Contexte et motivations
Le recours croissant aux outils de codage assisté par IA crée des goulets d’étranglement dans les équipes produit. Selon une enquête de Nylas menée auprès de 1 030 créateurs et acheteurs d’IA, 32 % des répondants font pleinement confiance à un agent autonome, mais 40 % exigent encore une validation humaine pour chaque action. Cette méfiance reflète la difficulté à intégrer rapidement des fonctionnalités IA sans compromettre la fiabilité du produit. Faire a donc cherché à combler le manque de compétences en pensée produit et design, afin de réduire la dépendance aux validations manuelles.
Mise en œuvre du programme product builder
Le programme, lancé en interne, cible les ingénieurs produit. En quatre mois, 65 % des participants ont atteint un niveau de compétence élevé, mesuré par des évaluations internes couvrant la définition de besoins, la conception d’interfaces et la validation d’hypothèses commerciales. Le cursus combine des ateliers de design thinking, des études de cas d’intégration d’IA et des sessions de feedback itératif. L’objectif explicite est de doter les équipes d’une capacité à « décomposer » les tâches IA en sous‑objectifs testables, limitant ainsi les cycles de révision.
Impact mesurable sur la livraison
Après la première cohorte, le temps moyen de mise sur le marché d’une fonctionnalité a diminué de 22 % selon les métriques internes de cycle‑time. Cette réduction provient d’une meilleure priorisation des exigences et d’une moindre nécessité de re‑travail suite à des revues de code. En outre, les équipes ont signalé une amélioration de la satisfaction client, évaluée à +0,4 point sur une échelle NPS de 10, attribuée à des livrables plus alignés avec les besoins réels détectés lors de la phase de découverte. Le programme a également permis de réduire le nombre de tickets liés à des erreurs d’intégration d’IA de 18 %.
Limites et perspectives
Le modèle repose sur une formation intensive de quatre mois, ce qui peut être difficile à reproduire à grande échelle sans ressources pédagogiques dédiées. De plus, l’évaluation de la compétence élevée reste subjective et dépend de critères internes non publiés, limitant la comparabilité avec d’autres organisations. Enfin, le programme ne traite pas directement les problèmes de confiance envers les agents IA relevés par Nylas ; il s’agit plutôt d’une mitigation via une meilleure conception produit. Pour étendre les bénéfices, Faire envisage d’intégrer des modules de validation automatisée basés sur des scénarios de test d’IA, afin de réduire davantage la dépendance aux approbations humaines.
