Je traite la data et l’IA comme des moyens d’éclairer la décision et de réduire la charge inutile, pas comme une surcouche de discours technologique.
Data & BI
- Structuration d’un socle BI (Power BI, Power Pivot, DAX, M) pour l’aide à la décision.
- Couverture d’indicateurs production, stocks, ventes, achats et trésorerie.
- Passage d’une logique de requêtes ad hoc à des restitutions décisionnelles plus stables.
- Capacité à recouper des données issues de plusieurs sources internes pour les rendre utiles à la décision.
- Exploration d’un socle d’agrégation local (DuckDB) découplé de l’outil de restitution, consommable par Power BI, Apache Superset, l’intranet ou Excel.
Flux de données & automatisation
- Intégration de flux documentaires et comptables entre GED, GMAO, Microsoft 365 et comptabilité.
- Usage d’une logique de contrôle par exception pour réduire la charge manuelle sur les traitements répétitifs.
IA & RAG
- Compréhension des principes de l’IA générative et de leurs limites : hallucinations, sécurité et gouvernance.
- Exploration des architectures RAG : sources, citations et garde-fous.
- Positionnement public : veille active et montée en compétence, sans revendiquer une expertise IA prématurée.
- Mise en pratique interne : agent capable de traduire une demande en requêtes sur un socle de données, de les exécuter et d’en faire analyser les résultats par un modèle, encadré par un RAG dédié au schéma et aux règles de requêtage.
- Choix de modèle traité comme un paramètre, pas comme une dépendance : API pour valider vite, exécution locale conservée comme option.
Ligne de conduite
- Priorité aux usages où la qualité de la source, la traçabilité et le gain concret sont évaluables.
- Refus des promesses floues : un bon outillage de décision vaut mieux qu’un effet de mode mal cadré.