← Dossiers · Intégration IAApplication sur-mesure
Deux V1 abandonnées avant Oramus Data : quand la forme décide à la place des données
Oramus Vision et Oramus Radar fonctionnaient. Elles ont surtout servi à concevoir Oramus Data. Ce qu'on perd en figeant la forme d'un produit avant d'avoir compris ses données.
Publié le
Sommaire
J’ai construit deux fois le même outil avant de construire le bon. Les deux premières versions marchaient : elles calculaient, elles affichaient, elles produisaient un résultat présentable. C’est justement pour ça qu’il m’a fallu du temps pour voir qu’elles passaient à côté de l’essentiel.
Ce dossier raconte ce détour. Il parle d’études de marché, mais la leçon dépasse ce sujet : un bon produit sort rarement d’un coup, et ce qui le fait dévier n’est pas toujours là où on le cherche.
Deux outils pour une même question
La question de départ est simple : avant d’ouvrir un commerce ou une activité à un endroit donné, le marché local peut-il la porter ?
J’y ai répondu deux fois, en parallèle.
Oramus Vision croisait des bases de données publiques pour produire un score d’attractivité sur 100, décomposé en axes, avec une synthèse rédigée. Je l’ai présenté sur ce site en juillet comme un produit en devenir.
Oramus Radar reprenait la même ambition sous un autre angle. C’est sur lui que j’ai passé douze jours à instrumenter des nuances de couleur, un épisode que j’ai raconté à part.
Aucune des deux n’est sortie. Aujourd’hui, c’est Oramus Data qui produit mes études de marché : un outil interne, dont les études ont été validées par mon banquier et par des clients. Il les surclasse de loin, et pas parce qu’il serait plus joli.
Ce qui a déraillé : la forme d’abord
Avec le recul, l’erreur est la même dans les deux cas. J’ai fixé ce que le produit devait afficher avant de savoir ce que les données pouvaient dire.
Un score sur 100, des axes, une page de résultat dessinée à l’avance : ce sont des bornes. Elles rassurent, parce qu’elles donnent tout de suite une idée du produit fini. Mais une fois posées, elles décident à votre place. Chaque nouvelle donnée doit entrer dans une case qui existe déjà. Ce qui n’y entre pas est laissé de côté, ou écrasé pour tenir dans le moule.
Le score est le meilleur exemple. Un chiffre sur 100 a l’air précis. Il ne répond pourtant à la question de personne. Un porteur de projet ne se demande pas si sa commune vaut 64 ou 71. Il se demande combien il peut espérer vendre, face à qui, et ce qui pourrait tout changer. Un banquier pose la même question, en euros.
Tant que le format était figé, je ne pouvais pas y répondre. Je pouvais seulement améliorer le score.
Le piège du design
Le design n’est pas le coupable. Il est le complice.
Une maquette soignée donne une sensation d’avancement très forte. On voit le produit, on peut le montrer, il a l’air sérieux. Et c’est là que le piège se referme : chaque heure passée à polir la restitution rend plus coûteux le fait de la remettre en cause. On ne casse pas facilement une interface qui plaît.
Le design pervertit le projet quand il passe devant la question. Il cesse de servir le contenu et se met à le contraindre. Sur un outil d’étude de marché, le contenu, c’est la donnée. Si elle est fragile, le plus beau rapport du monde reste un rapport fragile, avec seulement plus d’aplomb.
Dans « Une IA n’a pas de modèle de coût », je défends l’idée de borner l’exigence avant de déléguer. Ce n’est pas contradictoire avec ce dossier : borner reste indispensable. Le tout est de borner au bon endroit. La forme peut rester approximative longtemps. La donnée, jamais.
Ce que les V1 ont quand même apporté
Je ne regrette pas ces deux versions. Elles ne sont pas du temps perdu, ce sont des brouillons.
Le travail le plus ingrat y a été fait : brancher des bases publiques qui ne parlent pas le même langage, aux granularités et aux rythmes de mise à jour différents, et les normaliser. C’est le socle sur lequel Oramus Data repose encore.
