Data & AI product
Ça devrait être aussi simple que d'acheter des fruits:
Que vous consommiez des fruits de saison ou non, produits localement ou non, que vous les commandiez en ligne ou alliez plutôt au marché, vos habitudes de consommation peuvent varier selon vos besoins et vos envies.
En revanche, que ce soit la qualité des produits (fraîcheur, aspect, propreté…), la clarté des fiches signalétiques (origine, prix…) et de plus en plus souvent les avis consommateurs, tous ces éléments viennent influencer votre expérience d'achat.
Offrir à vos utilisateurs une expérience de consommation qui leur donne envie de revenir et de promouvoir vos produits, c'est l'une des finalités d'un data ou AI product, en s'appuyant sur un levier qui se gagne en goutte mais se perd en litre : la confiance.
Mais en fait, c'est quoi un data product ?
Tableau de bord de pilotage d'activités, rapport de suivi des réclamations ou tables référençant des clients sont autant de data products qui permettent aux utilisateurs d'une organisation de répondre à un besoin de suivi, de pilotage, d'analyse ou de référencement.
Ayant pour finalité de créer de la valeur dans son usage, le data product suit un cycle de vie qui démarre de l'idée à sa mise sur le marché jusqu'à son recyclage. Il contient en son sein des briques natives :
- Des données opérationnelles et/ou analytiques correspondant aux actifs clés de l'entreprise qu'il consomme pour délivrer la valeur attendue
- Une piste d'audit
- Des métadonnées
- Un contrat de données
- Une fonctionnalité d'émission et d'ingestion de données
Évoluant au fil des mises à jour, il se nourrit des retours utilisateurs pour évoluer en fonction de leurs attentes dans le respect des règles de gouvernance.
Et un AI product ?
Ce n'est pas juste une émanation d'un data product… il partage les briques natives mais s'enrichit :
- D'espaces dédiés à la gestion des connaissances et la mémoire
- De modèles qu'il embarque
- De boucles de feedbacks
- D'un protocole de communication spécifique
En perpétuel changement, la réalité est qu'il est à ce jour difficile de définir clairement ce qui constitue un AI product — il est nécessaire d'atteindre un certain niveau de maturité de cette technologie pour faire émerger un pattern représentatif.
Nous consommateurs, ce qui compte c'est…
Évaluer par le regard, toucher avec la main ou lire la fiche signalétique — autant de réactions qui permettent d'évaluer la qualité d'un produit. Pour un data ou un AI product, pouvoir évaluer dans un espace dédié, lire un descriptif ou consulter le quality score sont autant de paramètres qui tendent à rendre l'expérience de découverte, de compréhension et de consommation la plus fluide possible.
Répondre aux besoins est un début — mais offrir une expérience simple et immersive est l'enjeu majeur auquel les producteurs de data et AI products doivent répondre.
Nous producteurs, ce qui compte c'est…
Focaliser sur les besoins à adresser dans une perspective moyen terme — les pratiques délaissent bien trop souvent la valeur soutenable qu'il est nécessaire d'adresser. Pas forcément par désintérêt, mais par manque d'éléments formalisés par les parties prenantes, qu'elles soient métier ou technique.
Organisés en component, feature ou impact team, les producteurs de data et AI products allient les rôles de data product owners, data analysts, data engineers, ML engineers et data architects. Sous la responsabilité du data product owner, ils s'appuient sur 4 points clés :
- S'assurer qu'il y a un vrai problème à résoudre, qui ne soit ni organisationnel ni de compétences
- Générer une valeur soutenable pour l'organisation
- Garantir l'application des principales règles d'architecture, de gestion de la qualité des données, des métadonnées et de sécurité
- Définir une stratégie d'adoption incluant go-to-market et passage à l'échelle
Portés par la motivation de délivrer une expérience utilisateur fluide et simple, ils sont les garants de la fiabilité et de la pérennité des data & AI products.
En tant que régulateurs, ce qui nous importe le plus…
Imaginez des fruits mis sur le marché sans règle de la concurrence, sans norme de production, ni de distribution ou de consommation… difficile pour les producteurs de respecter les normes qualité et pour les consommateurs de trouver les produits qu'ils désirent.
Définir les rôles et responsabilités, ce qu'est un data ou un AI product, les dimensions de la qualité des données et les processus de remédiation de la non-qualité… la liste est longue, mais chaque élément permet de construire le cadre de référence dans lequel toutes les promesses des données pourront se réaliser.
Il ne s'agit pas d'être exhaustif mais bien de poser les règles du jeu qui permettent à l'ensemble de l'organisation d'imaginer, concevoir, développer et déployer des produits à l'échelle afin de maximiser le retour sur investissement et l'adoption.
Vous êtes plutôt primeur de quartier, hypermarché ou coopérative ?
Que vous soyez dans une organisation centralisée, décentralisée type data mesh ou hybride, il convient de comprendre en profondeur les désirs et les habitudes de consommation de vos clients afin de structurer l'espace qui offrira la meilleure expérience de production et de consommation.
Cela paraît trivial — mais encore bien souvent, les organisations espèrent que le simple fait de déployer un catalogue de données ou une data marketplace suffit à générer de l'adoption et à ancrer les data reflexes dans les équipes. Connaître votre écosystème est un levier clé de succès de toute démarche orientée data et AI product.
C'est avec l'audace d'opérer une approche « Value by Design » intégrée dans les activités de Discovery et Delivery — mais aussi de Product Marketing et Product Ops — que la convergence régulateurs, producteurs et consommateurs de ce type de produits peut émerger.