diff --git a/README.fr.md b/README.fr.md new file mode 100644 index 0000000..51c523c --- /dev/null +++ b/README.fr.md @@ -0,0 +1,396 @@ +**Source de vérité** : https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta + +```bash +git clone https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta.git +git clone https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta.git +``` + +Dataset : voir `fetch-data.sh` (hors git si volumineux). + +# Projet de Cadrage d'un Projet IA - Fashion-Insta + +📘 Ce projet est également disponible en [anglais 🇬🇧](./README.md) + +## 📋 Contexte du projet + +Ce projet a été réalisé dans le cadre d'une mission d'**AI Product Manager** chez **Fashion-Insta**, une entreprise du monde de la mode qui commercialise des articles vestimentaires via un réseau de magasins physiques et un site e-commerce. + +L'objectif était de réaliser le cadrage complet d'un projet IA stratégique : le développement d'une application mobile de recommandation d'articles vestimentaires basée sur des photos, en vue de présenter le projet au comité exécutif (COMEX) pour validation. + +## 🎯 Objectifs + +Le projet vise à développer une **application mobile de recommandation** permettant aux utilisateurs de : +1. Se prendre en photo avec leurs habits favoris +2. Obtenir des recommandations d'articles du même style vestimentaire +3. Booster les ventes en ligne et en magasin + +**Mission confiée** : Réaliser l'intégralité du cadrage du projet selon une méthodologie agile SCRUM et convaincre le COMEX de lancer le projet. + +## 📊 Démarche de cadrage + +Le cadrage du projet s'est déroulé en plusieurs phases sur 3 semaines : + +### Phase 1 : Expression des besoins et backlog +- Formalisation des user stories à partir des besoins métier +- Priorisation avec la méthode MoSCoW (Must have, Should have, Could have, Won't have) +- Identification du MVP (Minimum Viable Product) +- Revue avec le Product Owner + +### Phase 2 : Estimation et rentabilité +- Estimation des charges par user story (en jours/homme) +- Répartition par profil (Data Scientist, Développeur, DevOps, etc.) +- Calcul des coûts de développement +- Estimation des coûts Azure (infrastructure initiale et production) +- Analyse de rentabilité (ROI, break-even point) +- Planification des sprints + +### Phase 3 : Conformité RGPD et risques +- Analyse des données personnelles (registre de traitements CNIL) +- Identification des enjeux légaux et éthiques +- Analyse des biais potentiels du modèle +- Analyse complète des risques projet +- Plan d'action de mitigation + +### Phase 4 : Présentation au COMEX +- Synthèse des objectifs et gains attendus +- Présentation de la méthodologie agile SCRUM +- Planning des sprints et organisation +- Enjeux RGPD et éthiques +- Mitigation des risques + +## 📁 Structure du projet + +``` +├── P12_01_backlog.xlsx +├── P12_02_tableur.xlsx +├── P12_03_présentation.pdf (ou .pptx) +├── P12_04_ExportedEstimate_initial.xlsx +└── P12_05_ExportedEstimate_production.xlsx +``` + + +### 1. `P12_01_backlog.xlsx` + +**Backlog du projet avec user stories priorisées** + +Ce fichier contient : +- **User stories** : Expression des besoins fonctionnels et techniques du point de vue utilisateur +- **Priorisation MoSCoW** : + - **Must have** : Fonctionnalités indispensables au MVP + - **Should have** : Fonctionnalités importantes mais non bloquantes + - **Could have** : Fonctionnalités souhaitables + - **Won't have** : Fonctionnalités exclues du périmètre actuel +- **Estimation des charges** : Temps de développement par user story +- **Critères d'acceptation** : Conditions de validation de chaque story +- **Dépendances** : Relations entre les user stories + +**Focus** : User stories IA (recommandation, traitement d'images, modèles ML) + +### 2. `P12_02_tableur.xlsx` + +**Tableur d'estimation des charges et coûts** + +Ce fichier comprend plusieurs onglets : + +**Onglet "Charges par profil"** : +- Répartition des charges par user story +- Profils : Data Scientist, ML Engineer, Développeur Full-Stack, DevOps, Product Owner, Scrum Master +- Calcul des jours/homme par profil +- Application des coûts journaliers (TJM) + +**Onglet "Coûts de développement"** : +- Coût total de développement initial +- Répartition par profil et par sprint +- Coûts fixes vs variables + +**Onglet "Coûts récurrents"** : +- Maintenance annuelle : 15% du coût de développement +- Coûts d'infrastructure Azure de production (annuels) +- Évolution des coûts sur 3-5 ans + +**Onglet "Analyse de rentabilité"** : +- Gains annuels estimés (augmentation des ventes) +- Coûts cumulés année après année +- Calcul du ROI et du break-even point +- Graphique de rentabilité + +**Onglet "Planning des sprints"** : +- Découpage en sprints (durée, contenu) +- Affectation des user stories par sprint +- Jalons et livrables + +### 3. `P12_03_présentation.pdf` (ou .pptx) + +**Présentation pour le COMEX** + +Cette