Pourquoi l’IA oblige les responsables produit à repenser l’organisation, et pas seulement le produit

Lukas Egger est vice-président de la stratégie produit et de l’innovation chez SAP Signavio. Il est également le créateur du podcast Transformateurs de processus.

Nous nous sommes entretenus avec Lukas pour comprendre comment l’IA transforme sa manière de diriger son organisation produit, ainsi que la façon dont elle influence le produit lui-même. Voici ce qu’il nous a expliqué.

Distinguer la valeur durable du bruit

Je m’appelle Lukas Egger et je suis vice-président de la stratégie produit et de l’innovation chez SAP Signavio. Mon travail se situe à l’intersection de la stratégie produit, de la transformation d’entreprise et de l’IA, notamment autour de la manière dont les grandes organisations peuvent transformer les technologies émergentes en produits utiles, fiables et porteurs d’une réelle valeur économique.

Mon parcours jusqu’à ce moment tient moins à une unique « révélation liée à l’IA » qu’à un intérêt de longue date pour la manière dont les organisations donnent du sens à la complexité. Au début de ma carrière, j’ai travaillé dans les domaines des données, de l’analytique, des produits et de la stratégie, et je me suis de plus en plus intéressé à l’écart entre les possibilités technologiques et la réalité organisationnelle. De nombreuses idées semblent convaincantes lors d’une démonstration ou dans un prototype, mais le véritable test consiste à déterminer si elles résistent aux mécanismes d’incitation, à la gouvernance, aux flux de travail des clients, aux contraintes techniques et à l’adoption réelle.

Je réfléchis également à l’IA dans la direction produit de cette manière. L’aspect passionnant ne réside pas simplement dans la capacité des modèles à générer du texte, du code, des images ou des analyses. Le changement plus profond tient au fait que l’IA modifie la structure de coûts de la cognition au sein des entreprises. Elle réduit le coût de la création, de la comparaison, de la synthèse, de la simulation et de la coordination du travail. Cela a de profondes implications pour les équipes produit, car l’IA ne change pas seulement ce que nous pouvons construire, mais aussi la vitesse à laquelle nous pouvons tester des idées, notre compréhension des clients, la conception des flux de travail et notre définition de la valeur.

Chez SAP Signavio, je consacre beaucoup de temps à réfléchir à la manière dont l’IA peut soutenir la transformation des entreprises dans un contexte d’entreprise sérieux. Cela signifie aller au-delà des promesses génériques de productivité et poser des questions produit plus précises : quels nouveaux problèmes clients peuvent être résolus ? Quels flux de travail s’améliorent de manière significative ? Où l’IA crée-t-elle une valeur métier mesurable ? Où crée-t-elle de nouveaux risques ? Et comment pouvons-nous réduire les risques liés à l’innovation en matière d’attractivité, de faisabilité, de viabilité et d’acceptabilité organisationnelle ?

Pour les responsables produit, il s’agit d’un moment rare. L’IA n’est pas simplement une couche fonctionnelle supplémentaire. Elle nous oblige à réexaminer nos hypothèses concernant l’expérience utilisateur, la différenciation, la vitesse de livraison, les données, la confiance et le rôle même des logiciels. Le rôle de la direction produit n’est donc pas de poursuivre le cas d’usage de l’IA le plus médiatisé, mais de développer le discernement, les systèmes et les modèles opérationnels qui aident les équipes à distinguer la valeur durable du bruit.

Faciliter le changement

Pour donner un peu de contexte, mon équipe accompagne LabSpace, un environnement d’innovation important, tourné vers les clients. L’idée simple de LabSpace est de permettre aux clients professionnels de découvrir l’innovation en amont, en toute sécurité et avec un minimum de friction. Dans les logiciels B2B traditionnels, en particulier dans les domaines de l’ERP et de la transformation d’entreprise, le changement est souvent coûteux, lent et risqué sur le plan opérationnel. LabSpace réduit cet obstacle. Au lieu de demander aux clients d’opérer immédiatement un changement difficile, nous créons un espace dans lequel ils peuvent explorer ce à quoi pourrait ressembler un meilleur flux de travail futur avant de s’engager dans l’adoption, la mise en œuvre ou le déploiement à grande échelle.

