15 octobre 2026Mis à jour le Fathy Shalaby12 min de lecture
L’IA a créé une nouvelle charge de travail produit : comment PM et ingénieurs se la répartissent
L’IA n’a pas supprimé le travail produit ; elle a déplacé le goulot d’étranglement vers le jugement, la revue et la responsabilité. Voici les données, un contrat PM–ingénierie en trois voies et un contrôle de la capacité de revue.
L’IA n’a pas supprimé le travail produit ; elle l’a déplacé. Produire des brouillons, des prototypes et du code est devenu bon marché, tandis que décider de ce qui mérite l’attention, relire ce qui a été produit et assumer ce qui parvient aux utilisateurs est devenu plus coûteux. C’est la nouvelle charge de travail produit liée à l’IA. Les équipes qui adoptent massivement l’IA fusionnent 98 % de pull requests en plus, mais le temps de revue augmente de 91 %. La solution est un contrat clair sur qui prépare, qui décide et qui est responsable de la production.
Points clés
Sur plus de 10 000 développeurs, les équipes à forte adoption de l’IA ont terminé 21 % de tâches en plus et fusionné 98 % de PR en plus, mais le temps de revue des PR a augmenté de 91 % et leur taille de 154 %, sans amélioration mesurable au niveau de l’entreprise (Faros AI, 2025).
La recherche DORA 2025 montre que l’IA augmente désormais le débit de livraison mais continue de réduire la stabilité, parce qu’un plus grand volume de changements submerge les contrôles faibles.
27 % du travail assisté par l’IA chez Anthropic consistait en tâches qui n’auraient pas été réalisées autrement. Créer coûte moins cher, donc il y a plus à évaluer.
La part des PM dans les recrutements tech est passée de 16 % en 2021 à 21 % en 2026, tandis que le recrutement d’ingénieurs logiciels aux États-Unis est tombé à moins de la moitié de son pic de 2022.
Répartissez le travail en trois voies : automatiser la préparation du PM, garder le jugement produit humain et partager la responsabilité de la production avec l’ingénierie.
Quelle nouvelle charge de travail l’IA a-t-elle créée pour les équipes produit ?
La nouvelle charge, c’est l’évaluation. Quand créer coûte peu, une équipe peut produire plus de travail candidat qu’elle ne peut en juger. La mesure la plus claire vient de l’étude de télémétrie de Faros AI de 2025, portant sur plus de 10 000 développeurs répartis dans 1 255 équipes (Faros AI, 2025). Dans les équipes à forte adoption de l’IA :
les développeurs ont terminé 21 % de tâches en plus et fusionné 98 % de pull requests en plus.
la taille moyenne des PR a augmenté de 154 %.
le temps de revue des PR a augmenté de 91 %, ce que Faros identifie comme le principal goulot d’étranglement.
le nombre de bugs par développeur a augmenté de 9 %.
la livraison au niveau de l’entreprise n’a montré aucune amélioration significative.
Le programme DORA de Google a observé le même schéma au niveau du système. Son rapport 2025, fondé sur près de 5 000 professionnels de la tech, constate que l’adoption de l’IA est désormais positivement liée au débit de livraison, inversant le résultat de 2024, mais toujours négativement liée à la stabilité. Les auteurs l’attribuent à un volume de changements plus élevé qui submerge les contrôles faibles, comme les tests automatisés et les boucles de rétroaction (Google Cloud, 2025).
Elle crée aussi un travail entièrement nouveau. L’étude d’Anthropic sur ses propres équipes a constaté que 27 % du travail assisté par l’IA consistait en tâches qui n’auraient pas été faites sans IA (Anthropic, 2025). Une partie a de la valeur. Pour tout cela, quelqu’un doit décider si cela doit exister.
Où le travail s’est déplacé
Activité
Avant les outils de code IA
Avec les outils de code IA
Écrire un premier brouillon (spec, code, prototype)
Lent, rare
Rapide, abondant
Choisir quel brouillon poursuivre
Implicite, car il y en avait peu
Décision explicite et fréquente
Relire les changements
Proportionnel à la taille de l’équipe
Croît plus vite que l’équipe
Garder la production stable
Tailles de changement familières
Changements plus grands et plus fréquents
Relier le travail aux preuves clients
Souvent sauté
Sauté à un coût plus élevé
Apprendre de ce qui a été livré
Mensuel au mieux
Nécessaire chaque semaine pour suivre
Qui absorbe la nouvelle charge de travail produit ?
