Entre innovations, lancements de nouveaux produits et autres IA-based features, Ted talks et podcasts dédiés, on le sait vous mangez désormais de l’IA à toutes les sauces!
Et pour cause, l’intelligence artificielle (IA) transforme rapidement notre métier de product manager, nous allons continuer à être inondés de nouveaux produits à tester pour nous booster notre productivité et les offres d’emploi de Product Manager IA vont se multiplier.
Le fait de maitriser le fonctionnement et l’utilisation de différentes IA va rapidement passer d’un avantage concurrentiel à un pré-requis.
Alors si vous n’êtes pas encore un IA-augmented-super-PM, et qu’après quelques conférences sur le sujet vous vous demandez par où commencer, comment suivre le rythme et intégrer vraiment l’IA dans son quotidien de Product Manager, cet article est fait pour vous.
On va aborder les pré-requis pour prendre en main les IA, différents cas d’utilisation pratiques pour les PMs, les pièges à éviter, et les compétences à développer pour s’emparer enfin des avantages de l’IA!
Par où commencer ?
L’IA évolue exponentiellement et nécessite une adaptation et un apprentissage constant pour rester à jour avec les dernières technologies et méthodes pour rester compétitifs. Tout cela en plus de tes 25H de réunions hebdomadaires, de test tickets Jira, tests, user interviews etc., tu as beau savoir que les gains de productivité seront au rendez-vous, se lancer, se former, tester les outils prend du temps, passer de la théorie à la pratique peut être un premier obstacle.
C’est pourquoi tu as besoin d’une stratégie pour y aller pas à pas, qui te permettra finalement d’automatiser des tâches répétitives, d’analyser de grandes quantités de données, et de découvrir des insights qui seraient autrement difficiles à identifier.
Cette stratégie implique de commencer par des cas d’utilisation simples avant de se lancer dans des fonctionnalités plus complexes.
Le premier pas: explorer les possibilités des LLM
On va commencer avec les outils les plus accessibles comme ChatGPT, ou d’autres modèles de langage naturel (LLM). Ce sont des outils assez généralistes qui permettent le mieux d’explorer le champ des possibles avant d’affiner des cas d’utilisation plus précis auxquels d’autres outils pourront mieux répondre.
Quelle utilisation : brainstorming, rédaction de contenus (emails, tickets), analyse et visualisation de données, priorisation d’un backlog, analyser des feedbacks utilisateurs, résumer un ensemble de pages web, création de persona…
N’hésitez pas à tester tout ce qui vous passe par la tête, le but de cette première étape est d’expérimenter.
Apprendre à bien prompter
C’est LE prérequis à l’utilisation d’un LLM car son efficacité dépend fortement de la qualité des prompts (instructions) donnés, c’est le principe du “garbage in, garbage out”.
Pour structurer tes prompts, utilise le modèle RISE (Rôle, Input, Steps, Expectations) qui permet de maximiser la pertinence des réponses générées par l’IA. Exemple :
Rôle : Dans la peau de qui l’IA doit elle se mettre pour répondre au mieux
→ “Tu es un product manager spécialisé en growth hacking”
Input : Sur quelles informations doit elle s’appuyer, donne lui un maximum de contexte
→ “Appuies toi sur le dataset fourni en pièce jointe”
Steps : Quelle analyse séquentielle doit elle appliquer
→ “1. Analyse les données et extrais-en les informations principales 2.Produit un résumé à présenter à l’équipe marketing”
Expectations : Sous quel format doit-elle donner sa réponse
→ “Réponds sous forme d’un texte structuré de 500 mots maximum et inclus des graphs pour illlustrer les résultats décrits”
Pour intégrer ces outils dans ton quotidien, prépare des inputs « prêts à l’emploi » tels que la vision de ton entreprise et de ton produit, tes utilisateurs cibles etc. Construits ton catalogue de prompts au fur et à mesure de ton utilisation pour permettre à l’IA de te fournir des réponses de plus en plus précises.
Apprendre à éviter les Pièges et les Préjugés
Malgré ses avantages, l’utilisation de l’IA connait certaines limites dont il faut rester conscient.e :
- Ne pas partager de données sensibles : Notamment vis à vis des LLM ou outils gratuits car les données peuvent être utilisées par les modèles et retransmises à d’autres utilisateurs. Bien vérifier les conditions d’utilisations des données par le modèle et quel type de données leur communiquer ou non.