présentation comprend : + +**Slide 1 : Résumé exécutif** +- Synthèse des points clés (non présentée oralement) +- Vision du projet en une slide + +**Slides 2-3 : Objectifs et gains attendus** +- Augmentation des ventes (quantifiée) +- Amélioration de l'expérience client +- KPIs de succès (taux d'adoption, taux de conversion, satisfaction) + +**Slides 4-5 : Ressources requises** +- Humaines : Équipe et profils nécessaires +- Techniques : Infrastructure Azure +- Financières : Investissement initial et coûts récurrents + +**Slides 6-8 : Méthodologie agile SCRUM** +- Principes de l'agilité +- Rôles (Product Owner, Scrum Master, Development Team) +- Avantages pour le projet + +**Slides 9-11 : Organisation et suivi** +- Daily Scrum (point quotidien) +- Sprint Review (démo en fin de sprint) +- Rétrospective (amélioration continue) +- Burndown chart (suivi de l'avancement) + +**Slides 12-13 : Planning des sprints** +- Découpage temporel +- Contenu de chaque sprint +- Jalons et livrables clés + +**Slides 14-16 : Enjeux légaux et éthiques** +- Principes du RGPD +- Gestion des données personnelles (photos, préférences) +- Biais potentiels du modèle (diversité, représentativité) +- Transparence et consentement + +**Slides 17-19 : Risques et mitigation** +- Risques techniques (performance du modèle, scalabilité) +- Risques organisationnels (disponibilité des équipes) +- Risques financiers (dépassement de budget) +- Risques légaux (non-conformité RGPD) +- Plan d'action pour chaque risque critique + +**Annexe : Backlog complet** +- Liste des user stories avec priorisation +- User stories du MVP clairement identifiées + +### 4. `P12_04_ExportedEstimate_initial.xlsx` + +**Estimation des coûts Azure pour la phase initiale** + +Ce fichier contient l'estimation des coûts d'infrastructure cloud Azure pour : +- **Phase de conception** : Environnement de développement +- **Phase d'entraînement des modèles** : + - Instances de calcul (GPU pour deep learning) + - Stockage des données d'entraînement + - Services de ML (Azure Machine Learning) + - Services de vision par ordinateur (Computer Vision API) + +**Export** : Calculateur de prix Azure (Azure Pricing Calculator) + +### 5. `P12_05_ExportedEstimate_production.xlsx` + +**Estimation des coûts Azure pour la production** + +Ce fichier contient l'estimation des coûts d'infrastructure cloud Azure pour : +- **Production de l'application** : + - Instances de calcul pour l'API de recommandation + - Base de données (catalogue produits, historique utilisateurs) + - Stockage blob (images utilisateurs) + - CDN (Content Delivery Network) + - Services d'inférence ML + - Services de monitoring et logs + - Bande passante + +**Calcul** : Coûts mensuels et annuels basés sur une estimation du trafic + +## 🛠️ Méthodologie + +### Méthode Agile SCRUM + +**Rôles** : +- **Product Owner** : Alicia (VP Product) +- **Scrum Master** : À définir +- **Development Team** : Data Scientists, ML Engineers, Développeurs, DevOps + +**Cérémonies** : +- **Sprint Planning** : Planification du sprint (1-2 semaines) +- **Daily Scrum** : Point quotidien de 15 minutes +- **Sprint Review** : Démonstration en fin de sprint +- **Sprint Retrospective** : Amélioration continue + +**Artefacts** : +- **Product Backlog** : Liste priorisée des user stories +- **Sprint Backlog** : User stories sélectionnées pour le sprint +- **Increment** : Produit potentiellement livrable à la fin du sprint + +### Priorisation MoSCoW + +- **Must have (M)** : Essentiel au MVP, non négociable +- **Should have (S)** : Important mais peut être reporté +- **Could have (C)** : Souhaitable si budget/temps disponible +- **Won't have (W)** : Exclu du périmètre actuel + +### Estimation des charges + +**Techniques utilisées** : +- Planning Poker pour l'estimation collaborative +- Story Points ou Jours/Homme selon les user stories +- Vélocité de l'équipe pour ajuster les prévisions + +## 📈 Analyse de rentabilité + +### Coûts + +**Investissement initial** : +- Développement : Coût total des sprints +- Infrastructure Azure (phase initiale) +- Formation des équipes + +**Coûts récurrents (annuels)** : +- Maintenance : 15% du coût de développement +- Infrastructure Azure (production) +- Support et évolutions + +### Gains + +**Gains estimés** : +- Augmentation du taux de conversion en ligne +- Augmentation du panier moyen +- Fidélisation client (réduction du churn) +- Cross-selling et up-selling + +**Calcul du ROI** : +``` +ROI = (Gains cumulés - Coûts cumulés) / Coûts cumulés × 100 +``` + +**Break-even point** : Date à laquelle les gains cumulés égalent les coûts cumulés + +### Visualisation + +Graphique montrant : +- Courbe des coûts cumulés +- Courbe des gains cumulés +- Point de rentabilité (intersection des courbes) + +## 🔒 Conformité RGPD + +### Données personnelles traitées + +- **Photos des utilisateurs** : Données sensibles (images de personnes) +- **Préférences