Tendance n° 1 : Une IA plus intelligente, plus responsable et évolutive
Une IA plus intelligente, plus responsable et évolutive permettra d’obtenir de meilleurs algorithmes d’apprentissage, des systèmes intelligibles et des délais de rentabilisation plus courts. Les entreprises vont commencer à exiger davantage de systèmes reposant sur l'intelligence artificielle, elles devront trouver le moyen de faire évoluer les technologies, ce qui, jusqu'à présent, n'a pas été chose facile.
Alors que les techniques d'IA traditionnelles peuvent s'appuyer en grande partie sur des données historiques, étant donné la façon dont la COVID-19 a chamboulé les activités commerciales, ces données peuvent ne plus être pertinentes. Les technologies de l'IA doivent donc être capables de fonctionner avec moins de données en faisant appel à des techniques de «∘small data∘» et machine learning adaptatif. Ces systèmes exploitant l'IA doivent également protéger la confidentialité, se conformer aux réglementations nationales et éliminer les risques de partialité afin de contribuer à créer une IA plus éthique.
Tendance n° 2 : Des données et analyses composites
L'objectif du modèle de gestion des données et des analyses composites est de faire appel à des composantes de plusieurs solutions de données, d'analyses et d'IA en vue de proposer une expérience conviviale, polyvalente et accessible à tous qui permettra aux dirigeants de mettre en relation les renseignements obtenus à partir des données et les actions commerciales. Les enquêtes menées par Gartner auprès de ses clients indiquent que la plupart des grandes entreprises disposent de plus d'un outil d'analyse et de veille stratégique «∘standard∘».
La création de nouvelles applications à partir des fonctionnalités commerciales de chacun de ces outils favorise la productivité et l'agilité. Non seulement les données et les analyses composites encouragent la collaboration et font évoluer les capacités analytiques de l'entreprise, mais elles facilitent également l'accès aux analyses.
Tendance n° 3 : Une matrice d'exploitation des données comme base de travail
Face à la complexité croissante des données et à l'accélération des activités numériques, la matrice des données est l'architecture qui prendra en charge les données et les analyses composites ainsi que ses différents composants.
La matrice de données réduit de 30 % le temps consacré à la conception de l'intégration, de 30 % le temps consacré au déploiement et de 70 % le temps consacré à la maintenance, car les modèles technologiques reposent sur la capacité d'utiliser/de réutiliser et de combiner différents styles d'intégration de données. De plus, les matrices de données peuvent tirer parti des compétences et des technologies existantes des concentrateurs de données, des référentiels de données et des entrepôts de données, tout en offrant de nouvelles approches et de nouveaux outils pour l'avenir.
Tendance n° 4 : Du Big Data au Small and Wide Data
Contrairement au big data, le modèle du small and wide data résout un certain nombre de problèmes pour les entreprises confrontées à des questions de plus en plus complexes sur l'IA et à des contraintes en termes de limite de la quantité de données à utiliser. Le Wide data, qui s'appuie sur les techniques de « l’analytique X », permet l'analyse et la synergie de diverses sources de données petites et variées (wide), non structurées et structurées, afin d'améliorer la compréhension du contexte et la prise de décisions. Le small data (petites données), comme son nom l’indique, permet d'utiliser des modèles de données qui requièrent moins de données, mais qui offrent néanmoins des informations utiles.
Tendance n° 5 : XOps
L'objectif des opérations XOps (données, machine learning, modèle, plateforme) est de réaliser des gains d'efficacité et des économies d'échelle en utilisant les meilleures pratiques du mouvement DevOps, mais également de garantir la fiabilité, la réutilisation et la reproductibilité en réduisant la répétition des technologies et des processus tout en permettant de réaliser des automatisations.
Ces technologies permettront de transposer les prototypes à plus grande échelle afin d'offrir une conception flexible et une orchestration agile des systèmes de prise de décision gouvernés. En somme, les processus XOps permettront aux sociétés de traduire en termes opérationnels les données et les analyses afin de générer une valeur commerciale.
Tendance n° 6 : Aide intégrée à la décision
L’aide intégrée à la décision est une discipline qui englobe un large éventail de processus décisionnels, y compris les analyses classiques, l'IA et les applications de systèmes adaptatifs complexes. L’aide intégrée à la décision s’applique non seulement aux décisions individuelles, mais également aux séquences de décisions, en regroupant les décisions en processus d’entreprise, et même en réseaux de processus émergents de prise de décision.
Cela permet aux sociétés d'obtenir plus rapidement les informations nécessaires à la mise en œuvre de mesures pour soutenir leurs activités. Lorsqu’elle est associée au modèle composite et à une matrice d'exploitation des données commune, l’aide intégrée à la décision ouvre de nouvelles opportunités de repenser ou remodeler la façon dont les organisations optimisent les décisions et les rendent plus précises, reproductibles et transparentes.
Tendance n° 7 : La gestion des données et analyses constituent des composantes essentielles de l'activité
Les chefs d'entreprise commencent à comprendre l'importance de recourir aux données et à l'analyse pour stimuler les initiatives commerciales numériques. Plutôt que d’être considérées comme une activité secondaire, confiée à une équipe distincte, les données et analyses deviennent une fonction centrale. Cependant, les chefs d'entreprise sous-estiment souvent la complexité des données et finissent par négliger certaines opportunités. Si les directeurs des données sont impliqués dans la définition des objectifs et des stratégies, ils peuvent multiplier par 2,6 la production continue de la valeur commerciale.
Tendance n° 8 : Les graphiques permettent de tout mettre en corrélation
Le graphique est à la base des analyses et du traitement des données modernes, avec des capacités permettant de renforcer et d'améliorer la collaboration entre les utilisateurs, les modèles de machine learning et l'IA interprétable. Bien que les technologies graphiques ne sont pas des outils novateurs dans le domaine des données et de l'analyse, les entreprises ayant identifié un nombre croissant de possibilités d'utilisation ont observé une évolution dans la façon de les appréhender. Ainsi, pas moins de 50 % des demandes de renseignements des clients de Gartner sur le thème de l'IA s'accompagnent d'une discussion sur l'utilisation de la technologie graphique.
Tendance n° 9 : L’essor du consommateur de données averti
Par le passé, les utilisateurs professionnels étaient limités à des tableaux de bord prédéfinis et à un examen manuel des données. Cela signifiait souvent que l’utilisation de tableaux de bord des données et outils d’analyse était limitée aux analystes de données ou aux spécialistes des données individuelles qui se consacraient à l’étude de requêtes définies au préalable.
Cependant, Gartner estime qu’à l’avenir, ces tableaux de bord seront remplacés par des analyses automatisées, interactives, mobiles générées dynamiquement, adaptées aux besoins de l'utilisateur et transmises directement au poste de travail. Cette évolution a pour effet de transférer les perspectives offertes par les analyses de quelques spécialistes des données à n'importe qui dans l'organisation.
Tendance n° 10 : Le déplacement des données et outils d’analyse en périphérie
Les technologies d'analyse des données étant de plus en plus nombreuses à résider en dehors des environnements traditionnels des centres de données et des environnements cloud, elles se rapprochent des actifs physiques. Cela réduit ou élimine les délais de latence pour les solutions centrées sur les données et permet d’obtenir plus de valeur en temps réel.
En déplaçant les données et les analyses vers la périphérie, les équipes chargées des données auront la possibilité de faire évoluer leurs capacités et d'étendre leurs actions à différents secteurs de l'entreprise. Cela peut également apporter des solutions dans les cas où les données ne peuvent pas être retirées de certaines zones géographiques pour des raisons juridiques ou réglementaires.