Notre organisation compte deux types d’utilisateurs. En externe, les clients l’utilisent pour comprendre ce que de nouvelles fonctionnalités pourraient signifier pour leur activité. En interne, les équipes produit, d’ingénierie et d’innovation l’utilisent pour confronter rapidement leurs premières idées aux véritables retours des clients, sans transformer prématurément chaque expérimentation en engagement produit complet.

En ce sens, LabSpace est à la fois une vitrine et un système d’apprentissage. Il nous aide à tester l’attractivité, la faisabilité, la viabilité et l’adéquation organisationnelle de manière beaucoup plus concrète. L’ambition est large : nous voulons rendre l’innovation accessible à l’ensemble de la base de clients SAP Signavio, tout en offrant aux équipes internes une voie reproductible pour passer d’idées prometteuses à une orientation produit validée.

Le modèle de mise à disposition est volontairement léger. Nous n’imposons pas aux clients de suivre de lourds cycles de mise en œuvre simplement pour découvrir l’innovation. Nous créons des moyens structurés et peu risqués d’expérimenter de nouvelles fonctionnalités, de recueillir des retours et d’identifier les domaines où se trouve une véritable valeur. La philosophie produit sous-jacente est qu’un logiciel d’entreprise ne doit pas seulement aider les entreprises à changer ; il doit aussi faciliter le changement lui-même.

Comment le modèle produit se transforme avec l’IA

Nous avons récemment commencé à repenser l’équipe minimale viable pour l’innovation produit en phase initiale.

Historiquement, même parvenir à un premier concept crédible dans les logiciels d’entreprise nécessitait souvent un petit groupe pluridisciplinaire : produit, conception, ingénierie, expertise métier, et parfois un soutien en matière de données ou d’architecture. Cela avait du sens, car chaque rôle comprenait des tâches spécialisées difficiles à condenser. Mais l’IA a commencé à dissocier ces rôles en tâches présentant des niveaux d’automatisation très différents.

Au cours de l’année dernière, nous avons vu le délai entre l’idée et un concept validable par les premiers clients se réduire considérablement. Les responsables produit et les ingénieurs peuvent désormais couvrir eux-mêmes une bien plus grande partie des premières étapes de l’innovation : synthétiser les signaux des clients, générer des concepts alternatifs, créer des prototypes, explorer les cas limites, rédiger des récits et préparer des échanges plus cohérents avec les clients. Cela ne supprime pas le besoin d’expertise, de jugement ou de collaboration interfonctionnelle, mais cela change le moment — et la raison — pour lesquels ces personnes doivent intervenir.

Le résultat ne se limite pas à un gain de vitesse ou à une réduction des coûts. Le changement le plus intéressant concerne la responsabilité. De petits groupes, et dans certains cas des individus, peuvent désormais faire progresser une idée suffisamment loin pour obtenir des enseignements significatifs avant de réunir une équipe plus importante. Cela réduit les obstacles entre les rôles et donne aux personnes porteuses d’idées fortes davantage de liberté pour créer de l’impact.

À mes yeux, il s’agit de l’un des changements les plus passionnants que l’IA ait apportés au travail produit. Nous ne produisons pas simplement davantage dans l’ancien modèle. C’est plutôt la forme même du modèle qui évolue : moins de transmissions, des boucles d’apprentissage plus rapides et davantage d’autonomie pour les personnes les plus proches de l’opportunité.

