Les chefs de projet révolutionnent leur rôle grâce à l'IA

L'évolution du rôle de chef de projet avec l'IA

Pendant longtemps, le rôle de chef de projet a principalement consisté à coordonner et aligner les équipes pour atteindre des objectifs communs. Cependant, cette vision traditionnelle est en train de changer radicalement. Aujourd'hui, les chefs de projet les plus performants dans les entreprises de pointe ne se contentent plus de gérer des équipes. Ils s'approprient des outils technologiques avancés, notamment en utilisant du code réel pour prototyper, en interrogeant les données de façon conversationnelle grâce à des modèles de langage, et en supervisant des agents d'intelligence artificielle spécialisés dans le codage. Ces nouvelles compétences leur permettent d'augmenter considérablement leur efficacité et leur impact.

Pour accompagner cette transition, un nouveau cours a été développé par l'auteur de cet article en collaboration avec Colin Matthews, un éducateur reconnu et collaborateur fréquent. Intitulé Devenir un constructeur natif de l'IA, ce programme vise à enseigner l'utilisation des outils d'IA les plus récents, tels que Codex, Claude Code, et Cursor, ainsi que divers produits de Product Pass. Le cours enseigne comment utiliser ces outils pour soutenir la découverte, créer des prototypes en utilisant une base de code réelle, expédier des modifications en production via GitHub, et mettre en place des évaluations pour automatiser et améliorer la qualité du travail. Le cours est conçu non seulement pour les chefs de projet, mais aussi pour les designers, les chercheurs, et toute personne souhaitant intégrer l'IA dans leur travail quotidien. La première session débute le 13 juillet, et des réductions sont offertes aux abonnés de la Newsletter de Lenny. Les abonnés annuels bénéficient d'une réduction de 600 $, tandis que les Insiders obtiennent une réduction de 1 000 $.

Ateliers pratiques et expertise en IA

En complément du cours, Colin Matthews organise une série d'ateliers gratuits en collaboration avec des leaders d'entreprises innovantes comme OpenAI, Cursor, Linear, Replit, et Lovable. Ces ateliers, qui se dérouleront en direct, offriront aux participants l'opportunité d'acquérir et de pratiquer de nouvelles compétences en IA aux côtés de professionnels du secteur. Cependant, ces sessions sont exclusivement accessibles aux abonnés payants de la Newsletter de Lenny.

Colin Matthews est reconnu pour son approche pragmatique de l'enseignement de l'IA. Avec une expérience significative dans des entreprises de premier plan telles que OpenAI, Google, Stripe, Figma, et Microsoft, il a formé des milliers de chefs de projet aux compétences techniques essentielles. En plus de sa carrière en tant que leader produit et fondateur, il a lancé plus de dix produits SaaS. Colin a également co-écrit quatre articles invités avec l'auteur de cet article, dont l'un est devenu le troisième article le plus populaire de tous les temps. Pour célébrer le lancement du cours, Colin a rédigé un article détaillant les possibilités actuelles offertes par l'IA et comment les professionnels peuvent progresser sur les "échelles de levier".

Comprendre l'échelle de levier personnel

L'utilisation de l'IA au travail est devenue courante, notamment pour la rédaction de documents, la recherche d'informations, ou la création de petits artefacts. Cependant, il est crucial de comprendre les différents niveaux d'utilisation de l'IA pour évaluer où l'on se situe et comment progresser.

• Échelon 1 : À ce niveau, l'IA est principalement utilisée pour générer du texte, comme des documents de spécifications de produit (PRD), des tickets Jira, ou des e-mails. Les utilisateurs copient ensuite ces textes dans d'autres outils pour les retravailler. Beaucoup de professionnels se trouvent à ce stade initial.

• Échelon 2 : Ici, l'IA est employée pour créer des artefacts concrets, tels que des présentations, des modèles Excel simples, ou de petits prototypes. L'IA ne se contente plus de produire du texte, mais génère des éléments tangibles.

