Gestionnaire de cas d’utilisation Données et IA

Pourquoi l’utiliser ?

Utilisez cet AI Flow pour transformer une présentation stratégique en un Gestionnaire de cas d’utilisation Données et IA sur mesure afin d’évaluer et de prioriser des cas d’utilisation Données et IA en fonction de vos objectifs stratégiques et de vos résultats clés (OKR).

Pour qui l’utiliser ?

Les stratèges Données & IA, consultants, facilitateurs, responsables innovation, responsables produit, propriétaires de domaine métier et équipes de transformation IA peuvent utiliser ce workflow pour convertir leur stratégie ou leurs documents d’entrée en une app Gestionnaire de cas d’utilisation Données & IA prête à l’emploi.

Quand l’utiliser ?

Utilisez ce workflow lorsque votre organisation dispose d’une présentation stratégique ou d’un briefing stratégique et souhaite la transformer en un système pratique pour collecter, noter et classer les cas d’utilisation Données & IA.

Il est utile lorsque vous souhaitez créer une première application Web opérationnelle pour gérer vos cas d’utilisation Données & IA et les évaluer selon des critères de priorisation qui sont stratégiquement pertinents pour vous, sans traduire manuellement la stratégie en exigences logicielles.

Que faut-il utiliser ?

Le workflow suit un principe simple :

L’IA structure l’information.

Les humains décident de ce qui compte.

L’IA restructure la décision.

Le logiciel est généré à partir du résultat.

Il utilise les Miro AI Flows pour extraire et transformer le contenu stratégique, le vote des parties prenantes pour sélectionner les critères de priorisation pertinents, et MCP — Model Context Protocol — pour transmettre le contexte du tableau préparé à Lovable en vue de la génération d’une application Web vibe-codée.

Mode d’emploi

I. Charger la stratégie

Placez la présentation stratégique dans la zone (Étape 1).

La présentation peut être un deck de stratégie d’entreprise, la stratégie d’une unité commerciale, une feuille de route de transformation ou tout autre document d’entrée stratégique. Dans ce modèle, l’exemple utilisé est la Mitsubishi Corporate Strategy 2027, accessible publiquement.

II. Définir les OKR

Lancez le premier Miro AI Flow en cliquant simplement sur « Exécuter l’étape » en haut à droite (Étape 2) :

Le flux analyse la présentation stratégique et extrait un catalogue d’OKR comprenant 5 objectifs et leurs résultats clés.

Les OKR créent une couche intermédiaire structurée entre la présentation stratégique et le modèle de priorisation qui suivra :

• Les objectifs décrivent ce que l’organisation veut atteindre.

• Les résultats clés indiquent comment reconnaître les progrès ou le succès.

Cette étape transforme une présentation stratégique générale en un catalogue d’OKR consultable avant que le workflow ne se poursuive. Votre équipe peut vérifier si les cinq objectifs et leurs résultats clés reflètent correctement la stratégie, ajuster la formulation, ajouter des éléments manquants ou supprimer des interprétations qui ne correspondent pas. Une fois révisé, le catalogue d’OKR devient la base commune pour dériver les critères de priorisation, puis, ultérieurement, pour générer l’app.

III. Déterminer les critères de priorisation.

Lancez le deuxième Miro AI Flow (Étape 3).

Ce flux s’appuie sur le catalogue d’OKR et génère 12 critères de priorisation :

• 4 critères de viabilité

• 4 critères de désirabilité

• 4 critères de faisabilité

Chaque critère comprend un nom court, une définition et une brève explication de son importance.

Les critères traduisent les OKR en dimensions d’évaluation concrètes pour les cas d’utilisation de données et d’IA. Il est recommandé d’examiner ce tableau avant de poursuivre  : renommez les critères, ajustez les définitions ou corrigez tout élément qui ne convient pas à votre contexte. Plus les critères sont clairs, plus il est facile pour les parties prenantes de voter et pour l’app d’évaluer les cas d’utilisation par rapport à la stratégie.

