La plupart des entreprises ne manquent pas de données. Elles manquent de contexte.
Les chiffres parlent d’eux-mêmes : 68 % des données disponibles dans les entreprises ne sont jamais exploitées, et près d’un salarié sur deux déclare avoir des difficultés à retrouver les documents dont il a besoin.
Avec l’IA, cet écart ne se réduit pas. Il s’accentue. Un modèle ne sait pas distinguer une donnée fiable d’une donnée mal documentée. Il exploite simplement les informations qui lui sont fournies.
DataLab Group connaît bien cette problématique. Pôle d’expertise du Crédit Agricole, il conçoit des solutions d’IA innovantes et industrialisées pour l’ensemble du groupe, qui compte 145 000 collaborateurs et 53 millions de clients.
Depuis 2022, l’équipe mène une démarche de certification et de labellisation afin de démontrer qu’une solution d’IA peut être à la fois innovante, fiable et responsable. À terme, chaque modèle mis en production doit être présenté devant un comité de certification.
La question n’a jamais été de savoir si l’IA fonctionnait. Il fallait déterminer si quelqu’un était capable d’expliquer son fonctionnement.
Or, on ne peut pas certifier ce que l’on ne peut pas expliquer. Et on ne peut pas expliquer une donnée que personne n’a documentée.
DataGalaxy a permis de combler cet écart.
Les défis
Les projets d’IA de DataLab Group reposent sur trois catégories de données très différentes :
IA analytique : des données bancaires structurées
IA documentaire : des contrats et des formulaires numérisés
IA textuelle : du texte libre, des emails et des rapports
Cette diversité entraînait plusieurs difficultés concrètes :
La documentation était dispersée entre les équipes, sans langage ni méthode commune permettant de décrire une donnée une seule fois, puis de la réutiliser partout.
Les données structurées, semi-structurées et non structurées nécessitaient chacune un traitement spécifique, alors que l’équipe avait besoin d’un système unique, et non de trois outils distincts.
Chaque indicateur devait pouvoir être retracé jusqu’à sa source, parfois à travers plusieurs systèmes, afin de répondre aux exigences de certification.
La cohérence devenait de plus en plus difficile à maintenir à mesure que le nombre de projets et d’équipes augmentait.
Cette documentation ne devait pas ralentir des équipes qui développent et livrent des solutions d’IA au quotidien.
La donnée était bien présente. Ce qui lui manquait, c’était le contexte : sa signification, son origine et les conditions dans lesquelles elle pouvait être utilisée.
Sans ce contexte, il était impossible de déployer l’IA à grande échelle de manière responsable, quelle que soit la qualité des modèles.
Pourquoi DataGalaxy
DataLab Group a choisi DataGalaxy selon trois critères principaux :
Couvrir l’ensemble des données manipulées, qu’elles soient structurées, semi-structurées ou non structurées
S’adapter aux particularités de chaque projet, sans imposer un format unique à tous les cas d’usage
Rester suffisamment simple pour être réellement utilisé par les équipes au quotidien
La réactivité de l’équipe support a également joué un rôle déterminant.
« « Je recommanderais DataGalaxy pour trois raisons principales : la simplicité d’utilisation, l’adaptabilité à différents cas d’usage, et des équipes de support efficaces et disponibles. » »
Grâce à cette flexibilité, une seule plateforme, DataGalaxy Catalog, permet de documenter de manière cohérente les projets d’IA analytique, documentaire et textuelle, sans chercher à faire entrer trois problématiques différentes dans un format rigide.
Ce que signifie concrètement le contexte
Pour DataLab Group, contextualiser une donnée ne consiste pas simplement à remplir un champ de description.
Pour chaque asset, il faut documenter :
- Ce qu’il représente : une définition claire, compréhensible aussi bien par les équipes data que par les métiers
- D’où il provient : son système source et les différentes transformations appliquées au cours de son parcours
- Qui en est responsable : un steward clairement identifié, chargé de maintenir la documentation à jour
- Comment il peut être utilisé : ses licences et ses contraintes d’utilisation, en particulier pour les données open data partagées entre plusieurs équipes
- Comment il contribue à un indicateur IA : le lien entre la donnée brute et le résultat produit par le modèle qui l’exploite
C’est ce qui distingue un catalogue qui se contente de répertorier ce qui existe d’un catalogue qui permet de comprendre ce que chaque élément signifie.
