Le vice-président du design produit affirme que les équipes produit, design et ingénierie doivent disposer d’une infrastructure IA commune pour collaborer efficacement

Andy Vitale est vice-président à la fois du design produit et du Centre d’excellence en IA chez Taxwell.

Nous nous sommes entretenus avec Andy pour discuter de la manière dont le design, le produit et l’ingénierie peuvent collaborer efficacement avec l’IA. Voici ce qu’il nous a expliqué.

À la rencontre du design, de la technologie et de l’organisation

Je m’appelle Andy Vitale. Je suis un dirigeant dans le domaine du design et, au cours de la dernière décennie, j’ai conçu et lancé des produits intégrant l’IA. Aujourd’hui, je dirige le design et le Centre d’excellence en IA chez Taxwell, où nous créons des logiciels qui prennent en charge chaque année des dizaines de millions de déclarations fiscales pour plus de 90 000 professionnels de la fiscalité et 3 millions de déclarants autonomes.

Notre travail va des produits grand public, qui doivent rester simples malgré la pression financière réelle, aux outils professionnels, pour lesquels la richesse fonctionnelle et la fiabilité comptent davantage qu’un accompagnement pas à pas. Mon organisation couvre la fiscalité grand public, la fiscalité professionnelle, la plateforme commune aux deux domaines et de nouveaux secteurs produits que nous sommes encore en train de façonner. L’équipe s’organise autour de ces domaines et nous évoluons vers un modèle de développement assisté par l’IA, afin que le design travaille plus étroitement avec le produit au lieu de simplement lui transmettre son travail.

Mon parcours dans l’IA a commencé en 2015 avec le traitement automatique du langage dans le secteur de la santé chez 3M. C’était ma première véritable expérience de conception de produits fondés sur l’intelligence artificielle, et pas seulement d’interfaces. Ensuite, j’ai dirigé le design chez Rocket, ce qui m’a permis de voir comment la technologie circule au sein d’une grande organisation. Plus tard, en tant que directeur du design chez Constant Contact, j’ai vu l’IA générative commencer à transformer les possibilités offertes par les produits. Aujourd’hui, chez Taxwell, je rends nos produits plus intelligents et nos équipes plus aptes à créer avec l’IA de manière fluide.

J’ai toujours été attiré par les zones de contact — là où le design, la technologie et l’organisation se rencontrent. L’IA a fait de ces zones de contact l’élément le plus important du travail. Ce moment semble être exactement celui auquel tout mon parcours m’a préparé.

Comment établir une base commune d’IA entre les disciplines

Nous avons cessé de considérer l’IA comme une fonctionnalité à ajouter pour commencer à la considérer comme une infrastructure à construire. Au cours de l’année écoulée, le design, le produit et l’ingénierie ont collaboré pour créer une base qui permet à l’équipe d’avancer plus vite sans être moins rigoureuse.

Cela signifie disposer d’une structure commune et de dispositifs de test pour travailler avec les modèles, ainsi que d’étapes intégrant l’IA, de la conception à la validation. Nous n’avons pas besoin d’attendre pour mettre en place une manière de tester une idée avec l’IA.

La deuxième partie de ce changement est que l’équipe crée désormais ses produits avec les mêmes ressources et les mêmes outils, au lieu de concevoir à un endroit puis de transmettre le travail pour qu’il soit recréé ailleurs. Cela réduit les zones de contact où le travail est habituellement perdu ou déformé. Lorsqu’un designer travaille dans le même environnement que celui où le produit est fabriqué, la conversation ne porte plus sur les spécifications et les transmissions, mais sur le produit lui-même.

Le résultat est à la fois une plus grande rapidité et une meilleure précision, deux éléments qui sont généralement en opposition. La base commune nous permet d’avancer plus vite, car les aspects complexes sont déjà construits et réutilisables. Le fait de travailler avec les mêmes outils réduit les erreurs de traduction, puisqu’il y a moins de traductions à effectuer. L’équipe consacre son temps au discernement plutôt qu’à recréer le travail des autres.

Le résultat a été une série de lancements de produits allant de zéro à un. Une petite équipe peut désormais porter une idée de bout en bout, en passant du concept à un logiciel fonctionnel en quelques semaines plutôt qu’à travers plusieurs cycles de planification et de transmission.

