Un programme de réapprovisionnement domestique met à jour ses propres registres de stock et de ventes souvent, parfois plusieurs fois par semaine, par plusieurs personnes. Une entrée manquante, un chiffre que personne n'a mis à jour, ou deux registres qui se contredisent discrètement sont courants dans un fichier aussi actif, bien avant qu'un outil d'IA n'intervienne. Lorsqu'un outil d'IA résume ou calcule à partir d'un tel registre, il répète les mêmes lacunes et contradictions avec fluidité, car il n'a aucun moyen de savoir quelle version d'un fait est la version actuelle.
Cette leçon vous donne une méthode pratique pour repérer les problèmes de qualité des données les plus fréquents dans les registres d'un programme de stock domestique, afin de les corriger avant de demander à un outil d'IA de résumer ces données ou d'y calculer quelque chose. Sans cela, une réponse IA qui semble propre peut discrètement transporter une erreur déjà présente dans le fichier.
Vous avez besoin : de la méthode de vérification de la leçon 3.2, et d'un registre de stock ou de ventes que vous utilisez au travail.
À la fin de cette leçon, vous pourrez :
Non couvert ici : la conception de bases de données ou les fonctionnalités propres d'un tableur. La leçon 3.1 a couvert la confidentialité ; celle-ci demande si la donnée est assez fiable pour être utilisée.
| Terme | Sens |
|---|---|
| Problème de qualité des données | Une faiblesse dans les données d'entrée, telle qu'une entrée manquante, périmée ou incohérente, qui rend moins fiable toute sortie construite à partir d'elle. |
| Entrée manquante | Un champ d'un jeu de données sans valeur enregistrée, laissé vide au lieu d'être rempli. |
| Entrée incohérente | Deux registres décrivant le même fait réel avec des valeurs différentes et contradictoires. |
| Registre source | Le fichier ou système d'origine où une donnée de commande a été saisie pour la première fois et est tenu à jour. |
| Fait connu | Un chiffre ou un détail déjà fixé et confirmé, utilisé pour vérifier si la sortie d'un outil d'IA est correcte. |
Un outil d'IA ne sait pas qu'une cellule de comptage de stock vide signifie « pas encore compté » plutôt que « zéro ». Il ne sait pas que deux lignes enregistrant le même modèle avec deux points de réapprovisionnement différents signifie que l'un des deux est périmé. Il traite ce qui figure dans le fichier comme le fait, et produit une réponse fluide dans les deux cas. La qualité propre du registre, et non la capacité de l'outil, décide si cette réponse est fiable.
| Ce qui peut différer | Les formes que vous rencontrerez | Pourquoi cela vous concerne |
|---|---|---|
| Commande domestique en Make to Stock | Un registre de réapprovisionnement mis à jour par plusieurs personnes selon un cycle routinier accumule souvent une entrée manquante ou deux valeurs contradictoires pour le même modèle. | Des mises à jour fréquentes par plus d'une personne sont exactement la condition qui produit une entrée incohérente. |
| Commande export en Make to Order | Le registre d'une commande export confirmée est moins souvent touché, donc son principal risque de qualité des données est un seul champ périmé resté d'avant la confirmation, pas une dérive routinière. | Moins de mises à jour signifient moins d'occasions de conflit, mais un seul champ périmé peut malgré tout survivre longtemps sans être remarqué. |
| Commande hybride gérée par un agent | Le propre registre d'un agent mélangeant les chiffres de deux acheteurs peut porter une entrée manquante venant de celui des deux qui a envoyé une mise à jour incomplète. | Une entrée manquante d'un seul côté est facile à manquer lorsque le reste du registre mélangé paraît complet. |
| Familles de produits différentes | Les chaussettes ajoutent un champ de jauge, la literie ajoute un champ de composant d'ensemble, et chacun peut manquer ou être incohérent de la même façon que les propres champs d'un T-shirt. | Le champ précis change selon la famille de produits ; le risque qu'il manque ou soit incohérent ne change pas. |
Cedar & Co. est une marque domestique qui achète à Delta Garments en Make to Stock, et son programme de T-shirt basique utilise le même tissu que la Commande A : single jersey 180 GSM, Ne 30/1. Avant de demander à un outil d'IA de suggérer une quantité de réapprovisionnement à partir du propre fichier de stock de Cedar & Co., Mona vérifie le fichier lui-même pour des lacunes.
