L’angle mort de la formation en IA : la gestion des données

Par Dr. Guendalina CALDARINI, Directrice de programme, MSc Data Management | Professeure à aivancity | 

La formation en IA est aujourd’hui confrontée à un paradoxe. Les écoles et les bootcamps forment des diplômés capables d’affiner des modèles de langage, de déployer des pipelines de génération augmentée par récupération et de construire des systèmes de vision par ordinateur. Pourtant, lorsqu’on leur demande qui est responsable de la qualité, de la cohérence et de la gouvernance des données dont dépendent ces modèles, les réponses deviennent vite hésitantes. La gestion des données, qui rend les systèmes d’IA fiables en production, reste le domaine le moins présent dans les cursus en intelligence artificielle.

Comment le cycle de l’engouement a façonné la formation

Le boom de la formation en IA dans les années 2020 a suivi de près le cycle de l’engouement. À mesure que les modèles transformeurs devenaient accessibles, les programmes se sont rapidement mis à former des spécialistes du prompt engineering. L’arrivée des grands modèles de langage dans les logiciels d’entreprise a ensuite fait exploser la demande de ML Engineers capables de les affiner et de les déployer. Les organismes de formation ont donc adopté un socle devenu standard : Python, PyTorch, LangChain, bases de données vectorielles et évaluation de modèles. Ce choix était logique, car ces compétences sont réellement utiles.

Ce mouvement a aussi créé un angle mort structurel. Un modèle est facile à montrer et à valoriser dans la communication d’un programme. Le travail sur les données qui l’alimentent attire moins l’attention et reste difficile à intégrer dans un cursus de douze semaines. Pourtant, dans les environnements de production, les problèmes de données torpillent bien plus de projets IA que les problèmes de modèles.

Ce que recouvre la gestion des données

On réduit souvent la gestion des données au simple fait de « stocker des données ». En réalité, elle couvre plusieurs domaines interdépendants : la gestion de la qualité des données (garantir l’exhaustivité, la cohérence et l’exactitude tout au long du cycle de vie) ; la gestion des métadonnées (décrire les données pour qu’elles puissent être trouvées, comprises et gouvernées) ; la gestion des ontologies et taxonomies (construire des représentations de cotext-justifynnaissance structurées) ; la résolution d’entités et la concordance des données (identifier quand différents enregistrements font référence à la même entité du monde réel) ; et la gouvernance des données (définir les règles de propriété, de responsabilité et de gestion du cycle de vie).

Ensemble, ces domaines forment le socle des systèmes d’IA fiables. Ils constituent aussi une discipline cohérente, encore peu enseignée, à la croisée de l’informatique, des sciences de l’information et des programmes de gestion.

Pourquoi l’IA rend la gestion des données plus critique

Le passage à l’IA à grande échelle a amplifié les problèmes de gestion des données au lieu de les résoudre. Les modèles de langage entraînés sur des données mal préparées reproduisent les erreurs à l’échelle. Les systèmes de génération augmentée par récupération ne sont aussi fiables que les bases de connaissances qu’ils interrogent. Les systèmes d’IA agentique, qui agissent de manière autonome, introduisent de nouvelles catégories de risque lorsque les données sous-jacentes sont incohérentes, non documentées ou non gouvernées.

« Dans les environnements de production, les problèmes de données torpillent bien plus de projets IA que les problèmes de modèles. Pourtant, la plupart des cursus en IA consacrent une infime partie de leur temps d’enseignement à la discipline qui permettrait de les prévenir. »

L’AI Act européen a traduit cette réalité en obligations juridiques. L’article 10 du règlement établit des exigences contraignantes de gouvernance des données pour les systèmes d’IA à haut risque. Elles portent sur la qualité, la pertinence, la représentativité et la documentation des données. La conformité ne relève donc plus seulement des bonnes pratiques. Elle constitue une exigence légale qui s’appliquera à une part significative des systèmes d’IA déployés en Europe. Or, la plupart des diplômés en IA ont aujourd’hui peu ou pas de formation sur ce que ces exigences impliquent concrètement.

Les composantes d’un cursus en gestion des données

Une formation sérieuse en gestion des données s’articule autour de quatre domaines de compétences interdépendants. Les compétences techniques couvrent la modélisation des données, SQL et les langages de requête pour les graphes, la conception ETL, les standards de métadonnées (Dublin Core, DCAT, OWL) et les cadres de qualité des données. Les compétences en gouvernance portent sur la conformité au RGPD, les modèles de stewardship, les catalogues de données, les pistes d’audit et les exigences de l’AI Act européen. Les compétences sémantiques comprennent la conception d’ontologies, les vocabulaires contrôlés, la construction de graphes de connaissances et les techniques de résolution d’entités. Enfin, les compétences stratégiques portent sur la pensée produit appliquée aux données et l’alignement de l’architecture data sur les objectifs métier.

La gestion des données est une discipline transversale, à la croisée de l’informatique, des sciences de l’information, du droit et de la conception organisationnelle. Cette diversité explique pourquoi elle s’intègre difficilement dans les cursus existants et pourquoi des programmes dédiés sont nécessaires.

Les conséquences de cet angle mort

Chaque année, des entreprises investissent massivement dans des systèmes d’IA dont les performances sont limitées par des données incohérentes, non documentées ou cloisonnées, plutôt que par les modèles eux-mêmes. Les analyses sectorielles identifient régulièrement la qualité des données comme l’une des principales causes d’échec des projets IA. La demande de professionnels de la gouvernance et de la gestion des données augmente fortement sous l’effet de la pression réglementaire, du déploiement de l’IA à l’échelle de l’entreprise et de la multiplication des systèmes agentiques. L’offre reste toutefois limitée, car la formation n’a pas encore rattrapé les besoins du marché.

Former des ingénieurs en machine learning sans préparer de spécialistes de la gestion des données peut compromettre la fiabilité des systèmes qu’ils construisent. À mesure que l’IA passe des projets pilotes aux systèmes dont les organisations dépendent au quotidien, la gestion des données prendra une place centrale dans la formation. Les programmes qui l’intègrent dès aujourd’hui formeront des diplômés capables de construire des systèmes d’IA fiables à grande échelle et conformes au cadre réglementaire applicable à leur déploiement.

Learn more 

Découvrez le programme MSc Data Management à aivancity et nos travaux sur la gouvernance des données à l’ère de l’AI Act européen.