Comment l’IA élargit le champ des décisions tandis que les humains décident

Je réfléchis de plus en plus moins en termes de « quelle activité produit utilise l’IA ? » qu’en termes de « quel type de décision sommes-nous en train de prendre ? »

L’IA devient très performante dans les activités informationnelles, génératives, comparatives ou réversibles. Elle soutient désormais largement les études de marché, la recherche documentaire, la synthèse des signaux des clients, les analyses concurrentielles, les premières versions de récits, l’exploration de concepts, les reformulations alternatives et même l’idéation des premiers prototypes. Dans bon nombre de ces domaines, l’IA ne rend pas seulement le travail plus rapide ; elle modifie également les attentes de base quant à la quantité de contexte qu’un responsable produit ou une équipe devrait traiter avant de prendre une décision.

Je suis beaucoup plus prudent avec les décisions qui nécessitent du jugement dans un contexte d’incertitude réelle. L’IA peut éclairer ces décisions, mais elle ne devrait pas en être responsable. La priorisation, la direction de la feuille de route, les arbitrages stratégiques, les promesses faites aux clients, la logique tarifaire, les engagements organisationnels et les paris techniques exigent toujours que les humains en assument la responsabilité. Il ne s’agit pas seulement de problèmes d’optimisation. Ces décisions impliquent des informations incomplètes, des valeurs concurrentes, des contraintes politiques, la confiance des clients, le calendrier et des conséquences que nous ne pouvons pas modéliser entièrement en amont.

En termes simples : l’IA excelle à élargir le champ des décisions. Elle peut présenter davantage d’options, de preuves, de contre-arguments, de risques et de tendances qu’une équipe ne pourrait en générer seule. Mais les humains doivent toujours décider de ce qui compte, de ce qui mérite un pari et du risque que l’organisation est prête à assumer.

Cette distinction devient encore plus importante à mesure que le contenu devient moins coûteux. Si chaque équipe peut générer des recherches soignées, des stratégies plausibles et des récits convaincants, la ressource rare n’est plus le contenu. C’est la confiance. Le leadership produit consiste donc moins à produire davantage de livrables qu’à développer le jugement, la gouvernance et la crédibilité nécessaires pour déterminer quels livrables méritent d’être mis en œuvre.

Comment l’IA peut aider les responsables produit à améliorer leur communication avec les équipes

L’un des flux de travail alimentés par l’IA que j’utilise presque chaque jour n’est pas un flux de travail produit classique, mais il a fait de moi un meilleur responsable produit : transformer une réflexion sans filtre en une communication que les autres peuvent entendre.

Le leadership produit implique de l’ambiguïté, de la tension et des retours. Il m’arrive d’avoir une réaction forte à quelque chose : une stratégie, une proposition, une réunion, une décision ou une tendance que je vois émerger. Auparavant, je transformais immédiatement cette réaction en quelque chose de soigné et diplomatique. Cela peut être utile, mais cela peut aussi vous faire perdre le signal initial.

Désormais, j’utilise souvent l’IA comme couche de traduction. Je commence par exprimer honnêtement ma réflexion brute : ce qui me frustre, ce qui ne va pas, quel est le véritable problème et quel arbitrage nous évitons. Je n’envoie cette version à personne. Il s’agit de l’analyse privée, sans filtre.

Ensuite, je demande à l’IA de m’aider à transformer cela en quelque chose d’utile pour le destinataire : un e-mail, un message Slack, un retour sur une réunion, une note de décision ou une série de questions. Le flux de travail est le suivant : réflexion brute → analyse structurée → communication adaptée au destinataire → révision humaine → message final.

L’IA ne remplace pas mon jugement ; elle m’aide plutôt à préserver la vérité du retour tout en supprimant la tension inutile. Elle me permet d’être d’abord plus honnête avec moi-même, puis plus efficace avec les autres.

Pour les responsables produit, cela compte, car leur rôle ne consiste pas seulement à disposer de la bonne analyse. Il s’agit d’aider les autres à l’entendre, à s’y engager et à agir en conséquence sans se mettre sur la défensive. L’IA est devenue utile comme passerelle entre une réaction authentique et une communication constructive.

