Template de brief spécialisteModèle Word
🎯 Objectif de ce document : en tant que chef·fe de projet IA (chef d'orchestre), votre rôle est de cadrer précisément le besoin pour que le spécialiste technique puisse proposer la meilleure solution. Un bon brief évite les malentendus, réduit les itérations coûteuses et aligne tout le monde sur les objectifs business.
Ce template universel s'adapte à tous types de spécialistes : Data Scientist, Développeur IA, Architecte Cloud, Expert Données, Consultant UX, Juriste RGPD.
Ce template universel s'adapte à tous types de spécialistes : Data Scientist, Développeur IA, Architecte Cloud, Expert Données, Consultant UX, Juriste RGPD.
A. Identification du projet
| Titre du projet : ex. Chatbot RH pour répondre aux questions employés | Date du brief : jj.mm.aaaa |
| Porteur·euse du projet : Nom, Titre, Département | Spécialiste concerné·e : ex. Data Scientist, Dev IA, Architecte Cloud... |
| Organisation : Nom de l'entreprise / entité | Secteur d'activité : ex. RH, Finance, Santé, Transport... |
| Budget estimé : ex. 5 000 CHF/an max pour l'API | Deadline MVP : ex. 3 mois · Date cible : |
B. Contexte & problème business
B1. Situation actuelle (AS-IS)
Décrivez le processus existant, les volumes, les acteurs impliqués et les problèmes rencontrés.
B2. Objectif business visé (TO-BE)
Quel résultat concret attendez-vous ? Quantifiez si possible (%, CHF, heures économisées...).
B3. Utilisateurs finaux & parties prenantes
Qui utilise la solution ? Qui est impacté ? (ex. 500 employés, équipe RH de 5 personnes)
C. Solution envisagée
| Fonctionnalités attendues | Performances minimales | Cas d'usage prioritaires |
|---|---|---|
| Listez les fonctions clés : • F1 : • F2 : • F3 : |
Temps de réponse : Taux de succès : Volume traité : Disponibilité : |
UC1 : UC2 : UC3 : Hors périmètre : |
D. Données disponibles
| Source de données | Volume | Format | Qualité estimée | Disponibilité |
|---|---|---|---|---|
| ex. Historique emails RH 12 mois | ~1 500 emails | PDF / CSV | Moyenne (non annotée) | Oui · Accès DBA requis |
Évaluation qualité ALCOA+
| Critère de qualité ALCOA+ | Validé ? |
|---|---|
| A - Attribuable : l'origine des données est connue et traçable | ☐ OUI ☐ NON |
| L - Lisible : les données sont lisibles et exploitables | ☐ OUI ☐ NON |
| C - Contemporain : les données sont récentes et à jour | ☐ OUI ☐ NON |
| O - Original : les données sont des données sources (pas de copie dégradée) | ☐ OUI ☐ NON |
| A - Accurate / Exact : les données reflètent la réalité | ☐ OUI ☐ NON |
| + Complet : toutes les données nécessaires sont disponibles | ☐ OUI ☐ NON |
| + Cohérent : les données sont homogènes entre les sources | ☐ OUI ☐ NON |
| + Durable : les données seront disponibles dans le temps | ☐ OUI ☐ NON |
E. Contraintes du projet
| 💰 Budget & Délais | 🔒 Sécurité & RGPD | 🏗️ Technique | 🏢 Organisation |
|---|---|---|---|
| Budget total : Budget récurrent : MVP : Go-live : |
Données sensibles : ☐ Oui ☐ Non Hébergement : ☐ Cloud CH ☐ On-premise ☐ EU Conformité RGPD : Audit requis : ☐ Oui ☐ Non |
Stack existante : Intégrations requises : API disponibles : Scalabilité : |
Sponsor : Résistance au chgt : Formation prévue : Stakeholders clés : |
F. Questions spécifiques par type de spécialiste
Cochez le type de spécialiste que vous briefez et utilisez les questions adaptées.
🧬 DATA SCIENTIST / ML ENGINEER
- ☐ Fine-tuning ou RAG ? Quels sont les avantages/inconvénients dans notre contexte ?
- ☐ Quel type de modèle recommandez-vous ? (GPT, Claude, modèle open-source, autre)
- ☐ Combien de données d'entraînement minimales sont nécessaires pour un bon résultat ?
- ☐ Comment mesurer la qualité des réponses ? (BLEU score, évaluation humaine...)
- ☐ Comment gérer les questions hors périmètre ou ambiguës ?
- ☐ Quel est le risque d'hallucination et comment le mitiger ?
- ☐ Comment monitorer la dérive du modèle dans le temps ?
💻 DÉVELOPPEUR / INGÉNIEUR IA
- ☐ Quelle architecture technique recommandez-vous ? (microservices, monolithique, serverless)
- ☐ Quels frameworks et outils proposerez-vous ? (LangChain, FastAPI, Docker...)
- ☐ Comment gérer l'intégration avec notre système existant (API, webhooks, SSO) ?
- ☐ Quel est le plan de tests et de validation (unitaires, intégration, end-to-end) ?
- ☐ Comment assurer la maintenabilité du code et la documentation technique ?
- ☐ Quel est le plan de montée en charge (scalabilité) si l'usage augmente ?
- ☐ Comment gérerez-vous les incidents et le support post-déploiement ?
