Le site porte déjà plusieurs mises en garde sur l'IA en entreprise. Celle-ci défend une thèse optimiste, à une condition près. L'IA générative offre aux équipes produit ce que la culture produit réclamait sans jamais l'obtenir, un coût d'expérimentation proche de zéro. Ce cadeau ne se transforme en avantage que si l'organisation accepte de regarder où le temps se perd vraiment.
Je travaille les agents IA depuis fin 2024 et j'ai supervisé des Product Owners. Le débat public met volontiers en avant la productivité individuelle. Il manque l'essentiel. Une équipe qui produit dix prototypes par semaine et attend trois semaines un arbitrage ne va pas plus vite qu'avant. Elle accumule simplement des réponses que personne ne lit.
Pourquoi l'IA ne rend-elle pas une équipe produit plus rapide ?
Parce que la production n'a jamais été le goulot d'une équipe produit. Le temps se perdait déjà dans l'attente d'un arbitrage, d'une validation ou d'un créneau de comité. Accélérer la fabrication sans toucher à la décision allonge la file des sujets en suspens.
Eliyahu M. Goldratt a formulé ce mécanisme dans The Goal, roman industriel paru en 1984. Une heure perdue sur un goulot est perdue pour tout le système (chapitre 19). Une heure gagnée sur un poste qui n'en est pas un relève du mirage (chapitre 28). Le roman ne prouve rien par ses chiffres, qui sont inventés pour le récit. Sa logique, en revanche, se transpose sans effort. L'IA fait gagner des heures sur la rédaction, la synthèse et le maquettage. Si ces postes n'étaient pas le goulot, le délai entre une idée et une valeur livrée ne bouge pas.
Goldratt ajoute une conclusion que les dirigeants gagnent à méditer. Dans son usine de fiction, la vraie contrainte n'était pas une machine. C'était une règle de gestion. Dans une organisation produit, la règle qui bride le débit peut s'appeler circuit de validation, comité mensuel ou arbitrage réservé à un niveau hiérarchique trop éloigné du terrain.
Que promettait l'agilité sur la vitesse ?
L'agilité promettait d'aller plus vite. Sur la livraison, elle a tenu parole. Elle a beaucoup moins travaillé la vitesse à laquelle une organisation choisit quoi livrer. Le clin d'œil est facile vingt-cinq ans après le Manifeste de 2001. Le diagnostic, lui, mérite d'être pris au sérieux.
Teresa Torres le pose sans détour dans Continuous Discovery Habits. Elle distingue la discovery, qui consiste à décider quoi construire, du delivery, qui consiste à le construire. Elle reconnaît tenir ces deux termes de Marty Cagan. Son constat tient en une ligne. L'industrie a énormément progressé sur la livraison en sous-investissant la découverte, si bien qu'elle livre toujours plus vite les mauvaises choses.
Une organisation peut adopter les sprints en gardant intact son circuit de décision. Imaginez un sprint de deux semaines face à un arbitrage qui demande encore un trimestre. C'est la dérive que décrit l'article sur des méthodes agiles réduites à leurs rituels. Tant que la fabrication coûtait cher, ce décalage restait supportable, parce que l'équipe mettait elle-même des semaines à produire la matière à décider. L'IA supprime cet amortisseur.
Le mouvement Modern Agile, lancé par Joshua Kerievsky, avait déjà recentré le propos sur l'expérimentation et l'apprentissage rapide plutôt que sur le cadre. L'IA donne à ce principe les moyens matériels qui lui manquaient.
Que libère réellement l'automatisation dans une équipe produit ?
L'automatisation libère du temps de fabrication et de mise en forme. Elle ne libère ni l'attention des décideurs, ni le contact avec les utilisateurs, ni le courage d'arrêter. Distinguer les deux colonnes évite de confondre activité et avancée.
Ce qui se libère
- La mise en forme de la matière brute. Retranscrire un entretien, regrouper des verbatims, rédiger une page de synthèse par rencontre.
- La fabrication d'artefacts testables. Maquettes cliquables, pages d'atterrissage, variantes de messages, mini-applications jetables.
- La génération d'hypothèses. Lister ce qui doit être vrai pour qu'une idée fonctionne, étape par étape, sans sécher devant la page blanche.
- L'instrumentation. Préparer un questionnaire court, extraire des données d'usage, monter un tableau de suivi.
Ce qui ne se libère pas
- Le choix de l'opportunité à poursuivre. Torres le compte parmi les décisions les plus stratégiques d'un trio produit. La machine propose, l'équipe choisit.
- La présence en face de l'utilisateur. Un entretien vaut par la qualité d'écoute. Le Product Manager rendu hybride par l'IA garde cette part entière.
