Collaboration Humain / Technologie

Comment apprendre à faire confiance aux données et à parfaire notre relation avec la technologie ?

Une question de confiance

La confiance joue un rôle central dans la collaboration.
Toutefois, réussir à la comprendre, la développer et la conserver est devenu l’un des défis majeurs de notre époque. C’est déjà le cas entre humains.

Mais la question est encore plus épineuse lorsque l’on implique la technologie car le processus évolue au sein d’une dualité dynamique.
D’un côté, les inquiétudes relatives à la confidentialité des données, à la sécurité et au développement éthique de l’intelligence artificielle (IA) abondent.
De l’autre, l’« art du possible » a été démontré via les objectifs positifs sur lesquels les données et la technologie ont été employés.

Et comment pouvons-nous instituer un climat de collaboration si nous ne nous faisons pas confiance ?

La confiance … et la technologie

Une autre dynamique a également évolué récemment : la data literacy ou culture de la donnée.
Au cours des dernières années, notre quotidien a été dominé par les données, l’augmentation des degrés de connaissance et l’utilisation de l’ubiquité des données pour rendre également l’analytique plus omniprésente.

Pour autant, tandis que les individus comprennent mieux l’utilisation des données faite par les organisations, leurs inquiétudes augmentent, donnant une place centrale à la confiance.

Alors finalement, qu’est-ce que la confiance ?
Les définitions varient, mais elles impliquent toutes un aspect interpersonnel et le « consentement à être vulnérable aux actions d’autrui ».

Entre l’importance croissante de la donné dans la prise de décision et la progression du rôle de l’IA, cette relation de confiance est-elle sur le point de changer en raison de l’utilisation des machines ?
Nécessairement, la réponse est positive au sujet de l’interface être humain / technologie.
Elle évolue d’un système d’informations à une automatisation, puis à un agent autonome (à différents degrés).

En d’autres termes, nous assistons au passage d’un système maître-esclave à une relation de collaboration ou de partenariat alliant des forces complémentaires.
Cependant, en ce qui concerne l’intention, la réponse ne peut-être que négative. En effet, dans son état actuel, il reste beaucoup de chemin à accomplir avant de pouvoir déclarer que l’IA possède ses propres intentions ou son propre état mental.

La transparence de bout en bout est capitale au sujet de la confiance accordée à la technologie.
Prenons un exemple concret, dans le domaine médical. L’analyse prédictive permet d’identifier les patients présentant un risque élevé d’hypertension, grâce à l’IA. Mais sa fiabilité n’est établie que grâce à la transparence, la visibilité et la vérification des préjugés intégrés.
Ainsi, les approches dites black-box sont à proscrire, au profit des techniques transparentes de machine learning. Nous devons nous donner les moyens de prouver que la données comme les outils sont fiables.

La confiance naît de la transparence et de la cohérence.

La collaboration grâce à la technologie

Dans le domaine de la données, la tendance des quatre métriques majeurs (volume, vélocité, variabilité et volatilité) est à l’accélération. Et cette prise de vitesse exacerbe les limites du paradoxe des données pour les organisations. A tel point que la sur-abondance des données et l’incapacité à les extraire en devient un obstacle majeur pour la transformation digitale.
La conception d’un pipeline de données performant est donc essentielle. Elle conditionne l’application optimale de l’analytique et de l’automatisation pour la Business Intelligence (BI). Alliée aux talents, aux compétences et à la culture de l’information, la BI permet la démocratisation des données, le développement de nouveaux services et l’agilité proactive organisationnelle.

Améliorer le pipeline de données, optimiser l’intégration et veiller à ce que les informations reposent sur
des données fiables est crucial.
Pour atteindre ce résultat, l’organisation doit évoluer et s’affranchir d’une structure traditionnelle basée sur des projets. Cet « ancien ordre » divise la communauté data et analytique en fonctions et créé des silos de données et d’individus.
Le nouveau cadre doit s’organiser autour des produits et des flux de valeur. Hautement pluridisciplinaire, il s’organise grâce à des « pots de données fondés sur des domaines » gouvernés à la source et disponibles en libre-service pour l’entreprise.

L’adhésion des hauts dirigeants permet de propager son adoption, soutenue par des investissements dans les compétences en Data Literacy. L’entreprise s’unit autour des outils de BI, grâce à une culture partagée de la donnée.

La gouvernance des données et la confiance

Voilà un autre exemple de dualité.
D’un côté, nous subissons une pression réglementaire croissante concernant la gouvernance (RGPD en Europe, CCPA aux États-Unis, etc.). La gouvernance se doit donc d’être particulièrement rigoureuse.
De l’autre, nous trouvons la gouvernance partagée entre tous les intervenants clés, des consommateurs aux ingénieurs. Basée sur la confiance et le fonctionnement de l’entreprise, elle n’en est pas moins cruciale.
La gouvernance doit être appliquée à chaque étape, de la création de la donnée à son utilisation, quel qu’en soit le but.

La convergence croissante des usages de données nécessite de rassembler différents niveaux de structure de données, d’urgence et de volume. Elle implique ainsi des besoins variables de la latence et de traitement des flux.
De surcroit, les besoins de certains secteurs ont évolué vers des modèles prédictifs plus ouverts, nécessitant des traitements rapides de volumes de données plus importants.
Ces changements impliquent une accélération de la capacité à aller plus vite avec les données.

Le rôle de l’Intelligence Active

L’alliance de tous ces éléments amène la nécessité de donner le rôle principal à l’Intelligence Active.
Les solutions de Business Intelligence passives, reposant sur des jeux de données historiques, pré-configurés et préparés, ne sont pas conçues pour intégrer complètement la gouvernance et la prise en charge ou pousser à prendre des mesures ou des décisions en temps réel. Tandis que l’Intelligence Active permet justement de faire tout cela, d’établir un pipeline de données d’analytique intelligent, avec un contenu et une logique métier dynamiques, déclenchant des actions immédiates et permettant de ne pas passer à côté de moments métier.

Pour finir, même si l’état d’intelligence continue est un sujet qui intéresse depuis un certain temps, les discussions tournent généralement autour d’un flux de données continu et du déclenchement d’actions. L’Intelligence Active va plus loin, elle rassemble des composants supplémentaires et place les individus au centre du processus.
Les individus doivent pourvoir se fier à l’analytique et aux données. Cela implique une bonne collaboration entre les producteurs et les consommateurs de données.

Tandis que nous nous tournons vers l’avenir, la composante humaine devient centrale. Optimiser la collaboration est la prochaine étape cruciale pour améliorer la confiance dans les données et leur analytique.

Ou découvrez nos autres articles de la série Active Intelligence.

En mettant l’information au cœur de votre stratégie et en l’activant, nous favorisons la prise de décision rapide, décisive et pertinente.
En sélectionnant les technologies Qlik, vous choisissez l’intelligence active.

Cet article est inspiré de Qlik Magazine Intelligence Active.