Pourquoi le développement de produits d’IA nécessite un changement organisationnel

Le développement de produits d’IA n’est pas seulement un défi produit ou technologique. C’est aussi un défi de changement organisationnel.

Trouver un petit groupe de personnes enthousiastes à propos de l’IA n’est pas difficile. Créer des prototypes initiaux ne constitue pas non plus la partie la plus ardue. Faire fonctionner une innovation au rythme de l’IA à travers des structures d’incitation, des modèles de gouvernance, des circuits d’approbation et des processus de livraison conçus pour une autre époque du logiciel est bien plus difficile.

Nombre de ces structures existent pour de bonnes raisons. Elles protègent la qualité, la sécurité, la cohérence, la marque, la conformité et la confiance des clients. Mais l’IA modifie considérablement la vitesse, la portée et les opportunités. Certaines de ces structures peuvent donc devenir des goulets d’étranglement si les organisations ne les réexaminent pas.

Vous avez donc besoin d’un mandat non seulement pour acheter des outils, mais aussi pour former les collaborateurs ou développer des fonctionnalités d’IA. Vous avez également besoin d’un mandat pour modifier la manière dont le travail circule dans l’organisation : qui peut expérimenter, comment les décisions et les risques sont évalués, comment les retours sont intégrés et à quelle vitesse une idée peut passer de l’exploration à l’apprentissage auprès des clients.

Si j’avais compris cela plus clairement plus tôt, j’aurais consacré encore plus de temps aux fondations « peu héroïques » : les incitations, les autorisations, les modèles de revue, les boucles d’apprentissage et la confiance organisationnelle. Ce travail ne crée pas toujours un moment de lancement spectaculaire. Mais sans lui, des processus qui ne sont pas conçus pour la vitesse de l’IA peuvent facilement piéger l’innovation en matière d’IA.

Nous aurions également pu éviter une partie des frictions résultant du fait de demander aux collaborateurs d’innover avec l’IA tout en continuant à les soumettre à des contraintes opérationnelles antérieures à l’IA.

Pourquoi les responsables produit doivent repenser la circulation de la valeur

Les responsables produit doivent poser des questions difficiles : où la valeur circule-t-elle ? Quelles parties de l’offre produit restent précieuses lorsque les agents deviennent des utilisateurs ? Quels flux de travail se banalisent ? Quels goulets d’étranglement passent de la création à la vérification, à la confiance, à l’intégration et à l’adoption ? Des approches comme la cartographie de Wardley et l’analyse des flux de valeur deviennent plus importantes, car elles nous obligent à voir où le produit et l’organisation pourraient devoir évoluer, et pas seulement où l’IA peut être intégrée.

Nous avons repensé la manière dont l’innovation parvient jusqu’aux clients. Historiquement, l’innovation pouvait facilement se concentrer au sein d’une équipe spécialisée, presque comme une boutique qui réduirait les risques liés aux idées pour le reste de l’organisation. Cela peut fonctionner à petite échelle, mais l’IA modifie l’ampleur de l’opportunité. Une petite équipe d’innovation ne devrait pas mener des travaux intéressants sur l’IA pendant que tout le monde regarde. L’objectif est de faire de l’innovation une capacité organisationnelle plus largement partagée.

Cela signifie créer des systèmes dans lesquels davantage de personnes peuvent s’engager autour de nouvelles idées, les tester auprès des clients, tirer des enseignements des retours et contribuer à l’orientation du produit. En pratique, cela signifie passer de « l’innovation comme équipe » à « l’innovation comme modèle opérationnel reproductible ».

Lukas States

Le résultat est plus important que la vitesse seule. Davantage de personnes peuvent participer et valider les idées plus tôt, ce qui permet à l’organisation de distinguer plus efficacement la valeur réelle des démonstrations impressionnantes.

