Une Intelligence Artificielle transparente

Compréhension des données, automatisation de la prise de décisions mais aussi fiabilité des recommandations.

L’essor d’une IA capable de présenter les modèles de machine learning de manière transparente est essentiel. Des modèles plus transparents et une documentation ou un historique sont attendus pour augmenter la confiance.

Le langage naturel pour humaniser les données

Les fournisseurs de solutions BI intègrent le langage naturel, aux plates-formes, pour des interfaces et visualisations plus naturelles. Il faut comprendre l’intention de l’utilisateur et faire progresser le dialogue : ainsi, interagir avec une visualisation permet d’approfondir les analyses !

La contextualisation des données

Des fonctionnalités analytiques mobiles et intégrées, des extensions de tableau de bord et des API sont proposées. les analyses intégrées placent les données et informations au cœur des workflows.  Les extensions de tableau de bord permettent d’accéder à des systèmes externes, et les analyses mobiles permettent l’accès aux données.

L’aspect social

Le mouvement Data for good prend de l’ampleur. Grâce à la flexibilité du cloud computing, les ONG et organisations à but non lucratif développent des environnements de données élaborés.

Création de plates-formes dédiées au partage, collaboration entre associations, dialogue pour renforcer la confiance … le mouvement Data for good révèle le potentiel altruiste du partage de données.

Les codes de déontologie

Règlementations, confidentialité, partage des données personnelles… certaines professions sont déjà régies par un code de déontologie, et une réflexion pour ces principes aux pratiques analytiques est en cours. Selon le Gartner,

De plus selon Accenture, « les processus de gouvernance doivent être robustes, connus de tous et régulièrement passés en revue » pour s’adapter à la croissance et aux évolutions de l’entreprise.