Raconter les data en 120 posts LinkedIn : bilan à mi-parcours

Le groupe Social Selling d’XMP-Consult m’a inspiré une « casquette de Guillaumet » pour mettre en marche mon projet de livre : 1 post par jour… pendant 4 mois.

Consultant indépendant depuis 25 ans, mon domaine d’intervention a acquis un nom bien identifié vers 2012 : les data.

J’ai rapidement songé à surfer sur la nouvelle popularité du domaine pour mettre en avant mon quart de siècle d’expertise en publiant un bouquin — qui serait un missing handbook : Il y a pléthore de littérature sur « comment traiter des données impeccables et parfaitement appropriées à vos besoins », et très peu ou pas sur « comment concevoir un système qui cible des aspects pertinents de la réalité, les capte, les enregistre, les organise, les retrouve, les met dans une forme traitable ». 

La dispersion entre missions et le manque d’inspiration, ou le manque d’un scénario catchy pour mon histoire, m’ont freiné. De premiers chapitres, écrits avec l’aide d’un journaliste, ne valaient rien, malgré son talent. Je ne savais pas bien, au fond, ce que je voulais enseigner. J’ai accepté d’assurer, en 2019, un cours de « Données numériques » en Master 1 : cela allait me forcer à produire pour les étudiants les contenus de cours, non ? Non. Je l’ai fait tout en travaux pratiques, zéro powerpoint, rien de publiable.

Vers octobre 2020, j’ai entendu parler de la méthode « Écrire un roman en 10 minutes par jour » ; j’ai alors transformé le programme de mon cours en un plan détaillé : 120 points tous traitables en 10 minutes. Et puis voilà. Fin 2020, j’ai réadhéré à XMP-Consult que j’avais déjà découvert 20 ans plus tôt, et j’ai rejoint le groupe Social Selling animé par Laurent Quivogne.

C’est, je crois, dans les échanges de ce groupe que j’ai pensé à une « casquette de Guillaumet » pour mettre en marche ce fichu bouquin : 1 post LinkedIn par jour, sur 120 jours donc.

Évidemment cette logorrhée, cette incontinence de clavier s'écarte des stratégies promotionnelles sur le réseau. D’ailleurs, l'Algorithme Secret de LinkedIn défavorise, ai-je lu, les parutions espacées de moins de 24 heures, ce qui m’arrive environ une fois sur deux :-)

Il n’empêche : ça marche !

Arriver à faire tenir un point didactique dans les 1300 caractères du post, sans renvoyer aux pages précédentes ni les supposer lues, donc construire une petite histoire autonome pour chaque point, et trouver la bonne image qui enrichit le propos, c'est un casse-tête quotidien. Ça n’a jamais tenu dans les 10 minutes. C’est généralement 30, mais le plus difficile à ce jour m’a pris 3 heures. Les formules mathématiques, les concepts statistiques, les notations, tout ça saute sous la pression de la brièveté ; une notion doit être explicable en une phrase en français normal, ou elle est mal comprise par l’auteur lui-même. J’invoque les mânes de Feynman, souvent en vain, le résultat est souvent plat.

Les réactions type « like » ou les commentaires « intéressant ! » ont la vertu d’élargir un peu le lectorat du fait de l’Algorithme Secret, mais n’apportent rien au projet de bouquin. Les commentaires critiques, à commencer par les « je ne comprends pas tel truc » ou « je ne vois pas l’intérêt de parler de tel bidule », sont à chaque fois très utiles. Ils mettent le doigt sur la formule superflue, le concept survolé, la notation trompeuse… que je peux reprendre pour améliorer l’histoire, la rendre plus directe, ou plus digeste, ou les deux.

Arrivé aujourd’hui à 55 posts — restent donc 65 — je doute, encore plus qu’au début, de la valeur marchande de mon projet éditorial. Un éditeur a poliment indiqué que cela ne vendrait couic.

En revanche, cet effort quotidien, certainement prolongé par les remaniements nocturnes des synapses, a (re)structuré ma propre compréhension du domaine sur lequel j’interviens. Énormément de poussière a été soufflée, de rouille a été dégagée, de vernis a été décapé. Plus encore, chacune de ces étapes m’a conforté dans mon propos initial : montrer qu’une IA à mille milliards de coefficients libres ou un histogramme Excel, vus du point de vue des data c’est essentiellement pareil. Tout comme l’orge est fondamentalement la même qu’elle serve chez Heineken ou dans une ferme-auberge bio. Cette « science des data » qui reste à créer, qui serait à la data science ce que la botanique est à l’agriculture, elle existe bien dans les faits, et elle peut s’enseigner.

Frédéric Lefebvre-Naré