Point clé à retenir : Les organisations ne peuvent pas obtenir une IA fiable avec des données de mauvaise qualité ou des informations mal organisées. En réduisant systématiquement les données redondantes, obsolètes ou sans valeur, en appliquant des règles défendables de conservation et de suppression, en renforçant l’architecture de l’information et en gouvernant les contenus générés par l’IA, elles créent un environnement de données plus sain. Elles améliorent ainsi la précision des résultats de l’IA, réduisent les risques et déploient une IA responsable à grande échelle.

À mesure que les organisations progressent vers une utilisation responsable de l’IA, chaque étape contribue au même objectif. L’IA doit s’appuyer sur des informations fiables, sécurisées, conformes et correctement gouvernées.

Les outils d’IA générative valent ce que valent les données auxquelles ils accèdent. La qualité de ces données influence directement les résultats. Le parcours vers une IA responsable commence par une mise en œuvre réfléchie et maîtrisée. La septième étape de ce programme en dix étapes porte sur un levier concret que les organisations peuvent contrôler, la gestion du cycle de vie des données.

L’objectif est double. Il faut d’abord améliorer les résultats de l’IA en réduisant les contenus obsolètes ou à faible valeur. Il faut ensuite réduire les risques en appliquant de manière cohérente et défendable les règles de conservation et de suppression à tous les contenus, y compris ceux générés par les outils d’IA.

Pourquoi la gestion du cycle de vie des données influence directement la précision de l’IA

La conservation des données a longtemps été considérée comme une simple exigence de conformité. Pourtant, une conservation illimitée ou incohérente entraîne des coûts et des risques mesurables. L’excès de données augmente les coûts de stockage, complique l’eDiscovery et réduit la pertinence des résultats lorsque les utilisateurs et les systèmes d’IA recherchent des informations utiles.

La mauvaise qualité des données affaiblit aussi les résultats de l’IA. Lorsque des contenus obsolètes, redondants ou sans valeur dominent un jeu de données, les outils d’IA risquent davantage de faire ressortir des informations non pertinentes ou trompeuses. Cette situation augmente les risques liés aux décisions, aux réponses réglementaires et aux litiges.

Un programme mature de gestion du cycle de vie des données change cette dynamique. Il permet de conserver les informations requises, de supprimer celles devenues inutiles et de maintenir l’accès à des contenus pertinents et de qualité.

Les organisations répondent ainsi aux exigences de conformité tout en améliorant les performances de l’IA.

Optimiser concrètement le cycle de vie des données

La gestion du cycle de vie des données est une discipline opérationnelle continue qui couvre toute la durée de vie de l’information, de sa création à sa suppression, en passant par son stockage, son utilisation, sa conservation et son archivage. Les programmes efficaces améliorent l’intégrité, la sécurité, la conformité et l’efficacité opérationnelle en intégrant la conservation et la suppression aux activités quotidiennes.

Un programme pragmatique comprend généralement cinq composantes :

• Gouvernance : Définir les rôles, les droits de décision et les normes afin d’aligner les exigences juridiques, réglementaires et métier.
• Inventaire : Identifier les données disponibles, leur emplacement et les contenus sensibles ou réglementés.
• Conservation : Établir des règles claires et applicables de manière cohérente dans tous les systèmes et pour tous les types de contenus.
• Traçabilité : Produire des rapports réguliers pour vérifier l’application des règles, gérer les exceptions et démontrer le caractère défendable des suppressions.
• Automatisation : Automatiser les règles du cycle de vie afin de limiter la gestion manuelle des documents par les utilisateurs et de favoriser une adoption cohérente.

Architecture de l’information pour préparer les données à l’IA

L’architecture de l’information renforce la préparation à l’IA. Elle centralise les données conservées lorsque cela est pertinent, les organise de manière logique, applique des libellés cohérents et établit clairement les responsabilités et les contrôles d’accès. Dans Microsoft 365, cette démarche consiste à améliorer la structure des sites SharePoint, les espaces Teams, les métadonnées, les autorisations et les sources de référence afin que les utilisateurs et les outils d’IA puissent trouver, comprendre et utiliser les bonnes informations en toute confiance. L’objectif dépasse la simple conservation. Il s’agit de créer un environnement organisé qui améliore la précision, la pertinence et la fiabilité des résultats de l’IA.

