Cet article a été rédigé par :
Philippe Malinowski, Lead Product Manager
Paul Pignal, Project Director
Gaspard Sagot, Lead Product Manager
Hafsa Abid, Project Director Delivery
Antoine Grivot, Data Product Manager
Danilo Wictki Fabri, Project Director.
Qu’est ce qui change pour les product manager?
Theodo a participé cette année à la Product Conf 2024 : une occasion pour la communauté produit en France d’échanger sur les bonnes pratiques en termes de product management et sur les tendances du moment pour les métiers de Product Manager et de Product Designer.
L’IA a forcément été au cœur des discussions : comment l’intégrer dans son produit ? Quel impact pour le product designer ? Comment l’utiliser au quotidien ?
L’IA est souvent présentée comme un avantage comparatif décisif pour les organisations, permettant de se distinguer de leurs concurrents. Elle devient parfois même une injonction et il est aisé de tomber dans l’”IA washing” : chercher à caser de l’IA dans tous les projets et en exagérer la portée.
La révolution de l’IA force également à repenser notre manière de faire du produit. Notre manière de faire du produit aujourd’hui peut-elle suivre le rythme d’innovation induit par cette révolution ? Quels principes d’organisation permettront de tirer le meilleur
Il est d’autant plus urgent, dans cette période d’innovation intense, d’avoir une boussole pour tirer au mieux parti des usages de l’IA, que ce soit pour l’intégrer dans son produit ou dans ses pratiques au quotidien. Voici nos convictions sur les tendances product pour 2024.
C’est quoi faire de l’IA dans le product ?
Pourquoi mettre de l’IA dans mon produit, pourquoi investir dans une AI feature ?
Si une AI feature peut permettre de se démarquer de ses concurrents et donner une image innovante à un produit / une entreprise, il reste fondamental de répondre à un besoin utilisateur spécifique et pertinent, plutôt que de simplement suivre une tendance technologique. Il est crucial de penser au problème avant de penser à la solution.
Comment détecter une opportunité d’AI feature en discovery ?
Pour un produit existant, il s’agit de vivre le parcours utilisateur tel qu’il existe actuellement. Si par exemple on est amené à faire un choix complexe ou à écrire un texte, il peut être envisagé d’intégrer des recommandations intelligentes ou de la génération de texte automatisée.
Cette identification des tâches pénibles à automatiser peut être faite en interview utilisateur. Les analytics du produit peuvent aussi aider à repérer les goulots d'étranglement dans le parcours utilisateur. Par exemple, si le "time to value" est long, trouvez où l'IA peut accélérer le processus.
Enfin, il est nécessaire d’être familier avec les différents types d'IA : prédictive et générative, et des domaines où l’IA peut s’appliquer : texte, images, son, séries temporelles, etc.
Comment concevoir une AI feature ?
Développer une fonctionnalité d’IA reste un travail de R&D, et donc se prévoit sur le temps long, en particulier s’il est nécessaire de collecter et de traiter un dataset, puis d’entraîner un modèle. Il faudra prévoir des solutions UX pour gérer les mauvaises réponses de l'IA, car une IA se trompe toujours (même 1 fois sur 100 000). En général, ne forcez pas les utilisateurs à accepter les choix de l'IA ; considérez-la plutôt comme un assistant qui suggère, mais ne prend pas de décisions.
Comment piloter le delivery d’une AI feature ?
Le delivery d’une AI Feature commence par un travail exploratoire, dans laquelle votre équipe peut dépenser beaucoup de temps et d’énergie pour peu de résultats. Il est donc critique de contrôler l'investissement en recherche en favorisant des itérations courtes. Prévoyez des validations métier pour gérer les edge cases inévitables. Si nécessaire, ajustez (nerf) les capacités de l'IA pour assurer l’adoption par l’utilisateur des résultats de l’IA.
Le Product Manager augmenté par l’IA
Les agents IA ou copilotes
Quelques mois après la démocratisation de l’IA générative, une tendance s’est développée sur le rôle de l’IA comme copilote de certains métiers. Par exemple, GitHub a lancé sa feature GitHub Copilot. Cette feature s’intègre à l’interface de code des développeurs et leur apporte des conseils voire des propositions de code sur la base du projet sur lequel ils travaillent.
