Cadrage de la stratégie Data & IA : équipe cible, portefeuille de cas d'usage et feuille de route à 12 mois

Le directeur général du département digital voulait créer une équipe Data & IA transverse, au service de l'ensemble de ses produits. Le CDO devait définir l'ambition de cette équipe pour les 12 mois suivants, dans un contexte sensible : les produits digitaux venaient d'être regroupés au sein d'une même entité.

Avant de recruter et de lancer les premiers projets, il fallait répondre à trois questions.

• Quelle ambition ? Définir ce que l'équipe doit apporter aux produits du groupe.
• Quelle organisation ? Dimensionner l'équipe et définir sa composition.
• Par où commencer ? Choisir les premiers cas d'usage parmi des besoins nombreux et dispersés entre les business units.

Le besoin : une stratégie partagée, ancrée dans les attentes réelles des métiers, et directement actionnable.

Nous avons bâti la stratégie Data & IA en partant des besoins exprimés par les business units. Trois principes ont guidé le travail.

• Partir du terrain. Le portefeuille de cas d'usage vient d'entretiens avec les product owners et product managers des business units partenaires, pas d'une liste générique.
• Construire l'adhésion. Dans une organisation en pleine recomposition, chaque business unit retrouve ses besoins dans la feuille de route.
• Penser la réutilisation dès le départ. Un modèle de données commun permet de capitaliser d'un cas d'usage à l'autre.

• Vision. Définition du rôle de l'équipe Data & IA et de sa contribution aux produits du département digital.
• Portefeuille de cas d'usage. Recensement des cas d'usage data existants lors d'entretiens avec les product owners et product managers des business units partenaires.
• Équipe cible. Définition de la taille et de la composition de l'équipe, en rapprochant les profils des cas d'usage à servir.
• Priorisation. Classement des cas d'usage recueillis.
• Feuille de route à 12 mois. Séquencement des cas d'usage priorisés sur l'année à venir.
• Restitution. Présentation des résultats au CDO et au directeur général du département digital.

Une équipe de deux experts : un consultant en stratégie et un expert data science et data engineering, sur 45 jours de mission. Environnement technique : AWS.

La direction dispose d'un rapport de stratégie complet : la vision, la composition cible de l'équipe, les besoins, l'existant et les cas d'usage priorisés sur une feuille de route de 12 mois.

Sur les 38 cas d'usage recensés auprès de six business units, 12 ont été priorisés sur la feuille de route. Six mois après la restitution, quatre étaient lancés, dont deux en production, portés par une équipe cible de huit profils dont les cinq premiers recrutements étaient réalisés.

Deux effets prolongent la mission.

• Un modèle de données commun. Le passage au modèle de données Haystack, un standard ouvert, apporte plus d'uniformité et de réutilisation d'un cas d'usage à l'autre.
• Des recrutements mieux ciblés. Les profils de l'équipe sont rapprochés des cas d'usage, ce qui oriente le recrutement et la formation.

• Une stratégie issue des métiers. Les cas d'usage viennent des product owners et product managers, ce qui facilite leur adhésion.
• L'organisation pensée avec la stratégie. L'équipe cible est dimensionnée pour exécuter la feuille de route, pas l'inverse.
• Des profils alignés sur les cas d'usage. Recrutement et formation partent des besoins réels.
• La réutilisation comme principe. Un modèle de données standard évite de repartir de zéro à chaque projet.

Ce dispositif répond à quatre situations.

• Vous créez ou restructurez une équipe Data & IA et devez définir son ambition.
• Les demandes des métiers sont nombreuses et vous devez choisir par où commencer.
• Vous voulez une organisation cible avant de recruter.
• Vous cherchez à capitaliser sur vos données d'un projet à l'autre.

Nous partons de vos métiers et de vos données existantes pour construire une feuille de route que vos équipes peuvent exécuter dès le lendemain.