16 juillet 2026Mis à jour le Fathy Shalaby13 min de lecture
Ratio PM/ingénieurs : fourchettes typiques, benchmarks et impact de l’IA
La plupart des éditeurs de logiciels comptent un product manager pour 4 à 10 ingénieurs, d’environ 1:5 dans les petites entreprises à 1:11 dans les grandes. Benchmarks par stade, méthode de calcul et ce que changent les outils de code IA.
Le ratio typique entre product managers et ingénieurs dans les entreprises de logiciel est d’un product manager pour 4 à 10 ingénieurs, 1:6 étant la règle empirique la plus courante. La taille de l’entreprise le fait varier : les données de 4 195 entreprises montrent environ 1 PM pour 5 ingénieurs dans les entreprises de moins de 100 personnes et 1 pour 11 dans celles de plus de 3 000. Les outils de code IA poussent désormais certaines équipes vers du 1:1.
L’essentiel
Fourchette courante : 1 PM pour 4 à 10 ingénieurs. Andrew Ng juge le ratio 6:1 courant (ingénieurs:PM) et 4:1 à 10:1 typique (The Batch, 2025).
Les grandes entreprises ont moins de PM. Les PM passent de 13 % des effectifs R&D entre 1 et 100 salariés à 7 % au-delà de 3 000 (Pave, 2024).
L’IA accélère davantage l’ingénierie que les décisions produit. 50 % des responsables produit déclarent un fort impact de l’IA sur le travail d’ingénierie, contre 17 % sur la planification stratégique et la roadmap (Product Institute, 2026).
Le ratio de 1:0,5 est une proposition isolée, pas un benchmark. Ng a dit qu’il ne savait toujours pas si c’était une bonne idée.
Mesurez le goulot d’étranglement, pas le ratio. Des ingénieurs qui attendent des décisions, des reprises de travail et des prototypes sans responsable vous en apprennent plus qu’une fraction d’effectifs.
Quel est le ratio typique entre PM et ingénieurs ?
Il n’existe pas de norme officielle, mais les données publiées et les enquêtes auprès de praticiens se regroupent étroitement. Voici ce que chaque source a réellement mesuré :
Source
Année
Ce qui a été mesuré
Ingénieurs par PM
Pave, benchmarks d’organisation R&D
2024
Données d’effectifs, environ 233 000 salariés R&D dans 4 195 entreprises
~5 (1 à 100 salariés) à ~11 (plus de 3 000 salariés)
Seuls les chiffres de Pave et de Synq proviennent de données d’effectifs ; le reste relève d’estimations d’experts. Elles s’accordent pourtant sur la zone centrale : la plupart des équipes logicielles se situent entre 1:5 et 1:10. Descendre sous 1:4 est inhabituel en dehors des toutes jeunes startups et des équipes très orientées IA. Dépasser 1:15 signale généralement soit une culture pilotée par l’ingénierie, soit des PM trop dispersés.
À quoi ressemble le ratio selon le stade de l’entreprise ?
Stade
Ingénieurs par PM (typique)
Qui fait le travail produit
Source ou base
Avant le product-market fit, moins de ~10 personnes
Pas de PM dédié
Un fondateur fait office de PM au quotidien
Ken Norton
Petite entreprise, 1 à 100 salariés
~5
Premiers PM, souvent un par domaine produit
Pave
Scale-up
~8 en médiane ; 15+ dans les entreprises pilotées par l’ingénierie
Un PM par équipe ou par surface
Synq
Grande entreprise, plus de 3 000 salariés
~11
PM, group PM, PM plateforme
Pave
Produits matures, peu de changements
Jusqu’à 50
Le PM couvre la roadmap de maintenance
Saeed Khan (avis)
Équipes nées avec l’IA en 2026
De ~8 vers 1
Généralistes qui construisent et décident
Andrew Ng, 2026
Pave a aussi constaté que l’ingénierie passe d’environ 70 % des effectifs R&D dans les petites entreprises à environ 80 % dans les grandes, tandis que la data science reste à 4–6 % partout (Pave, 2024). Les grandes entreprises ajoutent des ingénieurs plus vite que des PM. Une explication plausible, que Pave ne mesure pas : le travail de plateforme et d’infrastructure demande moins de product management direct.
La règle de Ken Norton pour la toute première phase mérite d’être retenue : avant le product/market fit, un fondateur devrait être le PM au quotidien (Norton, 2017). Si vous vous demandez quand en recruter un, consultez notre guide sur le premier product manager dans une startup.
Comment calculer votre ratio PM/ingénieurs ?
