commit 90df17784da25ef1422e67a880c776c575b62d46 Author: GrgMdmn Date: Mon Nov 10 18:38:23 2025 +0100 Project 12 updates diff --git a/P12_01_backlog.xlsx b/P12_01_backlog.xlsx new file mode 100644 index 0000000..2b92ec9 Binary files /dev/null and b/P12_01_backlog.xlsx differ diff --git a/P12_02_tableur.xlsx b/P12_02_tableur.xlsx new file mode 100644 index 0000000..c7b7c09 Binary files /dev/null and b/P12_02_tableur.xlsx differ diff --git a/P12_03_presentation.pdf b/P12_03_presentation.pdf new file mode 100644 index 0000000..5c52001 Binary files /dev/null and b/P12_03_presentation.pdf differ diff --git a/P12_04_ExportedEstimate_initial.xlsx b/P12_04_ExportedEstimate_initial.xlsx new file mode 100644 index 0000000..23d8b22 Binary files /dev/null and b/P12_04_ExportedEstimate_initial.xlsx differ diff --git a/P12_05_ExportedEstimate_production.xlsx b/P12_05_ExportedEstimate_production.xlsx new file mode 100644 index 0000000..d064457 Binary files /dev/null and b/P12_05_ExportedEstimate_production.xlsx differ diff --git a/README.md b/README.md new file mode 100644 index 0000000..0611d3c --- /dev/null +++ b/README.md @@ -0,0 +1,385 @@ +# Projet de Cadrage d'un Projet IA - Fashion-Insta + +## 📋 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*