vestimentaires** : Profilage comportemental +- **Historique de navigation** : Suivi des interactions +- **Données de compte** : Email, nom, coordonnées + +### Registre de traitements (CNIL) + +Pour chaque traitement IA : +- **Finalité** : Recommandation d'articles personnalisée +- **Catégories de données** : Images, préférences, comportement +- **Durée de conservation** : Définie et justifiée +- **Mesures de sécurité** : Chiffrement, pseudonymisation +- **Destinataires** : Équipe data, partenaires (si applicable) +- **Transferts hors UE** : Azure région Europe (conformité) + +### Principes RGPD appliqués + +- **Consentement explicite** : Opt-in pour l'utilisation des photos +- **Droit d'accès** : L'utilisateur peut consulter ses données +- **Droit à l'effacement** : Suppression des données sur demande +- **Portabilité** : Export des données personnelles +- **Minimisation** : Collecte uniquement des données nécessaires +- **Transparence** : Information claire sur l'utilisation des données + +## ⚖️ Enjeux éthiques + +### Biais du modèle + +**Risques identifiés** : +- **Biais de représentation** : Sous-représentation de certaines morphologies, couleurs de peau, styles vestimentaires +- **Biais culturel** : Recommandations orientées vers des standards occidentaux +- **Biais de genre** : Stéréotypes vestimentaires genrés + +**Plan d'action** : +- Diversification du jeu de données d'entraînement +- Audit régulier des recommandations +- Tests utilisateurs sur des populations variées +- Possibilité de feedback utilisateur pour améliorer le modèle + +### Transparence et explicabilité + +- Informer l'utilisateur sur le fonctionnement du système de recommandation +- Possibilité de comprendre pourquoi un article est recommandé +- Option de désactivation des recommandations personnalisées + +## ⚠️ Analyse des risques + +### Méthodologie + +**Grille d'évaluation** : +- **Probabilité** : Faible / Moyenne / Élevée +- **Impact** : Faible / Moyen / Critique +- **Criticité** : Probabilité × Impact + +**Checklist Spectre 7D** : +1. **Data** : Qualité, disponibilité, biais +2. **Development** : Compétences, technologies +3. **Deployment** : Infrastructure, scalabilité +4. **Dependability** : Fiabilité, performance +5. **Detectability** : Monitoring, alertes +6. **Diversity** : Inclusion, équité +7. **Documentation** : Traçabilité, conformité + +### Principaux risques identifiés + +**Risques techniques** : +- Performance insuffisante du modèle de recommandation +- Temps de latence trop élevé en production +- Difficultés de scalabilité avec la montée en charge + +**Risques organisationnels** : +- Indisponibilité des ressources (Data Scientists) +- Turnover dans l'équipe projet +- Retards dans les livrables + +**Risques financiers** : +- Dépassement du budget Azure +- Coûts de développement sous-estimés +- ROI plus long que prévu + +**Risques légaux** : +- Non-conformité RGPD (sanctions financières) +- Plaintes d'utilisateurs sur la gestion des données +- Litiges liés aux biais du modèle + +### Plan de mitigation + +Pour chaque risque critique : +- **Action préventive** : Mesure pour réduire la probabilité +- **Action corrective** : Mesure si le risque se matérialise +- **Responsable** : Personne en charge du suivi +- **Échéance** : Date de mise en œuvre + +**Exemples** : +- **Risque RGPD** → Audit de conformité avec le DPO avant chaque sprint +- **Risque de biais** → Diversification du dataset et tests réguliers +- **Risque de scalabilité** → Load testing et architecture cloud élastique + +## 🎓 Compétences développées + +- Cadrage de projet IA end-to-end +- Méthodologie agile SCRUM +- Estimation et chiffrage de projets techniques +- Analyse de rentabilité (ROI, break-even) +- Conformité RGPD et gestion des données personnelles +- Identification et mitigation des risques +- Enjeux éthiques de l'IA (biais, transparence) +- Gestion des parties prenantes (COMEX) +- Communication et présentation de projet + +## 👤 Auteur + +**Grégoire Mureau** +Date de réalisation : 2025 + +--- + +*Ce projet a été réalisé dans le cadre du parcours AI Engineer* diff --git a/README.md b/README.md index 4b9a574..a9694f5 100644 --- a/README.md +++ b/README.md @@ -1,62 +1,64 @@ -**Source de vérité** : https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta +**Source of truth** : https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta ```bash git clone https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta.git git clone https://git.gregoiremureau.com/openclassroom-ai/oc-p12-fashion-insta.git ``` -Dataset : voir `fetch-data.sh` (hors git si volumineux). +Dataset: see `fetch-data.sh` (outside git if large). -# Projet de Cadrage d'un Projet IA - Fashion-Insta +# AI Project Scoping - Fashion-Insta -## 📋 Contexte du projet +📘 This project is also available in [French 🇫🇷](./README.fr.md) -Ce projet a été réalisé dans le cadre d'une mission d'**AI Product Manager** chez **Fashion-Insta**, une entreprise du monde de la mode qui commercialise des articles vestimentaires via un réseau de magasins physiques et un site e-commerce. +## 📋 Project Context -L'objectif était de réaliser le cadrage complet d'un projet IA stratégique : le développement d'une application mobile de recommandation d'articles vestimentaires basée sur des photos, en vue de présenter le projet au comité exécutif (COMEX) pour validation. +This project was carried out as part of an **AI Product Manager** assignment at **Fashion-Insta**, a fashion company that sells clothing items through a network of physical stores and an e-commerce website. -## 🎯 Objectifs +The objective was to carry out the complete scoping of a strategic AI project: the development of a mobile application for recommending clothing items based on photos, in order to present the project to the executive committee (COMEX) for approval. -Le projet vise à développer une **application mobile de recommandation** permettant aux utilisateurs de : -1. Se prendre en photo avec leurs habits favoris -2. Obtenir des recommandations d'articles du même style vestimentaire -3. Booster les ventes en ligne et en magasin +## 🎯 Objectives -**Mission confiée** : Réaliser l'intégralité du cadrage du projet selon une méthodologie agile SCRUM et convaincre le COMEX de lancer le projet. +The project aims to develop a **mobile recommendation application** allowing users to: +1. Take a photo of themselves wearing their favorite clothes +2. Get recommendations for items in the same clothing style +3. Boost online and in-store sales -## 📊 Démarche de cadrage +**Mission assigned**: Carry out the entire scoping of the project following an agile SCRUM methodology and convince the COMEX to launch the project. -Le cadrage du projet s'est déroulé en plusieurs phases sur 3 semaines : +## 📊 Scoping Approach -### Phase 1 : Expression des besoins et backlog -- Formalisation des user stories à partir des besoins métier -- Priorisation avec la méthode MoSCoW (Must have, Should have, Could have, Won't have) -- Identification du MVP (Minimum Viable Product) -- Revue avec le Product Owner +The project scoping took place over several phases across 3 weeks: -### Phase 2 : Estimation et rentabilité -- Estimation des charges par user story (en jours/homme) -- Répartition par profil (Data Scientist, Développeur, DevOps, etc.) -- Calcul des coûts de développement -- Estimation des coûts Azure (infrastructure initiale et production) -- Analyse de rentabilité (ROI, break-even point) -- Planification des sprints +### Phase 1: Requirements gathering and backlog +- Formalization of user stories based on business needs +- Prioritization using the MoSCoW method (Must have, Should have, Could have, Won't have) +- Identification of the MVP (Minimum Viable Product) +- Review with the Product Owner -### Phase 3 : Conformité RGPD et risques -- Analyse des données personnelles (registre de traitements CNIL) -- Identification des enjeux légaux et éthiques -- Analyse des biais potentiels du modèle -- Analyse complète des risques projet -- Plan d'action de mitigation +### Phase 2: Estimation and profitability +- Estimation of effort per user story (in person/days) +- Breakdown by profile (Data Scientist, Developer, DevOps, etc.) +- Calculation of development costs +- Estimation of Azure costs (initial infrastructure and production) +- Profitability analysis (ROI, break-even point) +- Sprint planning -### Phase 4 : Présentation au COMEX -- Synthèse des objectifs et gains attendus -- Présentation de la méthodologie agile SCRUM -- Planning des sprints et organisation -- Enjeux RGPD et éthiques -- Mitigation des risques +### Phase 3: GDPR compliance and risks +- Analysis of personal data (CNIL data processing register) +- Identification of legal and ethical issues +- Analysis of potential model biases +- Complete project risk analysis +- Mitigation action plan -## 📁 Structure du projet +### Phase 4: COMEX presentation +- Summary of objectives and expected gains +- Presentation of the agile SCRUM methodology +- Sprint planning and organization +- GDPR and ethical issues +- Risk mitigation + +## 📁 Project Structure ``` ├── P12_01_backlog.xlsx @@ -66,329 +68,329 @@ Le cadrage du projet s'est déroulé en plusieurs phases sur 3 semaines : └── P12_05_ExportedEstimate_production.xlsx ``` - ### 1. `P12_01_backlog.xlsx` -**Backlog du projet avec user stories priorisées** +**Project backlog with prioritized user stories** -Ce fichier contient : -- **User stories** : Expression des besoins fonctionnels et techniques du point de vue utilisateur -- **Priorisation MoSCoW** : - - **Must have** : Fonctionnalités indispensables au MVP - - **Should have** : Fonctionnalités importantes mais non bloquantes - - **Could have** : Fonctionnalités souhaitables - - **Won't have** : Fonctionnalités exclues du périmètre actuel -- **Estimation