« L'IA va rendre les responsables produit obsolètes. »
« Chaque responsable produits doit devenir un expert en IA. »
« Si vous n'utilisez pas l'IA, vous prenez du retard. »
Ce ne sont là que quelques-uns des gros titres de nos flux LinkedIn et de nos newsletters sectorielles. En tant que responsable produits, vous avez probablement été confronté à des affirmations similaires, chacune d'entre elles ajoutant une pression supplémentaire à un rôle déjà exigeant. Pourtant, lorsque je parle aux équipes produit, j'entends souvent une histoire différente : celle de la confusion, du scepticisme et parfois même de la culpabilité à l'idée de ne pas intégrer davantage l'IA dans leur travail quotidien.
La réalité derrière ce battage médiatique
Dans une étude menée par le MIT auprès de plus de 1 000 scientifiques utilisant des outils d'IA, les chercheurs ont découvert quelque chose d'inattendu : alors que la productivité augmentait de manière significative, la satisfaction au travail diminuait. En effet, 82 % des scientifiques se déclarent moins satisfaits de leur travail.
Ce paradoxe entre une productivité accrue et une baisse de satisfaction nous en dit long sur l'aspect humain de l'adoption de l'IA.
« Je n'ai pas pu m'empêcher de penser qu'une grande partie de mes études n'a plus aucune valeur », a fait remarquer un scientifique.
Ce sentiment trouve probablement un écho chez de nombreux responsables produits qui suivent l'évolution de l'IA avec un mélange de fascination et d'inquiétude.
Malgré ces défis, l'impact potentiel de l'IA sur notre façon de travailler est trop important pour être ignoré.
Une étude menée par le Teamwork Lab d'Atlassian montre que, pour tirer le meilleur parti de l'IA, l'état d'esprit compte bien plus que l'adoption, et c'est là la clé de la maturité.
Les résultats sont clairs : l'avenir du travail passe par la collaboration Homme-IA. Nos données prouvent que les collaborateurs les plus stratégiques en matière d'IA :
- tirent parti de l'IA pour doubler le retour sur investissement de leurs efforts ;
- gagnent 105 minutes par jour, soit un jour ouvré supplémentaire par semaine ;
- ont 1,5 fois plus de chances de réinvestir le temps gagné dans l'acquisition de nouvelles compétences ;
- ont 1,8 fois plus de chances d'être considérés comme des coéquipiers innovants.
Nous avons identifié des modèles selon lesquels les outils d'IA peuvent à la fois améliorer et potentiellement entraver le travail de gestion des produits. Dans cet article, nous explorons un modèle qui vise à préserver la créativité et le jugement humains tout en tirant parti des capacités analytiques de l'IA, un équilibre qui, selon les recherches, est crucial pour une adoption réussie de l'IA.
Pour avoir des chances de réussir dans le nouvel environnement de travail basé sur l'IA, nous vous suggérons de suivre les étapes suivantes :
- comprendre comment fonctionne l'IA et quelles sont ses limites ;
- collaborer avec des coéquipiers optimisés par l'IA et développer progressivement vos compétences pour ce type d'interaction ;
- et finalement anticiper les domaines dans lesquels l'IA peut apporter le plus de valeur à votre travail.
Comprendre vos coéquipiers optimisés par l'IA
Avant de nous lancer dans la création d'habitudes grâce à l'IA, nous devons d'abord comprendre comment elle fonctionne.
Imaginez que vous assistez à une fête où tout le monde a plusieurs conversations en même temps. Vous essayez de suivre une conversation en particulier, mais vous devez faire attention à divers éléments : les mots prononcés, le ton de la voix, les commentaires précédents et le contexte général. Cela ressemble à la façon dont les modèles de transformeurs, l'épine dorsale de l'IA moderne, traitent les informations.
Les modèles de transformeurs, introduits en 2017, ont révolutionné l'IA en permettant de prêter attention à plusieurs éléments de saisie simultanément, un peu comme vous pouvez traiter les différents aspects d'une conversation en même temps. C'est cette capacité à gérer le contexte et les relations entre différentes informations qui rend les outils d'IA modernes si performants.
Les grands modèles linguistiques (LLM) s'appuient sur ce principe. Considérez-les comme ayant presque tout lu sur Internet : livres, articles, code, conversations. Ils ont découvert des modèles dans cette énorme quantité de données, ce qui leur a permis de comprendre le contexte et les nuances, de générer du texte semblable à un humain, de reconnaître des modèles et des relations et d'adapter leurs réponses en fonction de la conversation.