Chaque rôle en prend une part différente.
Rôle
Nouveau travail créé par l’IA
Ce qu’il faut cesser de faire
Product manager
Choisir entre de nombreux brouillons et prototypes ; rédiger des briefs que les agents peuvent suivre ; vérifier que ce qui a été livré correspond à la décision
Rédiger à la main les rapports d’avancement et les premiers brouillons de specs
Ingénieur
Relire des changements plus grands et plus fréquents ; protéger l’architecture, la sécurité et la fiabilité ; maintenir le contexte des agents
Taper du code répétitif
Engineering manager
Dimensionner la capacité de revue ; garder des lots petits ; fixer la politique d’usage de l’IA
Compter les lignes, les commits ou les suggestions acceptées
Fondateur ou head of product
Dire non plus souvent, car dire oui est désormais bon marché
Traiter la vitesse d’une démo comme une preuve
Les données de recrutement reflètent ce basculement. Les données de TrueUp et de Live Data Technologies analysées par Lenny Rachitsky montrent que le product management était le seul rôle central dont la part dans les recrutements a augmenté, de 16 % en 2021 à 21 % fin 2026, alors que les entreprises américaines ont embauché environ 113 000 ingénieurs logiciels sur l’année jusqu’en avril 2026, contre 239 000 au pic de 2022 (Lenny’s Newsletter, 2026). Moins d’ingénieurs par PM, c’est un PM plus proche de plus de production. Notre article sur le ratio PM-ingénieurs à l’ère de l’IA examine ce que cela fait au métier.
Qu’est-ce que le contrat PM–ingénierie en trois voies ?
Un contrat rend la répartition explicite avant le début du travail, pour que personne ne découvre l’écart en production.
Voie 1 : automatiser le travail mécanique du PM
Utilisez l’IA là où l’entrée existe, où la transformation se répète et où une personne peut inspecter la sortie. Bons candidats :
Regrouper et dédupliquer les feedbacks
Extraire des thèmes d’appels et de conversations de support
Un premier résumé de recherche avec liens vers les sources
Un brouillon de brief à partir de preuves validées
Des tickets candidats à partir d’un brief relu
Notes de version, points d’étape pour les parties prenantes et entrées du journal de décisions
Vérifier qu’un livrable contient ses preuves et ses critères d’acceptation
Le PM reste responsable du problème qui mérite l’attention, de qui est concerné, de la solidité suffisante des preuves, de l’arbitrage que fait l’équipe, de ce que prédit l’hypothèse, de ce qui comptera comme apprentissage et de ce qu’il ne faut pas construire. L’IA peut challenger un cadrage et trouver des preuves manquantes. Elle ne doit pas transformer discrètement un schéma plausible en engagement de roadmap. Nous les listons dans ce que les product managers ne devraient jamais déléguer à l’IA.
Voie 3 : partager le contrat de production avec l’ingénierie
PM et ingénierie conviennent ensemble de :
L’architecture et les frontières du système
La sécurité, la confidentialité et la conservation des données
La fiabilité, la performance et le coût d’exploitation
L’évaluation et le comportement de repli pour les fonctionnalités d’IA
Les permissions et les actions irréversibles
Le déploiement, l’observabilité et le retour arrière
Le PM apporte l’utilisateur, le problème, les preuves et le résultat visé. L’ingénierie apporte les contraintes du système, les modes de défaillance et le coût de maintenir la promesse en production. La description de l’ingénierie agentique par Martin Fowler en 2026 le dit sans détour : les humains restent responsables de ce que fait le logiciel, et comprendre le domaine du problème compte davantage, pas moins (Fowler, 2026).
Voie
Le PM est responsable de
L’ingénierie est responsable de
Livrable partagé
1. Automatiser la préparation
Règles, revue des exceptions
Outillage et accès aux données
Brouillons liés aux sources
2. Jugement produit
Problème, preuves, arbitrage, résultat
Avis de faisabilité
Registre de décision
3. Contrat de production
Impact utilisateur, critères d’acceptation
Architecture, sécurité, fiabilité
Brief avec garde-fous et plan de retour arrière
Les product managers doivent-ils devenir des builders ?
