Utiliser l'IA dans son métier de PM et porter un produit IA : deux apprentissages à distinguer

Choisir quoi apprendre à partir de la décision à porter.

· 8 min de lecture

Un PM qui analyse ses entretiens avec un assistant et un PM responsable d'une fonctionnalité de génération utilisent tous deux l'IA. Ils n'ont pas les mêmes questions à résoudre, même si les outils et le vocabulaire se ressemblent.

La distinction aide à choisir quoi apprendre. Elle évite de confondre maîtrise d'un outil de travail, compréhension d'un système et responsabilité sur l'expérience livrée.

Ce que l'IA change dans le travail du PM

Pour un premier usage, l'objet reste le même : comprendre un besoin, préparer une décision, clarifier une règle ou construire un prototype. L'assistant intervient dans la manière de faire.

La compétence à développer peut être la préparation des entrées, la traçabilité des sources, l'évaluation d'une analyse ou la reprise d'un résultat. Un PM peut avoir besoin d'apprendre assez de code pour comprendre son outil, sans devoir maîtriser l'ensemble de l'infrastructure des modèles.

Exemple entièrement fictif : un PM travaille sur un logiciel de gestion pour ludothèques. Il synthétise des demandes d'aide pour préparer une priorisation. Le travail important consiste à vérifier les regroupements, garder les cas minoritaires et relier les conclusions aux demandes originales. La qualité de la synthèse ne se réduit pas à son style.

Ce que porter une fonction IA ajoute

Lorsque l'IA fait partie du produit, son comportement entre dans la promesse faite à l'utilisateur. Il faut décider ce qu'une réponse acceptable signifie, quand elle peut varier, comment une erreur devient visible et ce que la personne peut corriger.

L'équipe doit également comprendre les sources, les accès, le coût de fonctionnement et la responsabilité après un échec. Ces sujets demandent des compétences réparties entre produit, design, ingénierie et expertise métier.

Dans le même logiciel fictif, une équipe envisage un assistant qui prépare des réponses sur les disponibilités. Une réponse grammaticale peut être inutilisable ou trompeuse. Le PM doit discuter les critères avec ceux qui connaissent le travail et concevoir ce que l'utilisateur voit lorsque l'information manque.

Les rôles se croisent sans transférer tous les mandats

Un designer peut prototyper dans le code, un ingénieur explorer le besoin et un PM construire une première version. Le médium utilisé ne suffit pas à définir qui porte le choix ni qui accepte le risque.

Se demander, pour un projet réel : qui décide pourquoi le construire, qui conçoit la façon dont il sera vécu, qui garantit sa réalisation et qui suit son fonctionnement ? Une même personne peut tenir plusieurs réponses, à condition que le périmètre soit assumé.

Construire vite ne donne pas automatiquement l'autorisation de publier ou de modifier un système partagé. Le prototype et le produit en service portent des responsabilités différentes.

Le livrable réussi ne montre pas tout ce qui a été appris

Dans la ludothèque fictive, le PM peut obtenir une synthèse claire sans savoir expliquer certains regroupements. Il a alors une sortie à examiner, pas encore la preuve qu'il sait conduire seul l'analyse. L'enjeu d'apprentissage dépend de ce qu'il doit pouvoir assumer ensuite.

S'il utilise l'assistant pour un travail ponctuel, savoir retrouver les demandes, vérifier les conclusions et corriger un regroupement peut être un objectif raisonnable. S'il doit rendre ce processus réutilisable par d'autres, il faut aussi comprendre ses entrées, les cas qui résistent et le travail de maintien.

La qualité de l'artefact et la compétence de la personne sont liées sans être identiques. Une production obtenue avec une aide importante peut être utile ; cette aide doit rester visible dans le bilan. À l'inverse, faire chaque opération à la main ne prouve pas que le raisonnement est juste.

« Montrer ce qu’un projet prouve vraiment » permet de présenter ces contributions et leurs limites. Le dossier ne cherche pas à disqualifier l'assistance : il précise ce qu'elle a rendu possible et ce que la personne a effectivement exercé.

Porter le comportement livré change la vérification

La fonction destinée aux utilisateurs ajoute une autre question : comment se comporte le service lorsqu'il reçoit une demande nouvelle, une information absente ou une entrée ambiguë ? Le PM ne peut plus se limiter à juger sa propre séance de travail.

Pour l'assistant fictif de la ludothèque, une réponse plausible sur un jeu ne suffit pas. Le parcours doit rendre visible si la disponibilité est connue, incertaine ou à confirmer. Il faut aussi définir qui peut modifier cette information et ce que la personne peut faire lorsqu'une réponse paraît fausse.

