L’ingrédient secret des projets Data & IA : Le Design Thinking

Les mots transformation numérique, innovation et intelligence artificielle sont sur toutes les lèvres. En effet, cette tendance initiée dans les entreprises ces dernières années ne cesse de s’accélérer. Cependant, innover et démarrer de nouveaux projets n’est pas toujours une mince affaire. Novices ou experts, cela arrive trop souvent que nous soyons submergés par la tâche de monter un nouveau projet et une question s’impose : comment encadrer un projet data et IA afin de travailler de manière efficace, mais également différenciante ?

Pour aider à générer les idées de cas d’applications, prioriser les projets phares et engager l’ensemble des parties prenantes, une méthode se distingue : Le Design Thinking.

Effectivement, cette méthode de travail collaborative, apparue à l’université de Stanford aux États-Unis dans les années 1980 a pour objectif de stimuler l’innovation.

Les clés du succès de cette méthode sont dans l’observation, l’écoute de l’utilisateur final et la fusion des expériences des participants qui vont participer à l’émergence d’un projet novateur et pertinent.

Les 6 étapes clés du Design Thinking

La force du Design Thinking repose sur la décomposition du projet en différentes étapes bien distinctes. La première étape est l’étape de compréhension qui permet à chaque participant de mieux s’approprier la problématique en identifiant les raisons du besoin de changement, et en identifiant les acteurs concernés par le projet.

Ensuite, vient l’étape de l’observation. C’est une étape clé qui permet de découvrir la vision de l’utilisateur final. Idéalement, lors de cette étape, on conduit un échange avec un utilisateur final pour récolter ses besoins et ses souhaits.

Pour les projets de données et d’Intelligence Artificielle, une cartographie des données s’avère indispensable afin d’identifier les sources de données, les informations disponibles ainsi que la qualité et l’accessibilité de ces données. Ces informations serviront par la suite pour alimenter l’étape de réflexion sur les nouveaux cas d’usages ainsi que pour évaluer la faisabilité des projets. Ces données peuvent être, par exemple, des données liées aux clients, des données d’historique de vente, de production ou des données collectées par des capteurs.

Il est également utile de bien comprendre l’écosystème des outils en place afin de favoriser l’adoption de la nouvelle solution. Pour cela, une liste de l’existant technologique avec une évaluation des points forts et des points faibles de chaque outil permet aux participants de mieux se projeter dans l’utilisation de cette nouvelle solution.

L’étape du point de vue permet après cela de synthétiser les échanges précédents et d’élaborer un point de vue en créant des “persona”. Cette étape s’appuie sur l’empathie et permet aux participants de s’imprégner de cet utilisateur fictif pour mieux comprendre les besoins et les attentes des utilisateurs finaux. Pour une entreprise de commerce de détail, on pourrait s’imaginer un persona tel que Jean Dupont, 42 ans, fan de Formule 1, qui est planificateur de la demande et qui a besoin qu’on l’aide à mieux maitriser la demande et à s’organiser en fonction des besoins du marché.

Lors de l’idéation, il s’agit de générer le maximum d’idées en permettant à chacun de s’exprimer librement dans un cadre bienveillant. Toutes les idées sont bonnes ! On regroupe ensuite les idées par thèmes et on évalue la charge de travail nécessaire et l’impact potentiel en utilisant une matrice faisabilité/valeur. Cet outil permet ainsi de prioriser les cas d’applications et commencer à construire une ébauche d’une « roadmap » analytique.

L’étape suivante est le prototypage qui permet aux participants de commencer à développer une idée, en créant une maquette pour donner vie aux idées retenues. Pour les projets de data & IA, les prototypes peuvent prendre les formes suivantes :

• Un Machine Learning Canvas : c’est un outil qui permet de documenter un projet d’Intelligence Artificielle, en spécifiant les prérequis et les objectifs, afin d’anticiper au mieux les points bloquants et la mise en production de la solution.
• Un diagramme de Gantt : une représentation visuelle de la succession des étapes d’implémentation d’un cas d’usage.
• Une cartographie du parcours utilisateur : représentation de l’ensemble des actions et des interactions d’un client dans son utilisation de la solution.

Ce ne sont ici que quelques propositions de prototypes, mais on peut laisser libre cours à l’imagination des participants (mise en scène, graphiques, bande dessinée, vidéos…). La liberté en matière de créativité est la base de succès du Design Thinking !

Enfin l’étape de test permet d’évaluer le prototype, le présenter et recueillir les retours afin de l’améliorer avec une démarche itérative de test et d’erreur.

Le fruit du Design Thinking : une cohésion d’équipe

Lors d’un atelier de Design Thinking, les participants développent une meilleure compréhension des enjeux, tout le monde participe à l’émergence de nouvelles idées, contribue à prioriser les cas d’applications et commence à donner vie à ses idées. C’est un cadre idéal pour engager les équipes dans des projets d’innovation.

L’application de cette méthode aux projets de données permet aux équipes de ressortir avec une vision claire des données à leur disposition, une meilleure compréhension des attentes des utilisateurs finaux et une liste de cas d’usages à mettre en œuvre en priorité.

Alors n’attendez plus et rejoignez-nous au Curiosity Lab ! Le Design Thinking chez SAS France fait partie de notre ADN et nous serons ravis de vous accueillir pour vous faire vivre une expérience tout simplement différente !