L’illusion du train de l’IA : Pourquoi la gestion de produit regarde le mauvais indicateur.

L’IA est partout, dans tous les discours, les analyses, les projections avec une vraie constante : une peur fondamentale de ne pas faire ce qu’il faut et de manquer le train du bouleversement du siècle.
Alors, on multiplie les initiatives, les POC, les agents dans tous les sens mais soyons honnêtes : ces jours-ci, je mets deux fois plus de temps à rédiger et recalibrer un prompt pour générer une user story qu’à l’écrire directement. Le résultat est correct mais rarement meilleur ou plus rapide.
Peu importe, la direction est ravie. On est monté dans le train mais c’est précisément ça le problème.

Dans les organisations que j’accompagne, la scène se répète partout. Un comité approuve un plan d’accélération de l’IA, les équipes produit intègrent des agents dans leur flux de travail, et quelques semaines plus tard, les indicateurs montent en flèche : plus de User Stories générées, des cycles de travail plus courts, des taux d’adoption « encourageants ».
Sur le papier, tous les signaux sont au vert, mais dans les faits, les équipes passent une part croissante de leur temps à gérer les outputs de l’IA plutôt qu’à produire de la valeur, et ça, aucun indicateur ne le capture.
Car monter dans le train n’a jamais été le problème. La vraie question est plutôt de savoir si on va dans la bonne direction.

L’IA ne fait qu’amplifier ce qui existe

Voici ce que je vois systématiquement : l’IA n’améliore pas un système ; elle en amplifie les caractéristiques existantes. Une organisation axée sur l’impact serait capable d’expérimenter et d’apprendre davantage. Alors qu’une organisation orientée vers la production produira plus de résultats, mieux écrits et structurés, mais tout aussi déconnectés de l’impact réel.

C’est précisément là que l’illusion entre en jeu, car les artefacts produits sont crédibles. Un LLM crée une User Story qui est plus propre et plus complète que certaines écrites à la main par des humains, elles sont mieux rédigées et mieux structurées. Cependant, derrière cette qualité formelle, ce qui devrait inquiéter une direction produit est plus structurel : à force de déléguer le cadrage à l’IA, sommes-nous encore certains de construire le bon produit, ou simplement un produit bien construit ? »

L’IA ne résout pas un déficit de stratégie produit, elle l’obscurcit avec un air de professionnalisme apparent.

Je vois des équipes capables de créer en quelques minutes des dizaines d’itérations sur une fonctionnalité, des variations de parcours utilisateurs, de scénarios produits, un potentiel d’exploration sans précédent. Et pourtant, les décisions finales ne sont pas optimales ; la qualité du choix ne découle pas du nombre d’options, mais de la qualité du cadre dans lequel elles sont évaluées. Multiplier les pistes n’est pas explorer, c’est souvent une façon élégante de reculer le moment de décider.

Produire n’est plus un avantage compétitif.

Pendant de nombreuses années, une grande partie de la valeur d’un Product Manager reposait sur la production d’artefacts de qualité : écrire des spécifications claires, formaliser des besoins complexes, construire des solutions durables. C’est un travail laborieux et intensif en connaissances, donc naturellement différenciant.

Avec l’IA, ce coût s’effondre, et ce qui prenait des heures prend maintenant des minutes, ce qui était rare devient abondant, ce qui était différenciant devient une commodité accessible à tous.

Le centre de gravité du métier se déplace alors mécaniquement vers autre chose : faire des choix difficiles, faire des compromis sous contrainte dans un environnement où les options n’ont jamais été aussi nombreuses. Faut-il investir dans cette fonctionnalité plutôt qu’une autre ? Explorer une nouvelle opportunité ou consolider celle que nous avons déjà ? Accélérer la livraison ou attendre de mieux comprendre le problème de fond ?
Ces questions existaient bien avant l’IA, mais elles prennent un poids et une urgence nouvelle. En abaissant radicalement le coût de l’exécution, cela augmente mécaniquement le coût des mauvaises décisions. Jamais la conception de la mauvaise chose n’a été aussi rapide ou aussi indolore à court terme.

