Si les données d'entrée sont de mauvaise qualité, les résultats le seront aussi : la plupart des projets d'IA échouent à cause des données, et non des modèles.

Zia, architecte spécialisée dans les données et l'IA, explique comment passer de la phase de démonstration — où le modèle « hallucine avec beaucoup d'assurance » — à la mise en production : RAG, sécurité multicouche et « IA sur IA » pour filtrer les informations pertinentes et écarter les autres. Tout projet d'IA est un projet de données.