Elle trouve la cellule de comptage de stock actuel d'un modèle laissée vide, et deux valeurs de point de réapprovisionnement différentes enregistrées pour le même modèle sur deux lignes différentes, l'une du mois dernier et l'autre de cette semaine. Elle remplit la cellule vide avec un comptage confirmé de l'entrepôt et supprime la ligne de point de réapprovisionnement la plus ancienne et périmée avant de laisser l'outil d'IA calculer quoi que ce soit à partir du fichier.
Mona effectue d'abord cette vérification sur papier, ligne par ligne dans le fichier, plutôt que de demander à l'outil d'IA lui-même de signaler d'éventuelles lacunes. Elle traite la vérification comme sa propre responsabilité, pas comme une tâche à déléguer, car l'outil d'IA n'a aucun moyen de savoir lequel des deux chiffres contradictoires de Cedar & Co. est le chiffre actuel ; seule une personne connaissant le comptage réel de l'entrepôt peut trancher cela.
The worked numberDeux petites corrections, faites avant que l'outil d'IA ne touche le fichier, sont ce qui a transformé un registre peu fiable en un registre dont Mona peut faire confiance à la sortie. Aucune correction n'a pris plus de quelques minutes, bien moins que ce qu'aurait coûté une décision de réapprovisionnement erronée plus tard.
The methodCe choix semble raisonnable lorsque le fichier paraît complet au premier coup d'œil, car la plupart des champs sont remplis et la plupart des lignes concordent entre elles. Il devient coûteux au moment précis où la seule cellule vide ou la seule ligne contradictoire est exactement le champ dont le calcul dépendait, car la réponse de l'outil d'IA indiquera une quantité de réapprovisionnement confiante et erronée sans aucun signe que quelque chose manquait.
La meilleure habitude est simple : vérifiez le registre pour des lacunes et des conflits avant de demander à un outil d'IA de le résumer ou d'y calculer quelque chose, pas après avoir lu sa réponse.
Pensez à un registre de stock comme à une liste de courses écrite par quelqu'un d'autre. Si un article n'a pas de quantité, et qu'un autre est écrit deux fois avec deux montants différents, vous ne devineriez pas et n'iriez pas faire les courses. Vous vérifieriez d'abord avec la personne qui a écrit la liste.
Un outil d'IA ne vérifie avec personne ; il lit la liste telle qu'écrite et donne une réponse confiante dans les deux cas. Avant de lui demander de résumer ou calculer, regardez vous-même la liste pour un espace vide ou deux réponses contradictoires.
Omar, le propriétaire de Cedar & Co., demande à Mona une suggestion de réapprovisionnement rapide avant la fin de la journée. Mona a déjà trouvé et corrigé une cellule de comptage de stock vide, mais elle n'a pas encore fini de comparer le registre de chaque modèle pour une éventuelle seconde entrée contradictoire.
Mona devrait-elle laisser l'outil d'IA calculer la suggestion de réapprovisionnement complète maintenant, avant de finir de vérifier les modèles restants ? Décidez avant d'ouvrir la réponse.
Non. Mona devrait d'abord finir de vérifier chaque modèle pour une entrée contradictoire, puisque le délai le permet, puis laisser l'outil d'IA calculer la suggestion de réapprovisionnement.