des charges** : Temps de développement par user story -- **Critères d'acceptation** : Conditions de validation de chaque story -- **Dépendances** : Relations entre les user stories +This file contains: +- **User stories**: Formalization of functional and technical needs from the user's point of view +- **MoSCoW prioritization**: + - **Must have**: Features essential to the MVP + - **Should have**: Important but non-blocking features + - **Could have**: Desirable features + - **Won't have**: Features excluded from the current scope +- **Effort estimation**: Development time per user story +- **Acceptance criteria**: Validation conditions for each story +- **Dependencies**: Relationships between user stories -**Focus** : User stories IA (recommandation, traitement d'images, modèles ML) +**Focus**: AI user stories (recommendation, image processing, ML models) ### 2. `P12_02_tableur.xlsx` -**Tableur d'estimation des charges et coûts** +**Spreadsheet for effort and cost estimation** -Ce fichier comprend plusieurs onglets : +This file includes several tabs: -**Onglet "Charges par profil"** : -- Répartition des charges par user story -- Profils : Data Scientist, ML Engineer, Développeur Full-Stack, DevOps, Product Owner, Scrum Master -- Calcul des jours/homme par profil -- Application des coûts journaliers (TJM) +**"Effort by profile" tab**: +- Breakdown of effort by user story +- Profiles: Data Scientist, ML Engineer, Full-Stack Developer, DevOps, Product Owner, Scrum Master +- Calculation of person/days per profile +- Application of daily rates (TJM) -**Onglet "Coûts de développement"** : -- Coût total de développement initial -- Répartition par profil et par sprint -- Coûts fixes vs variables +**"Development costs" tab**: +- Total initial development cost +- Breakdown by profile and by sprint +- Fixed vs variable costs -**Onglet "Coûts récurrents"** : -- Maintenance annuelle : 15% du coût de développement -- Coûts d'infrastructure Azure de production (annuels) -- Évolution des coûts sur 3-5 ans +**"Recurring costs" tab**: +- Annual maintenance: 15% of development cost +- Production Azure infrastructure costs (annual) +- Cost trends over 3-5 years -**Onglet "Analyse de rentabilité"** : -- Gains annuels estimés (augmentation des ventes) -- Coûts cumulés année après année -- Calcul du ROI et du break-even point -- Graphique de rentabilité +**"Profitability analysis" tab**: +- Estimated annual gains (increase in sales) +- Cumulative costs year after year +- ROI and break-even point calculation +- Profitability chart -**Onglet "Planning des sprints"** : -- Découpage en sprints (durée, contenu) -- Affectation des user stories par sprint -- Jalons et livrables +**"Sprint planning" tab**: +- Breakdown into sprints (duration, content) +- Assignment of user stories per sprint +- Milestones and deliverables -### 3. `P12_03_présentation.pdf` (ou .pptx) +### 3. `P12_03_présentation.pdf` (or .pptx) -**Présentation pour le COMEX** +**Presentation for the COMEX** -Cette présentation comprend : +This presentation includes: -**Slide 1 : Résumé exécutif** -- Synthèse des points clés (non présentée oralement) -- Vision du projet en une slide +**Slide 1: Executive summary** +- Summary of key points (not presented orally) +- Project vision in one slide -**Slides 2-3 : Objectifs et gains attendus** -- Augmentation des ventes (quantifiée) -- Amélioration de l'expérience client -- KPIs de succès (taux d'adoption, taux de conversion, satisfaction) +**Slides 2-3: Objectives and expected gains** +- Increase in sales (quantified) +- Improved customer experience +- Success KPIs (adoption rate, conversion rate, satisfaction) -**Slides 4-5 : Ressources requises** -- Humaines : Équipe et profils nécessaires -- Techniques : Infrastructure Azure -- Financières : Investissement initial et coûts récurrents +**Slides 4-5: Required resources** +- Human: Team and profiles needed +- Technical: Azure infrastructure +- Financial: Initial investment and recurring costs -**Slides 6-8 : Méthodologie agile SCRUM** -- Principes de l'agilité -- Rôles (Product Owner, Scrum Master, Development Team) -- Avantages pour le projet +**Slides 6-8: Agile SCRUM methodology** +- Principles of agility +- Roles (Product Owner, Scrum Master, Development Team) +- Benefits for the project -**Slides 9-11 : Organisation et suivi** -- Daily Scrum (point quotidien) -- Sprint Review (démo en fin de sprint) -- Rétrospective (amélioration continue) -- Burndown chart (suivi de l'avancement) +**Slides 9-11: Organization and tracking** +- Daily Scrum (daily standup) +- Sprint Review (end-of-sprint demo) +- Retrospective (continuous improvement) +- Burndown chart (progress tracking) -**Slides 12-13 : Planning des sprints** -- Découpage temporel -- Contenu de chaque sprint -- Jalons et livrables clés +**Slides 12-13: Sprint planning** +- Time breakdown +- Content of each sprint +- Key milestones