Stibo Systems - The Master Data Management Company

← Dos

Utiliser l'IA générative exige des données gouvernées

Master Data Management Blog by Stibo Systems logo
| 4 minutes de lecture
juin 06 2023

Comment exploiter de manière responsable l'IA générative, telle que ChatGPT, pour créer un storytelling produit convaincant et favoriser l'engagement des consommateurs.


ChatGPT promet de révolutionner la communication digitale en permettant à ses utilisateurs d'interagir avec une IA capable de comprendre les données, l'intention et le contexte. Pour déployer tout le potentiel de cette IA générative, il est vital de lui fournir des données gouvernées. Avec une IA générative, ces données gouvernées deviennent accessibles, pertinentes, significatives - et responsables.

 Gouvernance des données pour exploiter les IA génératives


De nombreuses organisations s'intéressent à l'IA générative car elles souhaitent créer rapidement du contenu et des textes marketing convaincants pour leurs boutiques en ligne et les médias sociaux. L'IA générative accroît l’efficacité et la qualité des processus de gestion de l'expérience produit (PXM). Son utilisation semble, à première vue, facile, attrayante et très productive. Cependant, pour que les algorithmes fournissent des réponses appropriées, il est essentiel, lors de la mise en place des « prompts », de disposer de bonnes données.

« L'IA responsable » fait référence à la priorité accordée par ce type d’IA aux considérations éthiques et sociétales et à la réduction de préjudices potentiels tels que préjugés et violations de la vie privée. Elle implique de garantir la transparence et la responsabilité des systèmes d'IA. Pour obtenir un résultat responsable, il importe toutefois d’appliquer certaines règles à l'entrée des données. En termes d’informations produit, une telle approche exige d’appliquer la gouvernance des données aux informations entrées afin d’aboutir à une description produit fiable et valide.

En savoir plus sur la gouvernance des données de référence

 

 

 

 

Ingrédient essentiel : une ingénierie des prompts optimisée

L'IA générative, également connue sous le nom de machine learning, est un outil puissant qui peut produire du contenu en quelques secondes. Elle peut notamment créer des descriptions produit assurant des expériences client supérieures. Face à de tels pouvoirs, les entreprises doivent s'assurer que leur utilisation de l'IA générative est une utilisation responsable et fiable. L’IA responsable repose avant tout sur l’ingénierie des prompts.

L'ingénierie des prompts consiste à créer des entrées, ou prompts, qui guident l'IA générative. La qualité de ces prompts est donc déterminante pour le résultat. Afin de produire un contenu attrayant et fiable, les entreprises doivent s'assurer de l’exactitude de leurs prompts et de leur pertinence pour le public cible.
L'utilisation sans discernement d’informations produit générées par l'IA présente de nombreux inconvénients, notamment :

  • À l’évidence, les spécifications produit doivent être exactes. Toute inexactitude peut entraîner l’insatisfaction des clients, voire des problèmes sur le plan légal.
  • Avant de confier leur marque à l'IA générative, les entreprises doivent prendre certaines précautions. S’il est vrai que l'IA générative peut produire du contenu très rapidement, elle manque cependant souvent de la créativité et de l'intelligence émotionnelle des rédacteurs humains. Les marques qui s'appuient de façon excessive sur l'IA générative risquent de perdre leur « tone of voice » et leur identité.

Les entreprises ne peuvent pas compter sur l'IA générative et sur les chatbots comme unique source de vérité. Si l'IA générative peut produire rapidement des contenus attrayants, elle n'a pas la capacité à gouverner les données. Outre le chatbot, au moins deux autres éléments sont nécessaires pour la production de contenu : (1) Une source unique de vérité basée sur la gouvernance des données, (2) un examen permettant de vérifier la conformité à la marque et d’approuver le contenu créé par l'IA générative.

 

L’IA exige des données gouvernées

Pour garantir l'exactitude et la fiabilité du contenu généré par l'IA et faciliter sa vérification, vous devez créer des requêtes basées sur des données gouvernées. Les données utilisées pour interroger l'IA générative doivent être exactes et pertinentes. Elles doivent avoir été soumises à une gouvernance de données extrêmement performante.

