Intervenants 

• Imane Lafnoune, Lead Data Engineer & Data Quality,, Sicara
• Nicolas Salles, Chief Data Officer, OFI Invest

Dans un article rédigé en 2017 déjà, George Krasadakis, Senior Program Manager chez Microsoft, souligne que “”les projets intensifs en données ont un point de défaillance unique : la qualité des données.”” ( Source “Data-intensive projects have a single point of failure: data quality.”)
Et il semble que ce problème ne fait que s’accentuer…

Ces dernières années, l’écosystème des données a connu une transformation majeure avec la multiplication des sources de données et la décentralisation des équipes data. Avec la démocratisation de l’IA, notamment grâce à l’apparition des LLMs, de plus en plus de produits IA sont créés, mais les données utilisées ne sont pas toujours de qualité et leur qualité n’est pas toujours simple à maîtriser.

Lors de ce partage d’expérience, nous essayerons de répondre tous ensemble aux enjeux de qualité de données pour le succès des projets d’intelligence artificielle :
– Quel niveau de qualité ?
– Quel est l’impact des données de mauvaise qualité ?
– Quels outils et bonnes pratiques adopter ?

Si vous aussi vous souhaitez partager vos problématiques, vos enjeux, votre expérience, n’hésitez pas à nous rejoindre !