Un processus de travail intégrant l’IA, du concept au logiciel

Je vais vous présenter notre processus pour faire passer une idée du concept à un logiciel fonctionnel, car c’est dans ce processus que l’IA a le plus transformé notre manière de travailler.

Tout commence par la découverte, et l’IA intervient dès la première minute. Avant que quiconque ne conçoive quoi que ce soit, nous utilisons l’IA pour rassembler les connaissances existantes sur le problème, les tendances issues des recherches et des données d’assistance, les tentatives précédentes et les scénarios fiscaux pertinents. Au lieu de partir d’une page blanche, l’équipe commence avec une vision de synthèse sur laquelle réagir et qu’elle peut mettre à l’épreuve.

Lorsque nous précisons l’idée, nous utilisons des utilisateurs synthétiques pour l’idéation. Créés à partir de nos recherches comportementales, ces utilisateurs nous permettent d’explorer la manière dont différents types de déclarants pourraient réagir à une approche avant de nous y engager. Il s’agit d’un outil d’idéation qui élargit les orientations que nous envisageons et nous aide à repérer rapidement les points faibles de notre réflexion, et non d’un substitut aux utilisateurs réels par la suite.

Ensuite, nous passons à la construction, qui correspondait autrefois à l’étape de transmission. Comme je l’ai mentionné, nous développons directement le concept dans des ressources et des outils communs, le même environnement que celui dans lequel nous construisons le produit, plutôt que de concevoir à un endroit et de rédiger des spécifications pour que quelqu’un d’autre le recrée. Un designer peut rapidement créer un prototype réel et fonctionnel, et pas seulement son image. C’est important, car nous raisonnons désormais sur le comportement réel du produit, et non sur une représentation de celui-ci.

Ensuite, nous validons avec des retours réels. Nous utilisons l’IA pour modérer les sessions de test, ce qui nous permet d’en mener bien davantage, de manière plus cohérente, qu’avec un calendrier modéré par des humains. Des retours peu coûteux et rapides arrivent tôt et alimentent directement le même artefact de travail, plutôt qu’une nouvelle série de spécifications. Comme la conception, le prototype et le développement utilisent tous les mêmes outils, le délai entre « nous avons appris quelque chose » et « le produit en tient désormais compte » est court. La conversation se concentre sur le produit lui-même au lieu de se perdre dans la traduction entre documents.

Tout au long du processus, une personne reste responsable du résultat. L’IA élargit les sources d’information et accélère le parcours, mais nous conservons notre jugement pour déterminer ce qui est correct, conforme et réellement utile à une personne qui déclare ses impôts dans une situation de stress réel. Dans un domaine réglementé, c’est exactement ainsi que les choses devraient se passer.

Par conséquent, une petite équipe peut faire passer une idée d’un concept rudimentaire à un logiciel fonctionnel en quelques semaines, en éliminant les pertes liées à la traduction et les temps d’attente qui se produisaient auparavant entre les différentes étapes.

Pourquoi l’IA est responsable du chemin vers une décision, mais pas de la décision elle-même

Nous comptons le plus sur l’IA pendant les phases de travail exploratoire, lorsque le coût d’une erreur est faible et que l’intérêt d’avancer rapidement est élevé.

Lors de la phase de découverte, l’IA nous aide à acquérir rapidement les connaissances nécessaires. Elle compile les connaissances existantes, identifie les tendances dans les données issues des recherches et de l’assistance, et nous donne une longueur d’avance pour comprendre un problème, au lieu de partir de zéro.

Lors de l’expérimentation et du prototypage, l’IA nous permet de passer d’une idée à quelque chose de testable en une fraction du temps. Nous pouvons créer un prototype fonctionnel et utiliser l’IA pour modérer certains tests utilisateurs, ce qui nous permet de mener davantage de sessions, de manière plus cohérente, qu’un calendrier modéré par des humains ne le permettrait jamais.

Pour les décisions liées à l’expérience utilisateur, l’IA offre un deuxième avis rapide. Elle nous aide à éprouver les parcours, à examiner les données comportementales et à identifier les endroits où les utilisateurs peuvent hésiter ou abandonner. Elle élargit les sources d’information dont dispose un concepteur.

Mais la décision elle-même reste humaine, et c’est volontaire. L’IA excelle à nous dire ce qui se passe et ce qui tend à fonctionner. Elle ne décide pas de l’expérience que nous proposons à la personne de l’autre côté de l’écran. La priorisation et les jugements visant à déterminer si une expérience est bonne, honnête et respectueuse d’une personne qui déclare ses impôts dans une situation de stress réel restent de notre ressort.

