Les problèmes liés à la qualité des données, à la labellisation et à l’établissement d’un modèle de confiance pèsent sur la plupart des entreprises.

Selon une étude d’Alegion and Dimensional Research, près de huit entreprises sur dix actuellement engagées dans des projets d’intelligence artificielle ou d’apprentissage machine ont fait état de progrès au point mort.

En outre, 96 % des entreprises interrogées ont déclaré avoir rencontré des problèmes de qualité des données, de labellisation des données nécessaires à la formation de l’IA et de conférence sur les modèles de construction. Le nouveau rapport, « Artificial Intelligence and Machine Learning Obstructed by Data Issues », indique que les problèmes de données font en sorte que les entreprises épuisent rapidement les budgets des projets d’IA et créer des obstacles aux projets.

« Le plus grand obstacle à la mise en œuvre de modèles d’apprentissage machine en production est le volume et la qualité des données de formation/entrainement (training) », a déclaré Nathaniel Gates, PDG et co-fondateur d’Alegion, qui développe une plate-forme de données de formation pour AI et ML. « Cette recherche renforce notre propre expérience, à savoir que les équipes de data scientists, qui sont nouvelles dans la création de systèmes axés sur le RCI, essaient de s’attaquer à la préparation des données de formation à l’interne, et se sentent débordées ».

Nathaniel Gates a ajouté que de nombreuses entreprises se heurtent à des difficultés au début du processus, en particulier en ce qui concerne la labellisation et l’annotation précis et efficace d’un nombre suffisant de données pour former leurs algorithmes. « Nous pensons qu’au fur et à mesure que les équipes de data scientists d’entreprise acquerront de l’expérience dans les projets d’apprentissage machine, elles seront plus susceptibles de se décharger d’activités telles que la labellisation, la validation et la notation des données et, ce faisant, d’accélérer leur processus de déploiement de modèles ».

Nouveau concept, plus dur que prévu

Alors que les grandes entreprises de plus de 100 000 employés sont les plus susceptibles d’avoir une stratégie d’IA, seulement 50 % d’entre elles en ont actuellement une, selon le MIT Sloan Management Review.  Alegion a déclaré dans son enquête que l’IA est encore un nouveau concept :

• 70 % ont déclaré que leur premier investissement en IA/ML avait été effectué au cours des 24 derniers mois.
• Plus de la moitié des entreprises ont déclaré avoir entrepris moins de quatre projets d’IA et de Machine Learning
• Seulement la moitié des entreprises ont mis leurs projets en production.

D’autres réponses ont indiqué qu’il y avait encore plus de défis à relever dans le cadre de leurs projets :

• 78 % des projets d’IA/ML sont bloqués à un certain stade avant le déploiement, et un tiers d’entre eux sont bloqués à l’étape de la validation de principe.
• 81 % ont déclaré que le processus de formation à l’IA à l’aide de données était plus difficile qu’ils ne s’y attendaient.
• 76 % tentent de labelliser et d’annoter eux-mêmes les données sur la formation.
• 63 % essaient de construire leur propre technologie d’automatisation de l’étiquetage et de l’annotation.
• 71 % ont déclaré qu’ils ont finalement externalisé leurs données de drainage et d’autres activités de projets de blanchiment d’argent.

Lorsqu’on leur a demandé quels types de problèmes ils ont éprouvés avec les données sur la formation en IA :

• 66 % ont dit avoir des biais ou des erreurs dans les données
• 51 % ont dit qu’ils n’avaient pas assez de données
• 50 % ont dit que les données n’étaient pas sous une forme utilisable
• 28 % ont dit qu’ils n’avaient pas le personnel nécessaire pour étiqueter les données.

L’enquête électronique a été réalisée par Dimensional Research auprès de 227 participants, représentant les cinq continents et 20 industries. Les participants représentaient des spécialistes des données d’entreprise, d’autres technologues en IA et des intervenants du milieu des affaires participant à des projets actifs d’IA et de ML.

https://www.roboticsbusinessreview.com/ai/almost-80-of-ai-and-ml-projects-have-stalled-survey-says/

http://www.dimensionalresearch.com/

https://sloanreview.mit.edu/projects/reshaping-business-with-artificial-intelligence/