Le Master Data Management (MDM) prend en charge la gouvernance des données produit. Il est conçu pour fournir une source unique de vérité. Il garantit l’utilisation de données exactes et fiables pour interroger une IA générative telle que ChatGPT.

Grâce à une API et à une configuration simple du MDM, le Master Data Management et l'IA générative peuvent coopérer et associer données fiables et rapidité de production de contenu. Vous pouvez produire du contenu rapidement tout en garantissant son exactitude et sa fiabilité.

Création automatisée de contenu intégrée à une interface MDM avec un bouton « Générer une description du produit ». Le nom du produit, ses spécifications et une image du produit sont fournis à l’IA :

Création automatisée de contenu intégrée à une interface Master Data Management

 

Détaillons ce cas d'usage :

Un retailer souhaite mettre l'un de ses produits les plus vendus sur un nouveau marché.


La première étape consiste à définir.

La responsable produit, Julie, a besoin d'une description produit spécifique pour ce marché. Elle va utiliser l'assistant IA. Elle définit les critères cibles dans le MDM pour inviter l'IA à faire des suggestions. Le MDM contient des prompts prédéfinis destiné à interroger l'IA de la manière la plus efficace possible. Ces prompts contiennent de multiples directives : contexte, définition du public cible (données démographiques, psychographiques, revenus), objectif, style d'écriture et lignes directrices (ton, structure, longueur, choix des mots), etc..

L'ingénierie des prompts est intégrée au MDM. Grâce à ses données et ses processus structurés et axés sur la qualité, le MDM rend l'interrogation d'une IA générative beaucoup plus efficace.


L’étape suivante consiste à « itérer ».

L'IA utilise le prompt et les données nettoyées du MDM, puis renvoie quelques suggestions. Dans le cadre d'un workflow, la responsable produit examine ces suggestions, affine le prompt et demande l'ajout de citations issues de personnalités locales. En réponse, elle reçoit de nouvelles suggestions. Elle en sélectionne une et la transmet à un rédacteur.
Il s’agit ni plus ni moins d’une conversation entre l'IA et le responsable produit.


La troisième étape consiste à affiner et à valider.

Le rédacteur examine la suggestion et affine la formulation pour la rendre plus conforme à la marque. Il fournit un feedback à l'équipe de gouvernance des données pour leur permettre d’affiner les prompts prédéfinis. Il constate que la citation n'appartient pas à la personnalité nommée par l'IA. Il trouve une autre citation, modifie le texte et le renvoie pour validation finale à la responsable produit.

Julie approuve la description finale du produit.


Pour conclure : l'IA accélère le travail de l'équipe, mais l'examen d'un expert est indispensable pour affiner et valider.

Intégrer l'IA générative à une plateforme MDM présente trois avantages :

1. Amélioration de la qualité et la fiabilité des données

Il importe de poser la bonne question à l'IA avec les bonnes données. En améliorant la qualité et la cohérence des données, le MDM permet de concevoir de meilleurs prompts. Les réponses du chatbot sont alors précises, pertinentes et fiables.

2. Conformité et sécurité

Notre univers, de plus en plus mondial, exige confiance et sécurité. Le MDM garantit la conformité légale et la sécurité des données. Il vous permet d’exploiter en toute confiance l'IA générative dans le respect des réglementations liées à la confidentialité des données.

3. Workflows efficaces et collaboration

L'IA excelle lorsqu'elle est intégrée aux processus quotidiens. Le MDM permet d'intégrer l’IA conversationnelle ou « chat AI » dans des workflows de manière transparente. Il favorise la collaboration sur les données des différents départements, pour une meilleure efficacité.

L'IA générative est un outil puissant qui peut apporter énormément à la création de vos descriptions produit en supprimant une grande partie du travail fastidieux et répétitif. Toutefois, pour rester éthique et correcte, cette IA doit être guidée par une source unique de vérité contenant des données de référence sur les produits.

En savoir plus sur le master data management

 

 

 

 


Master Data Management Blog by Stibo Systems logo

Philippe Remondière, Senior Solution Consultant dans l’équipe Stibo Systems Innovation.