and deliverables -**Slides 14-16 : Enjeux légaux et éthiques** -- Principes du RGPD -- Gestion des données personnelles (photos, préférences) -- Biais potentiels du modèle (diversité, représentativité) -- Transparence et consentement +**Slides 14-16: Legal and ethical issues** +- GDPR principles +- Personal data management (photos, preferences) +- Potential model biases (diversity, representativeness) +- Transparency and consent -**Slides 17-19 : Risques et mitigation** -- Risques techniques (performance du modèle, scalabilité) -- Risques organisationnels (disponibilité des équipes) -- Risques financiers (dépassement de budget) -- Risques légaux (non-conformité RGPD) -- Plan d'action pour chaque risque critique +**Slides 17-19: Risks and mitigation** +- Technical risks (model performance, scalability) +- Organizational risks (team availability) +- Financial risks (budget overrun) +- Legal risks (GDPR non-compliance) +- Action plan for each critical risk -**Annexe : Backlog complet** -- Liste des user stories avec priorisation -- User stories du MVP clairement identifiées +**Appendix: Full backlog** +- List of user stories with prioritization +- MVP user stories clearly identified ### 4. `P12_04_ExportedEstimate_initial.xlsx` -**Estimation des coûts Azure pour la phase initiale** +**Azure cost estimation for the initial phase** -Ce fichier contient l'estimation des coûts d'infrastructure cloud Azure pour : -- **Phase de conception** : Environnement de développement -- **Phase d'entraînement des modèles** : - - Instances de calcul (GPU pour deep learning) - - Stockage des données d'entraînement - - Services de ML (Azure Machine Learning) - - Services de vision par ordinateur (Computer Vision API) +This file contains the estimation of Azure cloud infrastructure costs for: +- **Design phase**: Development environment +- **Model training phase**: + - Compute instances (GPU for deep learning) + - Training data storage + - ML services (Azure Machine Learning) + - Computer vision services (Computer Vision API) -**Export** : Calculateur de prix Azure (Azure Pricing Calculator) +**Export**: Azure Pricing Calculator ### 5. `P12_05_ExportedEstimate_production.xlsx` -**Estimation des coûts Azure pour la production** +**Azure cost estimation for production** -Ce fichier contient l'estimation des coûts d'infrastructure cloud Azure pour : -- **Production de l'application** : - - Instances de calcul pour l'API de recommandation - - Base de données (catalogue produits, historique utilisateurs) - - Stockage blob (images utilisateurs) +This file contains the estimation of Azure cloud infrastructure costs for: +- **Application production**: + - Compute instances for the recommendation API + - Database (product catalog, user history) + - Blob storage (user images) - CDN (Content Delivery Network) - - Services d'inférence ML - - Services de monitoring et logs - - Bande passante + - ML inference services + - Monitoring and logging services + - Bandwidth -**Calcul** : Coûts mensuels et annuels basés sur une estimation du trafic +**Calculation**: Monthly and annual costs based on a traffic estimate -## 🛠️ Méthodologie +## 🛠️ Methodology -### Méthode Agile SCRUM +### Agile SCRUM Method -**Rôles** : -- **Product Owner** : Alicia (VP Product) -- **Scrum Master** : À définir -- **Development Team** : Data Scientists, ML Engineers, Développeurs, DevOps +**Roles**: +- **Product Owner**: Alicia (VP Product) +- **Scrum Master**: To be defined +- **Development Team**: Data Scientists, ML Engineers, Developers, DevOps -**Cérémonies** : -- **Sprint Planning** : Planification du sprint (1-2 semaines) -- **Daily Scrum** : Point quotidien de 15 minutes -- **Sprint Review** : Démonstration en fin de sprint -- **Sprint Retrospective** : Amélioration continue +**Ceremonies**: +- **Sprint Planning**: Sprint planning (1-2 weeks) +- **Daily Scrum**: 15-minute daily standup +- **Sprint Review**: End-of-sprint demonstration +- **Sprint Retrospective**: Continuous improvement -**Artefacts** : -- **Product Backlog** : Liste priorisée des user stories -- **Sprint Backlog** : User stories sélectionnées pour le sprint -- **Increment** : Produit potentiellement livrable à la fin du sprint +**Artifacts**: +- **Product Backlog**: Prioritized list of user stories +- **Sprint Backlog**: User stories selected for the sprint +- **Increment**: Potentially shippable product at the end of the sprint -### Priorisation MoSCoW +### MoSCoW Prioritization -- **Must have (M)** : Essentiel au MVP, non négociable -- **Should have (S)** : Important mais peut être reporté -- **Could have (C)** : Souhaitable si budget/temps disponible -- **Won't have (W)** : Exclu du périmètre actuel +- **Must have (M)**: Essential to the MVP, non-negotiable +- **Should have (S)**: Important but can be postponed +- **Could have (C)**: Desirable if budget/time available +- **Won't have (W)**: Excluded from