Introduction Un constat : le manque de visibilité sur des besoins spécifiques clients implique des difficultés à concevoir des produits pertinents et surtout à prioriser les efforts de développement. Nous avons mis en place une nouvelle méthode de conception afin d'obtenir des retours clients au plus tôt dans le cycle d'un projet. Afin que ces retours métiers soient les plus concrets possibles, nous avons choisi de nous appuyer sur le framework Shiny, comme support à nos échanges. En effet, cette librairie permet de proposer facilement des interfaces graphiques dynamiques cablées sur les données des clients. Méthodologie Nous vous montrerons au cours de cette présentation (i) la méthodologie mise en place pour impliquer les clients très tôt dans la conception d'un projet, (ii) pourquoi Shiny a su répondre à nos besoins et comment il s'intègre dans notre écosystème (Python, AWS, Snowflake, Jenkins, charte graphique AT Internet, etc.), Enfin, nous vous partagerons un retour d'expérience sur les phases de développement d'une application aujourd'hui en production (conception, POC, ateliers clients, industrialisation). Originalité / perspective L'originalité des travaux présentés se trouve dans l'organisation d'une équipe Data Science pour cibler les besoins clients et livrer de la valeur de façon rapide et autonome. Le message à retenir, pour un public professionnel ou étudiant : Shiny ou des outils équivalents, on pense à l'émergence de Dash, doivent être considérés comme des incontournables du bagage technique du Data Scientist de demain.