Le CPO d’une entreprise technologique affirme que les responsables produit posent les mauvaises questions — et passent à côté des plus grandes opportunités

Emrecan Dogan est CPO chez Glean. Il a également occupé des postes de direction produit chez Stripe et LinkedIn.

Nous avons échangé avec lui pour comprendre comment la perspective des chefs de produit doit évoluer avec l'IA. Selon lui, la plupart des équipes considèrent encore l'IA comme une simple fonctionnalité — et c'est une erreur.

L'IA est une opportunité pour créer des systèmes sensibles au contexte

Je suis Emrecan Dogan, Chief Product Officer chez Glean. Je supervise le produit, la science des données, les opérations produit et les programmes techniques, et je m'attache à aider les équipes à s'appuyer réellement sur l'IA dans leur travail quotidien.

Mon parcours s'est toujours situé à l'intersection des systèmes, du jugement produit et de l'échelle. Avant Glean, j'ai occupé des rôles de direction produit chez Stripe et LinkedIn. J'ai également travaillé dans des startups et dans l'investissement, ce qui m'a permis d'observer en première ligne comment les changements de plateforme s'opèrent et à quelle vitesse les hypothèses produits peuvent être remises en question lorsqu'une nouvelle technologie devient viable.

L'IA m'a autant captivé parce qu'il ne s'agit pas d'une nouvelle vague de fonctionnalités. Elle change la nature même du produit. Pendant des années, les logiciels ont surtout aidé les utilisateurs à naviguer dans des systèmes d'enregistrement. Mais l'IA nous donne l'opportunité de bâtir des systèmes qui comprennent le contexte, raisonnent à travers les outils et aident les gens à passer de l'intention à l'exécution. En tant que leader produit, c'est cette transformation qui m'intéresse le plus.

Emrecan partage

Pendant des années, les logiciels ont surtout aidé les utilisateurs à naviguer dans des systèmes d’enregistrement. Mais l’IA nous donne l’opportunité de bâtir des systèmes qui comprennent le contexte, raisonnent à travers les outils et aident les gens à passer de l’intention à l’exécution. En tant que leader produit, c’est cette transformation qui m’intéresse le plus.

Le défi de concevoir des outils à la fois larges et précis

Mon organisation construit de l'IA pour le travail en entreprise à grande échelle et sécurisé : recherche d'entreprise, assistants proactifs, agents, et la couche de contexte qui permet à ces expériences de comprendre les personnes, les connaissances, les outils et les autorisations d'une entreprise.

Le produit est fondamentalement horizontal. Nous concevons pour tous les départements et toutes les équipes de l'entreprise — des produits et de l'ingénierie, à la vente et au support, en passant par l'IT, les RH, la finance, le juridique et plus encore. Tous partagent le même besoin : aider les gens à prendre des décisions et à accomplir leur travail dans un environnement fragmenté d'applications, de documents, de conversations et de systèmes.

Nous livrons cela sous forme de plateforme SaaS d'entreprise, conçue pour fonctionner à travers un ensemble large et complexe de systèmes, tout en restant profondément consciente des autorisations, fiable, et intégrée aux flux de travail quotidiens des utilisateurs. Le défi — et l'opportunité — consiste à bâtir quelque chose qui soit utile à l'ensemble de l'entreprise, tout en étant pertinent et précis pour le contexte spécifique de chaque équipe.

Comment l'IA transforme les produits de fonctionnalités en flux de travail

Nous ne définissons plus le produit principalement comme un ensemble de fonctionnalités isolées. Nous le définissons comme un flux de travail de bout en bout.

Il y a un an, beaucoup d'équipes, y compris la nôtre, raisonnaient encore en termes de « Où vit cette fonctionnalité ? » ou « Quelle page doit gérer tel cas d'usage ? » L'IA nous a poussés à poser une question différente : « Comment l'utilisateur accomplit-il sa tâche de l'intention au résultat ? »

Ça semble subtil, mais cela change tout. Ça modifie la portée, les indicateurs, l'évaluation, l'expérience utilisateur, et même la façon dont les équipes sont organisées.

