La condition des données, basée sur des facteurs tels que l'exactitude, la complétude, la fiabilité et la pertinence, est cruciale pour la performance efficace des modèles d'intelligence artificielle.
Une mesure multidimensionnelle — incluant l’exactitude (sans erreur), l’exhaustivité (aucune valeur manquante), la cohérence (formats uniformes), l’actualité (données à jour) et la pertinence (adaptée à l’usage prévu). Les programmes de qualité des données déploient des règles de validation automatisées, des pipelines de nettoyage et des tableaux de bord de qualité, avec des procédures d’escalade lorsque les indicateurs passent en dessous des seuils.
Une équipe de risque de crédit suit des indicateurs de qualité des données pour les champs relatifs aux revenus et à l’emploi dans les demandes de prêt. Lorsque les taux de valeurs manquantes dépassent 2 %, une alerte automatisée déclenche une revue : les ingénieurs data corrigent les scripts ETL et informent le personnel de première ligne afin de faire respecter les champs obligatoires, rétablissant l’exhaustivité des données avant le réentraînement du modèle.