Ce travail peut demander des cas d'essai, des retours d'usage et des contrôles techniques. Le PM n'a pas à tout réaliser personnellement. Il doit pouvoir discuter les critères, comprendre la portée des vérifications et retrouver les questions qui restent sans réponse.

Une réussite en démonstration n'autorise donc pas à annoncer une qualité générale. Plusieurs réponses correctes sur des cas choisis ne disent pas ce qui arrivera dans toutes les situations. L'apprentissage porte aussi sur la façon de construire cette preuve progressivement, avec les personnes compétentes.

La profondeur technique suit la décision à porter

Un PM qui choisit la place de l'aide dans un parcours n'a pas la même question immédiate qu'une équipe qui fournit un service de modèles à plusieurs produits. Cela ne crée pas une échelle de valeur entre les personnes. Cela change les interfaces, les utilisateurs et les conséquences à comprendre.

Dans le premier cas, il faut notamment discuter ce que l'utilisateur voit, corrige ou confirme. Dans le second, il faut comprendre ce que les équipes clientes peuvent faire avec la brique, ses limites et les conditions de fonctionnement. Un même produit peut réunir ces deux perspectives.

La bonne question n'est pas « combien de technique faut-il apprendre ? » de manière abstraite. Elle devient : quelle décision resterait mal comprise sans ce savoir, et avec qui peut-on l'examiner ? On peut avoir besoin de lire une trace d'exécution, sans avoir à concevoir soi-même toute l'infrastructure.

Une explication générée par l'IA peut préparer cette discussion. Elle ne prouve pas que la personne saurait reconnaître le même problème sur un autre cas. Une petite modification à expliquer ou une erreur à retrouver donne une occasion plus précise de vérifier sa compréhension.

L'organisation peut empêcher l'apprentissage attendu

Un plan individuel ne suffit pas si la personne n'a ni accès aux situations utiles ni retour sur les conséquences. Un PM qui passe toujours au projet suivant avant les premières observations ne reçoit pas les mêmes occasions d'apprendre qu'une équipe qui suit le service en usage.

Il faut donc regarder qui peut montrer les erreurs, qui connaît les exceptions et qui accepte de relire une première tentative. Ces contributions font partie du dispositif, même lorsque l'apprentissage reste personnel.

L'organisation doit également décider qui porte le résultat. Le fait qu'un designer, un ingénieur ou un responsable métier puisse construire un prototype ne répond pas à la question du mandat. « Vérifier qui porte encore le travail produit quand tout le monde construit avec l'IA » examine cette répartition.

Si le PM construit une aide pour son propre usage, il peut en être à la fois utilisateur et auteur. Dès qu'elle est partagée, d'autres besoins apparaissent : accès, information, reprise et entretien. Le changement d'échelle ne se réduit pas à distribuer le lien.

Ne pas transformer la formation en catalogue d'outils

L'outillage peut servir à apprendre un mécanisme. Il peut aussi capter tout l'effort : chaque nouveauté déclenche une prise en main, tandis que les mêmes décisions restent difficiles à expliquer.

Dans l'exemple, découvrir un nouveau générateur n'aide pas nécessairement à distinguer disponibilité connue et hypothèse. Le prochain apprentissage peut être de préparer des cas qui rendent cette différence vérifiable, puis de discuter leur couverture avec l'équipe.

« Apprendre à construire avec l'IA en partant de son expertise » propose de partir d'un terrain que l'on sait déjà juger. « Le product sense se travaille après la livraison » prolonge le travail par l'examen des conséquences. Ces chemins ne demandent pas de devenir expert de toutes les briques à la fois.

Choisir le prochain apprentissage et garder ses limites

Prendre une question que l'on doit pouvoir trancher dans son travail. Par exemple : « cette synthèse respecte-t-elle les entretiens ? », « ce parcours permet-il de reprendre une erreur ? » ou « à quel coût ce service tient-il pour les usages visés ? ».

Lister ce qu'il faut comprendre, les sources et la personne capable de discuter la réponse. Produire un petit travail inspectable, puis confronter sa lecture au résultat réel. Cela aide davantage qu'un parcours de formation choisi sur le seul intitulé « AI PM ».

La progression peut ensuite changer de direction. Utiliser l'IA dans son travail et porter un produit IA se recouvrent souvent ; distinguer les apprentissages permet surtout de ne pas croire que la pratique du premier suffit à préparer toutes les décisions du second.

Dans la bibliothèque

Des outils de la catégorie Apprentissage. Voir toute la catégorie →

À lire ensuite

Recevoir la newsletter

Des tutos, des essais et des retours bruts sur ce que je construis. Le lien pour te désabonner est en bas de chaque édition.

L’inscription se termine sur Substack, dans un nouvel onglet.