Guide de transition IA pour les product managers 01 | Lequel des deux « product managers IA » cherchez-vous à devenir ?

Tencent a ouvert sa campagne de recrutement 2027 le 11 août, à destination des étudiants diplômés entre janvier 2026 et décembre 2027.

L’annonce énumère une série de métiers nativement IA : ingénieur full-stack IA, ingénieur développement d’agents, ingénieur applications IA, ingénieur algorithmes IA, product manager IA, création artistique AIGC.

La même annonce a modifié autre chose. Le credo de recrutement de Tencent était « de l’ambition, le goût d’apprendre, la capacité à faire aboutir ». Cette fois, trois clauses plus précises viennent s’y ajouter : savoir découvrir et définir les problèmes de sa propre initiative, évaluer et vérifier ce que produit l’IA, transformer une compétence en résultat visible.

Aucune des trois ne parle de technologie des grands modèles.

Et elles n’ont pas été écrites pour le seul poste de product manager IA. Tencent a ouvert cinq familles de métiers — technique, produit, design, marketing, fonctions support — et le standard s’adresse à tout le monde dans ces cinq familles.

C’est là que j’ai buté. Parce que tous les « guides de transition » que j’ai lus depuis un an parlent d’autre chose.

« Product manager IA » désigne deux choses différentes à la fois

Cherchez comment un PM doit basculer vers l’IA : les résultats se ressemblent tous. Une feuille de route d’apprentissage — prompt engineering → RAG → agents → LLMOps —, une grille de salaires, et un lien d’inscription en bas de page.

J’ai moi aussi commencé par cette route. Il m’a fallu quelques mois pour comprendre que ce dont j’avais besoin ne figurait pas sur cette carte.

Le problème tient à ce qu’un même intitulé recouvre deux réalités :

Les trois clauses de Tencent décrivent la colonne de droite. Les formations vendues sur le marché enseignent celle de gauche.

La colonne de gauche n’est pas un mirage. Elle est réelle, et elle progresse.

Les chiffres de Zhilian ne veulent dire quelque chose que lus ensemble

Zhilian Recruitment a publié le 16 juillet son Rapport 2026 sur le développement des talents de la filière intelligence artificielle, établi sur les données du premier semestre 2026 de sa plateforme.

À ne regarder que la croissance par métier, le PM IA sort très bien :

• Talents techniques liés aux agents : +244 % sur un an
• Product manager IA : +87,7 % sur un an
• Annotation de données / formateur IA : +30,3 %
• Ingénieur IA : +19,3 %

Le chiffre monte encore. Chez le même organisme, le vice-président Li Qiang donnait +81 % au premier trimestre ; le semestre s’établit à 87,7 %. Sa base : 404 millions de candidats et 15,49 millions d’entreprises sur la plateforme.

Mais le même rapport porte un autre chiffre qu’il faut poser juste à côté : le nombre total d’offres du secteur IA n’a progressé que de 10,6 % sur un an, et le nombre de candidats de 10,5 %.

Le poste de product manager IA progresse vite, mais il progresse à l’intérieur d’un bassin qui ne s’est élargi que de 10,6 %.

87,7 %, c’est un taux de croissance, pas un volume. Doubler une base étroite peut laisser un effectif absolu toujours modeste. Et le métier qui grimpe bien plus vite — le développement d’agents à +244 % — est un poste d’ingénierie, vers lequel un product manager ne bascule pas comme ça.

Offres en hausse de 10,6 %, candidats en hausse de 10,5 % : les deux chiffres se superposent presque. La porte s’élargit, et la file qui attend devant s’allonge au même rythme.

L’endroit où le recrutement IA progresse le plus vite n’est pas chez les fabricants de grands modèles

Deux autres chiffres du même rapport, ventilés par secteur :

• Offres d’ingénieur IA dans les énergies nouvelles : +38,2 % sur un an
• Offres d’ingénieur IA dans l’aéronautique, le spatial et la construction navale : +23,5 %

Les deux dépassent largement les 10,6 % du secteur pris dans son ensemble.

Autrement dit, une part appréciable de la croissance ne se trouve pas chez « les entreprises qui fabriquent des grands modèles », mais dans des industries traditionnelles qui font entrer l’IA dans leurs propres opérations. Le nombre d’entreprises qui recrutent a augmenté de 24,8 %, plus vite que les 10,6 % d’offres : ce ne sont pas quelques acteurs qui embauchent massivement, ce sont davantage d’entreprises qui ouvrent chacune quelques postes.

Cela pèse assez directement sur la question « vers quoi bouger ». Si le travail lié à l’IA se diffuse dans les énergies nouvelles, l’industrie et l’aéronautique, la personne recherchée n’est pas forcément un product manager qui comprend les grands modèles. C’est plus probablement un product manager qui comprend ce secteur et sait y mettre l’IA au travail.