Prenons le cas d’un grand groupe en pleine intégration d’un nouveau Back-end. Les équipes sont sous pression, les roadmaps imposées, les budgets contraints. Rien de nouveau jusque-là. Ce qui change, c’est la réponse apportée à cette pression. Plutôt que de re-prioriser, les équipes délèguent l’exécution à l’IA pour tenir le rythme. On va plus vite, les livrables s’accumulent, les sprints sont tenus. Mais le code produit est fragmenté, la dette technique explose, et l’interopérabilité globale du système de distribution se dégrade silencieusement. L’IA n’a pas créé le problème. Elle a juste permis de l’industrialiser.

Les compétences qui comptent vraiment. 

Les compétences qui comptent vraiment ne sont pas celles mises en avant dans les offres d’emploi étiquetées « PM orienté IA », et c’est là que se situe la majeure partie du problème.

La première compétence critique, c’est le cadrage, pas au sens opérationnel du terme mais au sens stratégique. Comprendre comment formuler un problème avec suffisamment de précision et de profondeur pour orienter efficacement l’exploration. Un prompt bancal est rarement un problème de syntaxe ou de formulation technique, c’est presque toujours le résultat d’un problème mal compris en amont. Les équipes qui parviennent vraiment à utiliser l’IA ne sont pas celles qui la « maîtrisent » au sens technique, mais celles qui savent exactement quoi lui demander et pourquoi.

La deuxième compétence, c’est l’évaluation critique des résultats générés. Les contenus produits par les LLM sont fluides, cohérents et parfois convaincants.  Mais fluide n’est pas équivalent à fiable, et la cohérence apparente n’est pas la pertinence. Le PM d’aujourd’hui apprendra à évaluer non seulement les choix offerts, mais aussi la valeur du raisonnement générant ces décisions afin qu’ils luttent contre la tentation de confondre ce qui semble juste avec ce qui l’est vraiment.

La troisième compétence — celle qui revient au centre du jeu — est le jugement. Être capable de choisir dans un environnement saturé d’options ; de fermer des portes rapidement en acceptant un niveau d’incertitude incompressible — non pas par intuition mais par conviction et méthode. C’est cette capacité à prendre une décision qui est la véritable valeur ajoutée d’un PM dans un système où l’IA s’occupe de générer l’abondance.

Pourtant peu de directions produit investissent vraiment dans ces muscles. On mesure le nombre d’outils utilisés, les volumes produits, les POC lancés, mais rarement la qualité de tout le processus de prise de décision, la rapidité à laquelle une mauvaise hypothèse est invalidée ou la clarté des arbitrages rendus sous la pression. On continue d’appliquer des métriques d’output à un métier qui doit devenir, fondamentalement, un métier de direction.

Re-cadrer avant d’accélérer

La réponse n’est pas de retarder l’adoption de l’IA. C’est de la recadrer.

Ça commence par un diagnostic franc : où est la vraie valeur dans la chaîne produit ? Automatiser la rédaction de User Stories dans une organisation qui peine à prioriser est un non-sens. En revanche, tirer parti de l’IA pour enrichir la Discovery, questionner les hypothèses stratégiques et raccourcir le temps d’accès aux informations est un véritable levier. Toutes les étapes ne sont pas les mêmes, et confondre vitesse et progrès est l’un des pièges les plus courants.

Ça implique également de redéfinir ce qu’on attend concrètement d’une direction produit. Sa valeur ne réside plus dans la qualité de la livraison des artefacts. Elle réside dans sa compétence à prendre des décisions difficiles, à éviter l’ambiguïté, à séparer ce qui doit être accéléré et ce qui doit être repensé et reconsidéré.

Le seul problème qui compte

L’IA sera de plus en plus une commodité ; comme toute commodité, elle ne constitue jamais un avantage durable par elle-même, elle déplace simplement les points de différenciation vers d’autres compétences, d’autres positions, d’autres exigences.

Les organisations qui prospéreront ne seront pas celles qui auront déployé le plus d’agents, ou automatisé le plus de processus, mais celles qui auront compris que le véritable enjeu n’est pas la vitesse d’exécution. C’est la qualité de la direction, la clarté du cap, la solidité des décisions prises lorsque les options sont infinies et le temps limité.

Dans un monde hyper-accéléré, monter dans le train n’est pas le problème mais choisir la mauvaise destination peut vous coûter plus cher et le prix se paie beaucoup plus rapidement.
Alors, la vraie question n’est pas « Comment utiliser l’IA ? » mais plutôt « Comment l’IA peut nous aider à décider où on va ? »