Une valorisation des données à 305 millions de dollars

Collecter des données, c’est simple, mais les valoriser, c’est tout qu’un défi! La valorisation des données, c’est le pilier fondamental de l’industrie 4.0. Carl Chouinard, Chef AI de Vooban nous explique pourquoi : «les études du Centre de recherche de Microsoft ont démontré que la performance algorithmique est négligeable par rapport à la qualité des données.» Avant même de penser à la performance des algorithmes, il faut des données pertinentes et surtout en grande quantité : les mégadonnées. Ces mégadonnées : comment les valoriser?

La gouvernance de la valorisation des données

Ces données massives sont requises pour tout projet d'intelligence artificielle, mais elles génèrent cependant de la redondance, des données erronées, non intégrées et non cohérentes. Il faut les nettoyer, les simplifier, les consolider et les valider. Nettoyer des données, ça veut dire quoi? Selon Poly-Industries 4.0 à la journée québécoise de valorisation des données par IVADO, «c’est de s’assurer que les données soient complètes et qu’on puisse les convertir en données utilisables».

Les meilleures pratiques de gouvernance des données d’après Alexandre Langlois, managing partner chez AgileDSS, sont : «la simplicité, le focus, l'alignement et l’imputabilité. L'approche est de formaliser le cadre (simplicité), l'utiliser sur les données qui ont de l'importance (focus), s'assurer que les pratiques soient bien ancrées dans l'organisation (alignement) et que des indicateurs de qualité de données soient en place (imputabilité).»

La valorisation des données, le «carburant de l’IA»

«L’IA a comme prémisse que l'entreprise doit être Data Driven pour avoir du succès.» précise Alexandre Langlois. Carl Chouinard résume bien ce premier enjeu de l'IA : «beaucoup d’entreprises ne conservent pas leurs données. Il faut une considération sérieuse sur les données que l’entreprise peut accumuler ou accumule déjà.» Un projet en IA nécessite des mégadonnées, des ressources financières, mais aussi du talent. 

Faut-il être expert en valorisation des données ?

Carl Chouinard constate : «qu’il n’y a pas beaucoup de joueurs avec une expertise de type concept et il y a très peu de compagnies qui ont un portfolio de réalisations. Cela prend 10 000 heures de pratique pour devenir expert dans un domaine. Il y a environ 10 ans, il n’y avait pas grand monde qui faisait du AI.» 

Yves Proteau, copropriétaire de APN, présente un réel questionnement : Pourquoi en parlons-nous donc maintenant? «En 1985, il y avait autant de conférences sur le sujet de l’intelligence artificielle que l’année dernière. Il y a eu environ une quinzaine de conférences sur l’industrie 4.0, mais il n’y a pas beaucoup d’entreprises qui peuvent parler de ce sujet avec une expérience d’application concrète de l’intelligence artificielle. On ne valorisait pas la donnée auparavant, mais plutôt l’exécution.» 

Étude de cas : la valorisation des données en agroalimentaire

Une startup de Silicon Valley, Blue River Technology, a été achetée en septembre 2017 par John Deere au montant de 305$ millions. Cette entreprise avait un dataset de plus de 1 milliard de photos de laitue. Ces données et applications simples en machine learning pour automatiser la reconnaissance des photos de laitue permettent le développement de connaissances sur les maladies des plants de laitue, mais aussi sur le sol, les insectes etc. À chaque jour, des photos étaient prises par des drones et des robots circulaient dans les champs et qui avaient aussi pour fonction d’arracher les plants malades et de replanter. Le cofondateur et CEO de Blue River Technology, Jorge Heraud précise leur modèle d'affaires : "We are using computer vision, robotics, and machine learning to help smart machines detect, identify, and make management decisions about every single plant in the field."

Cette étude de cas est un bel exemple de valorisation des données grâce à l’intelligence artificielle. La prochaine question à se poser: comment bonifier le retour sur investissement d’un projet IA ? Voyez à la prochaine journée-conférence des Rencontres de génie, des études de cas sur des projets IA concrets et des modèles d’affaires non-traditionnels qui utilisent des équipements industriels intelligents.