Qu’est-ce que PPDA en IA ?

Définition 30 sec

PPDA est une grille de lecture des projets d’intelligence artificielle en entreprise. Elle analyse un projet à travers quatre dimensions : les personnes concernées, les processus métier impactés, les données nécessaires et les algorithmes mobilisés.

Comprendre

PPDA signifie People, Process, Data, Algorithms. La grille a été créée par Manuel Davy à partir de son expérience des projets IA en entreprise. Elle part d’un constat simple : un projet ne réussit pas seulement parce que l’algorithme est performant. Il réussit lorsqu’il est compris, intégré dans les usages, alimenté par des données exploitables et compatible avec les contraintes opérationnelles de l’entreprise.

L’ordre des lettres est volontaire. People demande généralement plus d’attention que Process, Process plus que Data et Data plus qu’Algorithms. Cette hiérarchie indique avant tout le temps et l’attention à consacrer à chaque dimension du projet.

People — Toutes les personnes concernées : utilisateurs finaux, managers, équipes IT et Data, fonctions support, responsables métier et parfois clients. Il faut considérer leur compréhension, leur confiance, leur adoption, leur capacité à superviser la solution, à la challenger et à reprendre la main.

Process — Les processus métier que l’IA va modifier, accélérer, automatiser ou enrichir. Il faut clarifier le processus actuel et le processus cible, les responsabilités, les décisions, les nouveaux inputs et outputs, les outils concernés et les indicateurs de performance.

Data — Les données nécessaires pour entraîner, alimenter, contrôler ou améliorer la solution. Leur disponibilité, leur qualité, leur accessibilité, leur gouvernance, leur sécurité, leur conformité et leur maintien dans le temps conditionnent la solidité du résultat.

Algorithms — Les modèles, méthodes et architectures qui permettent de produire le résultat. La performance compte, mais aussi la maintenabilité, la documentation, la sécurité, le passage à l’échelle et l’intégration aux systèmes existants.

Un ordre de grandeur proposé pour orienter l’attention est : 70 % pour People et Process, 20 % pour Data et le socle technologique, 10 % pour Algorithms. Il ne s’agit ni d’une règle scientifique, ni d’une formule budgétaire à appliquer mécaniquement, ni d’une allocation universelle.

Comment ça fonctionne ?

Exemple concret

Exemple : optimiser les stocks dans le retail. Le sujet semble d’abord algorithmique : prévoir la demande, recommander des quantités, réduire les ruptures et le surstock. PPDA montre que la réussite dépend aussi des approvisionneurs et des équipes magasins qui doivent comprendre la recommandation, du processus de validation humaine, de la fiabilité des historiques de ventes, stocks, promotions et saisonnalités, puis d’un modèle performant mais explicable dans les contraintes opérationnelles.

Pourquoi c’est important pour les entreprises ?

Dans beaucoup de projets IA, la première question posée est technique : quel modèle choisir, quel outil utiliser, faut-il un LLM, un agent, un modèle prédictif ou un RAG ? Ces questions sont légitimes, mais elles arrivent souvent trop tôt. Avant de choisir une solution, il faut comprendre qui va l’utiliser, quelle décision elle doit améliorer, quelle tâche elle doit alléger, quelles données sont disponibles, quel processus sera transformé et quel niveau de contrôle humain conserver.

PPDA n’est pas une méthode lourde ni un framework standard du marché. C’est une grille pragmatique créée par Manuel Davy pour poser les bonnes questions avant d’investir, prioriser des cas d’usage réalistes et anticiper les conditions nécessaires pour passer d’une idée IA à une solution réellement utilisée et intégrée.