Comment préparer ses données pour un projet IA ?

Celles que demande le cas traité, pas toutes celles de l'entreprise. Écrivez d'abord la question à traiter ou l'action à préparer. Pour repérer les factures fournisseurs qui ne correspondent à aucune commande ni à aucune livraison, il faut les commandes passées, les bons de livraison, les factures reçues et la liste des fournisseurs.

Le cadre britannique en fait une étape de planification : identifier les données qui existent déjà et celles qu'il faudra collecter. Un inventaire en cinq points par donnée suffit, et montre vite ce qui manque.

En la mesurant au regard de l'usage prévu, dimension par dimension. Le cadre britannique ramène la qualité à une question : « ces données sont-elles assez bonnes pour ce que je veux en faire ? » Il retient six dimensions, définies par l'association britannique de gestion des données (DAMA UK) : exactitude, complétude, unicité, cohérence, actualité et validité. Il précise que cette liste n'est pas figée : elle peut varier selon les données et les besoins de leurs utilisateurs.

Chaque dimension se contrôle à part : un fichier complet peut très bien contenir des valeurs fausses. Travaillez sur un échantillon réel, et seulement sur les champs dont le cas a besoin. Chaque dimension devient alors une question simple, comme « chaque client n'apparaît-il qu'une fois ? », et un contrôle que l'on relance à chaque chargement de données.

Avec des identifiants communs et, pour chaque donnée, un outil qui fait foi. Un même client peut porter un code dans l'outil de gestion de la relation client (CRM), un autre dans le progiciel de gestion intégré (ERP), un troisième en comptabilité. Sans lien explicite entre ces codes, un système d'IA en est réduit à supposer qu'il s'agit du même client : chaque rapprochement devient une hypothèse.

Quand un identifiant officiel existe, servez-vous-en. Pour les clients et fournisseurs professionnels établis en France, c'est le numéro SIREN, l'identifiant de neuf chiffres attribué à chaque unité légale et jamais réutilisé. Pour les produits, les sites ou les comptes, il faut le plus souvent une liste de référence interne, avec un responsable. Si deux outils gardent leurs propres codes, une table de correspondance tenue à jour les relie.

Le cadre britannique range l'absence de données de référence désignées parmi les défauts qui peuvent naître dès la planification. Choisir l'outil qui fait foi pour chaque type de donnée est une décision de gestion : elle revient à l'entreprise et se prend avant de brancher quoi que ce soit. Chez OMEGA, la partie Connecter de chaque projet relie ensuite les outils et fiabilise les données.

Elle ajoute des obligations, sans interdire le projet. Le règlement général sur la protection des données (RGPD) s'applique dès que vous traitez une information se rapportant à une personne physique identifiée ou identifiable : client particulier, salarié, contact chez un fournisseur. Il exige des données exactes et, si nécessaire, tenues à jour : la qualité devient aussi une obligation.

La Commission nationale de l'informatique et des libertés (CNIL) a précisé ces obligations pour le développement des systèmes d'IA, constitution des bases de données comprise. Issues du RGPD, elles valent aussi quand vous utilisez un outil existant. Six d'entre elles touchent directement la préparation des données.

Non. Le cadre britannique le rappelle : des données de qualité parfaite n'existent pas, et l'effort doit viser des données aussi adaptées que possible à leur usage. Attendre un grand nettoyage général repousse le projet, sans garantir que ce nettoyage portera sur les bonnes données.

Restreignez plutôt le périmètre : un cas, une période récente, les seuls champs utiles. Puis corrigez à la source, dans l'outil où la donnée est saisie : un champ obligatoire, une liste de choix au lieu d'un texte libre, une règle de validation. Une correction faite dans un export disparaît au chargement suivant. Le même cadre recommande de chercher la cause des défauts pour les traiter à la source, plutôt que d'empiler des correctifs temporaires.

Le règlement européen sur l'IA suit la même logique pour les systèmes classés à haut risque, comme ceux qui trient des candidatures. Son article 10 exige de leurs fournisseurs des jeux de données d'entraînement, de validation et de test « pertinents, suffisamment représentatifs et, dans toute la mesure possible, exempts d'erreurs et complets au regard de la destination ». La destination désigne l'usage prévu du système. Pour le tri de candidatures, cette exigence s'applique à partir du 2 décembre 2027.

Par un cas précis, pas par un chantier de données à l'échelle de toute l'entreprise. Menez les étapes ci-dessous avec les personnes qui saisissent et utilisent les données au quotidien : ce sont elles qui connaissent les exceptions et les contournements.