Aujourd’hui, l’adoption des architectures d’IA a été faite par les cadres régulateurs, ce qui a obligé les organisations à établir leurs propres normes. Sans embargo, il n’y a pas de clarté là-bas. En fait, la dernière enquête de McKinsey a révélé que 88 % des organisations utilisaient l’IA à moins d’une fonction commerciale. En conséquence, l’innovation a été ralentie et il est évident que les organisations ont passé par un facteur clé pour une sécurité intérieure : la sobriété des données.
En même temps, la réglementation a commencé à s’appliquer au jour, et elle a également souligné les mêmes principes de sobriété des données et de visibilité de l’IA. Un exemple d’elle est la Loi de l’IA de l’UE, qui établit des normes strictes basées sur le droit, tant pour le développement que pour l’application de l’IA à l’intérieur de l’UE, avec pour fin d’améliorer sa visibilité.
Au lieu de faire avancer les travaux, les organisations doivent concevoir des architectures de données qui, à partir de leur conception, sont transparentes, trazables et soberanas. Au contraire, on ne peut tout simplement pas prouver le plus grand potentiel de l’IA pour nos entreprises, si ce n’est qu’ils doivent également être mis en œuvre en matière de conformité normative.
Pas toutes les données, fils de bons amis
Il était temps d’espérer, tant la sobriété numérique que l’innovation en IA se basaient sur les données. Il est largement documenté que l’IA a besoin de beaucoup de données, et nous les disposons en abondance : l’IDC estime que le volume mondial de données atteindra jusqu’à 181 zettaoctets annuels en 2025. Sans embargo, pour obtenir des données abondantes, les projets pilotes d’IA générative (GenAI) suivent fracasando estrepitosamente. Certaines enquêtes suggèrent que 95 % des projets pilotes des entreprises GenAI ne sont pas prêts à produire ou si vous souhaitez obtenir un retour sur investissement (ROI) quantifiable. Quelle est la motivation ? Problèmes d’hygiène des données qui se posent depuis le temps.
Grâce à une grande mesure de l’IA, l’augmentation des données est exponentielle, mais les organisations n’ont pas pu se maintenir au quotidien. Cette afluencia a superado avec creces los procesos de almacenamiento, et les organisations ont découvert cet aspect, en conservant les données non pertinentes avec les données utiles, nécessaires à l’utilisation de l’IA. En dernière instance, les systèmes d’IA ne sont pas seuls à avoir leur travail, mais aussi la qualité et la structure des données avec celles qui sont entreprises. Par conséquent, si les ensembles de formation sont mal structurés et incluent des données inservibles, les résultats et la convivialité sont même affectés.
Il existe également un effet important exercé sur la matière normative. Si bien que les organismes de réglementation ne peuvent pas s’appuyer sur une enquête unifiée pour la réglementation de l’IA, il est évident que la visibilité sera fondamentale pour les futurs besoins. Uniquement en Europe, la Loi de l’IA de l’UE et la Directiva NIS2 ont donné l’impulsion à une gouvernance plus importante, à la transparence et au contrôle des données opérationnelles et de l’engagement. Et sans une sobriété solide, les organisations seguirán sin puder mapear et comprendre votre panorama de données pour remplir les exigences actuelles et futures.
Séparer le grano de la paja
Grâce à la croissance exponentielle des données au cours des dernières années, l’ampleur des charges de travail qui font que la majorité des entreprises peut résulter brusquement. Avant que les organisations puissent améliorer l’hygiène de vos données, vous devez d’abord les comprendre et les classer. Ne vous inquiétez pas seulement de votre contenu, mais aussi de votre niveau de confidentialité. Une donnée peut être utile pour un projet pilote d’IA générative, mais si elle est vraiment raisonnable, elle ne peut pas être utilisée. Ce niveau de compréhension ne peut être évité que par les données d’erreur sensibles des programmes de génération d’IA, qui peuvent également être utilisés pour créer une génération d’IA permettant d’atteindre son potentiel maximum. Lors de la saisie d’une grande quantité de données utiles, mélangées à des données non pertinentes, les organisations peuvent alimenter l’IA uniquement avec les informations dont elles ont réellement besoin.
Une fois que tout est en ordre et sepan avec ce qui están trabajando, les organisations peuvent commencer à définir les exigences de sobriété pour chaque ensemble de données, y compris tant les normes réglementaires que la localisation. Pour certaines organisations, la réaction instinctive est de restreindre votre utilisation afin de répondre aux exigences les plus strictes des lois de localisation des données. Sans embargo, le RGPD de l’UE, par exemple, n’exige pas la localisation dans un pays spécifique de l’UE, mais seulement dans l’Espace Économique Européen (EEE), même si elle impose des restrictions strictes au transfert de données personnelles hors de l’EEE, créant dans la pratique un effet de « localisation flexible ».
Il y a beaucoup de choses à faire ici, c’est pourquoi de nombreuses organisations adoptent des architectures hybrides ou multicloud pour maintenir la flexibilité lors du processus et de l’exploitation des charges de travail. Ainsi, les organisations peuvent restreindre les données là où elles sont nécessaires pour répondre aux exigences de localisation, en maintenant la portabilité de ces documents au même moment, ce qui sera essentiel à mesure que les réglementations doivent être modifiées. Cette flexibilité et cette transparence permettent aux organisations de ne pas surveiller seules leurs données, mais elles peuvent également accéder à ces informations essentielles uniquement pour le respect des normes, également pour la sécurité.
No se trata solo de marcar la casilla
Aujourd’hui, la sobriété des données est reléguée au dernier endroit de la liste des priorités, car elles sont principalement comme un seul morceau de conformité normative. Les organisations l’ont fait, mais seulement comme partie d’une longue liste de réglementations requises, au lieu de considérer un élément clé dans leur stratégie de données. Sans embargo, si vous comprenez et appliquez correctement, conformément à la stratégie commerciale générale, vous pouvez offrir beaucoup plus.
Les organisations peuvent restreindre les données là où elles sont nécessaires pour remplir les conditions de localisation
Il n’est pas possible d’intégrer seul les cadres de gouvernance des données qui soutiennent les opérations, car ils peuvent également contribuer à informer et établir la gouvernance de l’IA. Avec des données propres, structurées et classées, les organisations peuvent exprimer le potentiel de leurs projets pilotes d’IA générative.
En définitive, la sobriété des données est sous-estimée, mais avec l’innovation en matière générative et la réglementation ponctuelle du jour, les organisations ne peuvent pas permettre le jeu d’ignorer.
Par Michael Cade, directeur technique mondial sur le terrain Logiciel Veeam
