Cours et exercices
Des modules structurés sur les grands enjeux - biais, surveillance, décisions automatisées - suivant un enchaînement lecture, quiz, puis mise en situation face à un dilemme.
Le projet en quelques mots
Le commanditaire, fictif, réunit la CNIL et le ministère de l'Éducation nationale : il demande un produit numérique pour rendre l'intelligence artificielle compréhensible aux lycéens, aux enseignants et aux citoyens. Le constat de départ : l'IA intervient déjà dans la santé, la justice ou l'emploi, sans que les personnes concernées puissent la comprendre ni la contester.
Notre équipe de six a conçu et développé IAvenir, une plateforme web permettant d'apprendre, de s'exercer et de débattre autour des enjeux de l'IA : biais algorithmiques, vie privée, décisions automatisées.
Conformément à l'objet du module, l'essentiel se joue dans la méthode : travail en Scrum avec des itérations courtes, et surtout confrontation régulière à une équipe d'étudiants d'une autre filière jouant le rôle des utilisateurs finaux, qui testait le produit et remplissait des cahiers de retours à chaque cycle. C'est ce dispositif qui distingue un exercice agile d'un simple découpage du travail en sprints : sans utilisateur pour contredire les hypothèses, l'itération tourne à vide.
Partir de ce que les gens ne savent pas
Avant de concevoir quoi que ce soit, l'équipe a mené une enquête auprès d'actifs et d'étudiants de 19 à 60 ans. Les résultats ont directement orienté le produit.
5 / 7
ne savent pas expliquer ce qu'est un biais algorithmique
7 / 7
veulent des exercices pratiques plutôt que de la théorie
3 / 7
redoutent les dérapages d'un débat en ligne
Sept répondants : un échantillon trop réduit pour être représentatif. Ces réponses ont servi de matière qualitative pour construire des profils utilisateurs ancrés dans des propos réels, pas de mesure statistique.
Deux conséquences sur la conception. D'abord la demande unanime d'exercices concrets, qui a écarté l'idée d'un site de cours à lire passivement. Ensuite la crainte du débat en ligne, qui a conduit à encadrer et modérer l'espace de discussion plutôt qu'à l'ouvrir librement - sur un sujet aussi clivant que l'IA, c'était une condition pour que les utilisateurs acceptent d'y participer.
Le produit
Assistant conversationnel
Une IA intégrée au parcours, avec laquelle l'utilisateur interagit pendant les cours - apprendre l'IA en la manipulant, plutôt qu'en lisant à son sujet.
Progression et classement
Des mécaniques de jeu inspirées des applications d'apprentissage grand public, pour entretenir la régularité sans transformer le sujet en divertissement.
Espace de débat encadré
Un lieu de discussion citoyenne modéré, réponse directe à la crainte exprimée dans l'enquête.
Un choix d'interface mérite d'être signalé : l'équipe a repris le système de design de l'État français plutôt que d'inventer sa propre identité visuelle. La raison est de cohérence - un produit commandé par une autorité publique doit ressembler aux services publics existants - et d'accessibilité, ce système intégrant déjà les exigences réglementaires.
La méthode et ma place dedans
L'équipe s'est organisée en Scrum avec des rôles attribués dès la réunion de lancement, chacun gardant par ailleurs une casquette de développeur.
Tests et développement
Vérifier que ce qui est livré fonctionne réellement, faire remonter les défauts avant qu'ils n'arrivent chez l'utilisateur, et contribuer au code.
Ma contributionPilotage produit
Product owner et Scrum master : priorisation du backlog, animation des cycles et validation des jalons.
Autres membresDéveloppement et technique
Tech lead et développeurs sur l'application, du modèle de données à l'interface.
Autres membresDéploiement et relation client
Mise en ligne de la plateforme et interface avec l'équipe cliente chargée des tests.
Autres membresLa boucle qui a fait progresser le produit
Le dispositif le plus structurant du projet a été le cycle de retours avec l'équipe cliente. Il ne s'agissait pas d'une validation de fin de parcours, mais d'un rythme répété à chaque itération.
Livrer une version testable
Chaque cycle se termine par une version déployée et réellement utilisable, pas par une maquette.
Faire tester en conditions réelles
L'équipe cliente parcourt le produit de manière autonome, sans accompagnement qui orienterait son jugement.
Recueillir des retours structurés
Un cahier commun consigne les anomalies rencontrées et note la satisfaction sur plusieurs critères - comparable d'un cycle à l'autre.
Corriger et réintégrer
Les anomalies partent en correction, les frictions d'usage remontent dans le backlog et sont arbitrées avec le reste des priorités.
Sur l'ensemble du projet, ce dispositif a produit une soixantaine de retours et permis d'identifier neuf anomalies, avec une satisfaction mesurée en progression nette entre le premier et le dernier cycle. Le plus instructif n'est pas le chiffre mais sa nature : les profils utilisateurs définis en amont se sont révélés justes, alors que certaines frictions d'usage n'étaient visibles qu'en situation réelle. Aucune relecture interne ne les aurait fait apparaître.
Synthèse du projet
Travail réalisé
Une plateforme d'éducation à l'IA conçue et développée en six semaines, avec un périmètre entièrement livré, déployée et éprouvée par des utilisateurs extérieurs à l'équipe. Ma part : les tests et une contribution au développement.
Ce que le projet m'a apporté
La différence entre vérifier qu'un logiciel fonctionne et vérifier qu'il est utilisable. Un parcours peut passer tous les contrôles techniques et rester déroutant pour celui qui le découvre - c'est en observant des utilisateurs réels que cet écart devient visible.