La réussite d’un projet d’intelligence artificielle générative repose essentiellement sur la qualité et la pertinence des données utilisées pour l’entraînement et le fine-tuning des modèles. Les fournisseurs l’ont bien compris et essaient d’apporter toutes les clés, via des services unifiés, pour disposer de données de qualité, de leur identification à leur normalisation en passant par leur enrichissement (métadonnées, relations sémantiques, etc.). Au-delà de l’outillage, il faut aussi s’assurer de leur conformité, bref d’identifier les données sensibles par des audits. Il faut aussi que les organisations dans les entreprises soient adaptées, notamment pour faciliter les échanges entre les métiers et les équipes techniques. Enfin, le passage à l’échelle implique des infrastructures de stockage et de calcul performantes. (Crédit Dell)
