La directrice produit et fondatrice native de l’IA explique comment gérer intelligemment une feuille de route avec l’IA

Tara Sakhuja est la directrice des produits de Luv or Pop et la fondatrice d’une entreprise native de l’IA appelée Data Dumpling. Avant d’occuper ces fonctions, elle a travaillé dans le domaine des produits pour des entreprises comme Meta et Bumble.

Nous nous sommes entretenus avec Tara pour comprendre comment elle transforme ses flux de travail de PM grâce à l’IA. Elle a notamment partagé l’un des plus grands pièges auxquels sont confrontées les personnes qui développent des produits d’IA.

Des produits intelligents, conçus intelligemment

Je suis Tara Sakhuja. J’évolue à l’intersection de l’IA, de la stratégie produit et du comportement humain.

Je suis la fondatrice et CEO de Data Dumpling, une plateforme d’IA qui aide les entreprises à comprendre qui sont leurs clients, quels signaux comptent et où leurs équipes doivent concentrer leurs efforts. Je suis également directrice des produits chez Luv or Pop, où nous repensons les rencontres et les communautés en ligne grâce à l’une des émissions les plus virales au monde, Pop the Balloon or Find Love with Arlette Amuli.

Auparavant, j’ai passé dix ans à concevoir des produits chez Meta, puis chez Bumble, en travaillant dans les domaines de la publicité, du commerce, de la messagerie professionnelle, de l’intégrité, de la confiance et des systèmes d’apprentissage automatique.

Une seule question relie toutes ces expériences : comment concevoir des systèmes qui aident les gens à prendre de meilleures décisions ?

Chez Meta, j’ai conçu des systèmes fonctionnant à l’échelle de milliards d’utilisateurs. Chez Bumble, je me suis concentrée sur la sécurité, la confiance et l’impact de l’IA sur des expériences profondément humaines. Aujourd’hui, en tant que fondatrice, je conçois des produits natifs de l’IA à partir des principes fondamentaux.

Nous entrons dans l’une des plus grandes transformations du développement produit depuis l’avènement du mobile. Le plus grand changement n’est pas que les produits deviennent intelligents. C’est la manière dont nous concevons les produits, qui doit elle aussi devenir intelligente.

La prochaine génération de produits

Data Dumpling est native de l’IA. Elle relie les informations de l’entreprise, les comités d’achat, les signaux relationnels et l’intention en temps réel, afin d’aider les équipes à identifier leurs opportunités les plus précieuses et à comprendre quelle action entreprendre ensuite. Nous travaillons avec des entreprises des secteurs des technologies d’entreprise, du conseil et de l’industrie, en aidant les équipes commerciales à passer de listes statiques et de recherches manuelles à des systèmes de décision pilotés par l’IA.

Chez Luv or Pop, je dirige la stratégie produit d’une plateforme sociale grand public qui réinvente les rencontres grâce à la confiance, à l’identité et à la communauté. Nous avons atteint plusieurs dizaines de milliers d’utilisateurs aux États-Unis, au Royaume-Uni, au Canada et dans certaines régions d’Afrique, en concevant des systèmes de vérification, de mise en relation et de connexion humaine authentique.

Bien que les produits semblent très différents, leur philosophie produit sous-jacente est la même : la prochaine génération de produits ne se contentera pas d’aider les gens à accomplir davantage de tâches. Elle les aidera à prendre de meilleures décisions.

Qu’il s’agisse d’aider une équipe GTM à trouver son prochain client ou d’aider quelqu’un à nouer une relation significative, le défi consiste à concevoir une technologie qui amplifie le jugement humain.

Comment l’IA permet aux équipes plus petites d’atteindre une grande rigueur produit

L’un des plus grands changements pour moi est la manière dont l’IA a accru le levier opérationnel des petites équipes produit.

Lorsque je travaillais chez Meta, nous disposions d’une infrastructure importante pour la prise de décision. Des équipes dédiées, des plateformes d’expérimentation matures, des tableaux de bord, des scientifiques des données, des chercheurs et des analystes aidaient les équipes produit à comprendre le comportement des utilisateurs et à prendre de meilleures décisions.