IV. Faire voter les parties prenantes.

Cliquez une fois sur chacun des boutons d’action IA suivants (Étape 4) :

Cela extrait les critères de priorisation du tableau précédent en pense-bêtes et les place dans les trois catégories  : Viabilité, Désirabilité et Faisabilité.

Utilisez les pense-bêtes pour la discussion, la relecture, puis enfin la fonctionnalité de vote (Étape 5).

Pour la fonctionnalité de vote, accordez à chaque partie prenante le même nombre de points, par exemple trois. Demandez-leur de placer leurs points sur les critères qu’ils jugent les plus importants. Les parties prenantes doivent pouvoir placer plusieurs points sur un même critère.

Une fois le vote terminé, laissez les points sur les pense-bêtes. Le nombre de votes indique l’importance de chaque critère pour les parties prenantes et servira plus tard de signal de pondération.

V. Générer le logiciel d’IA.

Lancez le Miro AI Flow suivant (Étape 6).

Ce flux transforme le résultat du vote en un tableau de transmission clair. Il identifie les critères votés, leurs pondérations, et inclut le contexte supplémentaire de chaque critère : sa « définition » et « en quoi il est important ».

Ce tableau devient l’entrée spécifique à la stratégie pour l’application Web Data & AI Use Case Manager : les critères que vos parties prenantes ont sélectionnés, accompagnés du contexte nécessaire pour s’en servir lors de l’évaluation.

Instructions pour Lovable : Démarrez le processus de vibe-coding

Cliquez sur le bouton vert du tableau (Étape 7). Vous serez redirigé vers lovable.ai

Vous devez vous connecter à lovable ou vous inscrire d’abord. Vous aurez également besoin de vos propres crédits.

Vous devez copier l’URL de votre tableau Miro actuel dans le prompt prédéfini (Étape 8). Puis collez ce prompt adapté dans le champ de chat de lovable.

Facultatif : Connecter lovable à Miro MCP

Si lovable n’est pas encore connecté à Miro MCP, configurez d’abord la connexion.

• Dans Lovable, cliquez sur Configurer.

• Dans la fenêtre du connecteur Miro, cliquez sur Connecter.

• Sur l’écran d’autorisation, cliquez sur Autoriser l’accès.

• Sélectionnez Votre organisation et votre équipe Miro.

• Cliquez sur Ajouter ou sur Ajouter à nouveau.

• C’est prêt !

Une fois cela fait, Lovable est prêt à accéder à vos tableaux Miro via MCP.

VI. Gérer les cas d’utilisation Data & AI.

Ouvrez le prototype généré et ajoutez un nouveau cas d’utilisation Data & AI en texte libre (étape 9).

L’application utilise l’IA pour interpréter la proposition, extraire les facteurs de notation pertinents, calculer le score et mettre à jour le classement.

Vérifiez que le prototype reflète bien les critères sélectionnés sur le tableau Miro et que le classement permet une discussion utile sur les prochains cas d’utilisation Data & AI à privilégier.

Vous pouvez toujours continuer à itérer dans l’interface de lovable.ai.

Où en trouver davantage ?

Datentreiber ne vous propose pas seulement ce modèle Miroverse, mais aussi:

• Le Data & AI Business Design Kit propose de nombreux canevas open source pour appliquer la méthode Data & AI Business Design.

• De plus, la Data & AI Business Design Community est disponible pour les échanges, les événements et le contenu d’experts.

• Des formations payantes, en ligne et sur site, avec certification sont disponibles à la Data & AI Business Design Academy.

• De nombreux outils de gestion supplémentaires, modèles d’atelier et plans de projet sont disponibles dans notre offre commerciale Data & AI Business Design Bench.

• Notre Data & AI Business Consulting propose un accompagnement pour votre stratégie data et IA, ainsi que pour vos projets d’innovation et de transformation.

Si vous êtes intéressé ou si vous avez des questions ou du feedback, contactez-nous à : info@datentreiber.de.

Droits d’auteur : Tous droits réservés par Datentreiber GmbH.