Question 1

Quelles précautions prendre pour analyser des données personnelles dans une entreprise ?

Accepted Answer

Quatre principes couvrent l'essentiel : n'utiliser une donnée que pour une finalité définie et compatible avec celle de sa collecte, ne conserver que ce qui est nécessaire et pas plus longtemps qu'il ne faut, travailler sur des données pseudonymisées dès que l'identité n'est pas indispensable à l'analyse, et tracer qui accède à quoi. L'anonymisation réelle est plus difficile qu'il n'y paraît : retirer le nom ne suffit pas, car un croisement de quelques attributs suffit souvent à réidentifier une personne.

Question 2

Quelles décisions ne faut-il jamais déléguer à une IA dans une application métier ?

Accepted Answer

Celles dont l'erreur n'est pas rattrapable, celles qui doivent être justifiées à un tiers, et celles qui engagent juridiquement. Une IA excelle à préparer une décision — trier, extraire, résumer, proposer. Elle ne convient pas à la prendre quand personne ne pourra expliquer pourquoi, ni revenir en arrière.

Question 3

Quels contrôles de qualité mettre en place sur une chaîne de données ?

Accepted Answer

Cinq familles suffisent à couvrir l'essentiel : la fraîcheur (les données sont-elles arrivées ?), la volumétrie (en quantité attendue ?), la complétude (les champs obligatoires sont-ils remplis ?), la validité (les valeurs respectent-elles leur format et leur domaine ?) et la cohérence entre sources (les totaux se recoupent-ils ?). Ces contrôles tournent à chaque rafraîchissement et alertent avant les utilisateurs. Ce qui change la perception de fiabilité n'est pas l'absence d'erreur — c'est le fait d'être prévenu avant celui qui consulte le tableau de bord.

Question 4

Comment retrouver la confiance dans les données quand chaque service a ses propres chiffres ?

Accepted Answer

En arrêtant de chercher le bon chiffre pour chercher la bonne définition. Dans la quasi-totalité des cas, deux services qui affichent un résultat différent calculent en réalité deux choses différentes : périmètre, date de référence ou statut retenu ne sont pas les mêmes. La première étape n'est donc pas technique mais lexicale — écrire, indicateur par indicateur, ce que chaque terme recouvre exactement, et qui en est responsable.

gouvernance

Analyser des données personnelles sans se mettre en faute

Les décisions que nous ne confions pas à un modèle

Qualité des données : les contrôles qui valent la peine d'être automatisés

Quand personne ne fait confiance aux chiffres : par où commencer

Un projet à cadrer ?