Product manager IA : des produits d’IA que les gens utilisent.
Concevoir un produit d’IA, ce n’est pas brancher un modèle. C’est trouver le problème où l’IA change vraiment la donne, cadrer ce qu’on lui confie, et livrer une V1 que les utilisateurs adoptent. Je le fais depuis 2023.
Un produit d’IA reste un produit.
- 01Construire est rapide, décider devient critique
L’IA accélère le développement. Elle rend d’autant plus cher de construire le mauvais produit : le discovery compte plus que jamais.
- 02La valeur est dans le cas d’usage
Un modèle ne suffit pas. Il faut le problème précis où l’IA change la donne, et les données pour y répondre.
- 03L’expérience doit gérer l’incertitude
Une IA se trompe parfois. Le produit prévoit la relecture, la correction et la confiance de l’utilisateur.
De la vision par ordinateur à l’IA générative.
Arquos
Des photos de terrain transformées en fiche équipement de plus de 1 000 champs, puis en devis et rapports.
+7 % de productivité terrain
clicNwork
Un moteur de matching entre besoins et candidats, et un chatbot de qualification.
40+ agences · rachetée par ENSO
Alfred
Un assistant de rédaction lancé en 2023 : les bons prompts, en modèles réutilisables.
Lancé dès 2023Cinq étapes pour une IA qui sert.
- 01Le cas d’usage chiffré
Le temps ou l’argent gagné, mesuré sur le terrain, avant d’écrire une ligne de code.
- 02Les données disponibles
Ce que vous avez vraiment, dans quel état, et ce qu’il faut collecter.
- 03Un prototype sur de vraies données
Pas une démo : un test sur vos cas réels, pour juger la qualité.
- 04Des garde-fous
Un humain dans la boucle là où l’erreur coûte cher, et des règles claires sur les données.
- 05La V1 et la mesure
Une V1 en production, et des indicateurs d’adoption suivis dès le premier jour.
Lancer un produit d’IA.
01Faut-il un data scientist pour lancer un produit d’IA ?
Pas pour commencer. La plupart des produits d’IA s’appuient aujourd’hui sur des modèles existants. Le travail décisif est produit : choisir le bon cas d’usage, cadrer les données et concevoir l’expérience. Les profils spécialisés viennent ensuite, si le volume le justifie.
02Comment éviter le gadget ?
En partant d’un irritant mesuré sur le terrain, pas d’une technologie. Si le cas d’usage ne fait pas gagner un temps ou un argent chiffrable, on ne le construit pas.
03Quels modèles et quels outils utilisez-vous ?
Les modèles de langage et de vision du marché, et les outils no-code quand ils suffisent. Le choix dépend du cas d’usage, du coût et de vos contraintes de données.
04Et les données sensibles ?
On cadre dès le départ ce qui peut être confié à un modèle, ce qui doit être anonymisé et ce qui ne sort pas. Le produit est conçu dans le respect du RGPD.
Un produit à faire décoller ?
Disponible en freelance. Parlons de votre produit : où vous en êtes, et comment je peux le faire avancer, du discovery à la V1.