Bonne Pratique

Vous êtes-vous déjà demandé combien consomment réellement vos projets intégrant de l’IA générative ? Et surtout, comment en réduire l’impact environnemental ?Ces questions ont été au cœur d’une série de conférences que nous avons animées dans plusieurs villes en France, que nous synthétisons dans cet article.

Mesurer le bien-être au travail ne se résume pas à diffuser un questionnaire. À travers l’OCTO Health Check, nous montrons comment une approche rigoureuse des données permet d’identifier des dynamiques collectives, d’éclairer les décisions RH et de produire des indicateurs fiables, tout en garantissant l’anonymat des répondants.

Concevoir un produit numérique implique de prendre des décisions dans un environnement incertain : contraintes techniques, évolutions des usages, etc. sans compter nos jugements vulnérables aux biais cognitifs. Comment dans ces conditions, prendre des décisions éclairées ?

Depuis quelque temps, les réseaux sociaux sont submergés par une vague autour de l’IA générative. Tout le monde en parle. De nouveaux ténors du sujet émergent et s’expriment avec une grande assurance, arborant des titres tels que experts IA ou assimilés. Le discours dominant est souvent le même ...

Comment faire de la recherche utilisateur efficace en menant de front le Delivery ? Je vous raconte mes expérimentations et apprentissages.

Après avoir décrit de manière succincte les ingrédients nécessaires à une modélisation du domaine menée dans de bonnes conditions, il est désormais pertinent de s’interroger sur la façon d’opérer un tel changement au sein de l’organisation.

Comment passer d’un produit à 36 % de conformité A11y à plus de 80 % en quatre mois ? Dans ce retour d’expérience, nous partageons notre stratégie, nos méthodes et nos conseils concrets pour remettre un produit non conforme sur de bons rails, durablement.

La modernisation technique doit être progressive, sécurisée et alignée avec la capacité réelle des équipes.

Un système devient legacy presque inévitablement. Avec le temps, les spécifications se perdent, le turnover érode la mémoire collective, et le code manque d’hygiène. Tout finit par être couplé à tout, l’architecture vieillit sans véritable prise de recul, et les équipes portent des périmètres trop vastes pour rester maîtres de leur système.