Agents

L'intelligence artificielle amplifie les erreurs de données plutôt que de les corriger

16 novembre 2026 · 2 min de lecture

black and white car instrument panel cluster
Nick Fewings / Unsplash

Une enquête menée par Precisely et le LeBow College of Business de l'Université de Drexel auprès de 565 professionnels des données révèle que l'intelligence artificielle ne corrige pas les données défectueuses, mais accélère et généralise les erreurs.

Le rapport souligne un écart important entre la perception et la réalité technique. Bien que 88% des dirigeants de données se disent prêts pour l'intelligence artificielle, 43% admettent que leurs données constituent actuellement un obstacle. En janvier 2026, l'étude montre que si l'optimisme a augmenté, les problèmes persistent, car près de la moitié des personnes se déclarant prêtes admettent en réalité ne pas l'être.

L'automatisation transforme les erreurs lentes en défaillances rapides. Contrairement à un humain qui peut douter et corriger, un modèle d'intelligence artificielle apprend l'erreur et l'applique des milliers de fois par seconde. Avec l'arrivée des agents capables d'exécuter des actions, l'erreur passe du simple rapport à l'opération directe.

Les données de Gartner indiquent que 63% des organisations manquent de pratiques de gestion de données appropriées pour l'intelligence artificielle ou ignorent si elles en possèdent. En conséquence, il est prévu que d'ici la fin de l'année 2026, les entreprises abandonnent 60% des projets d'intelligence artificielle qui ne s'appuient pas sur des données préparées, malgré des investissements multimilliardaires dans l'intelligence artificielle générative et agentique.

Les dirigeants identifient le gouvernement des données et leur qualité pour l'entraînement et l'inférence comme les principaux freins, plutôt que le modèle lui-même. Ils citent également le manque d'attributs de contexte, les problèmes de confidentialité et l'insuffisance de données pour éviter les biais.

L'adoption d'une stratégie formelle de gouvernement des données semble être une solution efficace. Selon l'étude de LeBow de 2026, 71% des organisations disposant d'un tel programme ont une confiance élevée dans leurs données, contre 50% pour celles qui n'en ont pas. De plus, 32% de ces organisations avec une stratégie attendent un retour positif de l'intelligence artificielle dans un délai de 6 à 11 mois.

L'intelligence artificielle est également utilisée pour résoudre ces problèmes via des agents qui étiquettent les données personnelles ou proposent des règles de qualité sous supervision humaine. La plateforme Data Integrity Suite de Precisely permet notamment de gouverner les données par des requêtes en langage naturel.

Enfin, le règlement européen sur l'intelligence artificielle impose désormais des pratiques de gouvernement et de qualité des données pour les systèmes à haut risque, notamment pour l'octroi de crédits ou la sélection de personnel.