Planter son projet #data — I

Quelques points qui vous assureront un bel échec.

Pourquoi accorder du crédit à mes avis péremptoires ? Parce que je suis en première ligne, et que j’ai vu des projets #data se planter … et d’autres réussir. J’ai pu en tirer quelques règles personnelles, que je vais de ce pas essayer de partager avec vous. Car je suis un gars sympa.

  1. IT ⊂ data, data ⊄ IT. Introduire, volontairement ou non, de la “data” ou, pire, de l’intelligence artificielle (IA) dans un projet qui n’en a pas réellement besoin, et en déduire qu’un nouveau cadre de travail est de fait indispensable, c’est risqué. Je laisse en exercice au lecteur le soin de placer dans la phrase précédente les quelques mots clés suivants: disruptif, esprit startup, datalab, data-driven.
  2. Over-engineering. Comme tout projet technique, laisser les experts en roue libre est dangereux.
  3. Un data scientist n’est pas la solution à votre problème. Vous connaissez cette phrase, certes idiote, mais qui contient une part de vérité: “Arguing with an engineer is like fighting a pig in mud. After the first few hours, you realise they enjoy it”?. Pour les data scientists, on est encore en deça de la réalité.

Un projet sera peut-être plus fun s’il est labellisé #data — surtout si c’est la seule façon d’obtenir un budget … — mais de grâce, n’en faites pas une religion. Ce n’est pas forcément pertinent et ça vous coûtera plus cher.

C’est donc un résumé. L’intégralité du billet est sur le site d’OceanData : ici. Il y a même des dessins.