Ma conviction originale : la plupart des équipes sous-estiment encore la profondeur de ce changement. Elles utilisent l'IA pour ajouter une fonctionnalité à l'existant. Mais la vraie opportunité, c'est de repenser l'ensemble de la boucle du travail.

Dans de nombreux cas, la bonne question n'est plus « Où intégré cette capacité ? » mais « Quelle interface utilisateur existante doit disparaître puisque le système peut désormais accomplir le travail plus directement ? »

Comment l'IA éclaire les décisions produit pendant que les humains garantissent la confiance

J’utilise massivement l’IA pour la synthèse, l’exploration et pour accélérer mon travail. Les tâches incluent :

• Résumer les retours clients provenant de nombreux canaux
• Identifier des motifs à partir des données d’utilisation et des workflows
• Rédiger la structure d’un PRD ou formuler des options
• Explorer rapidement plusieurs directions d’UX
• Mettre à l’épreuve des hypothèses
• Créer des artefacts de premier jet pour la planification, les revues et la communication

Ce qui reste explicitement humain, c’est le jugement. Beaucoup de gens placent mal la frontière entre l’homme et la machine. La limite n’est pas que l’IA s’occupe des tâches à faible valeur et les humains de celles à forte valeur. La limite, c’est que l’IA doit faire la recherche large, la compression et la génération d’options, tandis que les humains restent responsables du goût, de la confiance et des arbitrages irréversibles.

Je n’externaliserais jamais le goût produit. Je n’externaliserais jamais les décisions d’autorisation ou de confiance. Et je ne laisserais jamais un modèle décider en dernier ressort de ce qui doit être construit, sous prétexte qu’il peut défendre plusieurs options.

Générer des options est désormais bon marché. Un jugement cohérent ne l’est pas.

Comment l’IA améliore les workflows de planification produit

Prenons notre workflow de planification produit comme exemple.

Je pourrais commencer par une question large, comme : « Aide-moi à réfléchir pour savoir si ce problème vaut la peine d’être résolu maintenant. »

À partir de là, le système rassemble les retours clients, les anciens documents internes, les signaux d’usage, les travaux de roadmap en lien, et le contexte concurrentiel. Puis j’utilise l’IA pour synthétiser les principaux motifs, identifier les questions ouvertes et rédiger un premier cadrage produit.

Ensuite, je l’utilise pour transformer ce cadrage en artefacts plus concrets : un cahier des charges provisoire, un ensemble d’options, les dépendances, les points de lancement et les actions à répartir dans l’équipe.

Et dans la version la plus aboutie de ce workflow, l’assistant ne s’arrête pas à la rédaction. Il aide à créer ou à mettre à jour les objets sous-jacents dans les systèmes où le travail se déroule, avec un humain dans la boucle avant tout engagement.

Le workflow évolue de la recherche, à la synthèse, à l’exécution dans une boucle continue. C’est là que l’IA devient bien plus précieuse qu’un simple chatbot.

Pourquoi l’IA accélère le développement produit, mais met la confiance à l’épreuve

L’un des effets positifs de tout cela, c’est que le plafond est nettement plus haut.

L’IA peut compresser des workflows qui demandaient auparavant de nombreux changements d’onglet, de la synthèse manuelle et une coordination répétitive. Elle rend les équipes produit plus rapides pour passer de la question au contexte, du contexte à la décision et de la décision à l’action. Elle hausse également les attentes utilisateurs. Une fois qu’on a expérimenté un assistant capable de comprendre ses outils, son historique et ses autorisations, on ne veut plus de solutions ponctuelles qui ne répondent qu’à des questions étroites.

Ainsi, l’IA augmente très vite les possibles, mais la valeur durable du produit découle toujours de la rigueur.

Comment concevoir pour la confiance évite les pièges des produits IA

Un aspect négatif, c’est que l’IA facilite aussi la mise sur le marché de quelque chose d’impressionnant mais pas encore digne de confiance. Au début, beaucoup d’équipes surévaluent l’impact d’une démo et sous-évaluent l’évaluation, les autorisations, la fiabilité et la clarté UX sur la fonction du système. On peut créer rapidement de l’enthousiasme, mais si les résultats sont incohérents ou si le workflow casse sur la fin, les utilisateurs perdent confiance tout aussi rapidement.