Articles de blog par thématique

  • Gouvernance des données
  • Retail et distribution
  • Stratégie MDM
  • Voir plus
  • Fabrication
  • Données produit et PIM
  • Durabilité
  • CPG
  • Données client et partie
  • Données fournisseur
  • IA et machine learning
  • Qualité des données
  • Données de localisation
  • Services financiers

Pérennisez votre activité retail avec le Commerce modulaire

2/20/24

Les 3 avantages du commerce headless associé à une solution PIM

2/13/24

Qu'est-ce que le Smart Manufacturing et pourquoi est-ce important ?

11/30/23

Transformation digitale : 5 raisons d’échec courantes dans le secteur manufacturier

11/30/23

5 défis majeurs dans le secteur manufacturier

11/30/23

Tendances et perspectives de l’industrie manufacturière — 2023-2025

11/30/23

Global Summit 2023 du CGF : Assurer une croissance durable grâce à la collaboration et à l'innovation

7/27/23

Relever les défis des chaînes d'approvisionnement avec le MDM

7/11/23

Utiliser l'IA générative exige des données gouvernées

6/6/23

Comment exploiter l'IoT avec le Master Data Management

5/31/23

La gouvernance des données, une approche essentielle pour la gestion des actifs

3/30/23

4 méthodes pour réduire les retours du e-commerce

3/28/23

Passeports numériques des produits

3/16/23

4 styles courants de mise en œuvre du Master Data Management

3/14/23

Dans le retail, la durabilité exige des données « gouvernées »

2/22/23

Qu’est-ce que la gestion augmentée des données ?

2/16/23

NRF 2023 : Le retail s’oriente vers l'IA et l'automatisation pour une plus grande efficacité

2/13/23

CPG et FMCG, quelle différence ?

2/3/23

Comment réduire les obstacles à l'innovation grâce à une meilleure gestion des données

1/11/23

Comment calculer l’Eco-Score des produits alimentaires

1/4/23

Le Retail du Futur

12/21/22

Le MDM de Stibo Systems introduit de nouveaux standards d’échange industriels

12/15/22

Stratégies omnicanales pour le retail

12/14/22

Qu'est-ce que la distribution omnicanale et quel est le rôle de la gestion des données ?

11/8/22

La transformation digitale dans le secteur des CPG

7/25/22

Créez une culture de transparence des données

7/18/22

La gestion des données produit lors des fusions et des acquisitions

6/7/22

Qu’est-ce que le Data as a Service (DaaS) ?

5/24/22

Défis de la chaîne d'approvisionnement dans l'industrie CPG

5/18/22

Migration des données vers SAP S/4HANA - Une approche rapide et sûre avec le MDM

5/3/22

Qu’est-ce qu'une donnée synthétique ? Et pourquoi ont-elles besoin du MDM ?

4/22/22

Gouvernance des données : les cinq écueils à éviter

3/9/22

Gagner dans le retail en libérant toute la puissance des données

3/3/22

Silos de données. Comment les transformer en zones de visibilité ?

2/23/22

Stratégie de monétisation des données de référence, quel ROI ?

2/15/22

La transparence des données pour un retail durable

2/10/22

Quatre tendances dans l'industrie automobile

11/11/21

Quels obstacles entravent la reprise du retail mondial ?

11/4/21

Cinq étapes pour une feuille de route MDM stratégique

10/28/21

Nettoyage des données : priorité des PGC

10/21/21

Besoin de Big Data ? Pensez d'abord Small Data

10/14/21

Prenez-vous des décisions à partir d’informations HCO/HCP erronées ?

10/7/21

Comment améliorer votre gestion de données

9/23/21

Retail : Neuf façons dont le MDM améliore l'expérience client

9/16/21

Produits alimentaires : vers la transformation digitale avec le MDM

9/9/21

Tendances et opportunités du secteur des CPG en 2023

9/2/21

Pourquoi les données revendeurs sont importantes pour les fabricants

8/31/21

MDM multidomaine ou MDM à domaines multiples ?

8/26/21

Comment mettre en place une source unique de vérité avec le MDM

8/12/21

Qu'est-ce que le Master Data Management ? Pourquoi en a-t-on besoin ?

8/5/21

Comment obtenir davantage de valeur de vos données

7/29/21

Le MDM multidomaine pour des expériences client hyper-personnalisées

7/7/21
Vous avez aimé cet article ?

Inscrivez-vous pour recevoir les prochains articles par e-mail