Le résultat est plus important que la vitesse seule. Davantage de personnes peuvent participer et valider les idées plus tôt, ce qui permet à l’organisation de distinguer plus efficacement la valeur réelle des démonstrations impressionnantes. Pour un avenir augmenté par l’IA, il pourrait s’agir de l’une des refontes les plus importantes : non pas une fonctionnalité supplémentaire, mais un système produit qui aide toute l’organisation à apprendre plus rapidement.

Pourquoi les organisations produit doivent récompenser de nouveaux comportements pour tirer le meilleur parti de l’IA

La plus grande lacune concerne la conception des incitations.

Modifier ce que l’organisation récompense est plus difficile. Les outils d’IA sont faciles d’accès et les personnes enthousiastes sont faciles à trouver. Si les collaborateurs sont toujours incités à protéger des périmètres de rôle étroits, à éviter l’expérimentation, à suivre des circuits d’approbation lents et à optimiser une livraison prévisible, alors l’adoption de l’IA restera superficielle.

L’IA crée de la valeur lorsque les collaborateurs peuvent dépasser les frontières, tester rapidement et assumer davantage la responsabilité de bout en bout. Cela nécessite une autorisation, de la confiance et des incitations adaptées à cette nouvelle manière de travailler.

La question n’est donc pas seulement de savoir si les collaborateurs utilisent l’IA. La meilleure question est de savoir si l’organisation récompense les comportements qui rendent l’IA utile.

Comment le manque de contexte peut freiner le retour sur investissement

Une grande partie de la valeur générée par les entreprises dépend de connaissances tacites : la manière dont les processus fonctionnent, les endroits où surviennent les exceptions, les transferts qui comptent, les règles qui sont formelles ou informelles, et la manière dont les incitations organisationnelles influencent discrètement les comportements. Les systèmes, la documentation ou les données ne capturent souvent pas clairement ces connaissances. Ainsi, lorsque les entreprises ajoutent l’IA, celle-ci peut sembler impressionnante au niveau de l’interface, sans pour autant atteindre le cœur de la manière dont le travail est réellement effectué.

C’est l’une des raisons pour lesquelles le retour sur investissement s’est révélé plus difficile à obtenir que beaucoup ne l’avaient prévu. L’opportunité est réelle et le coût des modèles continuera de diminuer, mais le goulot d’étranglement ne réside souvent pas dans le modèle lui-même. Il réside dans le contexte. Si l’organisation n’a pas rendu les processus, les décisions, les données et la responsabilité compréhensibles, l’IA dispose d’un pouvoir de levier limité.

Ma déception ne vient donc pas du fait que l’IA soit faible. Elle vient du fait que l’IA a révélé la quantité de connaissances organisationnelles que les entreprises n’avaient jamais correctement structurées au départ.

Lukas States

Si l’organisation n’a pas rendu les processus, les décisions, les données et la responsabilité compréhensibles, l’IA dispose d’un pouvoir de levier limité. Ma déception ne vient donc pas du fait que l’IA soit faible. Elle vient du fait que l’IA a révélé la quantité de connaissances organisationnelles que les entreprises n’avaient jamais correctement structurées au départ.

Pourquoi vous ne devriez pas greffer l’IA à un produit

Les mauvais résultats proviennent généralement du fait que l’IA est traitée comme un ajout superficiel. La version la plus évidente consiste à ajouter une interface de discussion ou de saisie d’instructions à un flux de travail existant, simplement pour montrer que l’IA est présente. Cela peut créer une fausse promesse. Une interface de saisie d’instructions suggère des capacités ouvertes, alors que les logiciels d’entreprise ont généralement besoin d’une intelligence encadrée, gouvernée et propre au flux de travail. Lorsque la surface d’utilisation de l’IA dépasse ses capacités réelles, la confiance s’érode rapidement.