La confiance ne doit pas être un rajout ultérieur. Elle fait partie du produit dès le premier jour.

Les utilisateurs posent quasi immédiatement des questions plus profondes : D’où cela vient-il ? Pourquoi cela a-t-il été fait ? Puis-je m’y fier ? Les permissions seront-elles respectées ? Que se passe-t-il si c’est faux ? Si vous ne concevez pas pour répondre à ces questions dès le départ, vous vous retrouverez à reconstruire des parties essentielles du produit plus tard.

Si je l’avais ressenti plus fortement au départ, j’aurais insisté encore plus tôt sur des citations claires, de meilleures évaluations, une meilleure visibilité de la progression et des contrôles humains plus stricts dans la boucle.

Pourquoi le système entourant l’IA compte avant tout

Emrecan Shares

L’IA excelle dans les tâches délimitées. Elle progresse dans l’exécution multi-étapes. Mais lorsqu’il s’agit de tâches ambiguës et transverses nécessitant un jugement soutenu, des objectifs évolutifs et une compréhension nuancée des parties prenantes, l’écart entre une bonne démonstration et une véritable valeur en production demeure réel.

L’IA n’a pas encore tenu toutes ses promesses en livrant de manière cohérente des flux de travail totalement autonomes et à long terme, comme beaucoup l’espéraient.

Elle excelle dans les tâches délimitées. Elle progresse dans l’exécution de tâches multi-étapes. Mais face à un travail ambigu, transversal, nécessitant un jugement constant, des objectifs changeants et une compréhension fine des parties prenantes, l’écart reste réel entre une forte démonstration et une valeur fiable en production.

L’IA déçoit également lorsque les équipes considèrent à tort que le modèle est le produit à lui seul. En réalité, la véritable valeur provient du contexte, des autorisations, de l’orchestration, de l’évaluation et de la conception réfléchie des flux de travail. Sans ce système d’accompagnement, le modèle est souvent la partie la moins différenciante.

Comment l’IA rend les équipes produit interdisciplinaires

L’IA a rendu les meilleures équipes plus interdisciplinaires. Les frontières entre le Product Management, le design, l’ingénierie, la data science et l’exploitation produit sont moins rigides, car le produit lui-même l’est aussi.

Concevoir de solides produits d’IA exige une collaboration étroite sur la conception des workflows, l’évaluation, la confiance et l’itération. Cela souligne aussi l’importance des profils capables de passer de l’expérience utilisateur au comportement du système.

Comment les responsables produits doivent s’adapter à l’évolution générée par l’IA

Voici mes recommandations :

1. Repensez vos flux de travail.
2. Traitez le contexte comme un élément fondamental du produit. Dans les produits d’IA, la différence entre une expérience magique et moyenne n’est souvent pas le modèle. C’est la capacité du système à disposer du bon contexte au bon moment et à agir dessus en toute sécurité.
3. Investissez dans l’évaluation et les infrastructures de confiance plus tôt que le réflexe ne pourrait le dicter. Les responsables produit ont l’habitude de mesurer les clics et les entonnoirs. Avec l’IA, il faut aussi instrumenter la qualité, l’ancrage, la sécurité, les autorisations et la réussite des tâches. Ce n’est pas optionnel. L’industrie continue de sous-investir sur ces sujets, car les démos récompensent la nouveauté alors que les utilisateurs recherchent la fiabilité. Inversez donc l’ordre opérationnel habituel : si votre équipe n’a pas encore construit d’outils d’évaluation, d’autorisations, de citations et de transmissions claires, vous n’êtes pas prêts à faire évoluer l’expérience, peu importe la qualité du modèle en démo.
4. Enfin, n’attendez pas la certitude. Il s’agit d’un moment propice pour apprendre en livrant, mais avec rigueur.

Suivez-nous

Vous pouvez suivre le travail d’Emrecan Dogan sur LinkedIn.

D’autres interviews d’experts arrivent bientôt sur The CPO Club !