Dans cet article, nous nous concentrons spécifiquement sur les agents d'IA, l'une des interfaces les plus courantes pour interagir avec les LLM. Ces agents agissent comme des interfaces conversationnelles qui nous permettent d'interagir avec les LLM de manière naturelle, basée sur le dialogue. Bien que les LLM puissent être intégrés aux produits et aux flux de travail de nombreuses manières (par exemple, la complétion de code, la génération de contenu ou l'analyse automatisée), les agents représentent un paradigme particulier dans lequel l'IA joue un rôle plus collaboratif, similaire à celui d'un assistant. Il s'agit de l'interface avec laquelle la plupart des responsables produits interagissent directement dans leur travail quotidien, que ce soit par le biais d'outils généraux tels que ChatGPT et Claude ou d'agents spécialisés sur le lieu de travail tels que Rovo.
Capacités et limites
Les agents d'IA excellent dans la reconnaissance des modèles, en repérant les tendances et les liens entre de grandes quantités de données qui peuvent échapper à l'attention des humains. Ils sont remarquablement doués pour traiter le langage, comprendre et générer du texte semblable à un humain dans différents styles et formats. Leur capacité à maintenir le contexte lors de longues conversations et à prendre en compte les différents aspects d'un problème simultanément les rend particulièrement utiles pour des tâches complexes telles que la gestion de produits.
Cependant, il est crucial de comprendre leurs limites. Malgré leur ton confiant, ils peuvent présenter des informations incorrectes sans hésiter. Ils ne comprennent pas vraiment les causes et les effets, mais se fient à l'association de modèles plutôt qu'à une véritable compréhension. Leurs connaissances se limitent souvent à leurs données d'entraînement, ce qui signifie qu'ils ne peuvent pas aider à suivre l'évolution du marché en temps réel ou les tendances émergentes, surtout lorsqu'ils n'ont pas accès à Internet et à des fonctionnalités de recherche.
La compréhension de ces points forts et de ces limites nous aide à considérer l'IA comme un puissant complément à notre travail plutôt que comme un substitut à nos compétences de base. Sur cette base, découvrons comment établir des relations de travail efficaces avec les outils d'IA.
Comprendre l'impact nuancé
Songez à ceci : pendant quinze ans, Google a été l'outil incontournable pour les recherches en ligne. C'était de la mémoire musculaire. Vous avez besoin d'informations ? Ouvrez un nouvel onglet, tapez « google.com ». Cette habitude profondément ancrée semblait inébranlable. Pourtant, rien que l'année dernière, ce comportement vieux de plusieurs décennies a été complètement transformé. Il y a d'abord eu Arc Search avec « Browse for me », puis une progression rapide via ChatGPT, Claude, Perplexity et maintenant DeepSeek R1 pour les recherches liées au travail.
Cette transformation illustre un aspect crucial de l'adoption de l'IA : lorsque les outils d'IA proposent une expérience réellement meilleure en matière de rapidité, d'efficacité et de perspicacité, ils peuvent modifier même nos comportements les plus enracinés en un laps de temps remarquablement court. Nous ne changeons pas nos outils parce qu'on nous le demande ou parce que c'est tendance, mais parce que ces nouvelles solutions optimisées par l'IA répondent fondamentalement mieux à nos besoins.
Au lieu de considérer l'IA comme une menace ou comme une solution miracle, nous devons la considérer comme un nouveau type de coéquipier. Comme tout bon collègue, l'IA possède des points forts et des limites spécifiques. La solution est d'apprendre à collaborer efficacement.
Collaborer avec vos coéquipiers optimisés par l'IA
Le paysage actuel de l'utilisation de l'IA révèle une tendance importante : la plupart des gens font appel à des agents d'IA polyvalents formés à partir de données générales pour poser des questions spécifiques sur leur travail. Ce décalage est souvent source de déception et de frustration.
L'avenir d'une collaboration efficace en matière d'IA repose sur des agents spécialistes formés à partir de données spécialisées. Prenons l'exemple de Rovo par Atlassian. Cet assistant IA a accès à l'ensemble de votre contexte de travail : la base de connaissances de Confluence contenant des documents de stratégie et des PRD, des projets Jira présentant le travail d'équipe et les progrès en cours, les objectifs de l'entreprise et des outils de planification trimestrielle. Lorsque vous lui posez une question sur votre travail, ses réponses sont fondées sur votre contexte organisationnel spécifique.
