InnovML: Modèle pour les systèmes innovants

Résumé

InnovML est un langage de modélisation des produits innovants orienté vers la résolution des incertitudes et la gestion des exigences de porteurs d’intérêts hétérogènes.

Abstract

InnovML is a model-oriented language dedicated to innovative products and focused on mitigation of uncertainties and heterogeneous stakeholders requirements management. This article is available in English.

 

L.Brunet -2017 – DOI: 10.17601/RD_MEDIATION2017:1

Le développement d’un produit vraiment innovant passe par la résolution d’un nombre significatif d’incertitudes. Si ce n’est pas le cas, c’est que produit considéré est probablement plus un assemblage de technologies qu’une véritable innovation. Pour les systèmes, ou les « systèmes de systèmes », les ingénieurs utilisent une approche nommée SysML[1] qui permet de représenter un système à construire selon différents diagrammes, mais particulièrement selon les exigences du client. L’équipe en charge du projet va alors transformer le cahier des charges ou la spécification technique de besoin du client en un certain nombre d’exigences rattachées aux différentes parties du produit. Cette approche est relativement puissante et de nombreux logiciels open source (Papyrus, Modelio) ou commerciaux permettent de construire ces modèles. Mais pour un produit innovant, dans lequel la définition des systèmes et sous-systèmes n’interviendra que lorsque la phase de R&D sera bien engagée, ces méthodes sont difficilement adaptable. InnovML est un langage simplifié de description de produit innovant, orienté vers le management de l’incertitude, et suffisamment simple pour être employé par tous.

Pourquoi modéliser un produit innovant?

Le créateur de produit innovant, le fondateur de start-up, ou le dirigeant engagé dans une démarche d’innovation n’est pas dans une démarche classique de relation avec un client ayant exprimé un besoin. Si c’était le cas, une démarche SysML (ou UML en informatique) serait tout à fait convenable. En plus du client, d’ailleurs souvent absent puisque le produit n’existe pas, il est en présence de « stakeholders » (des porteurs d’intérêts) variés: pouvoir public, législateur, fournisseurs, financiers, actionnaires, associés… Chacun veut avoir une représentation de ce futur produit. Cette représentation n’est pas seulement le business model, c’est aussi la qualité du plan de développement. Une modélisation innovML est dédiée à cela. Elle permet également de piloter le projet, tout en minorant l’inévitable mauvaise foi de certains stakeholders.

InnovML-La structure

InnovML a une structure en 4 blocs (4 FOUR):

  1. Facts : Les faits qui sont des expérimentations, des informations, des évènements probants qui vont permettre la levée des incertitudes
  2. Objects: Les objets sont des éléments, matériels ou non, constitutifs du produit. Ils représentent le produit innovant découpé en sous-systèmes. Par exemple un téléphone sera au premier niveau découpé en matériel et logiciel
  3. Uncertainties: Les incertitudes sont les points inconnus qu’il faudra traiter pour aboutir à l’industrialisation et la commercialisation du produit. Il ne s’agit pas de risque, mais bien d’incertitude.
  4. Requirements: Les exigences sont des fonctions ou des demandes faites par les stakeholder en général. Certaines peuvent dériver d’autres. Par exemple l’exigence « Avoir une fonction main-libre » dérive de l’exigence « pouvoir téléphoner en voiture »

Ces 4 FOUR sont reliés par des branches de connections de trois type:

  1. Les allocations d’exigences qui peuvent avoir 4 statuts (vérifie, dérive, satisfait, raffine)
  2. Les allocations d’incertitudes qui relient les faits aux incertitudes qu’ils minorent
  3. Les allocations de blocs qui relient ensemble les parties du système ou du produit innovant

InnovML a pour vocation

  • d’être une première approche permettant de passer sous SysML une fois les incertitudes levées;
  • d’être connecté très fortement au business model [2];
  • d’être connecté très fortement aux axes stratégiques et notamment aux forces de Porter [3];
  • de traiter l’incertitude comme source de valeur et de flux de trésoreries dans le futur (au sens de Thiel[4]);
  • d’être compatible de maturité technologique jusqu’au niveau 3 [5];
  • d’être orienté vers la transformation des incertitudes en valeur (au sens de Knight [6])

En renforçant la démarche expérimentale, innovML s’inscrit dans les méthode de développement de la R&D opérationnelle[7] et de renforcer la créativité des équipes en les focalisant sur la résolution des incertitudes[8].

Utiliser InnovML

Un module InnovML sous forme de prototype est disponible à l’adresse: https://www.rd-mediation.fr/wp/innovML

Ce prototype est une webapp autonome. Une fois la page chargée, toutes les opérations s’exécutent sur votre poste et rien n’est remonté vers le serveur. Le fichier que vous sauvegardez n’est pas transféré vers celui-ci, mais stocké sur votre poste. Nous ne pouvons pas le restaurer si vous le perdez. Le prototype initial (avril 2017) est rigoureux dans la syntaxe et ne corrige pas les erreurs. N’hésitez pas à étudier l’exemple (qui est le innovML du projet innovML lui-même).

Participez

Cette première version a été développée pour les besoins propres de R&D Médiation. Vous pouvez me contacter si vous souhaitez participer au développement de innovML.

 

 

Also..

Références

1.Canals, A. SysML/UML : comment les utiliser ? Techniques de l’ingénieur (2016).
2.Osterwalder, A. The business model ontology a proposition in a design science approach. (Ecole des Hautes Etudes Commerciales de l’Université de Lausanne, 2004).
3.Porter, M. E. How competitive forces shape strategy. (1979).
4.Thiel, P. & Masters, B. Zero to one: notes on startups, or how to build the future. (Crown Business, 2014).
5.ISO/FDIS 16290 – Space systems – Definition of the Technology Readiness Levels (TRLs) and their criteria of assessment.
6.Knight, F. H. Risk, uncertainty and profit. (Signalman, 2009).
7.BRUNET, L. E. Recherche développement innovation (RDI) en entreprise. Techniques de l’ingénieur Management et ingénierie de l’innovation base documentaire : TIB564DUO., (2016).
8.Brunet, L. E. & Le Meur, K. A big data and Darwinian approach of scientific creativity. in R&D Management Conference proceedings (ed. Fraunhofer, I. A. O.) 1, 401–407 (IAO Fraunhofer, 2014).

Télécharger cet article au format PDF ou ePub