Les données non structurées n'ont pas de format prédéfini. Documents texte, courriels, vidéos, enregistrements audio, images et publications sur les réseaux sociaux en font partie. Ces données ne se prêtent pas à une organisation en lignes et en colonnes et ne suivent aucun schéma. Elles représentent la majorité des données créées par les organisations. On estime que les données non structurées représentent 80 à 90 % de l'ensemble des données d'entreprise. La majeure partie reste inutilisée car les outils traditionnels ne peuvent pas la traiter facilement.

Le défi réside dans l'extraction. Pour analyser des données non structurées, il faut d'abord leur conférer une structure. Le traitement automatique du langage naturel (TALN) extrait les entités, les sentiments et les thèmes des textes. La vision par ordinateur identifie les objets et les scènes dans les images. La reconnaissance vocale transcrit l'audio. Chaque technique convertit les données non structurées en une représentation structurée analysable. Cette conversion est imparfaite. Les modèles de TALN ne perçoivent pas les nuances et le sarcasme. Les modèles de vision confondent des objets similaires. Les erreurs de transcription s'accumulent. Le résultat structuré est une approximation, et non une représentation parfaite. Malgré cette difficulté, les données non structurées recèlent une valeur inestimable. Les courriels des clients révèlent les plaintes et les demandes. Les tickets d'assistance mettent en évidence les tendances des problèmes produits. Les enregistrements d'appels capturent le ton et les émotions que les textes ne restituent pas. Les organisations capables d'exploiter les données non structurées obtiennent des informations précieuses que leurs concurrents ignorent. Les outils s'améliorent. Le défi demeure.

Types de données non structurées

• Textes — documents, courriels, publications sur les réseaux sociaux
• Images — photos, schémas, numérisations
• Audio — enregistrements, appels, musique
• Vidéo — séquences, flux, présentations
• Binaire — fichiers sans format texte défini

Les données non structurées constituent la matière première de l'analyse moderne. Extraire de la valeur exige de structurer ce qui n'existe pas.