Devenir PM à l'ère de l'IA 04 | Juger « faut-il le faire » coûte désormais plus cher que « peut-on le faire »

Commençons par un jugement qu’on devrait pouvoir faire les yeux fermés — et qui a pourtant été pris à l’envers.

Entre février et juin 2025, METR a mené une expérience randomisée contrôlée, du même niveau de rigueur qu’un essai clinique pour un médicament. 16 développeurs chevronnés, cinq ans d’expérience en moyenne, ayant soumis des milliers de commits sur les projets qu’ils maintiennent eux-mêmes, ont accompli 246 tâches réelles avec l’outil d’IA le plus puissant de l’époque. Avant, ils pensaient que l’IA leur ferait gagner 24 % de temps ; une fois terminé, ils croyaient encore en avoir gagné 20 %. Mesure faite : ils avaient été 19 % plus lents.

Remarquez ce qui a été mal jugé ici — pas une stratégie compliquée, mais « l’IA m’a-t-elle vraiment rendu plus rapide ? », le jugement le plus simple qui soit, porté sur le code qu’ils connaissent le mieux, sur les projets qu’ils connaissent le mieux. Les plus experts, à l’instinct, ont jugé à l’envers.

Cette histoire n’a pas grand-chose à voir avec la rapidité de l’IA. Là où elle touche vraiment juste, c’est ici : quand « fabriquer » devient rapide et bon marché, ce à quoi vous pouvez le moins vous fier, c’est à l’instinct. Or le product manager, chaque jour, fait à l’instinct un jugement bien plus coûteux — cette chose-là, faut-il la faire ?

1. Cessez de prendre « est-ce difficile à faire » pour un filtre

Avant, quand vous triiez vos idées, un filtre naturel montait la garde à votre place : l’ingénieur disait « celui-là, c’est trois itérations », vous pesiez le rapport coût/bénéfice, et le plus souvent vous le laissiez tomber. La difficulté de réalisation tuait pour vous une masse de choses « envie de faire, mais pas la peine » — vous pensiez décider vous-même, alors qu’en réalité la moitié de la décision était prise par la difficulté.

Aujourd’hui, l’IA dit « celui-là, je te le sors cet après-midi ». Le filtre a disparu. Le résultat, ce n’est pas que vous réussissez plus de bonnes choses, c’est que vous mettez cinq fonctionnalités en ligne d’un coup, dont quatre que personne n’utilise. Marty Cagan le disait sans détour en 2026 : l’IA n’a pas résolu le problème du « quoi faire », elle permet juste à l’entreprise de produire plus vite un tas de choses dont personne ne veut — la même feuille de route médiocre, mais qui tourne plus vite.

Le premier geste est donc contre-intuitif : rayez de vos critères de décision « peut-on le faire, combien de temps ça prend ». La réponse est désormais toujours « oui, et très vite », elle n’apporte plus la moindre information pour trier vos idées.

2. Avant de vous lancer, demandez « qu’est-ce qui arrive si on ne le fait pas »

Une fois que réaliser est devenu gratuit, la question la plus facile à oublier est celle prise à l’envers : cette chose-là, qu’est-ce qui arrive si on ne la fait pas ?

Supposons qu’on ne fasse pas cette « recommandation intelligente » dans cette itération, qu’est-ce qui se passe ? Qui en serait réellement affecté, et à quel point ? Y a-t-il des gens qui partiraient faute de l’avoir ?

Si, après avoir répondu honnêtement, vous constatez que « ne pas le faire ne change rien », alors c’est la réponse — ça n’a pas sa place dans cette itération. Cette question est utile parce qu’elle contourne la tentation du « c’est jouissif à faire, et l’IA me le sort en un après-midi » pour vous mettre directement face à la valeur. Qu’une fonctionnalité tienne ou non sur un « ne pas la faire causerait un problème » compte bien plus que la vitesse à laquelle on la fabrique.

3. Avant de vous lancer, écrivez « ce qui, une fois fini, deviendra vrai »

Cagan dit que ce que le product manager possède vraiment, ce sont deux choses : le why (pourquoi ce problème mérite d’être résolu) et le what (une fois fini, ce qu’on s’attend à voir devenir vrai). La seconde doit se condenser, avant la moindre ligne de code, en une phrase réfutable.

Une fois ce nouvel onboarding en ligne, on s’attend à ce que la rétention des nouveaux utilisateurs à la première semaine passe de 35 % à plus de 45 % ; si rien ne bouge au bout de deux semaines, c’est qu’on s’est trompés, et on le supprime.

Si vous n’arrivez pas à écrire cette phrase, c’est que vous ne savez en fait pas pourquoi vous voulez le faire. Si vous y arrivez, vous tenez une règle de mesure : mesurez à l’aune de l’attente que vous avez posée vous-même à l’avance et qui peut vous donner tort, pas à l’aune de « est-ce que le patron aime » ou « est-ce que les concurrents l’ont ». Cette règle-là, l’IA ne peut pas vous la donner : elle ne sait pas ce qui compte comme un succès dans votre activité.

4. Laissez l’IA étaler les options, gardez le jugement pour vous — mais ne vous fiez pas au « ça semble juste »

Ce que l’IA fait le mieux, c’est déployer les possibilités : pour un même problème, trois à cinq solutions, le coût de chacune, comment d’autres s’y prennent. Comme le dit Cagan, l’IA fait remonter (surface) les options, l’humain juge laquelle vaut la peine. Sur cette étape, servez-vous-en sans réserve.

Mais au moment de choisir, revenez à l’expérience du début : ne vous fiez pas au « ça semble juste ». Ces 16 experts ont jugé à l’instinct qu’ils « allaient plus vite » et se sont collectivement trompés. Quand vous jugez à l’instinct que « cette solution est meilleure », c’est tout aussi peu fiable. Confrontez-la plutôt à la règle de la troisième étape — quelle option a le plus de chances de faire devenir vraie l’attente que vous avez écrite, et y a-t-il une preuve réelle (un utilisateur l’a dit, une donnée l’a montré) — et non laquelle se lit le mieux.

Une chose à faire dès aujourd’hui : choisissez une fonctionnalité que vous comptez faire et que « l’IA peut sortir très vite », n’écrivez rien encore, et notez deux phrases — qu’est-ce qui arrive si on ne la fait pas, et qu’est-ce qui deviendra vrai une fois finie. Celle que vous n’arrivez pas à écrire, c’est le jugement que vous aurez attrapé aujourd’hui au moindre coût.

Pour aller plus loin

• METR, « Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity » (le rapport d’origine sur les 19 % plus lents tout en se croyant 20 % plus rapides) : https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
• Marty Cagan / SVPG sur le why et le what que le product manager possède à l’ère de l’IA : https://www.svpg.com/
• Le troisième article de cette série, « Traiter l’IA comme un collègue, pas comme un outil » : /fr/blog/ai-as-colleague/
• Le premier article de cette série, « Quelles tâches du product manager l’IA a-t-elle reprises, et lesquelles valent au contraire plus cher » : /fr/blog/ai-pm-what-changed/