« Il faut d’abord nettoyer toutes nos données. »
Faux. Il faut d’abord savoir de quelles données dépend l’usage visé. Un grand nettoyage préalable retarde tout et sert rarement l’usage qui comptera.
Mis à jour le 24 octobre 2026
Ce qui se passe.
L’idée paraît de bon sens : l’IA se nourrit de données, il faut donc qu’elles soient propres avant de commencer. Beaucoup d’entreprises lancent ainsi des chantiers de qualité des données, de référentiels et de dédoublonnage, et reportent l’IA à leur aboutissement.
Ces chantiers aboutissent rarement. Les données continuent d’arriver, avec leurs défauts, pendant qu’on nettoie celles d’hier. Et l’effort se répartit sur toutes les données, alors qu’un usage donné n’en mobilise qu’une petite partie. Mieux vaut partir de l’usage visé, identifier les données dont il dépend, et concentrer l’effort sur celles-là, à la source si possible.
Ce que nous observons.
- Nettoyer sans usage, c’est nettoyer sans critère.On ne sait ni quel niveau de qualité viser, ni quelles données comptent.
- Les données se dégradent à nouveau.Si la cause n’est pas traitée à la saisie, le nettoyage est à refaire.
- Les modèles actuels tolèrent une part d’imperfection.Ils savent lire des documents hétérogènes, à condition qu’on vérifie leurs résultats.
Ce que vous pouvez faire dès maintenant.
- Suspendez tout chantier de nettoyage qui ne sert pas un usage identifié.
- Pour votre premier usage, mesurez la qualité des seules données dont il a besoin.
- Corrigez la cause des défauts à la saisie plutôt que leurs effets après coup.