Nos données sont-elles prêtes pour l’IA ?
Rarement toutes, et ce n’est pas un préalable absolu. Ce qui compte, c’est la qualité des données dont dépend l’usage visé. On commence par là, plutôt que par un chantier de nettoyage sans fin.
Mis à jour le 24 octobre 2026
Ce qui se passe.
Quand une entreprise envisage l’IA, la question des données arrive vite, souvent avec un verdict sévère : elles sont dispersées, incomplètes, mal rangées. La tentation est alors de lancer d’abord un grand chantier de remise en ordre, et de reporter l’IA à plus tard.
Ce chantier dure, coûte et sert rarement l’usage qui comptera. Toutes les données ne se valent pas : un usage donné dépend de quelques sources précises, avec un niveau de qualité qui lui est propre. Mieux vaut partir de l’usage, identifier les données dont il a besoin, vérifier leur état et les améliorer là où c’est nécessaire.
Ce que nous observons.
- Aucune entreprise n’a des données parfaites.Celles qui réussissent avec l’IA n’ont pas de meilleures données : elles savent lesquelles comptent.
- La qualité dépend de l’usage.Une donnée suffisante pour une statistique peut être inutilisable pour une décision individuelle.
- Les problèmes de données révèlent souvent des problèmes de flux.Une information est souvent mal saisie parce que celui qui la saisit n’en voit pas l’utilité.
Ce que vous pouvez faire dès maintenant.
- Pour votre premier usage, listez les données dont il dépend et allez voir leur état réel.
- Demandez à ceux qui produisent ces données ce qui les empêche de les saisir correctement.
- Améliorez ces données-là en priorité, et laissez le reste pour plus tard.