Si l’application du concept de copilote IA est simple dans le cas des développeurs, elle ne l’est pas forcément dans certains métiers comme ceux du product management. Néanmoins, si on s’intéresse aux fonctionnalités essentielles de l’IA générative, comme la consolidation d’informations, la reformulation ou encore la génération de texte des cas d’usage existent pour épauler le product manager dans son quotidien. On observe néanmoins des solutions qui s’essayent à devenir le copilote du product manager, comme Revo.
La discovery augmentée par l’IA
La discovery commence par comprendre le(s) problème(s) des utilisateurs que l’on souhaite adresser pour ensuite formuler des hypothèses de solution(s). Quels que soient les frameworks utilisés pour atteindre cet objectif (Job To Be done, Persona, Empathy Map, etc…), ils ont tous un point commun: il faut parler à ses utilisateurs. Les multiples interviews nécessaires à cette tâche vont générer des pages de notes qu’il faut ensuite synthétiser pour en extraire la matière qui sera utile la conception du produit. C’est la un premier cas d’usage intéressant pour le Product Manager: créer un modèle spécialisé dans les interviews utilisateurs, selon son framework de prédilection, avec ChatGPT par exemple.
La discovery nécessite aussi de comprendre le marché dans lequel on évolue afin d’estimer la viabilité business du produit. Il faut savoir qui sont les concurrents, ce qu’ils font et comment ils se démarquent. C’est un processus qui peut être long et fastidieux, nécessitant le croisement de multiples sources de données. Là aussi, le Product Manager peut s’appuyer sur l’IA pour aller plus vite. Des outils comme Perplexity.ai permettent par exemple de faire des recherches approfondies sur un marché.
Enfin, dans certains cas, la conception produit peut avoir des contraintes externes comme des réglementations ou normes à respecter. Ces textes, souvent techniques, sont difficiles à appréhender sans être un expert du domaine. Ici l’IA générative peut être un outil de vulgarisation qui permet au Product Manager d’assurer la cohérence des solutions imaginées avec le cadre à respecter.
Le product delivery 2.0
Longtemps considérés comme des métiers distincts, la frontière entre le Product Manager (orienté produit) et le Product Owner (orienté delivery) s’estompe. Afin de garantir un bon delivery, plusieurs points de contrôle sont à respecter afin de garantir le succès des équipes:
La rédaction de tickets (EPICs, stories, tasks,…) nécessite un cadre commun et compréhensible par tous. L’IA générative peut par exemple écrire une première proposition de tickets rédigés sur la base d’une liste de features à développer. Il faut veiller à specifier la structure souhaitée (ex: What, Why, How), le format des critères d’acceptance ou encore le type de test plans qu’on souhaite mettre en place. On peut s’appuyer sur des fonctionnalités intégrées à son outil de suivi préféré (Notion, Jira, Clickup, …) ou sur des outils externes.
Le delivery est aussi l’étape où le produit commence à être mis dans les mains des utilisateurs finaux, et de ce fait commence une phase de testing et d’analyse des retours. De manière similaire à l’étape d’interviews en discovery, la quantité d’informations à traiter est souvent conséquente, l’IA est ici de nouveau un atout.
Le Product at scale
Adopter le “Product Operating Model”
Bien que l’approche Produit soit la plus pertinente pour innover avec l’IA, les équipes produits se heurtent encore au fardeau des méthodes de gestion de projet traditionnelles, comme le cycle en V. En 2024, nous assistons à un tournant crucial : il est temps de dépasser les titres trompeurs de "Product Manager" qui masquent souvent des rôles archaïques de gestion de projet.
Christian Idiodi, partner chez SVPG et co-auteur de “Transformed” avec Marty Cagan, propose trois axes essentiels pour transformer en profondeur les organisations vers un modèle opératoire réellement efficace.
- Redéfinir le Delivery : Pour construire des produits rapidement et régulièrement, il est crucial de s'attaquer immédiatement à la dette technique. Le temps de résolution des bugs ou des plaintes clients doit être inférieur à 24 heures pour garantir réactivité et qualité.