Cela représente un changement fondamental dans la manière dont l'IA peut soutenir notre travail. Plutôt que des réponses génériques basées sur des données d'apprentissage générales diffusées sur Internet, ces coéquipiers spécialisés optimisés par l'IA peuvent fournir des informations directement pertinentes pour les défis, les priorités et les méthodes de travail spécifiques de votre organisation. Les entreprises qui comprennent cette distinction et qui agissent en conséquence, en investissant dans des systèmes d'IA profondément intégrés à leurs bases de connaissances et à leurs flux de travail, bénéficieront d'un avantage concurrentiel significatif dans la manière dont leurs équipes fonctionnent et prennent des décisions.
Alors que les outils d'IA spécialisés sont de plus en plus répandus, la réalité est que la plupart des équipes produit n'utilisent pas l'IA dans leur travail quotidien.
La solution pour combler cette lacune est de développer un « état d'esprit axé sur l'IA », en abordant chaque tâche ou chaque défi en réfléchissant d'abord à la manière dont l'IA pourrait contribuer à y faire face de manière plus efficace.
Il ne s'agit pas d'utiliser l'IA pour tout, mais de vous forger une opinion pour savoir quand et comment elle peut réellement améliorer votre travail.
Créer des habitudes durables en matière d'IA
En faisant passer les employés de l'utilisation de base de l'IA à une collaboration stratégique, les entreprises peuvent exploiter tout son potentiel et générer un retour sur investissement significatif. Mais un changement de votre état d'esprit en matière d'IA ne se limite pas à un gain de temps, c'est bien plus que cela. La collaboration basée sur l'IA peut donner aux entreprises un avantage concurrentiel supplémentaire en promouvant l'amélioration continue, en optimisant la qualité du travail et en stimulant des innovations significatives.
La clé d'une adoption significative de l'IA réside dans la création d'habitudes durables.
Tout au long de la journée, vous pourriez vous en servir comme support, pour explorer différentes approches des problèmes de vos utilisateurs ou pour affiner votre communication avec les parties prenantes.
Voici quelques moyens pratiques et exemples pour développer ces habitudes :
Lors de la découverte de produits
Utilisez l'intelligence artificielle pour analyser les transcriptions des entretiens et rechercher des tendances que vous n'avez peut-être pas remarquées. Générez de nouvelles hypothèses à tester et identifiez des thèmes émergents dans le feedback des utilisateurs.
Des outils, comme Sauce AI, peuvent recueillir le feedback provenant de diverses sources et les analyser pour éclairer la prise de décisions, en identifiant les thèmes et les défis courants soulevés par les groupes communautaires.
Dans la stratégie produit
Tirez parti de l'intelligence artificielle pour explorer différents scénarios de marché, analyser le paysage concurrentiel sous de nouveaux angles et générer des récits stratégiques alternatifs.
Des outils, comme Perplexity Pro, permettent d'effectuer des recherches incroyablement rapides sur des sources diverses et variées. Ils ne font pas les recherches à votre place, mais vous donnent un point de départ pour décider de la prochaine étape.
Les coéquipiers optimisés par l'intelligence artificielle fournissent un meilleur travail en début ou en fin de workflow : au début d'un processus de conceptualisation pour susciter des idées ou à la fin de la rédaction pour affiner le contenu. Vérifiez toujours les sources de toutes les recherches que vous confiez à des agents d'intelligence artificielle.
Pendant le développement produit
En tant que responsables produit, vous pouvez déléguer de nombreux workflows quotidiens à l'intelligence artificielle :
- Rédaction d'exigences relatives aux produits
Le recours à des agents spécialisés peut vous faire gagner du temps, que vous pouvez réinvestir dans des activités à forte valeur ajoutée.
- Rédaction de notes de version
L'intelligence artificielle peut générer des notes de version à partir des tickets Jira, en identifiant des thèmes communs et en présentant sous forme de solution un résumé ainsi qu'une liste des tickets publiés.