Divisez le nombre d’ingénieurs par le nombre de personnes qui font du product management, en comptant selon le temps passé et non selon l’intitulé de poste.
Comptez les ingénieurs qui construisent le produit. Incluez les product engineers, les ingénieurs front-end, back-end, mobile et ML. Décidez une fois pour toutes d’inclure ou non les engineering managers, la QA et les ingénieurs plateforme, puis tenez-vous-y.
Comptez la capacité de product management en équivalents temps plein (ETP). Un PM à temps plein vaut 1,0. Un fondateur qui consacre la moitié de sa semaine aux décisions produit vaut 0,5. Un designer ou un ingénieur qui mène de la discovery un jour par semaine vaut 0,2.
Divisez les ingénieurs par la capacité PM.
Vérifiez équipe par équipe, pas seulement à l’échelle de l’entreprise. Une moyenne de 1:7 peut cacher une équipe à 1:3 et une autre à 1:20.
Un exemple chiffré, avec des nombres purement illustratifs. Prenons une entreprise SaaS de 30 personnes avec 18 ingénieurs, 2 PM, un PDG qui consacre 40 % de sa semaine au produit et un lead engineer qui consacre 20 % à la discovery :
Capacité PM : 2 + 0,4 + 0,2 = 2,6 ETP
Ratio : 18 ÷ 2,6 ≈ 6,9 ingénieurs par PM
Selon les seuls intitulés, on obtiendrait 18 ÷ 2 = 9, ce qui exagère l’écart
Le chiffre par intitulé pousserait cette équipe à recruter. Le chiffre par capacité indique qu’elle se situe dans la moyenne, et la vraie question est de savoir si les 40 % du PDG sont les bons 40 %.
Pourquoi le ratio PM/ingénieurs évolue-t-il à l’ère de l’IA ?
Les outils de code IA accélèrent la construction plus vite que la décision de ce qu’il faut construire ; les décisions produit deviennent donc la contrainte. Ng l’a formulé ainsi en juillet 2025 : décider quoi construire est le nouveau goulot d’étranglement, surtout au début d’un projet (The Batch, 2025).
Les données d’enquête vont dans le même sens. Dans l’enquête 2026 du Product Institute auprès de 309 responsables produit, 50 % ont déclaré un fort impact de l’IA sur l’ingénierie et le développement et 45 % sur le design et le prototypage, mais seulement 17 % sur la planification stratégique et la roadmap et 9 % sur la collaboration entre équipes (Product Institute, 2026). Le rapport DORA 2025 de Google a constaté que 90 % d’environ 5 000 professionnels de la tech utilisent désormais l’IA au travail, et que cette adoption est maintenant associée à un meilleur débit de livraison (Google, 2025).
Si la production par ingénieur augmente alors que la capacité de décision produit stagne, chaque PM peut accompagner moins d’ingénieurs avant que ceux-ci ne se mettent à attendre. C’est le mécanisme derrière un ratio qui baisse.
Qu’a réellement dit Andrew Ng à propos de 1 PM pour 0,5 ingénieur ?
À l’AI Startup School de Y Combinator en juin 2025, Ng a décrit une équipe qui proposait un PM pour un demi-ingénieur, au lieu des 1:4 habituels (YouTube, 2025). Il a qualifié l’idée d’extrême et ajouté : « I still don’t know if this is a good idea » (extrait de transcription, HackerNoon). C’était la proposition d’une seule équipe pour un seul projet.
En avril 2026, son propos était plus mesuré : certaines équipes font passer le ratio ingénieurs/PM d’environ 8:1 jusqu’à 1:1, et de petites équipes colocalisées de 2 à 10 personnes qui acquièrent des compétences voisines peuvent accomplir beaucoup plus (The Batch, 2026). Le point le plus durable est que la frontière entre ingénieur et PM s’estompe, et non que les entreprises devraient recruter deux PM par ingénieur.
Quelles sont les limites de l’argument « l’IA rend les ingénieurs plus rapides » ?
Le gain de vitesse est réel pour de nombreuses tâches, mais inégal et facile à surestimer :
Dans l’enquête 2025 d’Atlassian auprès de 3 500 développeurs et managers, 68 % gagnaient plus de 10 heures par semaine grâce à l’IA, mais 50 % perdaient 10 heures ou plus par semaine à cause des frictions organisationnelles, et les développeurs ne consacraient que 16 % de leur temps à coder (Atlassian, 2025).
Dans l’essai randomisé de METR, 16 développeurs open source expérimentés ont mis 19 % de temps en plus sur 246 tâches avec des outils d’IA, tout en croyant avoir été 20 % plus rapides (METR, 2025). METR le décrit désormais comme un instantané des outils du début 2025.
