Un projet Machine ou Deep Learning nécessite une architecture de gestion de la donnée répondant à certains critères : définition libre de transformations de la donnée, visualisations dynamiques, application de contrôles statistiques, sanctuarisation de l'information.
Cette architecture joue un double rôle : permettre une analyse complète de la donnée et notamment la recherche de biais, de déséquilibres, ou de tout autre défaut caché qui mettrait en péril le bon apprentissage des modèles, et servir d'assise à tout test d'un modèle afin de pouvoir vérifier sa pertinence et sa qualité. Datalchemy propose des missions de création d'une telle architecture comme d'analyse des données, des tâches conditionnant le bon déroulement de tout projet IA qui s'appuierait sur ces données.
Notons qu’une telle architecture, modulaire et évolutive, représente l’investissement le plus sûr dans une démarche globale d’exploitation d’outils statistiques ou d’intelligence artificielle. Elle permet, au-delà de la cartographie de la donnée, de pouvoir tester différents modèles jusqu’à une approche opportuniste des avancées académiques arrivant chaque mois. Elle offre aussi une base de travail pour l’architecture d’un outil final manipulant différents modèles ou algorithmes, comme une structure fondamentale de monitoring d’un tel outil.