webleads-tracker

L’Intelligence Artificielle au service de l’expérience utilisateur

L’Intelligence Artificielle au service de l’expérience utilisateur

L’intelligence artificielle est considérée comme un véritable atout pour traiter et exploiter des données. Il convient de se demander pourquoi. S’il est incontestable que l’apprentissage machine est une solution puissante pour assister les utilisateurs dans l’automatisation de tâches chronophages, en revanche il est difficile d’affirmer comme certain le font que l’avenir des solutions de gestion de données reposera uniquement sur cette technologie.

S’en tenir à ce point de vue c’est faire fi d’un élément essentiel : l’expérience utilisateur qui doit être prise en compte pour choisir toute solution.


L’intelligence Artificielle nous est nécessaire pour une utilisation optimale des catalogues de données. L’IA intégrée aux outils de traitement des données assiste les responsables des données dans leur élaboration des catalogues. La complexe récupération des jeux de données permet la production des métadonnées, nécessaires pour que les catalogues de données remplissent leur fonction informative. Lors de cette étape d’élaboration, les algorithmes permettent aux opérateurs la vérification de l’intégrité des données traitées.

Le rôle des responsables du traitement des données est à ce stade très important pour la construction et l’enrichissement de ces corpus


L’utilisation des algorithmes soulève une question bien connue : celle de leur entrainement. L’efficacité de l’Intelligence Artificielle dépend en effet de son entrainement préalable sur une base de données suffisamment importante. Ainsi, l’expérience de l’IA est primordiale et ne peut s’acquérir que via l’élaboration d’un catalogue de taille suffisante pour que l’apprentissage des algorithmes puisse arriver à maturité. Le rôle des responsables du traitement des données est à ce stade très important pour la construction et l’enrichissement de ces corpus. En effet, cette opération traitée intégralement de manière automatisée produit des catalogues fragiles. L’intervention humaine est donc essentielle pour une définition précise des règles de lecture des contextes dans lesquels les informations sont amenées à être traitées. 

Contextualiser l’information détermine son traitement. Ainsi, le traitement des données radiographiques médicales est facile dans la mesure où il s’inscrit dans un contexte unique : le corps humain. Des données apparemment plus basiques peuvent se révéler bien plus complexes. L’exemple des dates de naissance est signifiant. Pour un registre d’état civil, leur utilisation est simple et facile : ces données sont univoques. Pour un assureur, leur exploitation est plus complexe. Ces données peuvent être lues de manière différente selon les ensembles hétérogènes dans lesquels elles se situent : des polices d’assurances, des typologies de population, de contrats, des malus, des bonus ….  Pour un traitement adéquat, ces données doivent traitées selon les contextes d’exploitation via des modèles créés par et pour l’utilisateur. 

Pour offrir des réponses satisfaisantes, il est donc nécessaire de prendre en compte les attentes des utilisateurs de bases de données

L’IA est un trompe l’œil qui occulte l’enjeu essentiel des catalogues de données : l’assistance de l’utilisateur et l’adoption des outils mis à leur disposition. Deux catégories d’utilisateurs distinctes sont susceptibles d’employer des applicatifs data : ceux qui élaborent les catalogues et ceux qui les exploitent. Le focus sur l’IA nous révèle que les éditeurs privilégient d’abord la première catégorie d’utilisateurs. Mais le défi des catalogues de données se trouve en fait ailleurs… Les organisations font en effet face à d’importantes problématiques d’adoption et d’usage que l’on ne peut ignorer. Pour offrir des réponses satisfaisantes, il est donc nécessaire de prendre en compte les attentes des utilisateurs de bases de données. Ils ont en effet besoin d’outils ergonomes, « users friendly » , qui prennent en compte en premier lieu leurs besoins et qui soient paramétrés en fonction de leurs modes d’utilisation des données, un enjeu qui ne dépend pas de l’apprentissage machine mais plutôt de l’expérience utilisateur des outils déployés.