2025 : l'année où l'IA a commencé à déplacer le centre de gravité du Product Management

Pendant longtemps, mon obsession était simple : gagner en autonomie. En tant que First PM sur EdgeSEO, je jongle entre le produit, le marketing, les clients et l'optimisation de mes process. Chaque fois, l'objectif est le même : ne jamais attendre qu'une ressource se libère pour avancer.

Mais en jetant un rapide coup d'œil sur mon année 2025, je me rends compte que ce qui a basculé, ce n'est pas ma capacité à exécuter. C'est la façon dont je transforme une intention en quelque chose de concret. L'exécution n'a pas disparu. Elle a cessé d'être le point de friction central. Le goulot s'est déplacé, et avec lui le cœur de mon métier de PM.

2025. Le point de bascule

Pendant longtemps, j'ai cru que mon problème principal était l'exécution. Pas au sens abstrait, au sens très concret du quotidien de Product Manager. Avoir une idée ne coûte rien. La transformer en quelque chose de testable coûte du temps, des arbitrages, une place dans une roadmap déjà saturée.

Alors je me suis naturellement tourné vers le no-code.

Airtable pour structurer ma roadmap et construire mes premiers tableaux de bord de suivi produit, Make pour automatiser la récupération des feedbacks utilisateurs dans Notion, Webflow pour développer notre Academy et d’autres tools pour prototyper. Le no-code m'a donné ce que je cherchais : de l'autonomie. Mais j'ai vite compris l'envers du décor. Ces outils t'obligent à penser en fonction de leurs templates, tu adaptes ton besoin à la plateforme, pas l'inverse. Les limites arrivent vite : quotas, logiques imposées, coûts de licences, dépendance à des solutions que tu ne contrôles pas. Sans culture technique, sans rigueur dans la structure des données, sans obsession pour la maintenabilité, cette autonomie se transforme en dette invisible.

C'est à ce moment-là que l'auto-censure s'installe. Dans la plupart des structures que j'ai observées, tester une hypothèse finit par signifier renoncer. Non pas parce que l'idée n'est pas bonne, mais parce que les équipes IT sont déjà sous tension, les roadmaps saturées, et qu'ajouter un test « au cas où » n'est jamais prioritaire. L'idée meurt avant même d'être formulée.

L'IA n'a pas effacé ce contexte. Mais elle a fissuré quelque chose de profond. Pour la première fois, je ne pars plus d'un outil, je pars d'une intention. Je peux prototyper un outil de data produit sans me demander combien de lignes il va consommer dans un SaaS. Je peux produire des livrables marketing avec une qualité constante simplement en renseignant les bons inputs dans des process bien cadrés. Ce que je ressens aujourd'hui n'est pas une accélération. C'est un changement de gravité. Quand l'exécution cesse progressivement d'être rare, ce n'est plus elle qui fait la différence. Le goulot d'étranglement vient de se déplacer. Et avec lui, mon métier de PM.

Le déplacement du goulot d'étranglement

Pendant des années, le frein principal a été l'exécution. Produire du code, obtenir une place dans un backlog, attendre une fenêtre de delivery. Tout le système produit s'organisait autour de cette rareté, et le métier de PM consistait surtout à apprendre à composer avec elle. EdgeSEO est né exactement de ce constat : redonner de l'autonomie aux consultants SEO pour qu'ils déploient leur roadmap sans attendre les équipes tech.

Ce cadre est en train d'exploser. Prototypes, briques fonctionnelles, documents exploitables deviennent accessibles en continu. Et en parallèle, les équipes de développement qui embrassent réellement l'IA voient leur vélocité grimper de façon spectaculaire. L'exécution n'est plus ce mur infranchissable qui structure tout. Le mur se déplace dans la définition du problème, dans la clarté de l'intention, dans la capacité à formuler ce qui mérite d'exister. Le nouveau goulot n'est plus « comment faire », mais « quoi faire et pourquoi ». Ce n'est plus la capacité à produire, mais la capacité à formuler une intention claire, mesurable, traduisible en système. Le PM cesse progressivement d'être un gestionnaire de tickets. Il devient un orchestrateur de systèmes intelligents.

Le Product Manager orchestrateur

Ce basculement est violent. Orchestrer ne veut plus dire empiler des tâches dans un outil, mais construire un cadre : ce qu'on cherche à atteindre, ce qu'on refuse de sacrifier, ce qui est mesurable et ce qui ne l'est pas. L'IA peut produire des briques, accélérer des cycles, multiplier les pistes, mais elle ne porte ni la vision, ni les arbitrages, ni la responsabilité. Quand un produit échoue, ce n'est pas un modèle qui se fait sortir, c'est un humain. La boucle ne peut pas se fermer sans jugement humain.