Je le conçois ainsi : l’IA élargit les sources d’information et accélère le chemin vers une décision. Elle ne prend pas les décisions qui exigent du discernement, de la responsabilité ou de l’attention envers la personne pour laquelle nous concevons.

Andy Shares

Nous comptons le plus sur l’IA pendant les phases de travail exploratoire, lorsque le coût d’une erreur est faible et que l’intérêt d’avancer rapidement est élevé. Je le conçois ainsi : l’IA élargit les sources d’information et accélère le chemin vers une décision. Elle ne prend pas les décisions qui exigent du discernement, de la responsabilité ou de l’attention envers la personne pour laquelle nous concevons.

Comment les avantages de l’IA révèlent également les faiblesses

Le résultat positif le plus évident est la rapidité. Nous avons lancé toute une série de produits et de fonctionnalités de zéro à un au cours d’une seule saison fiscale, alors qu’il aurait auparavant fallu bien plus de temps pour les mettre en place, notamment un connecteur Claude personnalisé que nous avons déployé en quelques jours plutôt qu’en quelques mois. Les tests modérés par l’IA nous ont permis de mener bien davantage de sessions et de les mener de manière plus cohérente qu’avec des modérateurs humains seuls. Nous avons ainsi pu prendre plus tôt des décisions fondées sur davantage de données.

Mais avancer rapidement a révélé toutes les faiblesses de notre processus. Sans les garde-fous appropriés, la vitesse a entraîné du travail supplémentaire, et le rythme a beaucoup sollicité l’équipe. L’IA a accéléré nos points forts et rendu nos lacunes plus visibles.

Le véritable résultat, que je veux faire comprendre aux autres dirigeants, est que les équipes qui ont obtenu de bons résultats disposaient déjà de bases solides. L’IA est un accélérateur. Elle récompense les bons processus et révèle les lacunes ; par conséquent, il est désormais encore plus important de consolider ces bases.

Pourquoi l’IA rencontre des difficultés dans les scénarios de produits complexes

L’IA a surtout montré ses limites dans la zone intermédiaire et désordonnée du travail, c’est-à-dire entre un prototype prometteur et quelque chose que l’on peut déployer en toute confiance.

Elle excelle réellement à vous aider à obtenir rapidement une première version. En revanche, elle ne permet pas de franchir la dernière étape. Plus vous vous éloignez d’un problème clair et bien défini, plus le travail revient aux équipes. Les cas particuliers, les situations fiscales complexes qui s’écartent du parcours habituel et les décisions nécessitant du discernement quant à ce qui est correct et conforme exigent toujours le même effort humain qu’auparavant.

C’est là la véritable limite. Votre vitesse est limitée par la partie la plus lente de votre processus. La rapidité initiale est bien réelle, mais elle ne se cumule pas comme prévu, car le reste du système n’évolue pas au même rythme.

Pourquoi l’IA fonctionne mieux comme partenaire de réflexion

D’après mon expérience, l’IA apporte le plus de valeur lorsqu’elle est considérée comme un partenaire de réflexion, et non comme une machine à fournir des réponses.

Dans un domaine comme le nôtre, la précision et la responsabilité ne sont pas facultatives. La valeur ne réside donc pas dans le fait de générer une réponse puis de passer à autre chose. Elle consiste à utiliser l’IA pour parvenir plus rapidement à une réponse mûrement réfléchie.

Lorsque nos équipes l’utilisent pour explorer différentes options, mettre leurs réflexions à l’épreuve et avancer plus rapidement sur les aspects qu’elles maîtrisent déjà, elle agit comme un véritable multiplicateur.

Andy partage

Dans un domaine comme le nôtre, la précision et la responsabilité ne sont pas facultatives. La valeur ne réside donc pas dans le fait de générer une réponse puis de passer à autre chose. Elle consiste à utiliser l’IA pour parvenir plus rapidement à une réponse mûrement réfléchie.

Pourquoi les responsables produit doivent gérer la manière dont les utilisateurs accueillent un produit d’IA

Le plus difficile dans le lancement d’un produit d’IA n’est pas la technologie, mais la manière dont les gens l’accueillent.