1. Un problème de qualité des données a déjà été trouvé une fois dans ce même fichier, ce qui signifie qu'un second dans un modèle non vérifié est une possibilité réelle, pas éloignée. 2. Le propre délai d'Omar, « avant la fin de la journée », laisse assez de temps pour finir la vérification, donc rien n'oblige Mona à la sauter. 3. Une suggestion de réapprovisionnement construite sur une entrée contradictoire non vérifiée indiquerait une quantité confiante et erronée, et corriger un réapprovisionnement après que le stock a déjà été commandé coûte plus cher que finir la vérification maintenant.
Le coût de précipiter la vérification restante n'est pas seulement une possible quantité erronée ; c'est que Mona n'aurait aucun moyen de savoir en quels chiffres de la suggestion de réapprovisionnement avoir confiance une fois que l'outil d'IA aura calculé à partir d'un fichier non vérifié.
Une entrée manquante ou contradictoire dans un registre de stock domestique ne menace généralement pas la valeur d'une seule commande d'un coup. Son coût réel est une mauvaise décision de réapprovisionnement : commander trop de stock immobilise de la trésorerie que l'entreprise pourrait utiliser ailleurs, et commander trop peu signifie qu'un modèle est épuisé avant qu'une prochaine production ne soit prête. Chaque erreur coûte de l'argent et du temps réels à corriger, et la réponse confiante et fluide d'un outil d'IA rend l'erreur plus difficile à remarquer qu'une simple formule de tableur, car une phrase fluide se lit comme plus fiable qu'un chiffre nu.
Le point le moins coûteux pour prévenir ce coût est l'étape de vérification elle-même, effectuée sur le registre avant que l'outil d'IA ne soit sollicité pour l'utiliser.
Utilisez la feuille du T18-C03. Dans la feuille Notes de qualité des données, listez chaque champ vérifié, si une entrée manquante ou contradictoire a été trouvée, et comment elle a été corrigée. Commencez par les deux corrections propres à Cedar & Co., puis répétez l'exercice pour un registre que vous tenez au travail.
[Télécharger la feuille de travail](../../templates/T18-C03-data-safe-ai-use-worksheet.xlsx)
Télécharger Feuille de travail d'utilisation sécurisée des données avec l'IA (Excel)
1. Pourquoi Mona corrige-t-elle la cellule de comptage de stock vide et supprime-t-elle la ligne de point de réapprovisionnement la plus ancienne avant de laisser un outil d'IA calculer une suggestion de réapprovisionnement à partir du fichier de Cedar & Co. ?
2. Un registre de stock domestique pour un modèle différent montre une ligne avec un point de réapprovisionnement de 500 unités daté il y a trois mois et une seconde ligne avec un point de réapprovisionnement de 650 unités daté de la semaine dernière. Quelle valeur devrait être utilisée avant de demander à un outil d'IA de calculer à partir du registre ?
| FR | EN | AR | TR | Sens |
|---|---|---|---|---|
| Problème de qualité des données | Data-quality problem | مشكلة جودة البيانات | Veri kalitesi sorunu | Une faiblesse dans les données d'entrée, telle qu'une entrée manquante, périmée ou incohérente, qui rend moins fiable toute sortie construite à partir d'elle. |
| Entrée manquante | Missing entry | إدخال ناقص | Eksik kayıt | Un champ d'un jeu de données sans valeur enregistrée, laissé vide au lieu d'être rempli. |
| Entrée incohérente | Inconsistent entry | إدخال متضارب | Tutarsız kayıt | Deux registres décrivant le même fait réel avec des valeurs différentes et contradictoires. |
| Registre source | Source record | السجل المصدر | Kaynak kayıt | Le fichier ou système d'origine où une donnée de commande a été saisie pour la première fois et est tenu à jour. |
| Fait connu | Known fact | حقيقة معروفة | Bilinen gerçek | Un chiffre ou un détail déjà fixé et confirmé, utilisé pour vérifier si la sortie d'un outil d'IA est correcte. |
Vous verrez ensuite comment des données confidentielles de deux formes de commande différentes peuvent accidentellement se mélanger dans une seule session d'outil d'IA, et comment les garder séparées. Retour à la carte du cours