Surtout, elles m’ont appris ce que le produit ne devait pas être. On ne le comprend qu’en l’ayant construit, montré, et vu ne pas convaincre. Personne ne sort ce savoir d’un cahier des charges.
Oramus Data : partir de la question
Oramus Data part de l’autre bout. D’abord la question réelle, posée en euros. Ensuite, les données capables d’y répondre, recoupées. La forme vient en dernier, et elle suit ce que les données permettent d’affirmer.
Concrètement, une étude ne donne plus un score. Elle donne :
- un chiffre d’affaires estimé, sous forme de fourchette, avec un scénario central ;
- deux calculs indépendants qui doivent aboutir au même ordre de grandeur, sinon c’est qu’une hypothèse est fausse ;
- ce qui joue pour et contre le projet, sur des faits vérifiables ;
- un point de vigilance quand la situation réelle s’écarte du scénario théorique ;
- ce qu’il faudrait vérifier avant de se lancer, classé par impact sur le résultat ;
- toutes les sources, datées.
Un cas d’étude : une supérette à Malataverne
Pour montrer ce que l’outil produit, j’ai réalisé un cas d’étude sans projet réel derrière : une supérette d’environ 100 m² à Malataverne, dans la Drôme, entre Montélimar et Donzère.
Sur le papier, le village est idéal. Ni supérette ni supermarché, 2 258 habitants, une population qui grandit de 1,6 % par an depuis 2012, des revenus supérieurs à la moyenne du département. Un score sur 100 aurait sans doute été flatteur.
L’étude dit autre chose. Les deux calculs, l’un à partir de la dépense des ménages, l’autre à partir de supérettes de village comparables dont les comptes sont publiés, convergent : environ 550 000 € de chiffre d’affaires par an si la supérette était seule à servir le village.
Mais elle ne le serait pas. Un Carrefour Express a ouvert en 2025 à moins de six minutes, un U Express est à la même distance, et un tabac-presse fait déjà l’épicerie sur la place. Dans cette situation réelle, l’estimation tombe plutôt vers 300 à 400 000 €.
Le verdict est donc nuancé : la demande existe et elle grandit, mais une création seule au centre du village est le cas le plus défavorable. Et la première chose à vérifier n’est pas un chiffre : c’est une rencontre avec l’exploitant du tabac-presse. Une association ou une reprise ferait remonter l’estimation vers 550 000 €.
C’est exactement ce qu’un score ne pouvait pas dire. Il aurait additionné les points forts et masqué le concurrent installé l’an dernier à la porte du village.
Leçons à reprendre
1. Un bon produit sort rarement d’un coup. La première version sert à comprendre le problème, pas à le résoudre. L’accepter dès le départ évite de s’acharner à sauver un format au lieu de le remplacer.
2. Ne figez pas la forme avant d’avoir compris la matière. Un format de sortie, un score, une maquette : ce sont des décisions qui en entraînent des dizaines d’autres. Posées trop tôt, elles décident de ce que le produit a le droit de dire. La restitution doit suivre ce que les données permettent d’affirmer, et pas l’inverse.
3. Mesurez la qualité avec ceux qui s’en servent. Un écart faible sur quelques communes test ne prouve pas qu’une étude est utile. Un banquier et des clients qui la jugent assez solide pour s’en servir, si. C’est le seul test qui compte, et il ne se passe qu’avec un produit qui répond à la vraie question.
Oramus Vision et Oramus Radar restent sur ce site comme des étapes datées. Elles racontent honnêtement d’où vient Oramus Data.
Si vous préparez une implantation ou un dossier de financement et voulez savoir ce qu’une étude peut établir sur votre commune, parlons-en. Et si c’est un outil interne de votre entreprise qui tourne en rond autour de sa propre maquette, le problème est souvent le même : c’est le sujet de l’automatisation et des applications IA sur mesure.