Historiquement, seules les entreprises comptant des centaines ou des milliers de collaborateurs pouvaient atteindre ce niveau de rigueur produit. L’IA est en train de changer cela.

Même avec mes équipes plus petites, nous utilisons largement l’IA pour comprendre les interactions des utilisateurs et orienter nos prochains axes prioritaires.

Nous connectons nos données produit à Claude et utilisons des outils comme Mixpanel pour comprendre le comportement des utilisateurs. Auparavant, une petite équipe consacrait beaucoup de temps à créer des tableaux de bord, rédiger des requêtes et analyser manuellement les tendances avant de s’attaquer à la question produit. Désormais, nous pouvons dialoguer avec nos données.

Ainsi, lorsque nous lançons une nouvelle fonctionnalité ou une campagne, nous pouvons rapidement comprendre :

• Quels segments d’utilisateurs réagissent ?
• À quel endroit les utilisateurs abandonnent-ils ?
• Quels comportements sont corrélés à la fidélisation ?
• Que devrions-nous tester ensuite ?

Cela ne signifie pas que l’IA prend la décision à notre place. Elle change la façon dont nous consacrons notre temps.

Le rôle humain ne consiste plus à extraire les données, mais à poser de meilleures questions.

Un modèle peut identifier l’évolution d’une métrique, segmenter cette évolution et suggérer des explications possibles, mais en définitive, le jugement humain en matière de produit permet réellement de déterminer quelles hypothèses sont crédibles, si cette évolution est importante et quelle doit être la prochaine étape.

Comment le prototypage rapide change la conversation

L’IA réduit la distance entre une idée et les retours réels des clients.

Nous utilisons largement l’IA au début du développement produit. Plutôt que de commencer par un document de conception rédigé, nous codons désormais rapidement des prototypes et des expériences interactives avec l’aide de l’IA, afin que l’équipe puisse se faire une idée du produit avant d’engager des ressources d’ingénierie.

Cela a amélioré la qualité des conversations que nous avons en interne comme en externe.

Une idée de produit peut sembler excellente dans un document, mais dès que quelqu’un interagit avec elle, on remarque des éléments qui seraient autrement passés inaperçus : les frictions rencontrées par les utilisateurs, les réactions émotionnelles, les parcours déroutants ou encore les hypothèses qui ne tiennent pas.

Nous soumettons rigoureusement les prototypes à des tests de résistance, recueillons les retours, itérons, puis passons seulement ensuite au développement complet.

C’est particulièrement important, car l’IA facilite également la création de choses impressionnantes qui ne répondent pas à des problèmes significatifs. Par exemple, chez Data Dumpling, nous avons expérimenté des profils synthétiques de clients, car nous disposions d’informations détaillées sur les entreprises, les acheteurs et les décideurs. Nous pouvions simuler la manière dont différents profils seraient susceptibles de réagir à des messages ou à des campagnes. Techniquement, c’était l’une des choses les plus intéressantes que nous ayons créées. Mais nos clients n’en avaient pas besoin.

Les réflexions de Tara

Nous soumettons rigoureusement les prototypes à des tests de résistance, recueillons les retours, itérons, puis passons seulement ensuite au développement complet. Et c’est particulièrement important, car l’IA facilite également la création de choses impressionnantes qui ne répondent pas à des problèmes significatifs.

Comment l’IA influence la découverte client et les feuilles de route

Historiquement, la découverte client était une démarche comportant une perte d’information. Un responsable produit prenait des notes, résumait les conversations, identifiait les thèmes et traduisait ces enseignements en décisions pour la feuille de route. Beaucoup dépendait de ce dont quelqu’un se souvenait ou de ce qu’il avait consigné.

J’ai repensé ce processus avec l’IA. Read AI capture chaque conversation avec un client ou un prospect, puis Claude les synthétise. Nous avons créé des compétences personnalisées qui mettent directement ces conversations en correspondance avec notre feuille de route, ce qui nous aide à comprendre quels problèmes reviennent régulièrement, quels segments de clients s’en préoccupent et comment ces demandes se rattachent aux opportunités de revenus.

