La révolution des techniques expérimentales a ouvert la porte à des jeux de données de très grande dimension mais avec un nombre d’observations limité. Un enjeu essentiel est d'accompagner ce changement en développant une culture de l'expertise des données.

Les disciplines scientifiques génèrent par des expériences un grand nombre de données. Une grande partie du travail des scientifiques consiste à exploiter ces données : les stocker, les représenter, en extraire les informations utiles ou importantes puis faire de la modélisation, des modèles statistiques, des prédictions, les tester etc. Ces données étant de plus en plus complexes, tous les scientifiques ne sont pas forcément outillés pour répondre aux défis posés par ces données,  qui deviennent de plus en plus techniques au fil du temps.

L'Institut DATAIA propose des outils pour faciliter aux scientifiques l’analyse des données.

Pour créer de nouvelles collaborations et dynamiser l’analyse des données,  une approche nouvelle consiste notamment à soutenir la création de challenges pour repérer, pour un problème donné, les meilleures stratégies et les combiner pour arriver à un modèle d’ensemble plus performant. Dans le cadre du Center for Data Science, des chercheurs et ingénieurs de l’équipe Parietal du centre Inria Saclay – Île-de-France, ont lancé en 2018 un challenge sur l’autisme à partir d’images du cerveau d’enfants, autistes ou non.  Ainsi, des spécialistes en apprentissage mettent au point des modèles prédictifs pour le diagnostic de la maladie. Ce challenge a permis de faire avancer le score de prédiction et booster la qualité du diagnostic de l’autisme de 10%.Dans le cadre des e-sciences, un autre type d’approche consiste à établir la structure causale des phénomènes  plutôt que la prédiction : il s’agit d’une branche très active de l’apprentissage.