- Risques d’hallucination : Les modèles d’IA peuvent parfois produire des résultats incorrects ou biaisés. Les PM doivent donc être prudents, surtout pour les applications en contact direct avec les clients (un exemple assez drôle avec le chatbot de DPD ici)
- Minimiser les biais : Pour réduire les biais, le contexte fourni est à nouveau crucial. Il est nécessaire de vérifier régulièrement les résultats pour éviter les inexactitudes ou les contenus problématiques. Ne pas hésiter à reformuler ou vérifier par une autre voie les résultats douteux. Utiliser l’IA davantage comme un outil de brainstorm que comme source sûre d’information, ou dans ce cas utiliser davantage certains outils conçus à cet usage (Perplexity par exemple).
Généralement, comme avec toute source d’information, il faut savoir garder son esprit critique et voir l’IA comme un interlocuteur faillible et qu’il faut parfois savoir contredire.
Seconde étape : créer ses assistants personnalisés
Maintenant que tu es à l’aise avec l’utilisation des LLM, il est temps d’étendre le test à de nouveaux outils pour créer des assistants personnalisés qui vont t’aider et te faire gagner du temps dans ton quotidien.
Selon tes besoins et envies, les IA peuvent t’aider et te faire gagner du temps dans différentes tâches de Product Manager. Voici quelques exemples de cas d’usages et d’outils sur lesquels t’exercer en profitant des périodes d’essai gratuites.
- Prendre des notes et créer des comptes rendus de réunions : Fathom, Fireflies.ai, Otter.ai, tl;dv
- Organiser des réunion ou ton emploi du temps : Reclaim.ai, Motion, Clockwise.ai
- Créer des slides et des présentations : Gamma, Beautiful.ai, Canva presentations AI
- Créer ses propres assistants: c’est possible sur différents modèles, par exemple sur OpenAI, les différents GPTs, il est possible aussi de se créer et former from scratch ses assistants personnalisés (l’outil Dust permet cela en particulier pour de multiples cas d’usages)
Tester différents outils, explorer leurs fonctionnalités et les adapter à tes besoins prendra forcément un peu de temps, qui sera vite rentabilisé lorsque tu auras trouvé les outils adaptés à tes besoins. Surtout, cela te permet de gravir la courbe d’apprentissage de l’IA grâce à du test & learn sur des applications qui te seront utiles personnellement, avant d’utiliser ces compétences sur des projets professionnels plus complexes ou orientées vers le client.
Troisième étape: intégrer l’IA dans toutes les strates du Product Management
Utiliser l’IA pour la Stratégie et la Vision
L’IA peut être un puissant outil de réflexion stratégique pour affiner la vision produit et identifier des opportunités de croissance. Ici on veut
- Analyse SWOT : Utiliser l’IA pour effectuer des analyses SWOT rapides en évaluant les forces, faiblesses, opportunités, et menaces basées sur des données internes et externes. Par exemple, un modèle d’IA peut analyser des données de marché et des commentaires des utilisateurs pour identifier des opportunités non exploitées.
- Exploration des opportunités et identification des problèmes : L’IA peut aider à creuser des opportunités potentielles et à identifier des problèmes dans les stratégies existantes. En générant différentes options et en évaluant leurs impacts potentiels, les PM peuvent prendre des décisions plus éclairées.
- Création de matrices d’aide à la décision interactive : L’IA peut générer des matrices d’aide à la décision pour évaluer les compromis entre différentes stratégies de produit, facilitant ainsi le processus de prise de décision.
Attention : veille à t’informer sur la politique de ton entreprise sur l’usage des données. Certaines données sensibles ne doivent pas être communiquées à des IA publiques car peuvent être par la suite inclues dans les résultats donnés à d’autres utilisateurs.
Améliorer sa Discovery avec l’IA
La phase de discovery est cruciale pour comprendre les besoins des utilisateurs et identifier les fonctionnalités qui apporteront le plus de valeur. L’IA peut grandement améliorer cette phase en fournissant des analyses plus rapides et plus approfondies.
- Amplifier le volume des feedbacks utilisateurs : Utiliser des outils basés sur l’IA pour collecter et analyser automatiquement de grands volumes de feedbacks utilisateurs. Des outils comme tl;dv peuvent transformer les entretiens en textes analytiques exploitables.
- Réduire le temps d’analyse des insights : Connecter des modèles IA à des outils de gestion de produits tels que Productboard pour analyser rapidement les données de recherche utilisateur et extraire des insights pertinents. L’IA peut aider à découvrir des tendances et des patterns cachés dans de vastes ensembles de données.
- User research continue et évolutive : L’IA permet une recherche utilisateur continue, en évoluant avec les tendances du marché et les comportements des utilisateurs. Par exemple, elle peut être utilisée pour surveiller les réseaux sociaux et les forums pour recueillir des informations en temps réel.
Optimiser sa Delivery avec l’IA
Dans la phase de delivery, l’IA peut améliorer l’efficacité et la précision, en automatisant les tâches de routine et en fournissant des outils pour une meilleure collaboration et suivi.