Réduisez les contenus risqués, obsolètes ou sans valeur pour améliorer les résultats de l’IA

La gestion du cycle de vie des données permet notamment de réduire les hallucinations de l’IA générative grâce à une minimisation défendable des données. Dans la plupart des environnements, une part importante des contenus devient avec le temps redondante, obsolète ou sans valeur. Sans contrôles adaptés, ces contenus s’accumulent et dégradent la qualité des informations disponibles.

L’optimisation du cycle de vie traite ce problème de manière systématique. Des règles de conservation bien conçues permettent des suppressions cohérentes et défendables. Les organisations réduisent ainsi les contenus redondants, obsolètes ou sans valeur tout en préservant les informations nécessaires et utiles. Les recherches, l’extraction et les résultats de l’IA reposent alors sur des données plus pertinentes et plus fiables.

Un modèle d’action pragmatique

Un programme pragmatique définit les capacités nécessaires pour gérer efficacement l’information. Le modèle suivant montre comment les appliquer à la préparation à l’IA.

• Prioriser les référentiels : Commencer par identifier les référentiels et espaces de collaboration qui influencent le plus probablement les résultats de l’IA.
• Évaluer les risques : Examiner ces environnements pour repérer les contenus redondants, obsolètes ou sans valeur, les lacunes de conservation, les responsabilités floues et les contenus d’IA qui nécessitent une gouvernance, notamment les requêtes, synthèses, transcriptions et résultats.
• Définir les règles : À partir de cette évaluation, les responsables juridiques, de la conformité, de la gestion documentaire et des métiers établissent des règles défendables de conservation, de suppression et de minimisation. Ces règles préservent les informations requises tout en réduisant les données inutiles accessibles aux outils d’IA.
• Tester les contrôles : Appliquer d’abord ces règles dans les domaines prioritaires, surveiller leur précision et leur impact sur les utilisateurs, puis les affiner avant de les étendre à tout l’environnement.
• Mesurer les résultats : Évaluer au fil du temps la réduction des contenus redondants, obsolètes ou sans valeur, l’amélioration de la couverture des règles, les suppressions défendables et la qualité accrue des résultats de l’IA grâce à des données mieux gouvernées.
• Renforcer l’architecture de l’information : Organiser les référentiels, sites, espaces de travail, métadonnées et modèles de responsabilité prioritaires afin que les utilisateurs et les outils d’IA puissent plus facilement trouver, comprendre et utiliser les données conservées en toute confiance.

L’exigence de conformité liée à la gestion des données d’IA

En adoptant des outils d’IA, les organisations créent de nouvelles catégories de contenus, notamment des requêtes, des résultats, des synthèses et d’autres éléments générés par l’IA. Elles doivent intégrer ces types de données à la planification du cycle de vie.

Une stratégie complète précise les contenus d’IA à conserver, leur emplacement et leurs règles de gouvernance. Ces décisions doivent respecter les obligations juridiques, les attentes réglementaires et les besoins métier. Sans gouvernance claire, l’adoption de l’IA crée des risques au lieu de les réduire.

Appliquez les règles du cycle de vie des données à grande échelle

Les organisations appliquent ces règles à grande échelle avec des plateformes de gouvernance de l’information qui transforment les exigences en contrôles opérationnels dans les espaces de collaboration, de communication et de contenu. Dans Microsoft 365, Microsoft Purview fournit par exemple un cadre pour déployer la gestion du cycle de vie et des documents à grande échelle. La plateforme transforme l’intention des règles en configurations applicables. Les contrôles courants comprennent plusieurs éléments.

