Viabilité des données et diagnostic triangulé

Les données sont le carburant de l’IA : pas de carburant utilisable, pas d’IA. Mais « beaucoup de données » n’égale pas « données utilisables ». Avant de promettre quoi que ce soit, on passe six contrôles de viabilité : existence (les données existent-elles vraiment ?), qualité (sont-elles propres et fiables — sinon GIGO, garbage in, garbage out), fraîcheur (sont-elles à jour ?), format (structuré ou non structuré ?), droits et sensibilité (a-t-on le droit de les utiliser ? sont-elles personnelles ou sensibles au sens RGPD ?), et volume (y en a-t-il assez ?). En cas de doute sur les droits, on consulte ; on ne devine pas. La bonne réponse est souvent « oui, si d’abord… » : un GO conditionnel.

Vient ensuite le diagnostic triangulé, qui consolide tout le Niveau 1. Un constat ne tient jamais sur une seule source : il faut au minimum deux sources concordantes, idéalement trois — les trois coins de la triangulation : le discours (ce que les gens disent en découverte), les données (les chiffres, les traces) et l’observation (ce qu’on voit sur le terrain). Quand les trois convergent, le constat est solide.

Pour chaque affirmation, dis toujours son statut : fait (prouvé), inférence (déduit) ou hypothèse (à vérifier). Le test de relecture est simple : sur chaque phrase, demande-toi « comment le sais-tu ? ». Les désaccords entre sources sont précieux, pas gênants : on les documente. Le livrable final est un rapport de diagnostic avec une recommandation proportionnée et une prochaine étape claire — ni plus, ni moins que ce que les preuves justifient.