Comment la démarche a été construite
DataLab Group n’a pas cherché à tout documenter immédiatement. L’équipe a commencé par tester son approche sur un périmètre limité.
Étape 1 : tester trois cas d’usage
Dans le cadre de son processus de certification, l’équipe a documenté a posteriori trois cas d’usage d’IA, chacun correspondant à une famille différente : l’IA analytique, l’IA documentaire et l’IA textuelle.
Étape 2 : transformer le pilote en modèles réutilisables
Ce pilote a permis de créer trois modèles de documentation réutilisables : un pour les données structurées, un pour le texte et un pour les images, tous construits autour d’un socle commun.
Chaque nouveau projet peut désormais partir des mêmes bases, sans avoir à reconstruire sa documentation depuis zéro.
Étape 3 : généraliser la pratique
DataGalaxy est progressivement devenu le système utilisé pour structurer les données brutes, les indicateurs et les assets dérivés.
Les propriétaires, les définitions et les conditions d’utilisation sont désormais documentés de manière systématique avant qu’une donnée ne soit intégrée dans un pipeline d’IA.
Étape 4 : étendre la démarche au-delà de l’IA
Ce même socle alimente aujourd’hui l’Open Data Mart.
Les données ouvertes y sont collectées, retravaillées et mises à disposition des équipes projet, plutôt que d’être recherchées et reconstruites séparément à chaque nouveau besoin.
DataGalaxy est désormais utilisé sur l’ensemble des projets d’IA de DataLab Group, y compris ceux qui sont soumis aux processus de certification et de labellisation.
L’équipe suit actuellement une quinzaine de sources de données dans la plateforme, avec leur documentation et, lorsque cela est nécessaire, leurs licences d’utilisation.
Elle peut également retracer précisément la manière dont 250 données brutes sont transformées en 400 indicateurs, parfois en combinant plusieurs sources.
C’est exactement le niveau de traçabilité attendu par un comité de certification.
Le conseil de DataLab Group aux équipes qui se lancent est simple : ne cherchez pas à tout couvrir immédiatement.
Commencez par un produit minimum viable répondant aux premiers besoins, puis enrichissez-le progressivement. Il faut également prévoir suffisamment de temps, car bien paramétrer l’outil et l’alimenter correctement demande souvent plus d’efforts qu’on ne l’imagine.
Les résultats
- Plus de 100 assets et indicateurs prêts pour l’IA, documentés et structurés
- Une quinzaine de sources de données centralisées, documentées et associées à des conditions d’utilisation claires
- 250 données brutes transformées en 400 indicateurs, avec une traçabilité complète, y compris lorsque plusieurs sources sont combinées
- Plusieurs catégories de données couvertes par un cadre commun : données structurées, textes, documents et images
- Trois cas d’usage documentés pendant le pilote, à l’origine de trois modèles réutilisables aujourd’hui déployés à l’échelle du groupe
- Une traçabilité de bout en bout, de la donnée brute à l’indicateur IA, qui contribue à la certification de chaque projet labellisé
- Un Open Data Mart permettant de diffuser les données ouvertes dans toute l’organisation, sans laisser chaque équipe les rechercher et les préparer de son côté
- Une source de vérité commune pour les initiatives data et IA, actuelles comme futures
« Nous déployons l’outil sur l’ensemble des projets de DataLab Group. Nous menons de nombreux projets IA qui suivent notre méthodologie labellisée et certifiée, qui inclut désormais la documentation des projets dans DataGalaxy »
À retenir
Une IA de confiance repose sur le contexte, et pas uniquement sur la donnée.
DataLab Group n’avait pas besoin de davantage de modèles. L’enjeu était de s’assurer que chaque modèle soit accompagné d’une vision claire et structurée des données sur lesquelles il repose, compréhensible par un auditeur, une équipe métier ou les responsables du prochain projet d’IA.
Cette démarche a transformé la documentation, autrefois perçue comme une contrainte, en un socle sur lequel DataLab Group peut construire une IA fiable et responsable.
C’est également le principe qui soutient chaque certification obtenue depuis : lorsque la donnée est correctement gouvernée, l’IA qui l’exploite peut inspirer confiance dès sa conception.