Faut-il des données propres avant de mettre de l'IA ? | Sam&Alex
«Tous les articles

Faut-il des données propres avant de mettre de l’IA ?

·3 min de lecture·Par Jocelyn Klein, Fondateur
Faut-il des données propres avant de mettre de l’IA ?

C’est l’objection la plus fréquente en rendez-vous, et souvent la première : « nos référentiels ne sont pas à jour, nos données sont sales, on n’est pas prêts ». Elle est légitime. Elle mélange aussi deux catégories de données que l’IA traite de manière radicalement différente.

L’objection, telle qu’elle se formule

Derrière la formule, il y a un constat concret. Le même site apparaît sous trois orthographes. Les contrats sont dans un répertoire partagé, en PDF scannés. Les coordonnées de prestataires datent de deux exercices. Une partie de l’historique des interventions n’existe que dans des fils de mails.

L’équipe en conclut qu’il faut un chantier de reprise de données avant tout projet d’automatisation. Ce chantier est estimé à plusieurs mois, il n’a pas de sponsor, et il repousse le sujet indéfiniment.

Le raisonnement serait exact avec un outil classique, qui exige des champs normalisés pour fonctionner. Il l’est beaucoup moins avec un système qui travaille sur du langage.

Ce que l’IA absorbe sans nettoyage préalable

Une part importante de ce que les équipes appellent « données sales » relève en réalité du désordre de surface. C’est précisément ce qu’un modèle de langage sait traiter.

Les formulations approximatives. « Il fait froid au 3e », « la clim marche pas côté rue » et « défaut CVC plateau 3 » décrivent le même incident. Le rapprochement ne demande aucune normalisation en amont.
Les documents non structurés. Contrats en PDF, comptes rendus de visite, photos annotées, fils de mails : ils sont lisibles tels quels, sans ressaisie.
Les variantes de nommage. « Tour Horizon », « HORIZON — Levallois » et « site 0412 » se rattachent au même actif dès lors qu’un seul recoupement existe quelque part.
L’historique désordonné. Un historique incomplet reste exploitable : il sert à repérer les récurrences, pas à produire un inventaire exhaustif.

Ce qu’aucun modèle ne peut deviner

L’autre catégorie est différente de nature. Il ne s’agit pas de données mal rangées, mais d’informations qui n’existent nulle part sous forme exploitable.

La distinction est simple : l’IA rattrape le désordre, elle ne remplace pas une décision qui n’a jamais été prise.
Le périmètre contractuel. Ce qui est couvert et ce qui ne l’est pas relève d’une décision commerciale, pas d’une déduction.
Les engagements de délai. Un SLA non écrit n’est pas un SLA. Aucun modèle ne l’inférera d’un historique d’interventions.
La chaîne de validation. Qui engage une dépense, à quel montant, avec quel suppléant en congés.
L’interlocuteur réel chez le prestataire. Le contact du contrat et la personne qui décroche ne sont presque jamais la même.

Ces quatre points forment un périmètre restreint, documentable en quelques jours de travail avec les équipes. C’est sans commune mesure avec une reprise de référentiel.

L’ordre de mise en œuvre qui fonctionne

Sur les déploiements que nous menons, la séquence est stable.

Brancher l’entrée des demandes avant tout le reste, y compris les canaux non structurés. On observe le flux réel, qui diffère toujours du flux décrit.
Documenter le périmètre contractuel et la chaîne de validation, sur ce seul périmètre. C’est le travail humain incontournable.
Laisser le système traiter, et corriger au fil de l’eau. Chaque correction d’un gestionnaire alimente le référentiel au lieu de rester dans un mail.

Le référentiel se constitue alors comme produit de l’exploitation, à partir de demandes réelles, et non comme livrable d’un projet parallèle qui vieillit avant d’être terminé.

Le nettoyage comme effet, pas comme prérequis

Attendre des données propres pour lancer un projet d’IA revient à attendre d’avoir rangé pour commencer à travailler. Dans un portefeuille en exploitation, ce moment n’arrive pas.

Le seul prérequis réel tient en une phrase : savoir ce que vos contrats couvrent et qui valide quoi. Le reste se traite en marchant.

Aller plus loin
Testez-le sur vos référentiels tels qu’ils sont.

Trente minutes sur vos propres flux, sans installation.