the current scope -### Estimation des charges +### Effort Estimation -**Techniques utilisées** : -- Planning Poker pour l'estimation collaborative -- Story Points ou Jours/Homme selon les user stories -- Vélocité de l'équipe pour ajuster les prévisions +**Techniques used**: +- Planning Poker for collaborative estimation +- Story Points or Person/Days depending on the user stories +- Team velocity to adjust forecasts -## 📈 Analyse de rentabilité +## 📈 Profitability Analysis -### Coûts +### Costs -**Investissement initial** : -- Développement : Coût total des sprints -- Infrastructure Azure (phase initiale) -- Formation des équipes +**Initial investment**: +- Development: Total cost of sprints +- Azure infrastructure (initial phase) +- Team training -**Coûts récurrents (annuels)** : -- Maintenance : 15% du coût de développement -- Infrastructure Azure (production) -- Support et évolutions +**Recurring costs (annual)**: +- Maintenance: 15% of development cost +- Azure infrastructure (production) +- Support and enhancements ### Gains -**Gains estimés** : -- Augmentation du taux de conversion en ligne -- Augmentation du panier moyen -- Fidélisation client (réduction du churn) -- Cross-selling et up-selling +**Estimated gains**: +- Increase in online conversion rate +- Increase in average basket size +- Customer retention (churn reduction) +- Cross-selling and up-selling + +**ROI calculation**: -**Calcul du ROI** : ``` ROI = (Gains cumulés - Coûts cumulés) / Coûts cumulés × 100 ``` -**Break-even point** : Date à laquelle les gains cumulés égalent les coûts cumulés +**Break-even point**: Date at which cumulative gains equal cumulative costs -### Visualisation +### Visualization -Graphique montrant : -- Courbe des coûts cumulés -- Courbe des gains cumulés -- Point de rentabilité (intersection des courbes) +Chart showing: +- Cumulative costs curve +- Cumulative gains curve +- Break-even point (intersection of the curves) -## 🔒 Conformité RGPD +## 🔒 GDPR Compliance -### Données personnelles traitées +### Personal data processed -- **Photos des utilisateurs** : Données sensibles (images de personnes) -- **Préférences vestimentaires** : Profilage comportemental -- **Historique de navigation** : Suivi des interactions -- **Données de compte** : Email, nom, coordonnées +- **User photos**: Sensitive data (images of people) +- **Clothing preferences**: Behavioral profiling +- **Browsing history**: Tracking of interactions +- **Account data**: Email, name, contact details -### Registre de traitements (CNIL) +### Data processing register (CNIL) -Pour chaque traitement IA : -- **Finalité** : Recommandation d'articles personnalisée -- **Catégories de données** : Images, préférences, comportement -- **Durée de conservation** : Définie et justifiée -- **Mesures de sécurité** : Chiffrement, pseudonymisation -- **Destinataires** : Équipe data, partenaires (si applicable) -- **Transferts hors UE** : Azure région Europe (conformité) +For each AI processing activity: +- **Purpose**: Personalized item recommendation +- **Data categories**: Images, preferences, behavior +- **Retention period**: Defined and justified +- **Security measures**: Encryption, pseudonymization +- **Recipients**: Data team, partners (if applicable) +- **Transfers outside the EU**: Azure Europe region (compliance) -### Principes RGPD appliqués +### GDPR Principles Applied -- **Consentement explicite** : Opt-in pour l'utilisation des photos -- **Droit d'accès** : L'utilisateur peut consulter ses données -- **Droit à l'effacement** : Suppression des données sur demande -- **Portabilité** : Export des données personnelles -- **Minimisation** : Collecte uniquement des données nécessaires -- **Transparence** : Information claire sur l'utilisation des données +- **Explicit consent**: Opt-in for the use of photos +- **Right of access**: Users can view their data +- **Right to erasure**: Deletion of data upon request +- **Portability**: Export of personal data +- **Minimization**: Collection of only necessary data +- **Transparency**: Clear information about data use -## ⚖️ Enjeux éthiques +## ⚖️ Ethical Issues -### Biais du modèle +### Model bias -**Risques identifiés** : -- **Biais de représentation** : Sous-représentation de certaines morphologies, couleurs de peau, styles vestimentaires -- **Biais culturel** : Recommandations orientées vers des standards occidentaux -- **Biais de genre** : Stéréotypes vestimentaires genrés +**Identified risks**: +- **Representation bias**: Under-representation of certain body shapes, skin colors, clothing styles +- **Cultural bias**: Recommendations skewed toward Western standards +- **Gender bias**: Gendered clothing stereotypes -**Plan d'action** : -- Diversification du jeu de données d'entraînement -- Audit régulier des recommandations -- Tests utilisateurs sur des populations variées -- Possibilité de feedback utilisateur pour améliorer le