Si le code ne représente que 16 % du temps d’un ingénieur, même doubler la vitesse de codage libère moins de capacité que ne le suggèrent les gros titres. Les équipes dont le goulot d’étranglement est la revue, les tests ou des exigences floues ne le résoudront pas en ajoutant des PM ou en retirant des ingénieurs.
Comment l’IA devrait-elle changer concrètement le ratio de votre équipe ?
Considérez le ratio comme le résultat de la circulation du travail, non comme un paramètre de recrutement. Demandez-vous où le travail attend :
Signal
Ce que cela suggère
Par quoi commencer
Ingénieurs ou agents inactifs, en attente de décisions ou de specs
Capacité de décision produit insuffisante
Une boucle de décision plus courte et des briefs bornés ; ensuite, davantage de capacité PM
Des prototypes s’accumulent sans responsable ni chemin vers la production
La construction dépasse la décision
Une revue hebdomadaire garder, abandonner ou livrer ; nommer un responsable pour chacun
Beaucoup de reprises : des fonctionnalités rouvertes parce que l’objectif était flou
Des briefs faibles, pas forcément trop peu de PM
Un brief partagé, relu avec l’ingénierie avant le début du travail
Des PM écrivent des specs que personne ne lit ; nombreuses réunions de suivi
Trop de PM, ou des PM qui font de la coordination
Moins de passages de relais ; donner aux ingénieurs un accès direct aux clients
La qualité des releases et la charge du support se dégradent quand la production augmente
La revue et les tests sont le goulot d’étranglement
Investir dans la QA, les evals et les contrôles de release avant d’ajouter des PM
Quel ratio une équipe de 3 à 10 personnes née avec l’IA devrait-elle viser ?
Visez une capacité de décision produit suffisante pour que personne n’attende plus d’un jour ou deux une décision, plutôt qu’un ratio fixe. Un exemple illustratif : une équipe de 7 personnes compte 5 ingénieurs, 1 designer et un fondateur-PDG qui consacre la moitié de la semaine au produit. Cela donne 5 ÷ 0,5 = 10 ingénieurs par équivalent PM, soit l’extrémité la plus légère en PM de la fourchette.
Si ces ingénieurs utilisent des agents de code et livrent désormais une modification type en deux jours au lieu de cinq, le 0,5 ETP de temps produit du fondateur devient la file d’attente. Les options, par ordre de coût :
Récupérez du temps produit sur les corvées. Une grande partie du temps des PM sert à rassembler du contexte plutôt qu’à décider. Notre article sur la reconquête du métier de product manager explique ce qu’il faut déléguer.
Faites d’un ingénieur un product engineer à temps partiel, responsable de la discovery d’un domaine à environ 0,2–0,3 ETP.
Recrutez un premier PM dès que le fondateur ne peut plus mener des entretiens clients chaque semaine tout en tenant le brief produit à jour. L’équipe passe alors à environ 5 ÷ 1,5 ≈ 3,3 ingénieurs par équivalent PM, proche de la direction que décrit Ng pour l’ère de l’IA.
Pour une petite équipe née avec l’IA, la réponse pratique n’est généralement pas un nouveau ratio mais des généralistes : des ingénieurs qui font de la discovery et des PM capables de prototyper. Chacun devrait néanmoins préciser quelle casquette il porte à chaque étape. Le modèle opérationnel est présenté dans le product management natif IA pour les petites équipes, et le rôle de PM lui-même dans ce que fait un product manager IA.
Pourquoi les ingénieurs construisent-ils des choses qui ne correspondent pas à la demande du PM ?
Les ingénieurs construisent autre chose que ce que le PM attendait lorsque le brief échoue de l’une de deux façons opposées : il en dit trop peu sur l’utilisateur, le problème ou le comportement attendu, ou bien il prescrit l’implémentation avant que l’ingénierie n’ait évalué l’approche. Un changement de ratio ne corrigera ni l’un ni l’autre.
Avant le début du travail, rendez ces points faciles à trouver :
Utilisateur et situation : qui est concerné, et que cherche-t-il à faire ?
Preuves : quel entretien client, quelle tendance du support ou quel signal d’usage a mené jusqu’ici, et qu’est-ce qui reste une hypothèse ?
Résultat attendu : qu’est-ce qui doit s’améliorer, avec une valeur de référence s’il y en a une ?
Exemples de comportement : le cas principal et deux ou trois cas limites importants.
Contraintes et non-objectifs : qu’est-ce qui doit rester vrai, et qu’est-ce qui est volontairement hors périmètre ?
