l’exploitation de la donnée est celle qui pose le plus de problèmes. Après des années de collecte et de stockage par empilement de technologies au gré des mises à jour, bien des entreprises se retrouvent avec des environnements silotés, dispersés et reposants sur des technologies disparates et incompatibles.
La réalité pour ces entreprises est un paysage informatique fragmenté, où des systèmes coexistent sans intégration, rendant l’accès aux données et leur analyse complexe et chronophage. Cet empilement de technologies, résultant souvent de décisions d’achat ad hoc et de la mise en place de solutions pour répondre à des besoins immédiats, a mené à une infrastructure IT rigide et cloisonnée. Les données résident dans différents systèmes, bases de données, et applications sans une vue cohérente ou une gouvernance unifiée, entravant la capacité des entreprises à obtenir des aperçus complets et fiables.
Par conséquent, pour mettre en place les technologies basées sur l’IA et l’apprentissage automatique, les entreprises doivent s’attaquer à la partie la plus pénible de cette transformation : unifier leurs systèmes hétérogènes, souvent anciens, avec des technologies modernes de gestion de données et d’analyse. Une démarche qui requiert un effort d’intégration considérable. Une étude menée par Foundry Media pour Cloudera,
« Data Architecture and Strategy in the AI Era », révèle des tendances significatives et des défis dans l’adoption et l’intégration de l’intelligence artificielle dans les stratégies de gestion des données des entreprises.
Unifier le cycle de vie des données sur une plateforme unique
Elle révèle que 90 % des responsables IT considèrent comme essentiel d’unifier le cycle de vie des données sur une plateforme unique pour l’analytique et l’IA. Elle révèle également plusieurs obstacles à l’adoption de l’IA, principalement liés à la qualité, à la disponibilité des données, et à des difficultés de l’évolutivité. Pas moins de 36 % des répondants ont indiqué rencontrer des obstacles dans leur parcours d’IA en raison d’une qualité et d’une disponibilité insuffisantes des données, d’une évolutivité insuffisante, de problèmes de déploiement et d’intégration, de difficultés dans la gestion du changement et d’un manque de transparence des modèles.L’étude a également mis en évidence trois exigences fondamentales pour les organisations cherchant à mettre en place une IA efficace : une architecture de données moderne, une gestion unifiée des données et des plateformes de données polyvalentes et sécurisées.
En comparant ces découvertes avec les technologies émergentes, comme les bases de données en mémoire, le traitement naturel du langage (NLP), et l’apprentissage automatique fédéré, l’étude constate une convergence sur l’importance de la flexibilité, de la sécurité, et de la capacité d’évolution. Les tendances identifiées par l’étude sont en phase avec ces technologies émergentes, suggérant que les organisations sont sur la bonne voie, mais doivent continuer d’innover et d’adapter leurs stratégies pour rester compétitives.
Adopter des stratégies de cloud hybride et multicloud
Sur la base de ces résultats, les entreprises devraient envisager d’investir dans des technologies qui aident à unifier le cycle de vie des données sur une plateforme unique, à améliorer la qualité et la disponibilité des données, à résoudre les problèmes d’évolutivité et à faciliter le déploiement et l’intégration des systèmes d’IA. Elles devraient également envisager d’adopter une stratégie de cloud hybride et multicloud, qui peut aider à gérer la prolifération des données et les débordements en cas de saturation de l’architecture. Enfin, les entreprises devraient se concentrer sur la construction d’architectures et de plateformes de données normalisées, basées sur des cas d’usage, pour permettre à leurs différentes équipes d’exploiter toutes les données, quel que soit l’endroit où elles se trouvent.L’étude fait ainsi apparaître trois exigences fondamentales pour les organisations cherchant à mettre en place une IA efficace. En premier, une architecture de données moderne, profondément intégrée à la stratégie de l’entreprise. Celle-ci doit reposer sur une plateforme de données unique et doit être opérationnelle aussi bien sur les clouds publics que sur site. Selon les répondants, une telle architecture permet la simplification des processus de données et d’analyse (40 %), et une plus grande souplesse dans le traitement de tous les types de données (38 %).
Mettre fin à la gouvernance et à la conformité inadéquates
En second lieu vient l’impératif d’unifier la gestion des données. L’entreprise moderne a besoin de technologies de gestion cloud souples et évolutives, qui leur apportent les outils nécessaires pour transformer leurs informations en connaissances. Parmi les facteurs qui freinent la gestion de bout en bout des données (nécessaire au développement des modèles d’IA), 62 % des personnes interrogées estiment qu’il s’agit avant tout du volume et de la complexité des données. Pour 56 % d’entre elles, le problème réside dans la sécurité des données, et 52 % attribuent cette difficulté à une gouvernance et une conformité inadéquates.Enfin, il faut des plateformes de données polyvalentes et sécurisées. En matière de données et d’analyse, et dans une perspective à long terme, une approche de gestion de données hybride, avec déploiements sur site et dans les clouds publics, reste la stratégie privilégiée pour 93 % des personnes interrogées. Celles-ci reconnaissent que « pour les données et l’analyse, les capacités multicloud/hybrides sont essentielles et permettent à une organisation de s’adapter au changement ».
