Product Manager - L’IA travaille à ma place

26 mai 2025

productia

Voilà maintenant deux ans que j’utilise l’IA générative quasiment au quotidien. Plutôt que de m’étendre sur les promesses ou sur les grandes théories, je voulais faire une synthèse honnête de la façon dont j’en tire parti dans mon métier de product manager.

Spoiler alert : Elle ne travaille pas à ma place mais permet de gagner du temps et de la qualité.

Concrètement, j’utilise l’IA générative pour

Rédiger ou structurer des comptes rendus de réunion

Améliorer, clarifier ou enrichir des user stories et leurs critères d’acceptance

Écrire ou reformuler des règles métier, y compris en langage technique ou pseudo-code

Synthétiser des documents, des études et emails

Suggérer des exemples concrets à partir de règles ou de specs (par exemple pour lever les ambiguïtés)

Transformer des documents en données structurées

Mais au fond, au-delà de la diversité des usages, c’est la méthode qui est toujours un peu la même.

Ma méthode

Dans tous les cas, l’IA intervient comme un “miroir intelligent” : j’envoie mes notes brutes, mes brouillons, ou mes idées mal dégrossies, et je demande à l’IA de structurer, d’uniformiser, de clarifier.

Plus le prompt est précis, plus le résultat est qualitatif, mais même avec des demandes assez larges (“Améliore ce texte”, “Clarifie cette user story”), on obtient déjà une base solide qui permet d’avancer vite.

Ce qui est intéressant, c’est que le premier rendu de l’IA n’est jamais parfait, mais il a le mérite de faire ressortir tout de suite ce qui cloche : formulations bancales, zones d’ombre, angles morts.

L’IA est sans concession : si elle ne comprend pas, il y a de fortes chances que le développeur ou le stakeholder ne comprenne pas non plus. Ça oblige à expliciter, à préciser, à itérer.

C’est souvent dans les échanges successifs, en affinant petit à petit le texte ou la règle, que les vrais problèmes émergent. L’IA pose parfois des questions “bêtes” ou propose des exemples inattendus, qui mettent en lumière des points qu’on n’aurait pas forcément imaginés. C’est là, selon moi, que se trouve la vraie valeur ajoutée : non pas dans la génération d’un contenu parfait du premier coup, mais dans la capacité à accélérer la boucle de feedback, à challenger notre façon de formuler et à pointer les incohérences.

Un accélérateur, pas un remplaçant

Ce qui a changé pour moi avec l’IA générative, ce n’est pas tant le fond de mon métier, mais le rythme et la rigueur du travail quotidien.

Je gagne du temps sur la mise en forme, la correction et la structuration, ce qui me permet de me concentrer sur la vraie valeur : l’arbitrage, l’écoute, la vision produit.

L’IA ne remplace ni la réflexion, ni la prise de décision. Elle accélère les allers-retours, elle aide à éviter les malentendus et à lever les imprécisions, mais c’est toujours à moi de trancher, de contextualiser et de garder l’esprit critique.

En deux ans, je me rends compte que j’ai pris de nouveaux réflexes : je ne m’acharne plus sur une phrase mal tournée ou une spec trop longue, j’envoie à l’IA, je récupère une base, et j’affine ensuite. Je dialogue, j’itère, et ça me force à être plus clair, plus synthétique, plus lisible.

Choisir quand l’utiliser

Ça peut paraître paradoxal, mais il ne faut pas non plus en faire une habitude systématique. Parfois, j’ai juste perdu du temps, alors qu’en y allant à l’instinct, c’était plié en dix minutes.

Tout passer à l’IA, c’est risquer de rendre ses docs un peu fades, d’effacer les petites aspérités, le style, les faiblesses, les coups de gueule ou d’intuition. Or, c’est ça qui fait la différence. C’est justement parce qu’on est humain qu’on voit des trucs que l’IA ne verra jamais. C’est notre sensibilité, nos doutes, nos réflexes, nos défauts, qui font la patte d’un PM, qui donnent confiance à l’équipe !