Je ne considère pas l’IA comme une brique Lego que l’on peut simplement fixer à un produit. Je la vois plutôt comme le remplacement d’un joueur dans un sport collectif. Dès qu’un joueur change, la stratégie, les interactions, les dépendances et les modes de défaillance changent également. Si vous ne repensez pas le système environnant, vous pouvez obtenir une démonstration impressionnante, mais vous créez souvent davantage de complexité par la suite.

Les meilleures intégrations sont souvent les plus discrètes. L’IA aide les utilisateurs à aller plus vite, à comprendre le contexte, à prendre de meilleures décisions ou à éviter un travail inutile — sans leur demander de gérer l’IA comme une fonction distincte.

Pourquoi les produits ne sont plus conçus uniquement pour les humains

Les produits ne sont plus conçus uniquement pour des utilisateurs humains. L’IA introduit un nouveau type d’utilisateur : des agents, des automatisations et des acteurs machine qui interagissent avec les produits différemment des personnes.

Pendant des décennies, les équipes produit ont commencé par le client humain : ses objectifs, ses difficultés, ses flux de travail, son attention, sa patience et ses attentes. Cela reste essentiel. Mais, dans de nombreux contextes d’entreprise, nous concevons désormais pour un environnement mixte dans lequel les humains et les agents utilisent, interprètent et exploitent tous deux les capacités des produits.

Cela modifie des hypothèses subtiles mais importantes. Prenons quelque chose d’aussi simple que la recherche. Un temps de réponse qui semble instantané à un humain peut être trop lent pour un agent opérant au sein d’un flux de travail plus vaste. Un élément d’interface qui aide une personne à comprendre le contexte peut être sans intérêt pour un agent, tandis que les métadonnées structurées, la cohérence des API, la gestion des autorisations, la traçabilité et les sémantiques lisibles par machine deviennent plus importantes.

L’hypothèse à laquelle je renonce n’est donc pas « concevoir pour les humains ». C’est « les humains sont les seuls utilisateurs importants ». L’IA ajoute un nouveau type d’utilisateur avec des contraintes différentes : rapidité, fiabilité, composabilité, observabilité et accès au contexte.

Trois conseils pour les responsables produit qui mettent en œuvre l’IA

Voici mes conseils aux responsables produit :

1. Ne considérez pas l’IA comme un simple exercice d’approvisionnement. Acheter des outils, ajouter des copilotes ou déployer des agents ne constitue pas la transformation. La transformation consiste à comprendre comment l’IA modifie la décomposition du travail, les limites entre les rôles, les transmissions au sein du flux de travail et la manière dont la valeur est créée pour les clients.
2. Privilégiez l’efficacité avant l’efficience. L’IA ne devrait pas seulement réduire les efforts ; elle devrait aider les équipes produit à résoudre des problèmes qui étaient auparavant trop lents, trop coûteux ou trop complexes à traiter. La question ne devrait pas seulement être : « Pouvons-nous faire cela à moindre coût ? » Elle devrait être : « Pouvons-nous désormais créer un meilleur résultat qui était auparavant hors de portée ? »
3. Mesurez des résultats fiables, et non l’activité liée à l’IA. Compter les invites, les jetons, les copilotes, les agents ou les prototypes peut facilement se transformer en simulacre de productivité. Les responsables produit devraient plutôt se demander : Le client a-t-il obtenu de la valeur plus rapidement ? Le flux de travail s’est-il amélioré ? Le temps de cycle, la qualité, les risques, la conformité ou l’expérience client ont-ils évolué dans la bonne direction ? Avons-nous pris une meilleure décision ou avons-nous simplement produit davantage d’artefacts ?

En résumé : l’IA devrait pousser les responsables produit à devenir plus ambitieux, et pas simplement plus efficaces. L’occasion ne consiste pas à ajouter une intelligence au système existant. Elle consiste à repenser le système afin que l’intelligence puisse créer une valeur responsable, mesurable et durable.

Suivez son actualité

Vous pouvez suivre le travail de Lukas Egger sur LinkedIn et X. Découvrez également son podcast, Transformateurs de processus.

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