IBM mise sur la traçabilité des données pour déployer l’IA dans les services publics

Derrière les promesses de l’intelligence artificielle dans les administrations et les grandes entreprises se cache une question très concrète : d’où viennent les données utilisées, qui les a modifiées et à quels systèmes sont-elles reliées ? Pour IBM, cette capacité à suivre le parcours d’une information devient une condition essentielle pour déployer des outils d’IA plus utiles, plus contrôlables et mieux adaptés aux données sensibles des citoyens.

Une stratégie qui relie IA, données et services aux citoyens

L’article d’archive décrit une étude de marché menée par IBM autour de l’amélioration des services aux citoyens par l’intelligence artificielle. L’objectif affiché est d’identifier les stratégies commerciales et les technologies les plus pertinentes dans ce domaine, en observant à la fois les acteurs installés et les nouveaux entrants.

L’enjeu est large. Dans un service public, les données peuvent servir à orienter une personne vers la bonne démarche, à traiter des demandes répétitives, à retrouver plus vite un dossier ou à aider des agents à analyser un grand volume de documents. Mais ces usages deviennent vite sensibles lorsque les informations concernent l’identité, le logement, la situation familiale, la santé ou les ressources d’une personne.

Le document source insiste sur la capacité d’innovation et de développement des entreprises étudiées. Il ne fournit toutefois ni liste détaillée des participants, ni classement chiffré, ni résultat opérationnel précis. Il faut donc comprendre cette démarche comme un travail de repérage des opportunités de marché et des technologies à mobiliser, non comme la présentation d’un programme public identifié.

L’étude évoque aussi une analyse SWOT, une méthode classique qui consiste à évaluer les forces, les faiblesses, les opportunités et les menaces d’un projet. Dans le cas de l’IA, cette grille a l’avantage de dépasser la seule performance technique : elle oblige aussi à regarder la qualité des données, les contraintes réglementaires, la sécurité ou encore la capacité d’une organisation à faire évoluer ses pratiques.

Cette approche est particulièrement pertinente pour les organismes qui souhaitent expérimenter l’IA sans perdre la maîtrise de leurs systèmes d’information. Une réponse générée par une IA peut sembler convaincante. Elle reste pourtant difficile à vérifier si personne ne sait quelles bases de données ont alimenté le système, quelles transformations ont été appliquées ou quelles informations doivent être écartées.

Manta Software, une acquisition envisagée pour mieux suivre les données

Le point le plus concret de cette stratégie est l’opération annoncée par IBM le 25 octobre 2023. Le groupe américain a indiqué avoir conclu un accord définitif en vue d’acquérir Manta Software, une entreprise fondée en 2016 et basée à Prague, en République tchèque.

Au 31 octobre 2023, il s’agit donc d’une acquisition annoncée, et non d’une intégration déjà achevée. IBM présente Manta comme un complément à sa plate-forme d’IA et de données watsonx. L’article d’archive rattache pour sa part l’opération aux offres autour de Watson, la marque historique d’IBM dans l’intelligence artificielle. L’annonce officielle situe plus précisément Manta dans la stratégie watsonx, qui réunit des outils destinés aux modèles d’IA, aux données et à leur gouvernance.

Le produit de Manta se concentre sur la traçabilité des données, parfois appelée data lineage. Son rôle est de produire une cartographie des parcours empruntés par l’information dans une organisation. Cette cartographie peut montrer :

• la source initiale d’une donnée ;
• les bases, fichiers ou applications par lesquels elle transite ;
• les transformations qui lui sont appliquées ;
• les rapports, tableaux de bord ou modèles qui dépendent d’elle.

Dans une entreprise, une même donnée peut en effet être copiée, nettoyée, agrégée ou enrichie à de nombreuses étapes. Sans vue d’ensemble, il devient difficile de répondre à des questions pourtant fondamentales : quelles applications utilisent cette information ? Quelle conséquence aura la correction d’une base ? Où se trouvent les données personnelles d’un usager ?

L’article d’archive souligne que Manta peut aider les organisations à découvrir et à anonymiser des données sensibles grâce à une piste d’audit détaillée. Dans la pratique, cette piste sert surtout à identifier les emplacements et les flux qui doivent être contrôlés. L’anonymisation, la restriction d’accès ou la suppression d’informations exigent ensuite des règles, des outils et des validations propres à chaque organisation.

Pourquoi la traçabilité est décisive pour une IA fiable

Pour entraîner, tester ou alimenter un système d’IA, une organisation doit réunir des données parfois réparties entre plusieurs services. C’est un défi technique, mais aussi un sujet de gouvernance. Une donnée erronée, obsolète ou mal catégorisée peut se retrouver dans une analyse, une recommandation ou une réponse adressée à un usager.

La valeur de la traçabilité tient à sa capacité à répondre à trois besoins complémentaires : la transparence, la gestion du risque et l’efficacité opérationnelle. Lorsqu’un problème est détecté dans une source, les équipes peuvent plus rapidement identifier les systèmes qui en dépendent. Lorsqu’un auditeur demande l’origine d’un indicateur, l’organisation peut reconstituer son parcours. Lorsqu’un projet d’IA est lancé, les responsables disposent d’une meilleure visibilité sur les données qu’ils envisagent d’utiliser.

