L'IA offre un potentiel significatif pour rationaliser et optimiser la gestion du backlog Produit, mais son adoption nécessitera de trouver un équilibre judicieux entre automatisation et validation humaine, tout en assurant la transparence et en atténuant les risques de biais.
L'arrivée de l'intelligence artificielle (IA) bouscule les pratiques Agile. Que signifie encore "être Agile" à l'ère de l'IA? Cette série d'articles dresse un panorama des changements culturels et méthodologiques à prévoir au sein des organisations.
Qu’est-ce qui empêche aujourd’hui les entreprises de valoriser leur patrimoine de données ? De devenir ‘data-driven’ ? Ce n’est pas le manque de données, au contraire, mais l’accumulation de données souvent périmées ou de mauvaise qualité, des équipes qui ne parviennent pas à travailler ensemble, des technologies pas adaptées…
Une remise en forme s’impose, qui demande 1) de revoir complètement la gouvernance, et 2) de bâtir une plateforme de qualité industrielle.
Pour éviter le cauchemar en arrière-cuisine, nous sommes revenus avec Florent Legras, Data Engineering Manager de SFEIR, sur les ingrédients d’un projet data réussi, en nous basant sur les recettes mises en œuvre chez nos clients, lors de l'édition 2021 du salon BigData & AI Paris.
Comme pour toute bonne cuisine, il faut savoir ne pas se précipiter, sélectionner les bons ingrédients, s'assurer de leur traçabilité, les les surveiller tout au long du processus de préparation, et pouvoir compter sur des brigades en salle et en cuisine qui fonctionnent en bonne intelligence.
Parce qu'il est bon de lire et relire les classiques, nous vous convions à vous replonger dans cette somme impressionnante sur le data management qu'est ce Data Management Body of Knowledge.
L'IA générative était (surprise !) la vedette du keynote de l'AWS Summit Paris, ce 3 avril au Palais des Congrès. C'est LE sujet qui tire le Cloud et la Data.