- L'attention des décideurs. Dix fois plus de résultats de tests demandent autant de temps de lecture en plus, sauf si l'on change la manière de les présenter.
- La décision d'arrêter. Aucun outil ne supprime l'attachement à une idée dans laquelle on a investi.
Le Product Manager qui gagne du temps sur la mise en forme dispose d'un choix. Il peut produire davantage de documents, ou réinvestir ce temps en découverte et en préparation des décisions. Seule la seconde option change quelque chose pour l'organisation.
Quelles pratiques de culture produit deviennent enfin tenables ?
La découverte continue, le test d'hypothèses en série et l'abandon rapide changent d'échelle. Leurs auteurs les recommandaient depuis longtemps, sans que les équipes puissent en payer le coût de fabrication. L'IA fait précisément s'effondrer ce coût.
| Pratique | Exigence posée par sa source | Ce qui la rendait coûteuse | Ce que l'IA change |
|---|---|---|---|
| Découverte continue | Un contact client au minimum hebdomadaire, mené par l'équipe qui construit, au service d'un résultat visé (Torres, chapitres 1 et 3) | Recrutement des participants, prise de notes, synthèse après chaque rencontre | Transcription et synthèse d'une page par entretien produites bien plus vite |
| Test d'hypothèses | Tester les hypothèses plutôt que les idées, sur trois idées menées en parallèle, avec 20 à 30 hypothèses listées pour une idée simple (Torres, chapitres 9 et 10) | Construire un test crédible pour chaque hypothèse risquée | Maquettes, questionnaires et simulations de parcours fabriqués en une fraction du temps antérieur |
| Cadence de découverte | De l'ordre de 10 à 20 itérations par semaine pour les équipes rompues à la découverte moderne (Marty Cagan, INSPIRED, cité par Torres en ouverture du chapitre 9) | Chaque itération mobilisait design et développement | Une personne outillée produit l'artefact seule, la cadence devient atteignable |
| Abandon programmé | Une réunion « pivoter ou persévérer » inscrite à l'avance, à quelques semaines d'écart au minimum et quelques mois au maximum (Ries, chapitre 8) | Abandonner voulait dire renoncer à des mois de développement | L'investissement perdu devient faible, l'arrêt redevient une décision ordinaire |
La découverte continue cesse d'être un luxe
Torres définit la découverte comme un ensemble d'habitudes hebdomadaires tenues par une équipe stable, pas comme une phase ou un atelier. Elle défend l'habitude plutôt que le projet pour une raison pratique. Une équipe qui parle à ses clients chaque semaine peut abandonner une piste le mardi et réaffecter dès le jeudi les entretiens déjà planifiés. Le frein venait de la synthèse, que Torres veut tenir sur une page par entretien. Cette tâche est précisément celle que l'IA absorbe le mieux.
Le test d'hypothèses devient la norme
Le glissement que propose Torres par rapport au Lean Startup est décisif. Un produit minimum viable est déjà une idée entière. Elle recommande de descendre d'un cran et de tester séparément les hypothèses dont l'idée dépend, sur trois idées à la fois, pour ne pas s'attacher à la première. Avec vingt à trente hypothèses par idée, la méthode épuisait n'importe quelle équipe. Quand un test coûte une heure au lieu d'une semaine, elle redevient praticable.
L'abandon rapide devient rationnel
Eric Ries redéfinit la piste d'une jeune entreprise comme le nombre de pivots qu'il lui reste plutôt que comme ses mois de trésorerie. Boucler plus vite allonge donc la piste. La même logique vaut pour une équipe produit en grande organisation. Elle rejoint le principe de perte acceptable au cœur de l'effectuation, une logique qui n'est pas réservée aux start-ups. Quand chaque essai coûte peu, la perte acceptable couvre beaucoup plus d'essais.
Pourquoi la décision devient-elle le facteur limitant ?
Parce qu'elle est le seul maillon de la chaîne dont le coût n'a pas baissé. Décider demande de l'attention, un mandat clair et le courage d'assumer une perte. L'IA n'apporte aucun de ces trois ingrédients.
Ries donne trois raisons pour lesquelles on pivote presque toujours trop tard. Les indicateurs de vanité masquent l'échec. Une hypothèse floue le rend impossible à constater, car on ne peut pas apprendre de ce qui ne peut pas échouer. La peur, enfin, porte moins sur une vision fausse que sur une vision jugée fausse avant d'avoir eu sa chance. Aucune de ces trois causes ne relève de la production. Toutes relèvent de la décision.
La psychologie ajoute un frein connu. La théorie des perspectives de Daniel Kahneman et Amos Tversky décrit une aversion à la perte qui rend l'abandon plus pénible que le gain équivalent n'est agréable. Un prototype produit en une heure réduit cet attachement, à condition que l'organisation cesse de célébrer le volume de livrables.
