En 2024, l’IA générative et responsable domine les discussions sur la science des données. De nombreuses entreprises expérimentent les grands modèles de langage. Le rapport DORA décrit des gains de productivité et de satisfaction chez les premiers utilisateurs, mais signale aussi des risques de code instable lorsque les outils sont mal employés. Plus d’un tiers des équipes ont rapporté une baisse de confiance et de légères pertes de performance. L’IA peut accélérer les analyses et la création de modèles, à condition de conserver un contrôle humain et des règles claires
Principales évolutions
- Intégration de l’IA : les équipes dépassent l’expérimentation et intègrent les modèles aux produits et aux traitements. AutoML progresse, tandis que le versionnement, la surveillance et les processus MLOps automatisés se développent. Vertex AI et Azure AI facilitent les déploiements
- Confidentialité et apprentissage fédéré : le RGPD et l’évolution du cadre européen de l’IA renforcent les méthodes de protection des données. L’apprentissage fédéré entraîne les modèles sur les appareils ; les données synthétiques ouvrent d’autres possibilités. L’explicabilité devient une exigence importante
- Analyse en temps réel et en périphérie : Kafka, Pulsar et l’IA embarquée permettent d’exploiter immédiatement les événements, notamment dans la finance, l’IoT et les services en ligne
- Infrastructure de données sous forme de code : les outils inspirés de Terraform gèrent les flux et entrepôts de données. Les processus DataOps sont versionnés dans Git et les chaînes CI/CD vérifient la qualité des données
- Gouvernance et éthique : les entreprises organisent des contrôles pour réduire les biais, améliorer la transparence et intégrer une validation humaine lorsque nécessaire
La discipline gagne en maturité : elle exploite des modèles plus puissants tout en examinant leurs conséquences. Une analyse avancée associée à une gouvernance fiable constitue un atout pour l’économie des données en 2024