☁️ ARCHITECTE CLOUD / INFRASTRUCTURE
- ☐ Quelle solution d'hébergement respecte nos contraintes RGPD et Suisse ? (AWS CH, Azure CH, On-premise)
- ☐ Quels sont les coûts d'infrastructure estimés ? (compute, stockage, réseau, licences)
- ☐ Comment assurer la haute disponibilité et la reprise après sinistre (RTO/RPO) ?
- ☐ Quelle stratégie de sauvegarde et de chiffrement des données sensibles ?
- ☐ Comment gérer les accès et les droits (IAM, RBAC, audit trail) ?
- ☐ Quelles certifications de sécurité sont nécessaires ? (ISO 27001, SOC2...)
- ☐ Quel est le plan de migration si on change de fournisseur dans le futur ?
📊 EXPERT DONNÉES / DATA ENGINEER
- ☐ Comment collecter, nettoyer et préparer les données existantes ?
- ☐ Quelle pipeline de données faut-il construire ? (ingestion, transformation, stockage)
- ☐ Comment assurer la qualité des données en continu (ALCOA+) ?
- ☐ Quelles sont les contraintes de gouvernance des données à respecter ?
- ☐ Comment gérer les données personnelles et l'anonymisation ?
- ☐ Quel catalogue de données et quelle traçabilité (lineage) mettre en place ?
- ☐ Comment assurer la fraîcheur des données dans le temps ?
⚖️ JURISTE RGPD / COMPLIANCE
- ☐ Quelles données personnelles sont traitées et quelle base légale ?
- ☐ Une analyse d'impact (PIA/AIPD) est-elle nécessaire selon le RGPD ?
- ☐ Quels droits des personnes concernées faut-il implémenter ? (accès, rectification, suppression)
- ☐ Quel registre de traitement mettre à jour ?
- ☐ La solution utilise-t-elle des décisions automatisées soumises à l'article 22 RGPD ?
- ☐ Quelles clauses contractuelles avec les sous-traitants (DPA) sont nécessaires ?
- ☐ Quelle durée de conservation des données et procédure d'archivage ?
G. Livrables attendus du spécialiste
| Livrable attendu | Format | Échéance |
|---|---|---|
| Analyse de faisabilité / recommandation d'approche | Document PDF / Slides | |
| Prototype / POC fonctionnel | Démo interactive | |
| Documentation technique | Wiki / Confluence | |
| Plan de déploiement & formation | Guide utilisateur | |
| KPIs de succès et méthode d'évaluation | Tableau de bord | |
| Autre : |
H. Critères de succès & KPIs
| KPI business | Valeur cible | Méthode de mesure |
|---|---|---|
| ex. Réduction temps de réponse RH | -50 % (de 4h à 2h) | Chrono avant/après déploiement |
I. Checklist qualité avant envoi
| Élément à vérifier avant d'envoyer le brief | ✓ Fait | ✗ À faire |
|---|---|---|
| Le contexte business est expliqué en termes non-techniques | ☐ | ☐ |
| L'objectif est SMART (Spécifique, Mesurable, Atteignable, Réaliste, Temporel) | ☐ | ☐ |
| Les données disponibles sont inventoriées et leur qualité évaluée | ☐ | ☐ |
| Les contraintes réglementaires (RGPD, hébergement Suisse) sont précisées | ☐ | ☐ |
| Le budget et les délais sont clairement indiqués | ☐ | ☐ |
| Les livrables attendus sont définis avec leur format et échéance | ☐ | ☐ |
| Les KPIs de succès sont quantifiés et mesurables | ☐ | ☐ |
| Les questions spécifiques au spécialiste sont formulées clairement | ☐ | ☐ |
| Les parties prenantes et décideurs sont identifiés | ☐ | ☐ |
| Le périmètre (in-scope / out-of-scope) est délimité | ☐ | ☐ |
J. Référence : mauvais brief vs bon brief
❌ Mauvais brief
"On voudrait faire un chatbot IA pour aider les RH. Il faudrait que ça réponde aux questions des employés. C'est urgent."
Problèmes : vague, sans données, sans contraintes, sans KPIs, sans délais précis.
"On voudrait faire un chatbot IA pour aider les RH. Il faudrait que ça réponde aux questions des employés. C'est urgent."
Problèmes : vague, sans données, sans contraintes, sans KPIs, sans délais précis.
✅ Bon brief
"500 employés posent ~200 questions/mois à la RH. 70 % sont répétitives. Objectif : réduire de 50 % le temps de réponse en 3 mois. Budget : 5 000 CHF/an. Données disponibles : 1 500 emails + FAQ existante. Contrainte : cloud Suisse obligatoire."
Résultat : contexte clair, données identifiées, objectif quantifié, contraintes précisées.
"500 employés posent ~200 questions/mois à la RH. 70 % sont répétitives. Objectif : réduire de 50 % le temps de réponse en 3 mois. Budget : 5 000 CHF/an. Données disponibles : 1 500 emails + FAQ existante. Contrainte : cloud Suisse obligatoire."
Résultat : contexte clair, données identifiées, objectif quantifié, contraintes précisées.
Module C3 · BFIA/AIBS · Compétence C3.2 - Collaborer avec des spécialistes
"Le chef d'orchestre ne joue pas de tous les instruments, mais il sait ce qu'il attend de chacun."
"Le chef d'orchestre ne joue pas de tous les instruments, mais il sait ce qu'il attend de chacun."