Comment améliorer la qualité des données pour mieux répondre aux besoins des projets d'IA

​Traducteur | Cui Hao

Critique | Sun Shujuan

Ouverture

Dans la société actuelle, le développement de l'intelligence artificielle est devenu la priorité des entreprises et des gouvernements mondiaux. Cependant, un autre problème étroitement lié à l’intelligence artificielle a été ignoré : la mauvaise qualité des données.

Les algorithmes d'IA s'appuient sur des données fiables pour produire des résultats optimaux. Si les données sont biaisées, incomplètes, inadéquates ou même inexactes, les conséquences peuvent être dévastatrices.

Les systèmes d’intelligence artificielle qui identifient les maladies des patients sont un bon exemple de données de mauvaise qualité entraînant des conséquences néfastes. Lorsque les données sont insuffisantes, ces systèmes peuvent produire des diagnostics erronés et des prévisions inexactes, entraînant des diagnostics erronés et des retards de traitement. Par exemple, une étude de l’Université de Cambridge portant sur plus de 400 outils utilisés pour diagnostiquer le Covid-19 a révélé que les rapports générés par l’IA étaient totalement inutilisables en raison de l’utilisation d’ensembles de données défectueux.

En d’autres termes, si les données ne sont pas suffisamment fiables, les initiatives d’IA auront des conséquences dévastatrices dans le monde réel.

Que signifient des données « assez bonnes » ?

Il y a toujours eu un énorme débat sur ce que sont des données « suffisamment bonnes ». Certains disent qu’il n’existe pas de données suffisamment fiables. D’autres disent que des données « trop bonnes » peuvent conduire à une paralysie de l’analyse (Traducteur : devrait faire référence à un surajustement) – tandis que HBR souligne sans détour que de mauvaises informations entraîneront le dysfonctionnement des outils d’apprentissage automatique.

Chez WinPure, des données suffisamment bonnes sont définies comme « complètes, précises, valides et peuvent être utilisées en toute confiance dans des processus métiers risqués, à un niveau qui dépend des objectifs individuels et des circonstances commerciales.

La plupart des entreprises ont des difficultés avec la qualité des données. » et la gouvernance, même si ni l’un ni l’autre ne l’admettent. Cette torture continue d'augmenter la tension du projet et de les submerger. Vous pouvez imaginer qu'ils subissent une énorme pression pour déployer des plans d'intelligence artificielle afin de conserver un avantage concurrentiel. Malheureusement, il est peu probable que des questions telles que les données sales soient discutées au sein de la salle de réunion jusqu'à ce qu'elles entraînent l'échec du projet.

Comment les mauvaises données affectent-elles les systèmes d'intelligence artificielle ?

Des problèmes de qualité des données surviennent au début du processus lorsque l'algorithme apprend en fonction des données d'entraînement. Par exemple, si un algorithme d’IA reçoit des données non filtrées des réseaux sociaux, il extraira les abus, les commentaires racistes et les remarques misogynes, comme le démontre le robot IA de Microsoft. Récemment, l’incapacité de l’intelligence artificielle à détecter les personnes à la peau foncée a également été imputée à des problèmes liés aux données d’entraînement.

Quel est le rapport avec la qualité des données ?

Le manque de gouvernance des données, la faible sensibilisation à la qualité des données et les vues cloisonnées des données sont les principaux responsables de la mauvaise qualité des données.

Que faire ?

Lorsque les entreprises se rendent compte qu'il y a un problème de qualité des données, elles paniquent à l'idée d'embaucher. En embauchant aveuglément des consultants, des ingénieurs et des analystes pour diagnostiquer et nettoyer les données, dans l’espoir de résoudre le problème le plus rapidement possible. Malheureusement, les mois ont passé et malgré les millions de dollars dépensés, le problème ne semblait pas disparaître. Adopter une approche instinctive face aux problèmes de qualité des données est rarement utile.

Le vrai changement commence à la base.

Si vous souhaitez que votre projet AI/ML avance dans la bonne direction, suivez ces trois étapes clés.

Reconnaître et reconnaître les problèmes de qualité des données

Tout d'abord, évaluez la qualité des données en créant une culture de maîtrise des données. Bill Schmarzo est une voix puissante à ce sujet, recommandant d'utiliser le design thinking pour créer une culture où chacun comprend et contribue aux objectifs et aux défis en matière de données de l'organisation.

Dans l’environnement commercial actuel, les données et leur qualité ne relèvent plus de la seule responsabilité des équipes informatiques ou data. Les utilisateurs professionnels doivent être conscients des problèmes tels que les problèmes de données sales et les données incohérentes et en double.