- Définir des critères d’acceptation et plans de release : Utiliser l’IA pour générer des critères d’acceptation détaillés basés sur les exigences du projet et pour planifier des stratégies de release, y compris le bêta testing et les stratégies de lancement.
- Suivi de la performance des fonctionnalités : L’IA peut être utilisée pour définir des métriques de suivi des fonctionnalités après leur lancement, en fournissant des rapports automatisés et des alertes sur les performances.
- Création de prototypes et wireframes de basse fidélité : Des outils comme Figma AI peuvent être utilisés pour créer rapidement des wireframes et itérer sur des prototypes, permettant de gagner du temps dans le cycle de développement.
Dernière étape : développer une Stratégie d’IA au sein de l’entreprise
Selon la taille de ton entreprise, son organisation et ta place au sein de celle-ci, son domaine d’activité et sa sensibilité à l’IA, cette étape peut être plus ou moins accessible. Cependant quel que soit ta fonction, tes possibilités d’utilisation de l’IA seront forcément conditionnées à un moment ou à un autre par des choix d’entreprise. Ces choix concernent la politique d’entreprise sur le partage des données internes à des IA, le budget à allouer à des outils d’IA, ou encore l’intégration de l’IA dans la vision produit ou la stratégie business.
- Obtenir l’adhésion de la direction : Pour utiliser l’IA au sein de l’entreprise il faudra démontrer un retour sur investissement clair et tangible et définir des KPIs pour obtenir le soutien des dirigeants. Notamment si cela implique de mettre des fonctionnalités d’IA au service du client. Pour demander l’usage interne d’outils, inclure des exemples concrets d’amélioration de la productivité ou de réduction des coûts grâce à l’IA. Utilise pour cela tes tests précédents, en calculant par exemple ton gain de temps grâce à un outil multiplié par le nombre d’utilisateurs potentiels, rapporté au coût de cet outil.
- Aligner les choix technologiques : S’assurer que les choix technologiques s’alignent avec l’écosystème existant et les objectifs stratégiques de l’entreprise, par exemple une entreprise qui est sur un environnement microsoft ne s’orientera pas vers Gemini de Google, ou une entreprise traitant des données sensibles (santé, banque…) devra restreindre particulièrement son environnement . Ces choix sont donc à présenter et à discuter avec toutes les équipes concernées.
- Renforcer les compétences en matière d’IA : Les personnes amenées à utiliser l’IA doivent développer des compétences supplémentaires. Cela peut nécessiter de la formation interne plus ou moins avancée selon les besoins. En tant que PM tu peux dans tous les cas considérer ces formations comme indispensables, n’hésite pas à rechercher des formations en ligne ou à les demander à ton employeur.
- Maîtrise des concepts IA : Comprendre les bases des modèles d’IA, de l’apprentissage automatique, et de la gestion des données.
- Prompt engineering : Savoir formuler des prompts efficaces pour interagir avec les modèles d’IA.
- Éthique et gouvernance des données : Connaître les meilleures pratiques en matière de gestion éthique des données et de sécurité.
- Data literacy avancée : Développer une compréhension approfondie des données pour exploiter pleinement les capacités de l’IA.
- Organiser la veille sur l’IA : Repérer les avancées liées à l’IA dans le secteur d’activité de l’entreprise mais aussi dans toutes les fonctions de celle-ci (business, sales, marketing, data, product, tech etc.). C’est pourquoi il est particulièrement intéressant que tout le monde y participe, en créant un channel de veille par exemple, mais aussi en nommant une task force ou des référents IA chargés de sensibiliser et interpeller tous les salariés sur ces enjeux.
Conclusion : L’IA comme Partenaire Stratégique du Product Manager
L’IA ne remplace pas le cerveau humain, mais agit comme un partenaire stratégique. En tant que Product Manager, utiliser l’IA pour améliorer la prise de décision, modéliser différents scénarios, et améliorer la visualisation des données peut offrir un avantage concurrentiel significatif. Cependant, il est essentiel de garder un esprit critique et de ne pas tomber dans la dépendance excessive. En fin de compte, l’objectif est d’utiliser l’IA pour augmenter la créativité et l’efficacité tout en restant vigilant face aux défis potentiels.
En intégrant progressivement l’IA dans votre quotidien de Product Manager, vous pouvez transformer votre façon de travailler, innover plus rapidement, et offrir une plus grande valeur à vos clients et à votre entreprise.
Merci à Pierre Rognion, consultant en IA générative et fondateur d’Atomly AI, pour son partage de connaissances précieuses à l’écriture de cette article.
Pour ne rien manquer des évolutions du secteur n’hésitez pas à vous abonner à sa newsletter : https://ai-brew.beehiiv.com/