L'essentiel est d'utiliser l'intelligence artificielle comme un partenaire pendant ces processus, et non comme un substitut. De cette manière, l'intelligence artificielle améliore la créativité, au lieu de la faire baisser en qualité, en répondant aux problèmes de satisfaction au travail relevés dans l'étude du MIT.
Anticipez l'évolution de vos coéquipiers optimisés par l'intelligence artificielle
Les recherches du MIT nous fournissent de précieux indices sur l'orientation que pourraient prendre nos partenariats en matière d'intelligence artificielle. Pour les responsables de produits en particulier, voici les éléments à surveiller :
L'essor de l'intelligence artificielle spécialisée
Nous allons probablement assister à une banalisation croissante des modèles sous-jacents, avec une augmentation du traitement côté client. Pour rester compétitives, les fonctionnalités intelligentes vont se spécialiser et atteindre la position supérieure en proposant des fonctionnalités optimisées et personnalisées aux développeurs et aux utilisateurs finaux. Nous l'avons déjà constaté avec des outils comme Cursor, qui démontrent le potentiel de transformation d'une intelligence artificielle spécialisée en intégrant des informations contextuelles directement dans les workflows des développeurs et en transformant les fonctionnalités générales de l'IA en assistants sur mesure qui comprennent à la fois le code et l'intention.
Les gagnants ne seront pas nécessairement ceux qui proposent les modèles les plus puissants, mais ceux qui intègrent le mieux l'intelligence artificielle aux expériences utilisateur et aux workflows existants.
Les modèles « Mélange d'experts » (Mixture of Experts, MoE)
Le modèle dit « mélange d'experts » est une entreprise avec des services spécialisés.
Au lieu d'envoyer toutes les questions par l'ensemble du système, comme les LLM traditionnels, ce modèle dispose d'un « routeur » qui décide rapidement quelle partie « experte » du modèle doit gérer la tâche. Par conséquent, seules les parties appropriées sont activées pour une tâche en particulier. C'est comme faire appel à des experts en physique pour des questions scientifiques et à des experts linguistiques pour les tâches rédactionnelles.
L'avantage ? Une efficacité bien supérieure à moindre coût, vous permettant de créer des produits davantage spécialisés et efficaces, capables de gérer diverses tâches sans vous ruiner.
Le facteur humain dans la gestion des produits
Peut-être plus important encore, à mesure que l'intelligence artificielle devient omniprésente, les individus recherchent davantage l'authenticité, la qualité et le sens. Nous assisterons probablement aux événements suivants :
- Une renaissance du service client haut de gamme et de l'artisanat
- Une plus grande importance accordée au storytelling et à un engagement émotionnel de premier ordre
- La recrudescence des petites entreprises proposant des expériences uniques et personnalisées
- De nouvelles opportunités pour tirer parti des capacités humaines uniques
Les gagnants de cette nouvelle ère seront ceux qui comprendront que si la science des affaires est une question d'échelle, l'art des affaires réside souvent dans les choses qui ne sont pas évolutives, c'est-à-dire les touches humaines que l'intelligence artificielle ne peut reproduire.
Les conséquences pour les responsables de produit
Nous avons abordé la manière dont les responsables de produit peuvent utiliser l'intelligence artificielle pour faciliter leur travail. Reste à savoir comment ils peuvent mieux intégrer l'IA dans leurs offres de produits. Pour réussir, ils devront probablement :
- comprendre comment chapeauter plusieurs fonctionnalités intelligentes au lieu de s'appuyer sur des modèles uniques
- se concentrer sur le design de l'interface et l'expérience utilisateur comme facteurs de différenciation clés
- intégrer la personnalisation aux expériences de base des produits
- conserver les touches humaines qui donnent du sens et une résonance émotionnelle aux produits
- créer des workflows qui améliorent les capacités humaines au lieu de les remplacer
Nous sommes toujours à l'étape de découverte. Au fur et à mesure de son amélioration, la technologie habilitante évolue elle aussi. Même si de réels progrès ont été réalisés, nous sommes qu'au début de cette aventure.
Le plus important, c'est que nous ayons désormais une meilleure idée des bonnes questions à poser et de la manière de trouver les réponses.
Il ne s'agit pas de devenir obsolète ou expert en intelligence artificielle. Il s'agit d'apprendre à devenir un responsable de produit meilleur, dans un monde où l'IA n'est qu'un outil parmi d'autres. Et même si cette aventure peut parfois être inconfortable, elle vaut la peine d'être vécue.