Décisions ouvertes : qu’est-ce qui nécessite l’avis de l’ingénierie, du design ou du juridique avant de s’engager ?
Vérification : comment l’équipe contrôlera le comportement et l’effet après la release.
Utiliser un benchmark comme objectif de recrutement. Un ratio décrit une équipe ; il ne dit pas si cette équipe comprend ses clients.
Compter les intitulés plutôt que le temps. Les fondateurs, les designers et les ingénieurs font souvent un vrai travail produit. Comptez-le.
Copier le ratio d’une grande entreprise. Un ratio de 1:11 en grande entreprise reflète des équipes plateforme qui ont peu besoin de product management. Une startup de 15 personnes a un travail différent.
Oublier le design. Ken Norton préfère un designer par PM sur les surfaces tournées vers l’utilisateur. Ajouter des PM sans capacité de design ne fait que déplacer le goulot d’étranglement.
Supposer que l’IA rend tous les ingénieurs également plus rapides. Les gains mesurés varient fortement selon la tâche et la base de code.
Lire l’histoire du 1:0,5 comme une tendance. C’était une proposition isolée, dont la source elle-même n’était pas sûre.
Où Specky intervient
Quand les décisions produit sont le goulot d’étranglement, la solution est généralement un accès plus rapide aux preuves, pas davantage de réunions. Specky est un système produit natif IA qui lit les appels clients, les retours, Slack, Jira et les analytics pour les intégrer dans un Product Graph, puis rédige des specs avec les preuves clients citées en ligne, afin que les ingénieurs et les agents de code voient pourquoi quelque chose est construit. Les équipes de 3 à 10 personnes qui recrutent leur premier PM peuvent découvrir Specky pour les startups.
Questions fréquentes
Quel est un ratio normal entre product managers et ingénieurs ?
Un ratio normal est d’un product manager pour 4 à 10 ingénieurs, 1:6 étant une règle empirique courante. Les données 2024 de Pave le situent autour de 1:5 dans les entreprises de moins de 100 salariés et de 1:11 dans celles de plus de 3 000. Le bon chiffre pour votre équipe dépend de la complexité du produit, de l’accès aux clients et de la part de travail produit déjà assurée par les ingénieurs et les fondateurs.
Combien d’ingénieurs par product manager une startup devrait-elle avoir ?
Avant le product-market fit, une startup n’a généralement pas de PM dédié ; un fondateur joue ce rôle. Dès qu’il y a plusieurs ingénieurs répartis sur plus d’un domaine produit, les données de Pave et de Synq placent les petites entreprises et les scale-ups autour de 1:5 à 1:8. Comptez le temps produit du fondateur avant de recruter, car il couvre souvent plus que ne le laisse penser son titre.
Que signifie un PM pour 0,5 ingénieur ?
Cela signifie un product manager pour un demi-poste d’ingénieur, soit deux PM par ingénieur. Andrew Ng a décrit une équipe qui le proposait lors d’une conférence de juin 2025 et a dit qu’il ne savait pas si c’était une bonne idée. C’est une proposition isolée qui illustre le basculement vers la décision comme goulot d’étranglement, et non un benchmark du secteur.
L’IA change-t-elle le ratio PM/ingénieurs ?
L’IA fait baisser le ratio dans certaines équipes parce que le code s’accélère davantage que les décisions produit. Ng a écrit en avril 2026 que certaines équipes sont passées d’environ 8:1 vers 1:1. Les preuves d’accélération de l’ingénierie sont toutefois mitigées ; la plupart des équipes devraient donc corriger les goulots de décision et de revue avant de toucher aux effectifs.
De combien de product managers a-t-on besoin pour 100 ingénieurs ?
Dans la fourchette typique de 1:6 à 1:10, 100 ingénieurs nécessiteraient généralement environ 10 à 17 PM. Moins est raisonnable si beaucoup d’ingénieurs travaillent sur la plateforme ou l’infrastructure, ou font eux-mêmes leur discovery. Plus peut être nécessaire avec de nombreuses surfaces destinées aux clients ou des produits réglementés. Planifiez par domaine produit, pas uniquement par effectif.
Quel est le ratio idéal entre designers et product managers ?
Ken Norton préfère un designer par PM sur les surfaces tournées vers l’utilisateur, le PM, le designer et le tech lead formant l’équipe de base. Beaucoup d’entreprises ont moins de designers que de PM, surtout sur les produits de plateforme et internes. Si le travail de design s’accumule derrière les décisions, ajouter seulement des PM n’accélérera pas la livraison.
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