• Des stratégies de conservation appliquées à des environnements comme Exchange, SharePoint, OneDrive et Teams.
• Des étiquettes de conservation appliquées manuellement ou automatiquement au niveau d’un élément ou d’un document.
• Des mécanismes de ciblage dynamique qui adaptent les règles selon les attributs plutôt que selon des affectations fixes.
• Des workflows de suppression qui prennent en charge la revue, l’approbation et la preuve d’une élimination défendable.

L’objectif ne consiste pas à commencer par les outils, mais à mettre en place un système qui applique, surveille et améliore les règles de manière cohérente dans le temps.

Les bénéfices mesurables d’une gestion rigoureuse du cycle de vie des données

Une gestion efficace du cycle de vie des données permet aux organisations d’obtenir des résultats importants pour la direction :

• Respecter les exigences réglementaires et juridiques.
• Réduire les risques grâce à l’application cohérente des règles.
• Maîtriser les coûts de stockage et d’exploitation.
• Améliorer la qualité et la fiabilité des résultats de l’IA.

Des bases solides favorisent aussi l’adoption de l’IA tructure. Un environnement de données tructure et bien gouverné produit de meilleurs résultats pour les utilisateurs.

Pérennisez la gestion du cycle de vie des données

L’alignement de la conception des règles, de la configuration technologique et du soutien opérationnel permet d’intégrer la gestion du cycle de vie aux opérations. Cette démarche comprend l’adaptation des règles de conservation aux besoins métier, la réduction défendable des données redondantes, obsolètes ou sans valeur et le maintien d’un patrimoine de données rationalisé grâce à la classification et à l’automatisation.

L’administration des règles doit d’abord cibler Microsoft 365, souvent principal environnement de collaboration et de productivité dans lequel les contenus d’entreprise sont créés, partagés, conservés et consultés par les outils d’IA. Les organisations doivent appliquer les contrôles du cycle de vie dans Exchange, OneDrive, SharePoint, Teams et aux contenus d’IA. Elles doivent attribuer clairement les responsabilités, surveiller la couverture des règles, mesurer les suppressions et améliorer continuellement les pratiques de conservation et de gouvernance à mesure que les besoins métier, juridiques, réglementaires et les environnements de données évoluent.

Les autres sources de données d’entreprise doivent suivre le même modèle de gouvernance, même lorsque les contrôles utilisent des plateformes ou des processus opérationnels différents. Les organisations doivent inventorier et prioriser les partages de fichiers, les anciens référentiels, les systèmes métier, les bases de données, les archives et les plateformes tierces selon les risques et la valeur métier. Elles doivent les relier aux exigences de conservation et de suppression, puis les gouverner au moyen de responsabilités documentées, de cycles de revue reproductibles et de pratiques de suppression défendables.

Créez un environnement de données qui améliore la qualité des résultats de l’IA

L’optimisation du cycle de vie des données constitue l’un des moyens les plus directs d’améliorer la qualité des résultats de l’IA tout en réduisant les risques. En limitant les données redondantes et à faible valeur, en standardisant les pratiques de conservation et en garantissant des suppressions défendables, les organisations créent un environnement dans lequel l’IA fait ressortir les informations pertinentes avec plus de précision.

La septième étape réduit les hallucinations en limitant les données à faible valeur. Elle garantit aussi la gouvernance des contenus d’entreprise et des contenus d’IA grâce à une stratégie complète du cycle de vie.

Découvrez les services Epiq de gouvernance de l’information.


Julie Colgan, vice présidente, Stratégie client, Gouvernance de l’information
Julie J. Colgan aide les organisations à identifier, comprendre, prioriser et gérer les risques et les possibilités liés à leurs actifs informationnels. Praticienne et conseillère de confiance depuis plus de 25 ans, elle conçoit des solutions concrètes qui alignent la stratégie de gouvernance de l’information sur les opérations métier.

En reconnaissance de sa contribution à l’association et à la profession, ARMA l’a admise au sein de son Company of Fellows en 2019. Elle détient le titre de Certified Records Manager délivré par l’Institute of Certified Records Managers ainsi que la certification Information Governance Professional délivrée par ARMA International.