Au tennis, le point de match qu’on aurait voulu garder est souvent celui qu’on n’a pas filmé, faute d’avoir su qu’il compterait. Partant de ce constat, Barnabé Melaine, consultant IKXO, a imaginé ActionReplay, une application qui enregistre en continu et conserve les 15 secondes avant et après un tap. Son profil : Product Manager, aucune ligne de code écrite dans sa vie. Le 22 mai, l’app était en ligne sur l’App Store. Ce qui a rendu la trajectoire tenable tient moins aux prompts qu’à un document relu à chaque session, un PRD pour coder avec l’IA, enrichi à chaque phase du projet. Voici comment il a servi, et où il a trouvé ses limites.
Cet article est issu d’un XO Product Café, un rituel interne dédié aux retours d’expérience des missions des consultants IKXO.
Un PM non développeur et une IA qui oublie tout
Avant le 3 avril, le consultant a un background en product management et rien d’autre côté technique. Swift, Xcode, App Store Connect, AVFoundation, WatchConnectivity : tout est à découvrir en marchant. L’hypothèse de départ tient en une question : l’IA peut-elle compenser ce manque d’expertise tout en gardant le PM dans la boucle des décisions ?
Le premier acte ressemble à ce qu’on imagine. Le comportement attendu est décrit en langage naturel, le design system (couleurs, typographie, règles) se définit en conversation, et une maquette est validée visuellement avant tout code. L’IA génère ensuite un fichier Swift complet, collé tel quel dans Xcode. Le partage des rôles est net : au PM les décisions produit, les priorités et les compromis UX, à l’IA le code, les patterns et la syntaxe.
Ce mode de travail mène vite à un prototype fonctionnel. Il a pourtant une faiblesse que le consultant a identifiée très tôt. Une IA n’a aucune mémoire d’une session à l’autre sans documentation explicite, et une longue conversation finit par s’étioler. Il parle de « context collapse » : les décisions déjà prises se diluent, et l’IA code au gré de l’improvisation du moment. C’est ce qui sépare, selon lui, le vibe coding, où l’on tape du code généré sans le comprendre, du workflow structuré qu’il a cherché à construire.
Le PRD, contrat de session de l’IA
La réponse a pris la forme d’un fichier, ActionReplay.md, chargé en contexte au début de chaque conversation. Il pose le problème (capter un moment a posteriori), le MVP (un buffer de 15 secondes, un bouton, des clips), le hors scope (le cloud et le multi-sport, renvoyés à la phase 3 et au-delà) et les contraintes techniques (AVFoundation, traitement local, RGPD). Ce document est le fruit de la méthode BMAD, une chaîne d’agents Analyst, PM, Architect puis Dev :
– L’agent Analyst a structuré le problème, les cas d’usage sportifs et le périmètre du MVP.
– L’agent PM en a tiré le PRD : objectifs, fonctionnalités prioritaires, critères de succès, non-périmètre.
– L’architecture a été discutée et actée avant la première ligne de Swift.
Un détail compte particulièrement pour un PM : le document dit aussi ce qu’on ne construit pas. Le périmètre explicitement exclu figure au même titre que les fonctionnalités, et chaque feature porte ses critères d’acceptance. Le consultant y voit la protection la plus utile contre les dérives de scope : l’IA code ce qui a été décidé, pas ce qu’elle invente.
Le PRD n’est pas resté figé. La phase 1 a cadré le MVP iPhone, la phase 2 a intégré l’Apple Watch, la phase 3 a ajouté une section multi-sport. Au quotidien, un second fichier, AGENT_CONTEXT.md, jouait le rôle de mémoire de projet. Le contexte et le PRD sont mis à jour à la fin de chaque nouvelle feature créée. La règle qui en découle est simple : chaque session repart du contexte écrit, jamais de la mémoire de l’IA seule. Le consultant en retient trois bénéfices : moins d’hallucinations, des arbitrages qui restent humains et un travail auditable grâce à Git.