Cette logique est importante pour respecter les obligations applicables à la protection des données personnelles, notamment celles du règlement général sur la protection des données, le RGPD. Elle ne remplace pas ces obligations. Connaître le chemin d’une donnée ne dispense ni de définir une finalité légitime, ni de limiter les accès, ni de protéger les informations contre une exposition non autorisée.

Quels bénéfices pour les services destinés aux citoyens ?

Les services aux citoyens constituent un terrain exigeant pour l’IA. Les administrations doivent souvent traiter un volume important de demandes tout en garantissant l’égalité de traitement, l’explication des décisions et la confidentialité des dossiers. L’automatisation peut faire gagner du temps sur des tâches répétitives, mais elle ne doit pas transformer une erreur de données en erreur administrative à grande échelle.

Dans ce contexte, la cartographie des données peut soutenir plusieurs étapes d’un projet. Avant le déploiement, elle permet de recenser les bases qui pourraient être sollicitées. Pendant l’exploitation, elle aide à vérifier que les données utilisées correspondent bien au besoin initial. En cas de correction ou d’incident, elle facilite l’identification des services, modèles ou tableaux de bord concernés.

Pour un citoyen, l’intérêt est indirect mais concret. Une organisation qui maîtrise mieux ses flux de données est mieux placée pour éviter que des informations obsolètes soient réutilisées, pour limiter la circulation inutile de données personnelles et pour expliquer les éléments qui ont contribué à un traitement automatisé ou assisté.

Il reste toutefois une frontière importante : l’outil de traçabilité ne décide pas à la place des responsables publics. Il ne garantit ni l’équité d’un algorithme, ni la qualité d’une procédure, ni la pertinence d’une décision individuelle. Ces dimensions relèvent de la conception du service, du contrôle humain et des règles de droit applicables.

L’aéronautique, un autre champ d’application pour les données industrielles

L’article d’archive relie également les travaux d’IBM au marché des logiciels utilisés dans la maintenance, la réparation et la révision des aéronefs. Ce secteur est souvent désigné par l’acronyme MRO, pour maintenance, repair and overhaul. Il couvre les opérations nécessaires pour entretenir un avion, diagnostiquer une anomalie, planifier une intervention, gérer les pièces et conserver l’historique des opérations réalisées.

Le document évoque une étude prenant en compte la structure de consommation, les techniques de vente, les tendances de développement, la segmentation du marché et le contexte macroéconomique. Il mentionne aussi l’analyse de fournisseurs reconnus de logiciels de dépannage et de maintenance. Aucun déploiement précis chez une compagnie aérienne, un constructeur ou un atelier n’y est toutefois détaillé.

L’intérêt de l’IA dans cet environnement est facilement compréhensible. Les opérations de maintenance produisent et consultent de nombreux éléments : historiques d’interventions, données de capteurs, documentation technique, disponibilités des pièces ou comptes rendus d’incidents. Bien organisées, ces informations peuvent aider les équipes à retrouver un cas similaire, à préparer une opération ou à mieux planifier les ressources.

Mais l’aéronautique rappelle aussi la différence entre assistance et automatisation. Une recommandation issue d’un système informatique ne peut pas se substituer aux procédures de sécurité, aux contrôles requis et à l’expertise des professionnels habilités. La qualité, l’origine et la traçabilité des données sont donc tout aussi importantes que la puissance de calcul ou la précision d’un modèle.

Huawei et IBM : une hypothèse, pas une alliance annoncée

L’article d’archive évoque par ailleurs la capacité de Huawei à développer et intégrer des semi-conducteurs avancés dans ses appareils malgré les sanctions américaines visant l’entreprise. Il rapporte aussi l’avis d’un ancien dirigeant de Taiwan Semiconductor Manufacturing Company, selon lequel Huawei pourrait aller plus loin avec les machines dont elle dispose.

Ce contexte est présenté pour illustrer l’importance stratégique des semi-conducteurs dans la course à l’IA. Les puces déterminent en effet, en partie, la capacité d’un acteur à entraîner des modèles, à exploiter des données volumineuses ou à embarquer des fonctions d’IA dans des appareils.

Il faut néanmoins distinguer ce constat de toute annonce commerciale. Le texte suggère qu’une collaboration entre IBM et Huawei pourrait accélérer des projets innovants, mais cette formulation relève d’un scénario hypothétique. Aucun accord concret entre IBM et Huawei n’est décrit dans la publication d’origine. Il ne faut donc pas présenter cette mention comme un partenariat établi.

Ce qu’il faut surveiller après l’annonce

Au 31 octobre 2023, la trajectoire d’IBM se lit surtout à travers une idée : l’IA en entreprise dépend de la manière dont les données sont organisées, expliquées et protégées. L’acquisition envisagée de Manta Software doit permettre au groupe de renforcer ce maillon, au moment où les organisations cherchent à passer des démonstrations d’IA à des usages plus encadrés.

Plusieurs points méritent d’être suivis. D’abord, la finalisation de l’opération et l’intégration effective de Manta à l’écosystème watsonx. Ensuite, la capacité d’IBM à démontrer des usages concrets dans les services publics et les industries, au-delà des études de marché et des promesses techniques. Enfin, la façon dont les organisations articuleront traçabilité des données, protection de la vie privée, cybersécurité et responsabilité humaine.

C’est sur ce terrain, moins visible qu’un assistant conversationnel mais déterminant pour son usage réel, que se jouera une partie de la crédibilité de l’IA dans les années à venir.