Ekimetrics
Documentation & Knowledge Manager — Audit et IA Agentique
Éléments clés
| Catégorie | Données |
|---|---|
| Organisation | Ekimetrics |
| Période | De mars à juillet 2026 |
| Domaine | Marketing Mix Modeling, Data & IA |
| Rôle | Documentation & Knowledge Manager |
| Mission | Audit documentaire, stratégie, architecture et IA agentique |
| Publics | Data Scientists, Data Engineers, consultants et clients |
| Environnement | Confluence, Sphinx, Python, reStructuredText, Rovo |
| Collaboration | Mission réalisée via Crème de la Crème |
Présentation du projet
Ekimetrics développe des solutions avancées de Data & IA qui aident les organisations à comprendre les leviers de performance et à optimiser la prise de décision.
Ma mission portait sur la documentation technique de son écosystème de Marketing Mix Modeling, notamment le Data & AI Engine ainsi que les applications Modeling et Insight & Optimization.
Le projet associait audit documentaire, architecture cible, stratégie de migration, preuve de concept Sphinx et conception d'agents Rovo spécialisés pour des publics très techniques tels que les Data Scientists, les Data Engineers, les consultants et certains utilisateurs externes.
Contexte
La documentation était répartie entre une base de connaissances, des fichiers PDF et un site MkDocs hébergeant des notebooks Python. Ces ressources contenaient des connaissances techniques avancées et précieuses, mais différaient par leur structure, leur terminologie, leurs méthodes de rédaction, leurs workflows de publication et leurs niveaux de maturité.
L'objectif était d'évaluer la documentation comme un écosystème de connaissances complet et de déterminer comment elle pouvait évoluer vers un site cohérent, adapté à des utilisateurs techniques travaillant dans un environnement Python.
Principaux livrables
Stratégie documentaire et migration
J'ai d'abord réalisé un audit complet de la documentation technique.
L'analyse portait sur l'architecture de l'information, la structure des contenus, la terminologie, les doublons, les incohérences, la couverture fonctionnelle, la lisibilité ainsi que les workflows de contribution et de publication.
À partir de ces constats, j'ai proposé une architecture cible pour un écosystème documentaire plus unifié, maintenable et orienté utilisateurs. J'ai également élaboré quatre scénarios de migration à court et moyen terme, allant d'améliorations progressives à une stratégie plus globale de portail documentaire.
Pour valider les recommandations, j'ai créé une preuve de concept Sphinx dans un environnement Python. Ce POC a montré comment une approche docs-as-code pouvait favoriser des contenus structurés, une navigation plus claire, des modèles réutilisables, un rendu cohérent et une intégration aux workflows de développement et de déploiement.
IA agentique pour la documentation
Dans une deuxième phase de la mission, j'ai conçu quatre agents Rovo spécialisés et un orchestrateur afin d'améliorer l'accès au corpus documentaire et sa qualité.
Les agents avaient pour objectifs de :
- rechercher et synthétiser des informations techniques ;
- aider les utilisateurs à trouver des réponses opérationnelles ;
- identifier les contenus redondants, dupliqués ou incohérents ;
- améliorer la cohérence de la terminologie métier et technique ;
- réduire les ambiguïtés entre les différents ensembles documentaires.
L'orchestrateur orientait les requêtes vers l'agent le plus pertinent et combinait leurs capacités afin d'offrir une expérience plus cohérente.
Ce travail a relié qualité documentaire, knowledge management et préparation à l'IA, en faisant de la documentation une source plus fiable pour les utilisateurs humains comme pour les systèmes d'IA.
Mon rôle
En tant que Documentation & Knowledge Manager, mon rôle associait stratégie documentaire, analyse technique, architecture de l'information et expérimentation en IA.
J'ai dû comprendre rapidement un environnement de Marketing Mix Modeling très spécialisé et travailler avec une documentation destinée aux Data Scientists et aux Data Engineers.
Cette mission illustre mon positionnement actuel à l'intersection de la documentation technique, du knowledge management, du docs-as-code, des contenus AI-ready et de l'IA agentique.
Technologies et outils
Confluence, Rovo, Sphinx, thème PyData, Python, reStructuredText, Visual Studio Code, GitHub, Sourcetree.
Confidentialité
La documentation, les conclusions de l'audit, les recommandations, la preuve de concept et les agents Rovo sont confidentiels et ne peuvent pas être présentés publiquement.
Cette page de portfolio décrit donc le périmètre, l'approche et l'expertise mobilisée sans divulguer de contenu propriétaire.
© Auteur : Florence Venisse, Experte en Documentation Technique & IA – Version mise à jour le 21/07/2026.