À tout moment, nous pouvons comprendre non seulement combien de clients ont demandé une fonctionnalité, mais aussi l’importance du problème, les personnes qui le rencontrent et la mesure dans laquelle sa résolution permet à l’entreprise de progresser.

Par conséquent, les décisions produit s’appuient sur un système d’intelligence client mis à jour en continu, plutôt que sur un ensemble de notes statiques et de conversations ponctuelles.

Pourquoi les responsables produit doivent se méfier de concevoir des produits en fonction de ce que les modèles fondamentaux ne peuvent pas faire

Si vous créez des produits d'IA, vous devez comprendre à quelle vitesse les modèles fondamentaux progressent. L'année dernière encore, l'une des premières fonctionnalités d'IA que nous avons développées chez Data Dumpling concernait la génération de contenu. À l'époque, générer des messages de prospection très contextualisés à l'aide des informations sur les entreprises semblait constituer un véritable avantage concurrentiel.

À la fin de l'année, les modèles avaient considérablement amélioré leur capacité à comprendre les images, les liens et le contexte long, ainsi qu'à générer du contenu de haute qualité immédiatement disponible. Ce qui semblait initialement différenciant est devenu très rapidement un standard incontournable.

Je pense qu'il est dangereux de créer des produits dont la valeur principale repose sur ce que le modèle ne peut pas faire aujourd'hui. Nous nous concentrons plutôt sur la conception de solutions fondées sur les flux de travail des clients, les données propriétaires et des systèmes qui gagnent en valeur au fil du temps.

Pourquoi les responsables produit doivent expérimenter, tout en sachant prendre des décisions

Mon conseil est simple : soyez curieux, mais sachez prendre des décisions.

De nouveaux modèles, outils et fonctionnalités apparaissent presque chaque semaine. Personne n'a toutes les réponses, et les équipes qui apprennent le plus vite sont celles qui sont prêtes à expérimenter.

Commencez par une partie lente, répétitive ou frustrante de votre processus de développement produit. Essayez différents outils d'IA. Voyez ce qui améliore réellement le travail de votre équipe. Mesurez l'impact, conservez ce qui fonctionne et n'ayez pas peur d'abandonner ce qui ne fonctionne pas.

Dans le même temps, il est actuellement tentant de tout reconstruire simplement parce que l'IA existe. Ce n'est pas la bonne approche.

Si un processus fonctionne déjà bien, l'IA n'y a pas forcément sa place. L'IA doit résoudre de vrais problèmes, et non en créer de nouveaux.

Par ailleurs, toutes les décisions ne doivent pas être automatisées. Chez Data Dumpling, bien que l'IA automatise une grande partie de la détection des prospects, de la cartographie du comité d'achat et de l'analyse des signaux d'intention, nous concevons l'ensemble de notre flux de travail autour d'une intervention humaine. L'IA est exceptionnelle pour faire émerger des opportunités, relier les signaux et hiérarchiser les domaines auxquels consacrer son attention. Mais une personne prend toujours la décision finale, qu'il s'agisse de poursuivre un compte, de modifier une stratégie ou de décider comment agir face à un signal d'achat complexe.

Il s'agit d'un choix de conception délibéré. L'objectif n'est pas de remplacer le jugement. Il est de fournir aux personnes un meilleur contexte afin qu'elles puissent prendre de meilleures décisions.

En définitive, la réussite à l'ère de l'IA ne vient pas de l'utilisation du plus grand nombre d'outils. Elle vient de la capacité à savoir où l'IA crée un effet de levier et où le jugement humain reste essentiel.

Suivez son actualité

Vous pouvez suivre le travail de Tara Sakhuja sur LinkedIn et Instagram. Découvrez également Data Dumpling et Luv or Pop.

D'autres entretiens avec des experts seront bientôt disponibles sur The CPO Club !