- Réinventer la Discovery : L'investissement doit se concentrer sur les personnes plutôt que sur les projets. Les équipes produits doivent apprendre rapidement à connaître leurs clients et être pleinement intégrées pour identifier et résoudre les problèmes.
- Repenser la Stratégie Produit : Une vision claire et unifiée est essentielle pour guider toute l'entreprise. Il peut être nécessaire de refuser des projets ou des clients lucratifs s'ils ne s'alignent pas avec cette vision, afin de maintenir une cohérence stratégique.
Transformed: Moving to the Product Operating Model, by Marty Cagan
Comment éviter de devenir une “Day 2 Company" ?
Suivre les principes de Marty Cagan ne suffit pas pour faire croître un produit à grande échelle.
Steve Anavi, CEO et co-fondateur de Qonto, a déclaré : "Le problème quand on scale, c’est que les vieilles recettes ne fonctionnent plus." En grandissant, on peut adopter les défauts des grandes entreprises que l'on cherchait à éviter, devenant ainsi une "Day 2 Company" comme l'explique Jeff Bezos dans sa lettre annuelle. Bezos compare les entreprises "Day 1", en début de leur potentiel, aux entreprises "Day 2", caractérisées par la stagnation et le déclin.
Pour réussir à grande échelle, six principes doivent être appliqués à l’ensemble de l’organisation :
- Remettre le client au centre : En grandissant, les équipes doivent intégrer la valeur client dans les valeurs de l’entreprise pour ne pas perdre de vue leurs besoins.
- Privilégier la qualité à la quantité : Il vaut mieux un produit qui assure parfaitement son service de base plutôt que des fonctionnalités nouvelles inutilisées.
- Faire de la satisfaction client un input à la conception : Il est préférable de concevoir des solutions innovantes, comme relier Paris à Marseille en moins de 3 heures, plutôt que d'augmenter la satisfaction sur des trajets existants.
- Éviter les analyses basées sur le client moyen : Les anecdotes spécifiques des utilisateurs sont plus précieuses que les statistiques générales.
- Adopter une approche "One piece flow" : Le multitâche augmente le temps de livraison. Délivrer une pièce à la fois apporte du focus et améliore la vitesse d'exécution.
En appliquant ces principes, les entreprises peuvent innover et croître efficacement, créant ainsi des produits de qualité supérieure.
Ce qu’il faut retenir
Les tendances en matière de product management pour 2025 montrent une intégration de plus en plus profonde de l'IA dans les processus de développement et de gestion de produits. Que ce soit pour identifier des opportunités d'AI features, concevoir et livrer ces fonctionnalités, ou encore pour augmenter les capacités du Product Manager grâce à des outils IA sophistiqués, l'intelligence artificielle s'affirme comme un allié indispensable.
L'IA permet non seulement d'accélérer les processus et d'améliorer l'efficacité, mais aussi de proposer des solutions innovantes et de mieux répondre aux besoins des utilisateurs. Cependant, il est crucial de ne pas tomber dans le piège de l'IA washing et de toujours garder à l'esprit les véritables besoins des utilisateurs et les contraintes spécifiques du produit.
En 2024, une nouvelle approche émerge : adopter le "Product Operating Model". Cette méthode va au-delà des titres traditionnels et encourage une transformation profonde des pratiques de delivery, de discovery et de stratégie produit. Redéfinir ces axes permet aux équipes de s'attaquer immédiatement à la dette technique, de mieux connaître leurs clients et de maintenir une vision claire et unifiée pour toute l'entreprise.
En outre, pour éviter de devenir une “Day 2 Company” et maintenir une croissance efficace à grande échelle, il est essentiel d'appliquer des principes centrés sur la satisfaction client, la qualité plutôt que la quantité, et une approche de flux de travail optimisée.
En restant à l'écoute des évolutions technologiques et en intégrant judicieusement l'IA dans leurs pratiques tout en adoptant des modèles opérationnels modernes, les Product Managers peuvent non seulement améliorer leurs produits mais aussi préparer leurs organisations à l'avenir.
Theodo Data & AI s'engage à accompagner ses clients dans cette transformation, en offrant des solutions adaptées et en partageant les meilleures pratiques.
Vous recherchez des experts en IA ? N'hésitez pas à nous contacter !
%20(1).png){kind=logo}