Conduire un projet d’intelligence artificielle nécessite parfois de mettre en place une gestion du changement dans l’entreprise. En effet, le projet IA doit être porté par une vision forte de l’entreprise et des moyens humains adéquats. C’est pourquoi il est indispensable d’impliquer vos équipes tout au long du projet. Avoir leur retour terrain permettra à l’équipe d’experts Data d’apporter un outil au plus proche de leurs besoins opérationnels.
Projet IA VS produit IA
Chez Cross Data, nous avons identifié deux approches complémentaires pour nos clients : Projet et Produit.
Un projet a un objectif de répondre à un besoin précis et limité dans le temps. Son intégration aux process des équipes n’est pas forcément bien défini et le risque majeur est son arrêt d’utilisation dans les entreprises à la fin de sa production ou de sa maintenance. Son avantage est souvent un périmètre assez bien défini, car il va être accompagné d’un cahier des charges, et une approche commerciale forfaitaire et une obligation de résultats.
La qualité d’un projet ne se mesure plus en satisfaction mais en nombre d’utilisateurs Actifs au fil du temps.
À l’inverse, le Produit Data est dès le début de sa conception prévu pour durer.
Construit comme une application au service d’un besoin opérationnel, il est souvent porté par une vision à long terme. Il suit en général une logique de MVP (Minimum Valuable Product) et d’industrialisation une fois sa preuve faite. Les modifications sont ensuite motivées par le plus grand bénéfice que les utilisateurs peuvent en tirer. L’approche de son équipe de développement est plus généralement une obligation de moyens avec des objectifs fluctuant autour de méta-objectifs.
Cross Data recommande à tous ses clients de démarrer chaque idée comme un produit destiné à durer dans le temps.
Notamment avec des mesures de qualité qui ne seront pas la satisfaction des utilisateurs mesurée (par un questionnaire ou autres) mais bien le nombre d’utilisateurs récurrents de l’application et leur pourcentage sur le nombre d’utilisateurs potentiels.
Cette approche peut aussi se traduire dans le mode de la prestation informatique selon deux approches : Régie ou Forfait.
Qu’ils soient des membres internes ou externes de l’équipe, les nouveaux métiers de la Data et de l’IA ont des spécificités propres qu’il est bon de connaitre avant de se lancer dans un produit IA et Data.
Produit IA : l’équipe qui réussit est composée de …
Il faut de nombreux profils pour réussir un projet Data et IA. Chez Cross Data, nous en avons identifié quatre sans lesquels un projet d’intelligence artificielle est voué à l’échec :
Un-e mathématicien pragmatique qui construit les algorithmes
Un-e porteur de sens avec une vision claire et lointaine de la Data et de l’IA
Un-e plombier qui évite les fuites, les anticipe et garantit le flux de la Data et l’IA
Un-e UX designer qui place l’utilisateur au centre des échanges
On vous explique...
Appelé parfois Data product owner ou Directeur de L’IA, c’est le “chef d’entreprise” du sujet. Il porte le projet et doit s’assurer de l’adéquation entre objectifs des métiers de l’entreprise et moyens mis à disposition.
Dans une organisation orientée vers les données, il a plusieurs rôles majeurs :
- Être orienté vers l’objectif de service rendu à l’utilisateur final,
- Participer à la veille et au sourcing de partenaires,
- Partager la vision, impulser le changement,
- Lancer des Minimum Valuable Product (MVP) : le MVP permet de tester la viabilité d’un prototype minimal avant son déploiement total,
- Accompagner les métiers, attirer, proposer des formations à l’intelligence artificielle et fidéliser les talents dans son équipe,
- Rappeler aux techniciens que l’utilisateur final existe.
Ingénieur Data, Ingénieur Big Data, Data Architect, Data Engineer, DevOPS Data, Admin Système et réseaux… Ils sont plusieurs à porter cette casquette selon les projets. C’est parfois une équipe complète qu’il faut quand le projet est très important. Son rôle est de mettre à disposition de manière fluide les données pour l’entreprise. Son rôle s’étend de la gestion des flux de données (Bases de données, API de publication, Récolte et nettoyage automatisé des données) à leur publication vers les utilisateurs (Tableaux de bords, Applications spécifiques).
On peut regrouper certaines de ses obligations comme ceci :
- Créer un environnement Big Data et des ETLs pour l’entreprise,
- Assurer la qualité, la cohérence des données,
- Automatiser des rapports à partir des données analysées,
- Développer une stratégie Data Driven à partir de la vision,
- Mettre à disposition les outils pour les équipes de production des applications.
Selon le niveau de complexité du projet et surtout le niveau requis d’innovation sur le sujet, notre mathématicien pragmatique sera Data Scientist, Machine Learning Engineer, MLOps ou encore Data Analyst. Ces termes barbares recouvrent une réalité plus simple : faire parler les données pour aider ceux qui doivent décider avec celles-ci.
Il va devoir :
- Choisir les données à analyser et les préparer,
- Définir une modélisation statistique,
- Identifier les outils d’analyse à utiliser pour collecter les données, parfois les construire,
- Étudier les données,
- Synthétiser les résultats dégagés et rendre les données exploitables facilement.
Métier à la mode, l’UX designer à la lourde tâche de rendre les objectifs du client traduit dans une expérience qui facilite l’usage des données au quotidien.
Adepte du storytelling et de l’engagement de l’utilisateur dans le produit final, il a plusieurs lourdes tâches :
- Comprendre la pratique professionnelle des utilisateurs du produit Data et IA,
- Traduire les besoins identifiés par le visionnaire en parcours,
- Formaliser les résultats de l’analyse sous forme de personas,
- Rédiger les spécifications fonctionnelles, en collaboration avec les équipes techniques,
- Aider à construire les outils de restitution (Tableaux de bords),
- Mettre du beau dans l’expérience des utilisateurs sans pour autant sacrifier l’efficacité opérationnelle grâce à la Data Visualisation.
Quelles réponses dois-je apporter face à l’organisation de mon projet d’intelligence artificielle ?
Pour conclure cet article sur les ressources humaines à mobiliser pour réussir votre projet Data et IA, il vous faudra vous poser ces 3 questions pour vous assurer de mettre toutes les chances de votre côté…
Mon profil et mes attentes correspondent-ils davantage à un projet ou un produit ?
Ai-je pris connaissance des différents métiers de l’IA afin de pouvoir développer plus consciemment mon projet Data et IA ?
Ai-je les ressources en interne pour le réaliser ?
Ces trois questions répondues, vous aurez plus de visibilité sur vos attentes et vos objectifs.
Cet article est extrait de notre ebook « Réussir son projet Data et IA ». Pour aller plus loin dans l’organisation de votre projet, cette ressource vous propose d’autres questions essentielles à vous poser… Téléchargez-le !
Enfin, si vous n’avez pas les réponses à ces questions ou souhaitez de l’aide pour lancer votre projet, notre équipe d’experts vous accompagne de manière personnalisée dans tous vos travaux d’exploitation de données et d’intelligence artificielle.