modèle +**Action plan**: +- Diversification of the training dataset +- Regular audit of recommendations +- User testing on varied populations +- User feedback capability to improve the model -### Transparence et explicabilité +### Transparency and explainability -- Informer l'utilisateur sur le fonctionnement du système de recommandation -- Possibilité de comprendre pourquoi un article est recommandé -- Option de désactivation des recommandations personnalisées +- Inform the user about how the recommendation system works +- Ability to understand why an item is recommended +- Option to disable personalized recommendations -## ⚠️ Analyse des risques +## ⚠️ Risk Analysis -### Méthodologie +### Methodology -**Grille d'évaluation** : -- **Probabilité** : Faible / Moyenne / Élevée -- **Impact** : Faible / Moyen / Critique -- **Criticité** : Probabilité × Impact +**Assessment grid**: +- **Probability**: Low / Medium / High +- **Impact**: Low / Medium / Critical +- **Criticality**: Probability × Impact -**Checklist Spectre 7D** : -1. **Data** : Qualité, disponibilité, biais -2. **Development** : Compétences, technologies -3. **Deployment** : Infrastructure, scalabilité -4. **Dependability** : Fiabilité, performance -5. **Detectability** : Monitoring, alertes -6. **Diversity** : Inclusion, équité -7. **Documentation** : Traçabilité, conformité +**Spectre 7D Checklist**: +1. **Data**: Quality, availability, bias +2. **Development**: Skills, technologies +3. **Deployment**: Infrastructure, scalability +4. **Dependability**: Reliability, performance +5. **Detectability**: Monitoring, alerts +6. **Diversity**: Inclusion, fairness +7. **Documentation**: Traceability, compliance -### Principaux risques identifiés +### Main Identified Risks -**Risques techniques** : -- Performance insuffisante du modèle de recommandation -- Temps de latence trop élevé en production -- Difficultés de scalabilité avec la montée en charge +**Technical risks**: +- Insufficient performance of the recommendation model +- Latency too high in production +- Scalability difficulties under increased load -**Risques organisationnels** : -- Indisponibilité des ressources (Data Scientists) -- Turnover dans l'équipe projet -- Retards dans les livrables +**Organizational risks**: +- Unavailability of resources (Data Scientists) +- Turnover in the project team +- Delays in deliverables -**Risques financiers** : -- Dépassement du budget Azure -- Coûts de développement sous-estimés -- ROI plus long que prévu +**Financial risks**: +- Azure budget overrun +- Underestimated development costs +- ROI taking longer than expected -**Risques légaux** : -- Non-conformité RGPD (sanctions financières) -- Plaintes d'utilisateurs sur la gestion des données -- Litiges liés aux biais du modèle +**Legal risks**: +- GDPR non-compliance (financial penalties) +- User complaints about data management +- Disputes related to model bias -### Plan de mitigation +### Mitigation Plan -Pour chaque risque critique : -- **Action préventive** : Mesure pour réduire la probabilité -- **Action corrective** : Mesure si le risque se matérialise -- **Responsable** : Personne en charge du suivi -- **Échéance** : Date de mise en œuvre +For each critical risk: +- **Preventive action**: Measure to reduce probability +- **Corrective action**: Measure if the risk materializes +- **Owner**: Person in charge of follow-up +- **Deadline**: Implementation date -**Exemples** : -- **Risque RGPD** → Audit de conformité avec le DPO avant chaque sprint -- **Risque de biais** → Diversification du dataset et tests réguliers -- **Risque de scalabilité** → Load testing et architecture cloud élastique +**Examples**: +- **GDPR risk** → Compliance audit with the DPO before each sprint +- **Bias risk** → Dataset diversification and regular testing +- **Scalability risk** → Load testing and elastic cloud architecture -## 🎓 Compétences développées +## 🎓 Skills Developed -- Cadrage de projet IA end-to-end -- Méthodologie agile SCRUM -- Estimation et chiffrage de projets techniques -- Analyse de rentabilité (ROI, break-even) -- Conformité RGPD et gestion des données personnelles -- Identification et mitigation des risques -- Enjeux éthiques de l'IA (biais, transparence) -- Gestion des parties prenantes (COMEX) -- Communication et présentation de projet +- End-to-end AI project scoping +- Agile SCRUM methodology +- Estimation and costing of technical projects +- Profitability analysis (ROI, break-even) +- GDPR compliance and personal data management +- Risk identification and mitigation +- Ethical issues in AI (bias, transparency) +- Stakeholder management (COMEX) +- Project communication and presentation -## 👤 Auteur +## 👤 Author **Grégoire Mureau** -Date de réalisation : 2025 +Completion date: 2025 --- -*Ce projet a été réalisé dans le cadre du parcours AI Engineer* +*This project was carried out as part of the AI Engineer program*