Le goulot n'est plus technique. Il est cognitif. La valeur ne se joue plus dans la vitesse d'exécution, mais dans la justesse de la définition. C'est là que se crée l'avantage, et c'est là que beaucoup vont se perdre. Parce que quand le goulot devient cognitif, c'est toute la notion de rareté qui s'inverse.

L'inversion de rareté

Ce qui est devenu abondant, ce n'est pas l'inspiration. C'est la production. D'abord côté produit : documentation, analyses utilisateurs, user stories, benchmarks. Puis côté marketing : articles, posts, newsletters, conférences. Je me surprends même à fabriquer seul des outils dont je n'aurais même pas formulé le besoin il y a encore quelques mois, fusionner des fichiers markdown, récupérer des transcripts de vidéos, produire des micro-outils à la demande. Quand j'ai besoin d'un outil, je ne le cherche plus, je le construis.

La maintenance devient la nouvelle rareté

En face, ce qui devient rare, ce n'est pas la capacité à faire, mais la capacité à maintenir un système cohérent. Mettre en place des workflows IADD (IA-Driven Development) côté dev, structurer correctement la donnée pour qu'elle reste exploitable, maintenir des agents qui doivent évoluer au rythme des modèles. Plus tu multiplies les outils, plus la dette de maintenance grimpe.

Dans ce contexte, la valeur d'un PM ne se mesure plus de la même façon. Ce qui fait la différence, ce n'est plus la capacité à gérer un backlog. C'est la maîtrise des workflows, la structuration de la donnée, la clarté de la vision. Et surtout, la capacité à faire vivre cette transformation collectivement.

Le plus grand risque serait de s'accrocher à l'ancien monde en répétant que « les devs ne délivrent pas assez vite ». Alors que le vrai mouvement est ailleurs. Je soupçonne même qu’à terme les frontières entre PM et dev vont se brouiller, et que les profils hybrides deviendront la norme, non par idéologie, mais par simple nécessité mécanique.

De l'outil au système

Mon premier vrai déclic n'a pas été un outil de product ou de code. C'était un GPT pour publier mes posts LinkedIn #TopSEOPost. Pour la première fois, je n'avais pas juste une réponse, j'avais un livrable standardisé, avec un niveau de qualité constant. C'est là que j'ai compris que je ne cherchais plus des idées, mais des sorties exploitables.

Quand les GPT sont arrivés, j'ai compris que chaque tâche récurrente méritait désormais son propre assistant dédié. Un prompt n'était plus un texte jeté dans une interface, mais une pièce de travail que je pouvais améliorer, versionner, réutiliser. Je garde pourtant une barrière volontaire : je copie-colle presque toujours le contenu dans l'outil final. Ça m'oblige à relire, valider, m'engager. Je ne laisse jamais un agent publier à ma place. Pas par défiance technologique, mais parce que ma crédibilité est en jeu, et que les hallucinations existent.

Construire des chaînes, pas des réponses

La première chaîne complète que j'ai construite connectait directement la rédaction de user stories, en s'appuyant sur un pool de data comprenant feedbacks utilisateurs, métriques produit et documentation, à leur publication dans notre outil de product via un MCP. (Model Context Protocol, qui permet à l'IA d'interagir avec des outils externes). Et là encore, je n'automatise pas tout. Je ne renseigne pas les labels ni les dates pour m'obliger à repasser dessus. La chaîne s'arrête volontairement au moment où le livrable quitte mon périmètre. À partir de là, je redeviens « responsable humain ».

Ce qui m'a le plus surpris, c'est la constance de la qualité. Plus j'utilise un agent, plus il s'améliore. L'amélioration de la mémoire et des contextes (la capacité de l'IA à traiter plusieurs milliers de pages de documentation en une seule session) a transformé la donne. Un nouveau concurrent apparaît, et en vingt minutes j'ai une page Notion avec la fiche entreprise, une page par feature, les articles clés pour comprendre son positionnement product / marketing / sales. Quand le système est bien construit, c'est comme activer des freelances spécialisés à la demande.

Au début, je faisais les erreurs classiques. Je réécrivais cent fois les mêmes prompts, je donnais peu de contexte, j'attendais des miracles. J'ai vite compris que la qualité des outputs est mécaniquement liée à celle des inputs. Il faut structurer la donnée, formuler clairement, itérer, être patient et rigoureux. L'IA n'est pas magique. Elle récompense la méthode. C'est pour ça que je dis souvent qu'un simple espace Notion bien tenu donne déjà un indice sur la capacité de quelqu'un à travailler sérieusement avec l'IA.

Ce qui a rendu cela possible en 2025

Ce n'est pas une innovation isolée qui a tout déclenché. C'est la convergence de plusieurs évolutions qui, prises séparément, n'auraient rien changé, mais qui ensemble ont créé un véritable changement de régime. La notion de projets, la mémoire persistante, les modèles capables de raisonner plus longtemps, les MCP, l'explosion des fenêtres de contexte. En l'espace d'un an, j'ai vraiment eu l'impression que l'IA elle-même a franchi un cap, et si la trajectoire reste la même en 2026, l'onde de choc ne fait que commencer.

Contexte et puissance : le duo gagnant

Ce qui compte n'est pas la puissance brute d'un modèle, mais la capacité à lui fournir un contexte exploitable. Quand tu peux injecter de la documentation produit complète, de la veille, des contenus marketing, de la data structurée et des feedbacks utilisateurs dans un même espace de travail, la qualité des livrables change de nature. Ce n'est plus une réponse isolée, c'est une synthèse informée.

C'est cette combinaison qui a tout changé. Des modèles plus performants sans contexte ne servent pas à grand-chose. Un contexte massif sans capacité de traitement non plus. C'est la combinaison des deux qui rend possible des analyses plus fines, des angles morts mieux identifiés, des propositions plus cohérentes.

Tout n'est pas encore fiable. Il arrive encore que l'IA réponde à côté, tourne en boucle ou se comporte de façon déconcertante. On peut passer d'une session qui ressemble à un échange avec un consultant Mckinsey à un comportement presque mécanique quelques minutes plus tard. Cette instabilité fait partie du paysage actuel.

Mais malgré ces fragilités, une chose est claire. La montée en puissance des modèles, couplée à l'explosion des fenêtres de contexte, a transformé mon quotidien. 2025 n'est pas l'année où j'ai gagné du temps. C'est l'année où l'IA a commencé à challenger mon métier de PM en m'apportant un éclairage pour nourrir ma réflexion.

2026, l'ère de l'orchestration

En 2025, j'ai créé des assistants. En 2026, mon enjeu n'est plus d'en ajouter, mais de les faire travailler ensemble. Mes agents existent en silos. Je prends des inputs, je les colle dans un projet, je récupère un output, je contrôle, puis je relance un autre agent. C'est encore moi qui fais circuler l'information. Ce fonctionnement m'a permis d'apprendre, de cadrer, de fiabiliser, mais il montre aussi sa limite : tant que le lien entre les briques reste manuel, je reste le goulot d'étranglement.

Ce que je vise, c'est un système où les agents se passent l'information sans que j'aie à intervenir à chaque étape. Feedbacks analysés, data consolidée, opportunités identifiées, livrables produits. L'humain reste présent, mais uniquement là où sa décision compte vraiment. Ce n'est pas une question de technologie, c'est une question de confiance dans la chaîne.

Aujourd'hui, je contrôle encore chaque sortie. J'utilise l'IA pour produire des contenus ou des user stories, mais rien ne part en production sans relecture. Pas par peur de l'IA, mais parce que ma crédibilité est engagée. L'automatisation totale serait techniquement possible, mais ma crédibilité ne peut pas reposer sur un agent. 2026 sera l'année de la consolidation. Je construis ces workflows en gardant l'humain dans la boucle à chaque étape critique.

Ce que je retiens de 2025, ce n'est pas que l'IA m'a fait gagner du temps. C'est qu'elle a changé la nature du problème à résoudre. Le goulot n'est plus l'exécution. Il est dans la définition, la structuration, la vision. L'IA produit, mais elle ne décide pas. Elle accélère, mais elle ne porte pas la responsabilité. Elle multiplie les possibles, mais elle ne sait pas quoi faire de cette abondance. C'est là que le PM devient indispensable. Pas pour gérer des tickets, mais pour orchestrer des systèmes, clarifier l'intention, maintenir la cohérence. Et surtout, pour garder l'humain dans la boucle là où ça compte vraiment.

Et vous, comment l'IA transforme-t-elle votre métier de PM ? Vous sentez ce basculement du "comment" vers le "quoi et pourquoi" ? Vous avez déjà mis en place des workflows orchestrés, ou vous en êtes encore à automatiser tâche par tâche ?