Il existe un second effet, moins visible. Plus une équipe produit de résultats, plus elle sollicite ses décideurs. Torres recommande de montrer son travail aux parties prenantes en adaptant le niveau de détail à chaque interlocuteur. L'IA peut générer ces résumés. Elle ne peut pas garantir que quelqu'un les lise ni que ce quelqu'un ait le pouvoir de trancher. La question de ce que coûte la vérification d'un contenu produit par l'IA est traitée dans un article dédié.
Comment décider plus vite sans décider n'importe comment ?
En déplaçant l'effort de la production vers la préparation de la décision. La méthode tient en cinq gestes, tous antérieurs à l'IA, que la baisse du coût de production rend enfin rentables.
- Écrire le critère d'arrêt avant de lancer le test. Ries insiste sur une prédiction formulée avant l'essai, sans laquelle rien ne peut échouer. Une phrase suffit, par exemple le seuil en deçà duquel on abandonne la piste.
- Nommer qui tranche et sur quel périmètre. Une décision réversible, une porte à double battant selon l'image de Jeff Bezos que reprend Torres, se délègue à l'équipe. Une décision difficile à défaire remonte, avec une date.
- Fixer la date de décision en même temps que le test. Le résultat sans rendez-vous d'arbitrage rejoint la pile des sujets en attente.
- Comparer plusieurs options plutôt que voter oui ou non. Torres place la comparaison entre options au cœur de sa méthode, du choix d'opportunité au choix de solution.
- Inscrire à l'agenda une revue « continuer ou arrêter ». Elle réunit produit et métier, confronte les résultats aux attentes écrites et se tient même quand tout semble aller bien.
Ces gestes supposent une boucle de travail courte et outillée, sujet traité dans un article dédié. Ils supposent aussi de respecter le rythme auquel une organisation peut absorber le changement. Accélérer la décision ne veut pas dire tout décider en même temps.
Dans mes accompagnements, je traite les agents IA comme des équipiers. Traiter un agent en équipier pose une question de décision, celle de savoir qui valide son travail et dans quel délai. Le sujet est approfondi dans l'article sur le management à l'ère des agents IA.
L'IA a résolu le problème que la culture produit ne se posait plus. Elle laisse entier celui que l'agilité n'a jamais traité, la vitesse à laquelle une organisation accepte de choisir.
La conclusion est donc franchement positive. Jamais une équipe produit n'a disposé d'autant de moyens pour apprendre vite. Le gain existe, à portée de main. Il se joue désormais dans les comités, les délégations et les agendas, bien plus que dans les outils.
Questions fréquentes
Elle rend la fabrication beaucoup moins chère, ce qui augmente le nombre d'artefacts produits. Le délai entre une idée et une valeur livrée ne raccourcit que si les décisions suivent le même rythme. Sans ce changement, l'équipe produit davantage et avance au même pas.
Par un seul périmètre. Choisissez une équipe, écrivez avec elle ce qu'elle peut décider seule, fixez une date de décision pour chaque test et tenez une revue « continuer ou arrêter » à intervalle fixe. Torres recommande elle-même de commencer petit et d'itérer quand l'entreprise ne s'y prête pas encore.
La logique s'applique plus facilement. Le circuit de décision y est court et peut se limiter au dirigeant. L'IA permet à une ou deux personnes de tester une offre, un parcours client ou un message sans mobiliser un prestataire. La discipline à tenir reste la même, écrire le critère d'arrêt avant de tester.
Aucune étude fiable ne fixe de durée. Le premier signal utile se lit dans l'écart entre la date d'un résultat de test et la date de la décision correspondante. Mesurez-le dès le premier cycle, il vous dira où se trouve votre goulot.
Ce serait optimiser un poste qui n'est pas le goulot. Le temps libéré vaut davantage en découverte, en contact utilisateur et en préparation des décisions. Le raisonnement rejoint celui de l'article sur la tentation de supprimer les managers intermédiaires grâce à l'IA.
Si, quand les tests ne servent aucun résultat visé. Torres rattache chaque test à une hypothèse, chaque hypothèse à une solution, chaque solution à une opportunité. L'ensemble sert un seul résultat métier. Cette structure garde la cadence utile. Pour en parler sur votre contexte, réservons un échange de 30 minutes.
Vos équipes produisent plus vite que vous ne décidez ?
Dirigeant, responsable produit ou DRH, je vous aide à repérer où se perd le temps de décision, à poser les délégations utiles et à installer les rituels qui transforment la vitesse de production en apprentissage. Le dispositif part de votre contexte réel.
Réserver un échange découverte (30 min)
