La gestion des données en IA : un facteur clé de succès

Une récente étude de Cognilytica indique que le plus grand défi rencontré par la plupart des équipes IA/ML est la gestion et l'optimisation des données. Environ 50 % du temps qu'ils consacrent au développement de l'IA est dédié aux données d'entraînement, tandis que 15 % supplémentaires impliquent l'augmentation des datasets pour optimiser les processus autour des données d'entraînement. À long terme, ces optimisations peuvent leur permettre d'économiser un temps et un argent considérables.

Allocation du temps dans les tâches de machine learning

Data management in ai key success factor 625e75898fbf5404e47303dc 1 htw7imfcylqzti6ynzkgoa Source : Données extraites de Cognilytica -- Data Preparation & Labeling for AI 2020

Qu'est-ce que le Data-Centric AI ?

Vous êtes probablement bien au courant de l'approche "Data-Centric" de l'IA, souvent appelée DCAI. Beaucoup de personnes ont essayé de la définir. Chez Picsellia, nous sommes alignés avec la définition d'Andrew Ng.

Data management in ai key success factor 625e75a97d807a5540c09820 0 lz9 8poq3cpdisie

Nous pensons que le point clé à retenir de sa définition est le terme "systématiquement", ce qui implique que les données seront toujours la première chose à avoir en tête lors du démarrage d'un nouveau projet.

Si vous souhaitez suivre une approche Data-Centric AI, vous devriez toujours vous interroger sur la qualité et la quantité de vos données avant toute autre chose. Cela signifie que toutes les interrogations concernant l'implémentation de votre modèle devraient devenir, au minimum, secondaires.

Quelles sont les questions les plus importantes pour atteindre le DCAI ?

• Ai-je des données pour mon cas d'usage ?
• Quelle quantité de données ai-je ?
• Dans quelle mesure les données sont-elles pertinentes ?

Vous avez besoin de la gestion des données pour être Data-Centric

En suivant l'approche Data-Centric, il devient évident que la vitesse d'itération de vos modèles de vision par ordinateur sera limitée par la vitesse à laquelle vous itérez vos données. La rapidité d'accès à l'information pour répondre à ces questions sera un facteur clé de votre processus de développement.

Afin de maximiser l'agilité de votre organisation autour de vos données, un système de gestion des données efficace et centralisé est un facteur clé de succès pour vos projets IA.

Chez Picsellia, nous sommes convaincus qu'une stratégie réussie en vision par ordinateur nécessite une gestion appropriée des données. La complexité actuelle de l'IA réside dans ses opérations et ses processus et non dans le développement des modèles.

Fonctionnalités clés pour une solution de gestion des données efficace

Précédemment, nous avons mentionné l'importance de la centralisation dans la gestion des données. Cependant, ce n'est pas le seul élément à considérer lors de la mise en place de notre stratégie de gestion des données.

En effet, l'objectif est de pouvoir répondre aux trois questions précédemment mentionnées concernant la quantité de données, leur pertinence et leur qualité. Pour y parvenir, il est nécessaire de mettre en place des outils qui vous permettent de naviguer le plus efficacement possible dans vos données, et d'en extraire des informations pertinentes. Un sondage que nous avons récemment lancé sur LinkedIn montre que la fonctionnalité la plus recherchée lors de l'implémentation d'une stratégie de gestion des données est le data mining.

Data management in ai key success factor 625e75ba8fbf54842f7304e5 0 npcpfj7mjzg5swoe

En effet, l'avènement des technologies de stockage objet dans le cloud (AWS S3, Google Cloud Storage, etc.) a permis aux entreprises de stocker de plus en plus de données à moindre coût. Mais, lorsqu'on travaille sur des cas d'usage de vision par ordinateur, le stockage de masse centralisé pose un problème majeur de visualisation et d'exploration.

Le caractère non structuré d'une image rend la navigation dans ces object-stores très compliquée. Ainsi, l'une des fonctionnalités majeures requises pour une solution de gestion des données dédiée à la vision par ordinateur est la visualisation et l'exploration des données.

Vient ensuite la traçabilité et le versionnement de vos données. Pour permettre à votre organisation de reproduire et d'analyser votre travail, il est essentiel de conserver un historique de l'utilisation des données.

Le développement de modèles de vision par ordinateur nécessite une maîtrise totale et une vision à 360° des données qui ont été utilisées pour les créer. Pour résumer, vous devez être en mesure de répondre aux questions suivantes :

• Quelles données ont été utilisées pour entraîner le modèle X ?
• Quel dataset a été utilisé dans l'expérience Y ?

En résumé

Afin de garantir le succès d'une stratégie Data-Centric, il est nécessaire de mettre en place un système de gestion des données efficace. Centraliser les données via des solutions de stockage cloud telles qu'AWS S3 ne suffit pas pour disposer d'un système de gestion des données. Vous devrez également mettre en place des fonctionnalités de visualisation, de recherche et d'indexation pour être en mesure de répondre aux questions fondamentales d'une stratégie Data-Centric.