Alors, commencez par faire de la formation à la qualité des données un effort organisationnel précieux et donnez aux équipes les moyens d'identifier les mauvais attributs des données.

Avec la liste de contrôle ci-dessous, vous pouvez l'utiliser pour suivre la qualité des données.

Liste de contrôle sur la santé des données

• Comment capturer, stocker et gérer les données ?
• Combien de sources de données sont connectées à votre base de données centrale et dans quelle mesure les données sont-elles diffusées ?
• Dans quelle mesure gérez-vous vos données ? Avez-vous mis en œuvre des normes de gouvernance des données ? Quelle part des données est structurée, semi-structurée ou non structurée ?
• Combien dépensez-vous en réparation manuelle des données par rapport à la gestion automatisée des données ? Comment vos équipes se coordonnent-elles lors de l’accès et du traitement des données ? Existe-t-il des conflits internes fréquents entre les utilisateurs informatiques et professionnels ?
• Quelle est la qualité de vos données ? Vos données sont-elles actuelles, complètes, précises, uniques et suivent des règles standardisées ?

Élaborez un plan pour répondre aux indicateurs de qualité

Les entreprises commettent souvent des erreurs lorsqu'il s'agit de problèmes de qualité des données. Par exemple, les analystes de données sont embauchés pour effectuer des tâches quotidiennes de nettoyage des données au lieu de se concentrer sur la planification et le travail stratégique. Certaines entreprises utilisent des outils de gestion de données pour nettoyer, dédupliquer, consolider et purger les données sans plan. Malheureusement, les outils et les talents ne peuvent résoudre les problèmes de manière isolée. Les stratégies qui répondent aux dimensions de la qualité des données constituent la solution fondamentale au problème.

La stratégie doit résoudre les problèmes de collecte, d'étiquetage, de traitement et de mise en correspondance des données avec les projets AI/ML. Par exemple, si un programme de recrutement d’IA sélectionne uniquement des candidats masculins pour des postes techniques, alors les données de formation du programme sont clairement biaisées, incomplètes (pas suffisamment de données sur les candidates féminines ne sont collectées) et inexactes. Par conséquent, ces données ne servent pas le véritable objectif du projet d’IA.

Les exigences en matière de qualité des données vont au-delà des tâches quotidiennes de nettoyage et de réparation des données. Ainsi, des normes d’intégrité des données et de gouvernance doivent être définies avant de démarrer un projet. Cela évite aux projets de tomber dans l’échec !

Posez les bonnes questions et définissez les responsabilités

Il n'existe pas de norme universelle concernant « des données ou un niveau de qualité des données suffisamment bons ». Au lieu de cela, tout dépend des systèmes de gestion de l’information de l’entreprise, des directives de gouvernance des données, de la connaissance des objectifs de l’équipe et de l’entreprise, ainsi que de nombreux autres facteurs.

Mais avant de démarrer le projet, il y a quelques questions à poser à l'équipe :

• Quelle est la source de nos informations et quelle est la méthode de collecte des données ?
• Quels problèmes peuvent avoir un impact sur le processus de collecte de données et menacer les résultats positifs ?
• Quelles informations les données véhiculent-elles ? Répond-elle aux normes de qualité des données (c'est-à-dire que les informations sont exactes, totalement fiables et constantes) ?
• La personne désignée est-elle consciente de l'importance de la qualité et de la faible qualité des données ?
• Les rôles et responsabilités sont-ils définis ? Par exemple, qui doit maintenir un programme régulier de nettoyage des données ? Qui est responsable de la création des enregistrements maîtres ?
• Les données sont-elles adaptées à leur objectif ?

Posez les bonnes questions, attribuez les bons rôles, mettez en œuvre des normes de qualité des données et aidez votre équipe à relever les défis avant qu'ils ne surviennent !

Résumé

La qualité des données ne se résume pas à la simple correction de fautes de frappe ou d'erreurs. Il garantit que les systèmes d’IA ne sont pas discriminatoires, trompeurs ou inexacts. Avant de lancer un projet d’IA, il est nécessaire de relever les défis de qualité des données en corrigeant les failles des données. De plus, lancez un programme de maîtrise des données à l’échelle de l’organisation pour connecter chaque équipe à l’objectif global.

Introduction du traducteur

Cui Hao, rédacteur de la communauté 51CTO, architecte senior, a 18 ans d'expérience en développement de logiciels et en architecture, et 10 ans d'expérience en architecture distribuée.

Titre original :​​Vos données sont-elles suffisamment bonnes pour vos projets d'apprentissage automatique/IA ?​​, auteur : Farah Kim​

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!