• Échelon 3 : À ce niveau, l'IA est intégrée à des outils externes comme Amplitude, Google Drive, Notion, et Canva pour accomplir des tâches spécifiques. Par exemple, l'IA peut analyser des tickets de support client ou des résultats de tests A/B, remplaçant ainsi certaines tâches humaines.

Cas pratiques d'utilisation de l'IA

Initialement, l'interaction avec l'IA se limite souvent à des échanges simples. Par exemple, pour rédiger un PRD, on pourrait demander à Claude de contribuer à sa rédaction. Cependant, l'IA dispose de peu de contexte sur l'entreprise ou sur ce qui constitue un bon PRD, nécessitant plusieurs itérations avant d'obtenir un résultat satisfaisant, qui sera ensuite peaufiné dans Google Docs ou Word.

L'étape suivante consiste à faire travailler l'IA de manière plus autonome. Par exemple, on pourrait demander à Claude de créer un modèle financier comparant le coût d'hébergement d'un agent en interne à celui d'un service géré comme Vercel. Voici une invite utilisée récemment :

Créez un modèle qui représente les coûts si nous construisons et hébergeons nous-mêmes par rapport à l'utilisation d'agents gérés. Faites des recherches sur le temps d'ingénierie économisé et les coûts de calcul en auto-hébergement par rapport à géré. Regardez d'autres fournisseurs, comme Cloudflare, Vercel, ou E2B qui fournissent des environnements pour agents pour le prix. Montrez à la fois le coût du pilote et le coût à grande échelle dans le modèle, en supposant que nous avons 5 millions d'instances d'agents fonctionnant annuellement (où une instance d'agent est par heure).

Le modèle généré peut être consulté ici. Bien que des révisions soient souvent nécessaires, cette approche représente une avancée par rapport au simple copier-coller de texte.

Le plus haut niveau de levier personnel est atteint lorsque l'on peut déléguer des tâches entières à l'IA. Prenons l'exemple d'un produit fictif nommé Stride, similaire à Strava. Pour analyser la rétention des utilisateurs partageant des exercices avec des photos, on pourrait connecter un modèle de langage à un logiciel d'analyse comme PostHog pour exécuter cette tâche. Voici une invite possible :

Utilisez PostHog pour vérifier si les utilisateurs qui utilisent les fonctionnalités de partage social ont une rétention à 30 jours plus élevée que ceux qui ne le font pas. Montrez-moi un document HTML comme sortie finale visualisant les cohortes et toutes autres données utiles. Citez toutes vos sources afin que je puisse valider.

Le résultat est un document HTML détaillant les données de rétention, avec des liens vers les sources dans PostHog pour validation.

Conseils pour maximiser l'utilisation de l'IA

Pour permettre aux modèles d'IA de réaliser des tâches pour vous, il est essentiel de les connecter aux produits que vous utilisez fréquemment via des MCP. Des outils comme Claude Code, Codex, et Cursor peuvent se connecter à des plateformes telles que Figma, Amplitude, PostHog, et Pendo. Bien que cela puisse sembler complexe, le processus est relativement simple et une fois configuré, il n'est plus nécessaire d'y revenir.

Une fois les connecteurs en place, essayez d'utiliser l'IA pour accomplir des tâches courantes, telles que :

• Analyser le succès d'un lancement en examinant les tickets clients récents et le sentiment en ligne
• Vérifier l'utilisation réelle d'une fonctionnalité à travers des événements d'analyse produit
• Résumer un enregistrement d'appel client et créer un prototype basé sur leurs retours
• Mettre à jour votre prochain sprint en fonction d'un changement de priorités de feuille de route

Les résultats peuvent être décevants au début, car le modèle doit encore apprendre à répondre à vos attentes. Continuez à affiner le processus jusqu'à obtenir un bon résultat, puis formalisez-le en créant une compétence dédiée dans le même chat où la tâche a été accomplie.

Ce flux de travail peut être répété pour générer des ébauches acceptables pour une variété de documents et projets, tels que des PRDs, des feuilles de route, des actifs marketing, des analyses d'enquête, des prototypes, et des maquettes Figma. Bien que la qualité initiale puisse ne pas être parfaite, il est possible de l'améliorer en continuant à travailler avec l'IA.