Oui, si « PM builder » désigne un PM qui construit juste assez pour améliorer une décision produit. Non, s’il désigne un PM responsable de systèmes de production sans les compétences d’ingénierie, la revue et la responsabilité nécessaires pour les exploiter en sécurité.
Un PM builder peut rendre une interaction tangible, révéler l’ambiguïté d’une exigence, tester un workflow avec des utilisateurs, explorer une question avec des données, créer un prototype jetable et automatiser son propre travail de coordination. Un PM builder ne devrait pas utiliser l’IA pour contourner la revue d’architecture, livrer des changements sensibles sans revue de sécurité ou transformer par accident une expérience en promesse de production.
Une définition de travail : un PM builder construit juste assez pour améliorer la décision, pas pour éviter de la prendre. Notre article plus long sur la question de savoir si les product managers doivent devenir builders détaille les compétences en jeu.
Comment les PM doivent-ils désormais manager ingénieurs et builders IA ?
Le rôle du manager n’est pas de maximiser la production générée. C’est de rendre le système assez fiable pour que cette production circule en sécurité. Huit règles d’exploitation :
Préférer les petits lots. Les changements plus petits sont plus faciles à relire, tester et annuler. DORA cite le travail en petits lots parmi les sept capacités qui amplifient les bénéfices de l’IA (Google Cloud, 2025).
Garder les critères d’acceptation proches des preuves. Les ingénieurs doivent voir pourquoi le travail existe, pas seulement ce que dit le ticket.
Améliorer le contexte disponible pour les outils. Le modèle de DORA cite les données internes accessibles à l’IA et des écosystèmes de données sains comme des capacités à part entière. Notre guide pour donner du contexte produit aux agents de code IA montre quoi inclure.
Publier une politique d’usage de l’IA. La première capacité de DORA est une position claire et communiquée sur l’IA : quels outils sont autorisés, quelles données ils peuvent voir et quelles actions exigent une validation.
Le modèle opératoire compte plus que le choix d’outil. L’enquête 2026 de Product Institute auprès de 309 product leaders a montré que 47 % des organisations dotées d’un modèle opératoire mature disent que l’IA renforce leur manière de travailler, contre 29 % de celles dont le modèle est immature. Parmi les organisations au modèle faible, 42 % disent que l’IA révèle leurs faiblesses ou aggrave la situation (Product Institute, 2026).
Comment vérifier que la capacité de revue suit ?
Mesurez la file d’attente, pas la production. Un contrôle hebdomadaire simple :
Comptez les changements ouverts cette semaine et les changements relus.
Notez le nombre médian d’heures entre l’ouverture et la première revue.
Notez la taille médiane des changements en lignes ou en fichiers.
Si les ouvertures dépassent les revues deux semaines de suite, ou si le délai médian de revue double, plafonnez le travail en cours avant d’ajouter d’autres tâches d’agents.
Exemple chiffré (illustratif)
Supposons qu’une équipe de cinq ingénieurs et d’un PM fusionnait 20 changements par semaine avant les outils de code IA, d’une médiane de 150 lignes chacun, avec une première revue sous quatre heures. Six semaines après l’adoption des agents, l’équipe ouvre 40 changements par semaine, d’une médiane de 380 lignes. Les revues mettent désormais 11 heures à démarrer, et 12 changements attendent à la fin de chaque semaine.
L’équipe fixe une limite de trois changements ouverts générés par des agents par ingénieur, demande aux agents de découper tout changement de plus de 200 lignes et fait vérifier par le PM chaque changement par rapport aux critères d’acceptation de son brief avant la revue d’ingénierie. En trois semaines, la file retombe à trois changements et la première revue revient à cinq heures. La production se stabilise autour de 30 changements fusionnés par semaine : moins que le pic, plus qu’avant, et relisible. Vos chiffres seront différents ; c’est la méthode qui compte.
Modèle : revue hebdomadaire de la charge de travail IA
Copiez ceci dans les notes de réunion hebdomadaire de votre équipe.
Changements ouverts / relus / fusionnés cette semaine :
Délai médian avant la première revue :
Taille médiane des changements :
Changements générés par des agents encore ouverts :
Prototypes créés / passés en roadmap / abandonnés :
Travail généré sans lien avec une décision :
Où l’IA a-t-elle supprimé de la friction ?
Où a-t-elle ajouté de la charge de revue ou d’exploitation ?
Qu’arrêtons-nous, réduisons-nous ou annulons-nous ?