Le rôle de l’IA a évolué avec les phases. Pendant la phase iPhone, elle s’appuie sur cette mémoire de projet. Sur la phase Watch, elle devient revieweur : elle détecte les régressions et les oublis vis-à-vis des guidelines d’Apple avant chaque soumission. Dans les deux cas, c’est le contexte écrit qui lui donne un cadre à vérifier.
Pour un Product Leader, rien d’exotique dans ce contenu : c’est un PRD. Son statut, lui, change. Il cesse d’être un document transmis à une équipe qui l’interprète pour devenir un contexte permanent que l’IA exécute.
15 heures de travail, et ce qu’elles n’ont pas remplacé
Ce que les chiffres disent
Le calendrier donne le rythme. Le 3 avril, le consultant démarre par la conception, l’architecture, la méthode BMAD et un premier code. D’avril à mai, il construit le cœur de l’application : caméra, authentification, clips et statistiques. Le 22 mai, après la correction de deux refus d’Apple, l’app est en ligne sur le Store.
Entre la conception et la mise en production, il estime le temps effectif à environ 15 heures, réparties sur 7 sessions. Jusqu’à la v1.2, Apple Watch et multi-sport inclus, le total monte à environ 30 heures sur 7 semaines calendaires. Ces chiffres sont reconstitués à partir de sessions documentées et de timestamps avec Claude : un ordre de grandeur fiable, pas un chronométrage. Il précise que ce ne sont pas des soirées de loisir, mais des sessions denses, faites de décisions, de bugs réels et de refus à gérer.
Au 26 mai, le MVP est en ligne sur l’App Store en France, en Belgique et au Luxembourg. La v1.1, avec l’Apple Watch, et la v1.2, multi-sport (basket), sont en TestFlight. Le périmètre embarque l’authentification Google et Apple, la conformité RGPD, la suppression de compte, une politique de confidentialité publique et un branching Git propre : une stack complète plutôt qu’un prototype. Les prochaines étapes à court terme sont la correction des bugs Watch et la publication de la v1.2 sur le Store.
Ce que l’IA n’a pas remplacé
Ce qui rend ce retour d’expérience important, ce sont les limites détectées. L’IA ne voit pas le device physique : l’appairage de la montre a demandé 1 h 30 de diagnostic humain. Elle ne teste pas en conditions réelles : trois bugs Watch ne sont apparus qu’à l’usage terrain. Elle ne tranche pas non plus les arbitrages produit, qui restent au PM.
En contrepartie, elle exécute vite à partir d’une spec claire, génère des fichiers complets testables immédiatement et explique des notions inconnues, comme Git ou ses feature branches, sans formation préalable. Elle sait aussi diagnostiquer des bugs à partir de logs et des écarts aux guidelines d’Apple : c’est ainsi que les deux refus ont été analysés et corrigés en conversation.
PM classique, PM augmenté
Dans la boucle classique, la spec est écrite, transmise puis interprétée par d’autres, le prototype est une maquette statique faite pour convaincre, et l’itération suit les cycles de tickets et de sprints. En exécution directe, la spec devient un contrat exécutable, le prototype est fonctionnel et parfois en production, et l’itération suit la vitesse de la conversation. La conséquence touche la documentation : elle cesse d’être une formalité pour devenir un levier.
Conclusion
Le verdict du consultant tient en une phrase : le PM ne perd pas la main sur l’exécution, il la regagne, sans renoncer au jugement produit. Les usages qu’il envisage pour une équipe produit sont concrets : prototyper une hypothèse en quelques heures plutôt qu’en sprint, automatiser des scripts ou des dashboards internes sans ticket au backlog, accélérer les specs, et réduire la distance avec les développeurs en comprenant le code généré. Deux conditions : documenter le contexte, car c’est lui qui rend le workflow reproductible, et garder le test terrain et la décision finale côté humain. Reste un cas unique, un PM et une app dont les statuts datent du 26 mai, à confronter à vos propres contextes : disposez-vous d’un équivalent du PRD, chargé systématiquement, dans vos échanges avec l’IA ?
Si cet article sur le PRD pour coder avec l’IA vous a plu, découvrez les autres REX issus de XO Product Cafés : Trouver son product-market fit quand la loi tue votre marché en 18 mois, Comment la donnée rend la priorisation produit plus pragmatique.