Mon premier produit d’IA, en 2015, concernait la suggestion automatique de codes médicaux dans le secteur de la santé. Le système lisait la documentation clinique et suggérait les bons codes, une tâche que les codeurs médicaux professionnels avaient toujours effectuée manuellement. Je me suis concentré sur la précision des suggestions. J’ai sous-estimé la question que les codeurs eux-mêmes se posaient discrètement : Est-ce là pour me remplacer ?

Cette crainte façonne tout, que vous la preniez en compte ou non. Elle se manifeste par de la résistance, une absence d’adoption silencieuse, ou encore par des personnes qui font techniquement avec, tout en espérant l’échec du projet. Et cette réaction était parfaitement compréhensible.

Nous avons placé devant ces personnes un outil qui réalisait une partie de leur travail sans expliquer au préalable ce que cela signifiait pour elles. Elles ont donc comblé ce silence par le pire scénario possible. J’ai appris qu’on ne peut pas surmonter cette crainte en ajoutant des fonctionnalités. Aucun niveau de précision ne répond à la question qu’elles se posent.

J’ai tiré cette leçon pour tous les produits d’IA qui ont suivi. Il faut introduire le changement et expliquer sa signification au même moment. La question technologique est la plus simple. C’est la dimension humaine qui détermine la réussite ou l’échec de ces projets.

Pourquoi les systèmes de conception doivent être entièrement repensés

Si votre système de conception n’existe que dans un fichier de conception, chaque génération produite par l’IA dans l’entreprise sera légèrement éloignée de votre identité de marque, et quelqu’un devra la mettre en conformité plus tard. Ce travail de rapprochement est le nouvel impôt que les équipes paient discrètement lorsqu’elles ne prennent pas les devants.

Il faut donc repenser le système de conception : ne plus le considérer comme un document de référence, mais comme un artefact d’exécution — quelque chose qui vit au sein même des outils qui produisent le travail.

Cela va au-delà d’une bibliothèque de composants. Il s’agit de conditionner les jetons de conception et les composants afin que les outils et les équipes puissent les intégrer directement au code, les distribuer sous forme de packages utilisables et les associer à des compétences et à des bonnes pratiques — les règles et le contexte dont un outil d’IA a besoin pour utiliser correctement le système. Lorsque les normes, les composants et le savoir-faire se trouvent là où le travail est réalisé, la marque est présente dès la première consigne au lieu d’être ajoutée à la fin.

Lorsque vous faites les bons choix, vos normes de conception sont intégrées à tout ce que l’entreprise commercialise, quelle que soit la personne qui l’a produit ou l’outil utilisé. Le système cesse d’être quelque chose que l’on consulte après coup et encadre discrètement la qualité à grande échelle.

Pourquoi les CPO doivent faire le travail eux-mêmes

Mon conseil est simple. Impliquez-vous. Faites le travail vous-même, dès maintenant, de vos propres mains.

De nombreux dirigeants confient instinctivement l’IA à leurs équipes, attendent que les bonnes pratiques émergent, puis définissent une orientation en fonction de ce qu’ils apprennent. Cette approche a fonctionné lors des transformations précédentes. Elle ne fonctionne pas pour celle-ci. Le rythme est trop rapide, et l’écart entre ceux qui utilisent les outils et ceux qui en discutent se creuse chaque semaine. Si vous préconisez des outils que vous n’avez jamais ouverts, tout le monde dans la pièce s’en rend compte.

Je passe une grande partie de ma semaine à utiliser concrètement ces outils, en partie parce que j’apprécie réellement ce travail, mais surtout parce que je suis convaincu qu’on ne peut pas diriger de manière crédible une équipe à travers un changement que l’on se contente d’observer. En construisant avec ces outils, vous découvrez ce qui est réel et ce qui relève du battage médiatique. Vous gagnez la légitimité nécessaire pour définir une orientation et prendre de bien meilleures décisions quant aux domaines où l’IA a sa place et à ceux où elle ne l’a pas.

Alors, cessez de considérer cela comme quelque chose à déléguer et à étudier à distance. Consacrez un temps réel à ce travail. Mettez en production quelque chose de simple. Constatez ce qui fonctionne et ce qui bloque. Les dirigeants qui prendront de l’avance seront ceux qui s’impliqueront dans ce moment, et non ceux qui attendront qu’il se stabilise.

Suivez son travail

Vous pouvez suivre le travail d’Andy Vitale sur andyvitale.com et sur LinkedIn.

D’autres entretiens avec des experts sont à venir sur The CPO Club !