Sep 29, 2026

Quand le modèle fonctionne mais que les données ne sont pas prêtes

Data Series
5

Temps de lecture :

5 min de lecture

93 % des chefs d'entreprise canadiens affirment utiliser l'IA. 2 % en voient le rendement. Une fiche d'évaluation de la préparation que vous pouvez utiliser dès lundi.

Auteur

Dimitri Phalen est le responsable marketing chez ISM qui privilégie un langage clair aux grandes promesses. Depuis des années, il travaille dans l'ombre pour traduire des problèmes informatiques complexes et confus en solutions concrètes pour les équipes. Si un texte semble avoir été écrit par quelqu'un qui manque de caféine et qui a passé trop de temps avec l'équipe de livraison, c'est probablement de sa faute.

93 % des chefs d'entreprise canadiens affirment que leur organisation utilise l'IA. 2 % en retirent un rendement (KPMG Canada, novembre 2025).

Ce n'est pas un problème technologique. C'est un problème de fondations. Les modèles fonctionnent. Les démonstrations sont convaincantes. Puis, l'initiative se heurte aux données de production et s'effondre, car les entrées sont chaotiques, la lignée est fictive, la gouvernance n'existe que sur une diapositive que personne n'a vraiment lue et les environnements hors production sont encore remplis de renseignements personnels réels datant d'il y a deux RSSI.

La préparation à l'IA n'est pas un produit. C'est un état.

Soit votre environnement l'atteint, soit votre initiative stagne. Il n'y a pas de troisième option. Réparez la plomberie et vous obtiendrez des applications qui font confiance à leurs entrées, une confidentialité qui n'arrive pas comme un veto de dernière minute, des audits qui sont une préparation plutôt qu'une panique, et une prochaine équipe qui hérite d'éléments fonctionnels plutôt que d'un jeu de devinettes. Ignorez cela et vous vous condamnez à refaire le même projet pilote, sauf que cette fois, le conseil d'administration se souviendra du premier budget.

À quoi ressemble le travail quand personne ne regarde

Quelqu'un finit par le dire. La confidentialité et la gouvernance sont ajoutées après coup, et non intégrées dès le départ. Le catalogue est manquant ou simulé. Viennent ensuite les premières victoires : de petits cas d'utilisation avec des contrôles dès le premier jour. Après cela, le travail complexe. Réparer les tuyaux. Automatiser les garde-fous. Former des gens qui n'ont jamais vu de lignée en dehors d'une feuille de calcul.

Ensuite, cela s'accumule. Suivez les SLO pour les données et les modèles. Surveillez la dérive et la santé des caractéristiques. Maintenez un registre de modèles propre et des contrats versionnés. Créez des chemins de retour en arrière qui ne nécessitent pas de cellule de crise. Intégrez les approbations, la lignée et les preuves dans les pipelines pour que le « ce qui s'est passé » ne devienne pas une rétrospective de 6 semaines. Rien de tout cela n'est glamour. C'est pour ça que ça fonctionne.

Une fiche d'évaluation que vous pouvez utiliser un lundi

Gary a fait cela au dernier trimestre. La plupart des cases étaient cochées. Les lacunes étaient celles que personne n'avait financées il y a 2 ans. Il n'a pas été surpris.

Si votre catalogue est réel et que les gens l'utilisent pour trouver des données au lieu de demander à la personne la plus ancienne de l'entreprise, passez. S'il s'agit d'une feuille de calcul de la dernière migration, réparez cela en premier.

Si les environnements hors production sont masqués par défaut, passez. Si le masquage se fait « quand nous aurons le temps », cela ne se fait pas.

Si la lignée et les approbations sont capturées dans le pipeline au fur et à mesure du travail, passez. Si elles sont assemblées lors du post-mortem par des gens qui ont mieux à faire, vous payez le prix fort pour des retouches évitables.

