Pendant plusieurs années, j'ai conçu des produits qui avaient tous le même point commun : une mécanique de données dense, parfois opaque, et derrière elle des gens qui devaient prendre des décisions lourdes de conséquences. Chez Prevision comme chez Ekimetrics, la question n'était jamais de montrer la donnée. Elle était de la rendre décisive.

Une prédiction, un modèle, un scénario d'investissement n'ont aucune valeur tant que la personne en face ne sait pas quoi en faire. Mon travail a consisté à transformer ces systèmes analytiques en outils sur lesquels on s'appuie réellement pour arbitrer, investir, implanter. Voici les trois convictions de design qui ont structuré ces projets.

→ Le réflexe naturel d'un produit data, c'est d'exposer tout ce que le modèle sait faire. C'est précisément ce qu'il faut éviter.

Sur le Geotool, un outil de géomarketing d'implantation pour une chaîne de restauration rapide, l'enjeu était de piloter une couverture nationale de restaurants à partir de modèles qui brassaient une quantité considérable de variables. Le décideur, lui, n'avait pas besoin de voir le modèle. Il avait besoin de savoir où ouvrir, et pourquoi. Tout le design a porté sur cette sélection : faire remonter le signal stratégique, garder la profondeur disponible sans jamais l'imposer, et donner à chaque écran un seul niveau de lecture à la fois.

On retrouve la même logique chez Prevision, où l'interface devait exposer la performance d'un modèle prédictif sans noyer l'utilisateur sous les métriques. Montrer une donnée, ce n'est pas la déverser. C'est choisir ce qui mérite l'attention, et organiser le reste pour qu'il reste accessible à qui veut creuser.

→ Aucun de ces outils ne sert à consulter un chiffre. Ils servent à engager des budgets, à arbitrer des implantations, à décider d'une stratégie d'investissement. La confiance n'est pas un bonus d'expérience, c'est la condition d'usage.

Chez Prevision, le SaaS d'entraînement et de suivi de modèles prédictifs reposait entièrement là-dessus. Pour qu'un data scientist consomme un modèle et le maintienne dans le temps, il devait comprendre comment il se comportait : suivre sa performance, détecter une dérive, comparer ses versions. J'ai conçu cet outil exigeant de façon à rendre lisible ce qui se passait sous le capot, pour qu'on délègue au modèle sans perdre le contrôle.

Sur le MMO Tool d'Ekimetrics, la première version du produit de Marketing Mix Modeling devenu depuis One.Vision, la confiance se jouait à l'échelle de la décision d'investissement. Les utilisateurs réglaient un modèle dont dépendaient des arbitrages budgétaires majeurs. Le design devait rendre ce réglage accessible et rendre lisible une arborescence de paramètres très profonde, sans jamais donner le sentiment d'une boîte noire. Plus le produit était transparent sur sa mécanique, plus on s'autorisait à s'en servir pour de vraies décisions.

→ Une donnée business n'est presque jamais une réponse. C'est une hypothèse qu'on veut comparer à d'autres.

Le MMO Tool était avant tout un outil de création de scénarios : projeter un ROI à partir des données passées et de différentes répartitions d'investissement, puis confronter ces scénarios entre eux. Concevoir cette comparaison a été le vrai défi de design. Il fallait que passer d'une hypothèse à l'autre soit fluide, que les écarts soient lisibles d'un coup d'œil, et que la projection reste crédible aux yeux de gens qui en feraient un argument de décision.

L'Assortment Tool prolonge cette idée côté retail. Il ajuste le réapprovisionnement des modèles de montres proposés par les points de vente, pour optimiser les ventes tout en donnant une direction stratégique. Là encore, le produit ne se contente pas d'afficher une recommandation : il aide à arbitrer, à tester un ajustement, à comprendre l'effet d'un choix avant de le prendre. Le rôle du design est de transformer un calcul en terrain d'exploration.

Ce qui relie Prevision et Ekimetrics, ce n'est pas un secteur ni une techno. C'est une posture : me placer entre la data science et la décision business, et faire en sorte que la puissance des modèles devienne un avantage concret pour ceux qui s'en servent. Concevoir ces produits m'a appris que la valeur ne naît pas du modèle, mais du moment où quelqu'un lui fait confiance pour agir.