Data / IA
Vers la fin du Big Data : 10 tendances Data & Analytics en 2021
Par Laurent Delattre, publié le 23 février 2021
Gartner vient de publier ses 10 tendances 2021 pour la Data et le décisionnel au cœur des entreprises insistant au passage sur la nécessité d’accélérer sur ces sujets pour anticiper, innover et rester compétitif.
Peut-être un rien excessif, Gartner considère que les entreprises qui reposent sur de larges quantités de données historiques ont réalisé avec la pandémie que la plupart de leurs modèles ne sont plus pertinents. « La pandémie a tout changé, rendant beaucoup de données inutiles » expliquent les analystes.
Dépassées sont les techniques traditionnelles d’IA reposant sur des données historiques massives ! L’avenir est à des technologies d’analyse et d’IA qui requièrent moins de données, mais davantage de diversité. Il est temps de passer du « Big Data » au « Small & Wide Data ».
C’est l’une des grandes tendances mises en lumière par le nouveau rapport Gartner sur les 10 tendances « Data & Analystics » pour 2021. « Ces tendances peuvent aider les organisations et la société à faire face aux changements perturbateurs, à l’incertitude et aux possibilités qu’elles offrent pour les trois années à venir » explique Rita Sallam, VP Analyst chez Gartner.
Tendance 1 : Vers une IA plus intelligente et plus responsable
« IA responsable »… Le terme est décidément en vogue… Tous les acteurs du cloud et de l’IA le mettent désormais bien en avant dans leur communication. Les IA ne doivent plus être des boîtes noires mais surtout elles doivent préserver la vie privée, se conformer aux réglementations en vigueur et minimiser les biais. L’IA doit être éthique.
Mais parce que les données d’hier ne sont, paraît-il, plus pertinentes dans le monde d’après Covid, les IA doivent aussi être plus intelligentes qu’avant, se contenter de moins de données, grâce aux techniques d’ « adaptative machine learning »
Tendance 2 : Des données « composables »
« Composable Data »… Encore un autre buzz word cette fois très largement promotionné par Gartner. On connaissait les systèmes composables, les services composables… Voici les données composables. L’idée consiste à aller piocher des données multiples depuis des sources multiples pour se composer des jeux précisément utiles aux business de l’entreprise. Désormais, il faut aussi utiliser les composants de différentes solutions analytiques et différents services IA en profitant des aspects plateformes et des API pour se composer tout un univers de données personnalisé pour l’entreprise. L’agilité et la productivité des entreprises reposent sur cette capacité à composer avec ce qui existe déjà pour éviter de perdre du temps à réinventer la roue. Pour Gartner, « non seulement les données et l’analytique composables favorisent la collaboration et l’évolution des capacités décisionnelles de l’entreprise, mais elles améliorent aussi l’accès aux outils d’analyse ».
Tendance 3 : Une Data Fabric en fondation
La Data Fabric, c’est l’architecture ou la plateforme qui supporte la vision des « données et d’une analytique composables ». Autrement dit, c’est un environnement unique et unifié s’appuyant sur un ensemble de services et technologies pour mieux gérer et gouverner les données. Des acteurs comme Talend ou Denodo ont beaucoup contribué à populariser le concept. Selon Gartner, une Data Fabric réduit les temps d’intégration de 30%, les temps de déploiement de 30% et la maintenance de 70% parce qu’elle s’appuie sur l’utilisation, la réutilisation et la combinaison de différents éléments faciles à faire évoluer ou externes. « En outre, ces nouvelles Data Fabrics unifient les savoirs et technologies des data hubs, data lakes et data warehouses » selon Gartner.
Tendance 4 : Du Big Data au « Small & Wide » Data
Small Data fait référence à ces nouvelles technologies d’apprentissage machine qui ne nécessitent plus des jeux de données massifs pour émettre des hypothèses, des prédictions ou des résultats pertinents. Wide Data fait référence à la nécessité de créer des synergies entre des jeux de données très variés et une infinie variété de sources de données structurées ou non pour améliorer la connaissance des contextes et ainsi obtenir des décisions plus avisées. « Contrairement au Big Data, le Small & Wide Data permet de résoudre les problèmes rencontrés par les entreprises qui doivent gérer des questions toujours plus complexes avec l’IA ou doivent se contenter de données limitées » précise Gartner.
Tendance 5 : XOps
Exploiter les bonnes pratiques du DevOps pour les adapter au monde de la Data. Autrement dit, mettre en place une chaîne pour assurer la fiabilité, la réutilisabilité et la répétabilité tout en réduisant la duplication des technologies et des processus et en privilégiant l’automatisation des processus opérationnels. DataOps, AIOps, MLOps… « Ces technologies XOps permettent aux entreprises d’opérationnaliser les données et leur analyse afin de stimuler leur valeur commerciale » explique Gartner.
Tendance 6 : Intelligence décisionnelle
« L’intelligence décisionnelle est une discipline qui comprend un large éventail de processus décisionnels, y compris l’analyse conventionnelle, l’IA et des applications complexes de systèmes adaptatifs » explique Gartner. Désormais il faut l’ « ingénieuriser » pour qu’elle ne serve plus des décisions individuelles mais s’applique à un ensemble de décisions en les regroupant dans des processus opérationnels et même dans des « réseaux de prise de décision ». Une approche qui accompagne l’idée d’un « décisionnel composable » et celle de la « data fabric » pour rendre les prises de décision plus complètes, plus précises, plus affinées.
Tendance 7 : Data et Analytics au cœur des fonctions métiers
Les directions métiers commencent enfin à comprendre l’importance de la donnée et de son analyse pour accélérer les initiatives métiers dans un monde numérique. Selon Gartner, la présence de Chief Data Officers multiplierait la production de nouvelles valeurs métiers par 2,6.
Tendance 8 : Des graphes pour tout
Vous ne connaissez pas la théorie des Graphes ? Il va falloir vous familiariser avec ses concepts.
Les Graphes, ces organisations multi relationnelles entre des nœuds et liens, deviennent essentiels à l’informatique moderne et l’IA. On en trouve au cœur de bien des plateformes comme Salesforce ou Microsoft 365. Pour Gartner, ils sont essentiels à la collaboration des salariés, aux modèles de Machine Learning, à l’ « IA explicable ». En fait, jusqu’à 50% des demandes de renseignements de clients de Gartner sur les sujets IA impliquent une discussion sur l’utilisation de graphes.
Tendance 9 : L’essor du consommateur augmenté
Petit à petit, la consommation des données au sein de l’entreprise ne se limite plus à des tableaux prédéfinis et à des « citizen data scientists » explorant des questions prédéfinies. Ces tableaux de bord à l’ancienne vont être remplacés par des systèmes automatisés plus conversationnels, plus mobiles, plus dynamiques et plus personnalisés en fonction des contextes. De sorte que le savoir informationnel de l’entreprise ne soit plus uniquement entre les mains des experts de la donnée mais entre tous les collaborateurs de l’entreprise.
Tendance 10 : Données et Analytique à la périphérie
« De plus en plus de technologies d’analyse de données s’animent en dehors des centres de données et du cloud, se rapprochant des actifs physiques. Cela réduit ou élimine la latence des solutions centrées sur les données et permet une valeur plus temps réel » explique Gartner. Le Edge Computing répond à un besoin croissant d’analyser les données directement là où elles sont produites afin d’agir en temps réel. Les solutions d’analyse de données et d’IA se déplacent donc vers le Edge Computing.