Ce second profil possède déjà la connaissance métier. Ce qui lui manque, c’est la manière de travailler.

À quel point la porte est-elle étroite ? 54 fiches de poste donnent une idée

Quelqu’un a dépouillé 54 fiches de poste de PM IA dans de grandes entreprises. Les exigences récurrentes se concentrent sur un ensemble étroit : prompt engineering, RAG, function calling, alignement de données, SFT / RLHF, systèmes d’évaluation automatisés, plateformes low-code comme Coze et Dify, plus la lecture d’articles de recherche et la capacité à prototyper en code.

Ce que les employeurs pèsent le plus lourd, c’est l’existence d’une vraie expérience de mise en production d’IA. La raison se comprend sans peine : un projet IA se heurte à une pile de problèmes sans rapport avec la technique — on n’obtient pas les données, un service refuse de coopérer, les utilisateurs ne font tout simplement pas confiance à ce que renvoie le modèle. Seuls ceux qui l’ont fait savent où sont ces trous.

Cette même analyse contient une conclusion contre-intuitive : ne pas avoir d’expérience sur un projet d’agents ne signifie pas être hors course. Les entreprises créditent la pratique sur les plateformes low-code, et créditent aussi un profil d’utilisateur intensif.

La route n’est donc pas fermée. Elle demande seulement de produire quelque chose, pas de produire une attestation de présence.

Le hic, c’est que ce « quelque chose » est précisément ce qu’une feuille de route d’apprentissage ne peut pas vous donner.

« Évaluer et vérifier ce que produit l’IA » n’exige aucun intitulé de poste

Retour aux trois clauses de Tencent. Celle du milieu est celle que j’ai fixée le plus longtemps : évaluer et vérifier ce que produit l’IA.

Sa particularité : elle ne demande de changer ni de poste, ni d’employeur, ni de secteur. Quel que soit le travail devant vous, dès l’instant où vous le faites avec de l’IA, cela commence le jour même.

Et c’est plus difficile qu’il n’y paraît. L’IA décrira comme terminé un travail qui ne l’est pas — non par malhonnêteté, mais parce qu’elle ignore elle aussi ce qu’elle a laissé de côté. Soit vous savez le repérer, soit vous attendez que les utilisateurs vous le disent après la mise en ligne.

L’an dernier, j’ai commencé à pousser des choses jusqu’au point de livraison, seul. Deux d’entre elles ont un historique de commits vérifiable : un outil de photo d’identité, 21 commits, du 13 au 30 juin, aujourd’hui sur l’App Store ; et un outil PDF, 43 commits, le premier le 5 juillet et le dernier le 11 juillet, livré pour iOS et macOS.

Je ne cite pas ces chiffres pour laisser entendre que c’était difficile. C’est l’inverse : l’essentiel des parties ardues a été absorbé par l’IA. Le temps est passé ailleurs — à juger si ce qu’elle produisait était utilisable, et à trouver les endroits où je devais reprendre la main.

La formule de Tencent pour cela : « transformer une compétence en résultat visible ». Visible est le mot porteur. « Familier des grands modèles » sur un CV, la personne en face n’a aucun moyen de le vérifier. Un lien qu’elle peut ouvrir règle la question en trente secondes.

Laquelle des deux routes prendre : je n’ai pas la réponse

Si votre entreprise construit justement des produits à base de grands modèles, ou si vous voulez rejoindre ce type d’entreprise, la route du poste existe bel et bien. Les 87,7 % sont réels. Les fiches de poste énoncent clairement les attentes, il suffit de combler les écarts.

Si le travail devant vous n’a pas de lien direct avec les grands modèles — et d’après ce rapport, une bonne partie de la croissance va précisément vers ce type de travail — alors avaler RAG et SFT rapportera peut-être moins que de construire une idée jusqu’au bout, une fois.

Il se peut aussi que ces deux routes n’aient jamais été à lire séparément. Le jour même où Tencent inscrivait « product manager IA » dans sa liste de postes, il inscrivait « évaluer et vérifier ce que produit l’IA » dans le standard des cinq familles de métiers. Même annonce, même jour.

Ce que je n’ai toujours pas résolu, c’est autre chose : si personne dans votre entreprise ne vous demande ce genre de production, et que votre évaluation annuelle ne la regarde pas, sur quoi tenez-vous dans la durée ? J’ai tenu en construisant mes propres produits, mais ce moyen n’est manifestement pas à la portée de tous — il mange vos soirées et vos week-ends, et pendant longtemps personne ne vous verse de prime pour ça.

Sur cette question-là, je n’ai pas de solution. Si vous en avez une, je suis preneur.