Pourquoi ne pas rater la phase de design lorsqu’on parle data ?
Dans les méthodes que j’utilise, tout est un produit data : la présentation des chiffres du lundi au CODIR, le dataset transféré entre équipes, le tableau de bord interactif des RH, le modèle d’IA de la production, l’organisation des équipes “data”. Tout !
Et qui dit produit dit design.
L’importance de la conception collective proposée dans l’étape de design ne peut pas être sous-estimée.
D’abord pour concilier stratégie et besoins opérationnels en interviewant, prototypant, testant comme pour tout produit.
Donnée de confiance
Le travail de design sur un produit data recèle quelques spécificités. Le produit ne sera utilisé que si l’utilisateur a confiance dans les données et les traitements associés :
– Les données sont porteuses de notre histoire et de notre culture. « Les données de l’entreprise sont culturelles », poke Celine Rolland. Le produit data doit également porter cette culture.
– Il est aussi essentiel que nous comprenions les limites et que nous établissions des règles dans un cadre de référence : données mal acquises, traitement équilibré, impact énérgétique vs gains pour l’organisation. C’est ici que la transparence, la traçabilité et l’explicabilité entrent en jeu.
– Dans le cadre d’un modèle d’IA, il est important de comprendre qu’une IA juste à 100% n’existe pas. Cela doit être prévu dans le design. Le choix des données doit se faire de manière représentative et équitable.
Vous connaissez le SID ?
Pour cela, j’essaie d’introduire des ateliers de type SID (Symbiosis in development) à partir de la cartographie des données et des traitements et en y intégrant un regard systémique via des indicateurs d’autonomie, de résilience et d’harmonie. https://thinksid.org/
Si tout cela vous parle, avançons ensemble !
#data #produit #design #responsable #éthique
English version
Why miss the design phase when it comes to data?
In the methods I use, everything is a data product: the presentation of Monday’s figures to the CODIR, the dataset transferred between teams, the interactive HR dashboard, the AI model for production, the organisation of the ‘data’ teams. You name it!
And where there’s a product, there’s a design.
The importance of the collective conception proposed in the design stage cannot be underestimated.
Firstly, to reconcile strategy and operational needs by interviewing, prototyping and testing, as for any product.
Trusted data
Design work on a data product has a number of specific features. The product will only be used if the user has confidence in the data and the associated processing:
– Data carries our history and our culture. « Company data is cultural », poke Celine Rolland. The data product must also carry this culture.
– It is also essential that we understand the limits and that we establish rules within a reference framework: poorly acquired data, balanced processing, energy impact vs. gains for the organisation. This is where transparency, traceability and explicability come into play.
– In the context of an AI model, it is important to understand that there is no such thing as 100% accurate AI. This must be factored into the design. The choice of data must be representative and fair.
Are you familiar with SID?
That’s why I’m trying to introduce SID (Symbiosis in development) type workshops based on data and processing mapping and integrating a systemic viewpoint via indicators of autonomy, resilience and harmony. https://thinksid.org/
If all this speaks to you, let’s move forward together!