Product Manager Data et IA : un Product Manager comme les autres ?

Tout est parti d’une phrase de Marty Cagan qui m’a trottée dans la tête : “And just as how “Mobile PM” was an especially in-demand skill when mobile was new, and now most PM’s are expected to have the skills to develop products for mobile, we expect the same to become true for AI Product Managers.  In a few year’s time, we expect most PM’s will need to be skilled at building AI-powered products and services.”

La distinction entre Product Manager, Product Manager Data et Product Manager IA peut prêter à confusion, tant ces rôles sont intimement liés et pourtant bien différents. Alors comment s’y retrouver, et quelles sont les compétences nécessaires pour réussir dans cet environnement technologique en constante évolution ? C’est ce que je souhaite partager avec vous aujourd’hui.

Et pour ceux qui souhaitent d’abord en apprendre plus sur le rôle du Product Manager, je vous conseille de vous tourner vers les articles Product Management : Projecteur sur une approche déterminante et Data Product Management : Dis-moi quel est ton produit data et je te dirai qui tu es.

Product Manager et Product Manager Data : le jeu des 7 différences

Ce que le PM Data doit au PM 

Par bien des aspects le Data Product Manager est avant tout un Product Manager. Sa principale mission est de piloter les développements d’un produit pour en maximiser la valeur apportée aux utilisateurs. Comprendre les besoins des utilisateurs, élaborer la vision produit, coordonner les équipes de développement et s’assurer que le produit final répond aux exigences du marché sont autant d’éléments qui constituent son quotidien. Pour garantir le succès du produit, une étroite collaboration avec l’ensemble des parties prenantes est donc nécessaire tout au long de la durée de vie du produit. 

Quelles sont dès lors les compétences spécifiques d’un Product Manager Data ?

Savoir prendre en compte les aspects data sur toute la chaîne de développement du produit, et savoir faire face aux imprévus spécifiques à ce domaine : ce sont les compétences spécifiques attendues chez un Data Product Manager. 

Ne vous est-il jamais arrivé de démarrer un projet data et de vous rendre compte que les données n’étaient pas disponibles ? Ou la qualité non suffisante pour mener à bien votre projet ? 

Le Data Product Manager est là pour anticiper et être présent à toutes les  étapes d’un projet data (collecte, stockage, exploitation) afin de limiter au maximum les difficultés rencontrées lors du développement du produit et ainsi le fluidifier. La connaissance de ces étapes data lui permet ainsi d’organiser au mieux la timeline entre les différentes parties prenantes. 

Comment devient-on Data Product Manager ? 

Vous vous demandez peut-être si vous avez les compétences nécessaires pour vous lancer dans ce nouveau poste ? Bonne nouvelle : plusieurs voies sont possibles ! Le Data Product Manager est avant tout un profil hybride qui combine des compétences en data ainsi qu’en product management. Ainsi, un profil data avec une forte composante tech et une appétence business, pourra souhaiter se former sur la vision produit, l’orchestration ou encore la communication. 

A l’inverse, un profil Product Manager pourra quant à lui décider de se muscler sur sa connaissance technique de la data pour s’orienter vers le Data Product ManagementData Product Management (Gestion de produit data) est une discipline qui combine les principes du product management avec l’utilisation des données pour développer des produits data-driven. Un data product manager est responsable de la création, du développement et de l’optimisation de pr... More. 

L’IA Product manager : nouvelle tendance pour attirer les talents ou réelle nécessité ? 

Data Product vs IA Product 

Le Data Product Management et l’IA Product Management partagent un objectif commun : la gestion de produits basés sur des données. Cependant, leurs focus diffèrent. L’exploitation, l’organisation et la visualisation des données font partie du quotidien du Data Product Manager pour aider les entreprises à prendre des décisions informées. Le rôle de ce dernier est donc de structurer les données de manière accessible et utile. 

