Référence · Intelligence artificielle
Qu’est-ce que PPDA en IA ?
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.
Une grille créée par Manuel Davy
Créée à partir de son expérience des projets IA, PPDA 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.
PPDA : une définition simple
PPDA signifie People, Process, Data, Algorithms. L’ordre des lettres est important : PPDA, et dans cet ordre-là. 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
Les personnes qui vont utiliser, superviser, accepter ou être impactées par la solution.
Process
Les processus métier que l’IA va modifier, accélérer, automatiser ou enrichir.
Data
Les données nécessaires pour entraîner, alimenter, contrôler ou améliorer la solution.
Algorithms
Les modèles, méthodes et architectures techniques qui permettent à l’IA de produire un résultat.
70 % People & Process · 20 % Data & socle technologique · 10 % Algorithms
Un ordre de grandeur pour orienter l’attention — pas une formule budgétaire à appliquer mécaniquement.
Pourquoi cette grille est importante 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.
Les quatre dimensions de PPDA
People — comprendre, faire confiance, reprendre la main
People désigne toutes les personnes concernées : utilisateurs finaux, managers, équipes IT et data, fonctions support, responsables métier et parfois clients. Comprennent-elles ce que l’IA va changer ? Ont-elles confiance ? Savent-elles quand l’utiliser, la challenger ou reprendre la main ? L’adoption ne se décrète pas à la fin du projet : elle se prépare dès le cadrage.
Process — intégrer l’IA dans le travail réel
Un projet IA modifie une manière de travailler, une séquence de décisions, une répartition des responsabilités ou un indicateur de performance. Il faut clarifier le processus actuel, le processus cible, les nouveaux inputs et outputs, les outils concernés et les rôles de chacun. Sans processus cible décrit, l’IA reste un outil à côté du métier.
Data — rendre les données disponibles et durables
Les données sont-elles disponibles, accessibles régulièrement, de qualité suffisante, gouvernées et sécurisées ? Respectent-elles le RGPD ? Qui en est propriétaire et à quel coût peuvent-elles être stockées, enrichies et exploitées ? Sans données pertinentes, accessibles et maintenues dans le temps, même une bonne approche algorithmique donnera des résultats fragiles.
Algorithms — choisir la bonne sophistication
Algorithms couvre les modèles, méthodes, architectures, systèmes de recommandation, modèles prédictifs, agents et LLM. Le bon choix doit être performant, maintenable, documenté, sécurisé, scalable — capable de passer à l’échelle — et compatible avec les systèmes existants. La sophistication n’a de valeur que si elle peut être exploitée durablement.
Comment appliquer PPDA à un projet IA
PPDA s’utilise comme une grille de questions au moment de cadrer ou de prioriser un cas d’usage.
People
Qui sera impacté ? Qui utilisera et supervisera la solution ? Quels changements de rôle, craintes ou incompréhensions faut-il anticiper ?
Process
Quelle tâche ou décision améliorer ? Que change l’IA dans les responsabilités, les délais, les contrôles et les indicateurs de performance ?
Data
Quelles données sont nécessaires ? Sont-elles disponibles, fiables, actualisées, documentées et exploitables ? Lesquelles sont indispensables ?
Algorithms
Quel type d’approche est réellement nécessaire ? La performance attendue est-elle compatible avec les données ? La solution sera-t-elle explicable, maintenable et intégrable ?
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 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.
Ce qu’il faut retenir
PPDA n’est pas une méthode lourde ni un framework théorique. C’est une grille pragmatique pour poser les bonnes questions avant d’investir, prioriser les cas d’usage réalistes et anticiper les conditions qui permettent de passer d’une idée IA à une solution utilisée, intégrée et créatrice de valeur.