S'il y a un propriétaire désigné qui peut dire oui ou non sans convoquer un comité qui se réunit mensuellement et publie des procès-verbaux que personne ne lit, passez.

Si quelqu'un peut retracer une décision jusqu'aux entrées qui l'ont informée sans cellule de crise, passez. Sinon, vos sorties d'IA sont des suggestions que personne ne peut défendre lorsque l'auditeur pose des questions.

En pratique

Finance. Les modèles de fraude et de risque fonctionnent lorsque les entrées sont cataloguées et que la lignée est visible. L'analyste à Toronto cesse de remettre en question les données et commence à faire confiance aux résultats. Les cycles de révision raccourcissent. Les résultats cessent de fluctuer parce que la fondation sur laquelle ils reposent est stable.

Santé. Les modèles prédictifs avancent plus rapidement lorsque les contrôles de confidentialité sont intégrés avant le début de l'entraînement. Une équipe de recherche en Alberta travaille avec des données de patients masquées, gouvernées et prêtes pour l'analyse sans mettre l'hôpital à la une du Calgary Herald.

Fabrication. La prévision fonctionne lorsque l'OT et l'IT s'entendent sur la définition d'une « unité ». L'usine de Sudbury et l'entrepôt de Mississauga cessent de se disputer sur les définitions. Catalogue d'abord. Optimisation ensuite.

La série jusqu'à présent

Cet article s'appuie sur tout ce qui l'a précédé. Vous ne pouvez pas protéger ce que vous ne pouvez pas trouver vous a offert la visibilité. Votre politique dit une chose, votre environnement en dit une autre vous a offert les contrôles. Personne n'est promu pour son travail en gouvernance vous a offert les règles. Les données se moquent de votre pare-feu vous a offert la protection. C'est ici que tout s'additionne ou non.

Le service qui rassemble le tout : Préparation à l'IA.

Commencez là où vous êtes

Choisissez un flux lié à un résultat concret. Répertoriez-le. Ajoutez la traçabilité. Intégrez les approbations. Rendez-le fiable de bout en bout. C'est ainsi que les projets pilotes deviennent des produits.

Nous avons passé des décennies à aider les équipes du secteur public et des entreprises canadiennes à transformer des environnements complexes en solutions d'IA opérationnelles. Livraison locale. Capacité mondiale de Kyndryl lorsque l'échelle l'exige. Et nous restons présents lorsque les choses se compliquent.

Un mot de Catherine Manarolis, directrice des ventes

Je travaille dans le domaine des TI en entreprise depuis plus de 20 ans. D'abord avec les géants, maintenant avec une équipe qui répare réellement ce qui se cache sous la surface. J'ai vu trop de clients perdre de l'argent dans des solutions bien intentionnées qui stagnent juste avant d'être livrées.

Les clients qui réussissent ne sont pas toujours ceux qui ont les plus gros budgets. Ce sont ceux qui ont solidifié leurs fondations avant que la pression ne monte, ou qui ont testé les nouveautés avant de les lancer à grande échelle.

Quand la structure est solide, vous n'avez pas à payer pour des retouches, des épuisements professionnels ou des audits surprises. Vous n'avez pas à justifier des budgets pour terminer ce que vous avez déjà lancé. Et vous ne perdez pas de temps à reconstruire ce qui aurait dû être évolutif.

Mon rôle n'est pas de pousser un produit. C'est de comprendre ce qui vous ralentit et de vous aider à trouver la bonne voie. Si votre prochaine initiative approche et que vous voulez qu'elle soit une réussite, je suis là.

Vous voulez comprendre notre façon de travailler?

Chaque conversation commence par votre environnement. Pas par notre liste de produits.

Contactez-nous
FlècheFlèche

Ce n'est pas une question de technologie ou de processus. C'est une question de clients, d'utilisateurs et de la confiance durement acquise que vous avez bâtie. Chaque membre de notre équipe garde cela à l'esprit.

CTA mobile