En parallèle, l’IA Product Management se spécialise dans la création de produits utilisant des algorithmes d’intelligence artificielle et de machine learning pour automatiser des tâches, personnaliser des expériences ou faire des prédictions. Systèmes de recommandation, chatbots ou encore outils de prédiction sont inclus dans ces produits et ont vocation à évoluer avec le temps et les évolutions technologiques. L’essor de la GenAIQu'est-ce que l'IA générative ? L'IA générative (intelligence artificielle générative) est une sous-branche de l'intelligence artificielle qui se concentre sur la création de nouveaux contenus, que ce soit des textes, des images, des vidéos ou d'autres formats, à partir des données d'entra... More est un bon exemple de rupture technologique et son évolution rapide transforme profondément l’écosystème en place, accélérant ainsi la création de produits encore plus sophistiqués et perturbant les modèles traditionnels de gestion de produits.

Principaux risques et écueils des produits IA ?

Le développement de produits IA connaît un phénomène particulier : 

• le « POC infini« . Les entreprises se lancent dans de nombreux Proof of Concepts (POC) pour tester des idées sans jamais réellement passer à une mise en production. Cette tendance est due aux résultats souvent difficiles à garantir et à maintenir, et parfois difficiles à expliquer. Qui n’a jamais souhaité avoir plus de temps pour améliorer un modèle afin de le rendre toujours plus performant, au risque de ne jamais voir le projet se lancer ? Il est aujourd’hui crucial pour un IA Product Manager d’avoir une approche pragmatique et de savoir quand arrêter un POC ou, au contraire, le transformer en un projet concret.
• Une autre difficulté avec les produits IA est la maintenance en production. Les modèles d’IA ne sont jamais statiques; ils nécessitent un réajustement constant dépendant de l’évolution des données et du contexte. Cela demande une vigilance continue et une forte collaboration avec les équipes techniques pour surveiller les performances et éviter toute dérive du modèle. La veille technologique est une nécessité pour un IA Product Manager, dans un secteur en constante évolution, afin de pouvoir toujours proposer les solutions les plus adaptées au développement d’un produit. Mais attention : l’IA Product Manager ne doit pas perdre de vue l’objectif principal du Product Manager : satisfaire les attentes des utilisateurs. Un modèle plus performant : oui, mais uniquement s’il répond aux besoins et apporte de la valeur ajoutée au produit. Le mieux est parfois l’ennemi du bien.

Vers une IA éthique et responsable : garantir la confiance et la transparence

Un autre aspect fondamental du rôle d’IA Product Manager est la prise en compte de l’éthique et la protection de la vie privée : 

• L’introduction de biais algorithmiques ou de discrimination dans les systèmes IA est aujourd’hui un point de vigilance spécifique dans la vie d’un produit IA. Le Product Manager est le garant de la transparence et de l’équité dans les algorithmes déployés, en veillant à ce que les modèles utilisés soient audités régulièrement pour éviter tout préjudice social
• En outre, avec des réglementations telles que la RGPD en Europe, la protection des données personnelles est un défi majeur. Il est central que l’IA Product Manager s’assure que les données utilisées sont conformes aux législations en vigueur et que l’intelligence artificielle soit responsable et éthique dans sa conception et son utilisation.

Conclusion

Le rôle de Data Product Manager et d’AI Product Manager se distingue de celui d’un Product Manager traditionnel par une maîtrise plus poussée des concepts techniques et des défis uniques liés aux données et à l’intelligence artificielle. À l’heure où l’IA et la data prennent une place prépondérante dans la création de produits innovants, ces profils doivent jongler entre les opportunités offertes par ces technologies et les risques qu’elles comportent, notamment en matière d’éthique et de respect de la vie privée.

Cependant, il est possible que dans un futur proche, ces distinctions entre les rôles de Product Manager, Data Product Manager et AI Product Manager finissent par s’estomper. À mesure que les compétences en data et IA deviendront progressivement des compétences essentielles pour tous les Product Managers, ces spécialisations pourraient se fondre dans un ensemble plus global, où l’expertise technique sera absorbée dans le rôle traditionnel du Product Manager. Une évolution qui pourrait redéfinir les contours de ces métiers dans les années à venir.

Sources : 

• https://www.svpg.com/ai-product-management/
• https://towardsdatascience.com/data-product-management-ffa582f7e047/
• https://productschool.com/blog/career-development/types-product-managers
• https://medium.com/zs-associates/navigating-the-data-management-landscape-in-the-age-of-gen-ai-82a5337a8c00
• https://www.youtube.com/watch?v=6aZ-eIdr_0g