Du dev à Product Owner IA : ce que j'aurais aimé savoir

Après 10 ans de dev, j’ai fait la transition vers le rôle de PO Manager IA. Voici ce que j’aurais aimé qu’on me dise avant de commencer.

La compétence technique reste un avantage

Contrairement à ce qu’on entend parfois, être développeuse est un atout énorme en tant que PO IA. Trois raisons concrètes :

Vous validez la faisabilité en temps réel. Quand un stakeholder demande “est-ce qu’on peut faire X avec l’IA ?”, vous pouvez répondre avec précision plutôt qu’avec un vague “je vais me renseigner”.

Vous dialoguez avec l’équipe technique d’égal à égal. Les développeurs vous font confiance parce que vous comprenez leurs contraintes. Moins de friction, plus de vélocité.

Vous écrivez de meilleurs specs. Une spec rédigée par quelqu’un qui a déjà implémenté des features est beaucoup plus utile que celle d’un PM qui n’a jamais ouvert un IDE.

Le shift mental principal

Le changement le plus difficile : vous ne produisez plus de code, vous produisez des décisions.

En tant que dev, votre valeur était mesurable et visible — j’ai implémenté X, j’ai corrigé Y, voici le commit. En tant que PO, la valeur est moins tangible — j’ai identifié que X était la bonne chose à faire, j’ai évité d’implémenter Y qui n’aurait pas fonctionné.

Ça demande un vrai travail sur soi, surtout si vous étiez un développeur prolifique.

Les erreurs que j’ai faites

Erreur 1 — Vouloir tout contrôler techniquement. Au début, je voulais valider chaque choix technique, chaque prompt, chaque intégration. C’est contre-productif. Votre rôle est de cadrer, prioriser et lever les blocages — pas de coder les agents vous-même.

Erreur 2 — Confondre vitesse et précipitation. Les projets IA ont une courbe d’apprentissage. Les 3 premières semaines semblent lentes parce que vous construisez les fondations (évals, architecture, données de test). Résistez à la pression de livrer des features avant d’avoir ces bases.

Erreur 3 — Sous-estimer le travail sur les données. La qualité d’un agent IA dépend à 60% des données et des exemples qu’on lui donne, et à 40% du prompt. J’ai passé trop de temps à optimiser les prompts avant d’avoir des données de qualité.

Les compétences qui font la différence

Au bout d’un an, voici ce qui compte vraiment :

Savoir écrire des evals. Comment mesurer objectivement si votre agent est meilleur qu’avant ? Sans éval rigoureuse, vous naviguez à vue. C’est la compétence la plus sous-estimée du domaine.

Comprendre les coûts et la latence. Chaque appel LLM coûte du temps et de l’argent. Un PO IA efficace optimise ces deux dimensions en continu, pas seulement à la fin.

Communiquer l’incertitude. L’IA est probabiliste. “Ça marchera dans 95% des cas” est un livrable valide. Savoir communiquer ça aux stakeholders sans les alarmer ni les endormir, c’est un art.

Ce que je recommande

Si vous envisagez cette transition : commencez par piloter un vrai projet IA en parallèle de votre poste actuel. Pas un POC jouet — quelque chose qui tourne en production, même à petite échelle. La différence entre théorie et pratique est immense dans ce domaine.