SKU PROJ-004 · Release 2024
Au CEA, le projet Digital Twin utilise le machine learning pour simuler des comportements réels, à commencer par les supply chains. Ma mission : structurer la livraison en construisant le design system du jumeau numérique.
Un projet de R&D ambitieux, simuler par machine learning des comportements réels à commencer par les supply chains, porté par une équipe hétérogène : designer junior, développeurs, CTO. Sans langage commun ni fondations design, chaque écran réinventait ses composants et la livraison s'enlisait. Il fallait structurer sans figer : un système au service d'une équipe de recherche, pas l'inverse.
Ateliers d'idéation et rétrospectives pour clarifier la vision du jumeau numérique et poser les fondations : identifier les besoins, définir les principes de design (« Quelles valeurs défendons-nous ? », « Comment les composants doivent-ils être utilisés ? »), et créer un alignement collectif, du junior au CTO.
Approche atomique pour réconcilier création et technique : conventions de nommage en PascalCase, échelle de six niveaux de taille, inventaire détaillé des composants et variables pour cartographier la refonte et prioriser. La simplicité comme condition d'adoption : le système devait être compréhensible par tous, même novices.
Style guide construit atome par atome (variables, icônes, typos, espacements), chaque composant livré avec sa documentation et ses notes de version. Variantes inutiles évitées grâce aux propriétés, guidelines de contribution pour tenir la qualité dans le temps. Et des REX réguliers pour mesurer ce qui compte en R&D : la satisfaction de l'équipe.
Le design system a structuré le workflow de l'équipe et son adoption a été effective, y compris chez les profils les moins expérimentés. En phase de R&D, l'indicateur suivi était la satisfaction de l'équipe : les REX l'ont confirmée.