La ligne sur le travail non relié est la plus utile. Tout ce qui est généré sans décision derrière est la nouvelle charge de travail à l’état pur.
Quelles sont les erreurs courantes ?
Célébrer la production. Une hausse de 98 % des PR fusionnées ne veut pas dire grand-chose si le temps de revue et les bugs augmentent aussi. Surveillez le système, pas l’individu.
Laisser la revue à celui qui est libre. La revue est désormais la capacité la plus rare de l’équipe. Planifiez-la comme n’importe quelle autre capacité.
Faire du PM un ingénieur à temps partiel. Construire pour apprendre est bien. Livrer en production sans revue d’ingénierie déplace le risque, ne le supprime pas.
Ignorer le point de vue des développeurs. L’enquête 2025 d’Atlassian auprès de 3 500 développeurs et managers a révélé que les développeurs passent 16 % de leur temps à coder et que 63 % disent que les dirigeants ne comprennent pas leurs points de friction (Atlassian, 2025). Demandez aux ingénieurs où se situe la nouvelle charge avant de décider.
Planifier les effectifs sans les agents. Le Work Trend Index 2025 de Microsoft propose un ratio humain-agent comme indicateur de planification et constate que 36 % des dirigeants s’attendent à ce que manager des agents fasse partie de leur métier d’ici cinq ans (Microsoft, 2025). Quelqu’un doit diriger et relire ces agents ; budgétez leur temps.
Où Specky intervient
Specky est conçu autour de ce contrat. Il intègre appels clients, feedbacks, Slack, Jira et analytics dans un Product Graph, de sorte qu’un brief ou un ticket porte des citations en ligne vers les preuves qui le fondent. Son serveur MCP donne aux agents de code ce même contexte produit, pour que l’ingénierie démarre avec la raison, pas seulement la demande. Après la sortie, Specky vérifie si le pari a fonctionné. Le PM garde le jugement ; l’ingénierie garde la production ; personne ne perd le fil entre les deux.
Questions fréquentes
Les PM doivent-ils apprendre à construire avec l’IA ?
Oui, quand construire les aide à tester une question produit, à clarifier une exigence ou à éliminer du travail mécanique répétitif. Les prototypes sont un moyen rapide de montrer à un utilisateur ou à un ingénieur ce que vous voulez dire. Les PM doivent toutefois impliquer l’ingénierie pour l’architecture de production, la sécurité, la fiabilité et l’exploitation, car le code généré qui atteint les utilisateurs devient la responsabilité de l’ingénierie.
Comment les PM doivent-ils manager des ingénieurs qui utilisent des outils de code IA ?
Fixez un contrat de décision clair, gardez le travail en petits lots, demandez aux agents de documenter hypothèses et tests, définissez les limites de données et de permissions, et mesurez les résultats produit et de livraison plutôt que le volume généré. Surveillez chaque semaine le temps de revue et la taille des changements ; ce sont les premiers signes que la production dépasse la capacité de l’équipe à la vérifier.
Pourquoi l’IA a-t-elle augmenté notre charge de travail au lieu de la réduire ?
Parce que la création est devenue moins chère plus vite que l’évaluation. Faros AI a constaté que les équipes à forte adoption de l’IA fusionnaient 98 % de PR en plus tandis que le temps de revue augmentait de 91 %. Anthropic a constaté que 27 % du travail assisté par l’IA n’aurait pas été fait autrement. Plus de brouillons, de prototypes et de changements : tout cela demande que quelqu’un décide si cela doit exister et si cela fonctionne.
Quel est le bon rôle d’un PM builder ?
Un accélérateur de décision. Un PM builder crée juste assez pour apprendre et aligner, avec des prototypes, de l’exploration de données et de la coordination automatisée, puis travaille avec l’ingénierie pour transformer une direction validée en logiciel sûr et maintenable. Le test est de savoir si construire a amélioré une décision, pas si le PM a livré du code.
L’IA va-t-elle remplacer les product managers ?
Les données disent non. La part des PM dans les recrutements tech a augmenté depuis 2021, alors que l’IA absorbe des tâches comme la synthèse, la documentation et les rapports d’avancement. Choisir les problèmes, faire des arbitrages et assumer les résultats exige toujours une personne. Voir notre analyse sur les données 2026 : l’IA peut-elle remplacer les product managers.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing