7 octobre 2026Mis à jour le Fathy Shalaby13 min de lecture
Un graphe de décisions pour les petites équipes IA : un contexte qui s’accumule
Les petites équipes ne manquent pas de notes. Il leur manque les liens entre preuves, décisions, travail et résultats. Un modèle pratique de graphe de décisions, une fiche à copier et le test qui montre si le vôtre fonctionne.
Un graphe de décisions est un registre qui relie quatre éléments : le signal qui a changé ce que l’équipe croyait, la décision qu’elle a prise, le travail que cette décision a produit et le résultat qui en est revenu. Les petites équipes natives de l’IA en ont besoin parce que leur contexte vit dans deux ou trois têtes. Sans les liens, « pourquoi avons-nous construit cela ? » reçoit une réponse de mémoire, ou aucune.
Points clés
Les équipes passent plus de 25 % de leur semaine de travail à chercher de l’information, selon l’étude State of Teams 2025 d’Atlassian (Atlassian, 2025). Le contexte de décision manquant pèse lourd dans cette recherche.
L’ancienneté médiane dans l’emploi aux États-Unis était de 4,1 ans en janvier 2026, et de 3,0 ans pour les salariés de 25 à 34 ans (BLS, 2026). Dans une petite équipe, la personne qui sait pourquoi partira plus tôt que vous ne le pensez.
Les ingénieurs ont résolu la moitié du problème en 2011 : l’architecture decision record de Michael Nygard compte cinq champs et existe pour empêcher l’« acceptation aveugle ou l’annulation aveugle » des anciens choix (Nygard, 2011).
Un journal de décisions liste des choix. Un graphe les relie aux preuves en amont et aux résultats en aval. Ce sont ces liens qui permettent à l’équipe d’apprendre.
Un test dit si le vôtre fonctionne : un nouveau collègue peut-il aller d’un signal client à la décision, au travail et au résultat sans rien demander à personne ?
Pourquoi les petites équipes perdent-elles leur contexte produit ?
Les petites équipes produit manquent rarement d’information. Elles ont de l’information qu’on ne peut pas utiliser deux fois.
Un entretien client a lieu. Un fondateur prend une décision. Un ingénieur livre un changement. Une métrique bouge, ou pas. Trois mois plus tard, l’équipe se souvient de fragments de l’histoire mais pas de la chaîne qui reliait le signal à la décision. La version coûteuse de ce qu’on appelle la « mémoire produit » est un tas de notes exactes après lesquelles l’équipe se demande toujours pourquoi.
Trois choses aggravent cela dans les petites équipes natives de l’IA :
Le contexte est porté par une ou deux personnes. Cela paraît efficace jusqu’à ce que quelqu’un arrive, qu’une priorité change ou que le décideur d’origine ne se souvienne plus du raisonnement six mois plus tard.
Les gens partent. Avec une ancienneté médiane de 3,0 ans pour les 25-34 ans (BLS, 2026), une équipe de cinq personnes doit s’attendre à des départs réguliers. À titre de calcul approximatif, et non de prévision : si chacun reste environ trois ans, une équipe de cinq perd quelqu’un tous les sept mois environ.
L’IA accélère la production, pas la capture du raisonnement. Un agent de code peut produire une fonctionnalité en un après-midi. Il n’enregistre pas pourquoi la fonctionnalité valait la peine d’être construite, et il reconstruira volontiers ce que l’équipe a écarté le trimestre dernier si personne ne l’a écrit.
Quelle différence entre connaissance stockée et contexte utilisable ?
Un document vous dit ce que quelqu’un a écrit. Un contexte utilisable vous dit ce que l’équipe croyait, quelles preuves ont façonné cette croyance, ce qui a changé ensuite et ce qui reste incertain.
Un document est généralement organisé autour d’un événement : un résumé d’entretien, un PRD, une mise à jour de roadmap, une note de lancement, un rapport d’avancement. Une décision est organisée autour d’une question :
Quel problème client devons-nous résoudre en premier ?
Qu’est-ce que nous supposons ?
Qu’est-ce qui rendrait ce pari faux ?
Quel travail suit si nous nous engageons ?
Quand saurons-nous si cela a fonctionné ?
La première structure est bonne pour retrouver. La seconde est bonne pour juger. Un dossier de documents bien écrits peut quand même desservir l’équipe, parce que les relations entre eux n’ont jamais été consignées.
À quoi ressemble un graphe de décisions ? Signal → Décision → Travail → Résultat
Une version pratique s’articule autour de quatre objets connectés.
1. Signal
Un signal est quelque chose qui pourrait changer ce que vous faites : une demande client répétée, un motif dans le support, une observation d’entretien, un changement d’usage, une objection commerciale, une contrainte technique. Un signal n’est pas automatiquement une exigence. C’est une preuve qui mérite d’être interprétée.
Champs utiles :
Que s’est-il passé ?
D’où cela vient-il (avec un lien vers la source) ?
Qui ou quoi cela représente-t-il ?
Combien de fois cela est-il apparu ?
Qu’est-ce que cela suggère ?
Qu’est-ce que cela ne prouve pas ?
La dernière question compte. Une seule demande bruyante peut être réelle sans être représentative. Notre analyse de ce qui compte comme preuve pour chaque risque produit montre quels signaux pèsent pour quelle question.
2. Décision
Une décision consigne l’engagement pris par l’équipe en réponse au signal. Une décision durable comporte cinq parties :
La question à laquelle elle répond.
Le choix fait.
Les alternatives envisagées.
Les preuves et hypothèses qui la sous-tendent.
La condition qui amènerait l’équipe à la réexaminer.
Le cinquième champ transforme un journal en système d’apprentissage. Sans lui, le journal est une archive d’opinions. Avec lui, l’équipe peut dire si une décision était fausse, prématurée ou juste compte tenu de l’information disponible à l’époque.
Cela reprend l’architecture decision record proposé par Nygard en 2011, avec Title, Context, Decision, Status et Consequences (Nygard, 2011). Son argument vaut aussi pour les choix produit : un nouvel arrivant face à une décision non expliquée ne peut que l’accepter aveuglément ou l’inverser aveuglément, et les deux sont risqués.
3. Travail
Le travail est l’expression concrète de la décision : une spécification, une expérimentation, un ticket, un prototype, un workflow ou une conversation client.
Lier le travail aux décisions évite un échec courant. Les équipes tiennent une conversation stratégique réfléchie, puis produisent du travail sans rapport visible avec elle. Quand décision et travail sont connectés, on peut vérifier que l’implémentation teste bien la croyance qu’elle devait tester.
4. Résultat
Un résultat est ce qui s’est passé après que le travail a atteint les utilisateurs ou l’équipe. Il n’a pas besoin d’être une métrique parfaite. Cela peut être un changement mesuré, une réaction de client, une expérimentation échouée, un résultat différé ou un explicite « nous ne savons pas encore ».
Ce qui compte, c’est que le résultat revienne à la décision d’origine. Sinon, chaque lancement commence une nouvelle histoire et l’équipe perd l’occasion d’améliorer son jugement.
Quel rapport avec un opportunity solution tree ?
L’opportunity solution tree de Teresa Torres, présenté en 2016, relie un résultat à des opportunités, des solutions et des tests d’hypothèses (Product Talk, 2023). L’arbre est le plan de la discovery. Le graphe est le registre de ce que vous avez choisi en chemin et de ce qui s’est passé ensuite. Ils vont ensemble : chaque solution à laquelle vous vous engagez devient un nœud de décision, et chaque test d’hypothèse devient un travail auquel un résultat est rattaché.
Comment savoir si cela fonctionne ? Le test du nouveau collègue
Vous pouvez tester si votre contexte produit est utilisable avec une seule question :
Un nouveau collègue peut-il aller d’un signal observé à la décision qui en a résulté, au travail qu’elle a engendré et aux preuves qui en sont revenues, sans rien demander à personne ?
Si la réponse est non, le problème n’est pas la recherche. Les connexions n’ont jamais été faites.
Un graphe utile vous permet de circuler dans les deux sens :
D’un signal client aux décisions qu’il a influencées.
D’une décision aux preuves qui l’ont justifiée.
D’une décision aux spécifications, expérimentations et tickets qu’elle a créés.
D’un résultat à l’hypothèse d’origine.
D’un énoncé de stratégie au travail actuel censé le soutenir.
C’est pourquoi un graphe l’emporte sur un dossier de résumés. La valeur ne tient pas à la disponibilité de chaque élément, mais à la relation visible entre les éléments. Pour le modèle de données sous-jacent, voir notre explication des graphes de connaissances pour la gestion de produit.
Quelles décisions méritent une fiche complète ?
Tous les choix n’exigent pas cinq champs. La lettre aux actionnaires de 2016 de Jeff Bezos distingue les décisions réversibles, ou « portes à double sens », qui peuvent suivre un processus léger, des autres. Il soutenait aussi que la plupart des décisions devraient être prises avec environ 70 % de l’information que l’on aimerait avoir (Amazon, 2017).
Une règle praticable pour une petite équipe :
Fiche complète pour les décisions coûteuses à inverser : tarification, modèle de données, nouveau segment de clientèle, suppression d’une fonctionnalité, tout ce qui demande plus de deux semaines de développement.
Une ligne pour les portes à double sens : retouches de texte, petits changements d’UX, outils internes. Notez le choix et le signal, laissez le reste.
Toujours consigner la condition de réexamen quand vous décidez avec une information incomplète. Si vous décidez avec 70 % de confiance, écrivez ce que les 30 % manquants devraient montrer pour vous faire changer d’avis.
Modèle de fiche de décision à copier
Collez ceci dans l’outil que vous utilisez. Chaque ligne entre crochets doit être un lien, pas une paraphrase.
Décision : [une phrase, assez précise pour pouvoir être fausse]
Question à laquelle elle répond : [la question produit]
Responsable (approbateur) : [un nom]
Contributeurs : [noms]
Date de la décision :
Signaux : [liens vers entretiens, tickets, événements]
Ce que les signaux ne prouvent pas : [une ligne]
Alternatives envisagées : [2 à 3 options et pourquoi pas]
Hypothèses : [les croyances qui doivent se vérifier]
Confiance : [par ex. 60 %]
Travail créé : [liens vers spécification, tickets, expérimentation]
Résultat attendu : [métrique ou comportement, et pour quand]
À réexaminer si : [condition qui rouvre la décision]
Résultat observé : [à remplir plus tard, avec un lien]
La ligne « Responsable » suit le play DACI d’Atlassian, qui impose un seul approbateur parmi les rôles Driver, Approver, Contributors et Informed ; il est conçu pour 3 à 6 personnes et dure environ 60 minutes (Atlassian). Un unique approbateur nommé indique clairement à qui s’adresser quand la condition de réexamen se déclenche.
Comment faire fonctionner le workflow en pratique ?
Commencez par une vraie question produit, pas par un projet de migration.
Exemple concret (illustratif). Une startup IA de quatre personnes se demande : « Devons-nous investir pour réduire le délai entre un signal client et une décision produit exploitable ? »
Rassemblez les preuves. Réunissez les 6 notes d’entretien, les 14 messages de support et la tendance d’usage qui concernent la question. Gardez chaque source liée. Un énoncé synthétisé est plus fiable quand l’équipe peut ouvrir ce dont il provient.
Consignez la décision avec un niveau de confiance. « Construire un digest hebdomadaire de preuves pour le fondateur, confiance de 65 % qu’il réduit le temps de décision. » La confiance est une prévision à comparer plus tard, pas une démonstration de certitude.
Reliez-la à une petite pièce de travail. Un prototype de deux semaines, envoyé à 5 partenaires de conception. Le travail doit rendre la décision plus testable, pas seulement occuper l’équipe.
Définissez le chemin de retour avant de livrer. « Si le temps médian entre le signal et la décision ne passe pas de 12 jours à moins de 7 en 6 semaines, réexaminer. » Mettez la date de contrôle dans le calendrier.
Bouclez la boucle. Six semaines plus tard, consignez ce qui s’est passé et reliez-le à la décision, même si la réponse est « incertain ». Sur un trimestre, comparez la confiance annoncée à la fréquence à laquelle les paris ont payé. Cette comparaison est ce qui améliore le jugement de l’équipe.
Le résultat utile n’est pas un résumé plus joli. C’est un chemin plus court entre les preuves et une action responsable.
Qu’est-ce qui change pour une petite équipe ?
Les nouveaux collègues comprennent non seulement ce qui est construit, mais pourquoi cela existe.
Les fondateurs cessent de répondre de mémoire à la même question de contexte.
Les PM passent moins de temps à reconstituer l’état des choses et plus à tester si le produit avance vers le résultat visé.
Les ingénieurs et les agents de code voient la décision derrière une demande plutôt qu’une tâche isolée. Cela compte d’autant plus que davantage de tickets vont directement à un agent ; voir notre guide pour donner du contexte produit aux agents de code IA.
Les mauvaises décisions deviennent des leçons, pas des reproches. Une bonne fiche ne protège pas la décision. Elle protège le processus de raisonnement en rendant les hypothèses visibles.
Erreurs courantes
Consigner des décisions sans signaux. Un journal de conclusions sans liens vers des preuves est une archive d’opinions.
Sauter la condition de réexamen. Sans elle, personne ne sait quand une décision a expiré.
Traiter les résumés d’IA comme des sources. Un thème généré est un pointeur vers des preuves, pas une preuve. Gardez les liens bruts.
Écrire les fiches après coup. Un raisonnement reconstruit est un raisonnement flatteur. Écrivez la fiche au moment où vous décidez.
Consigner chaque porte à double sens. Si le modèle ressemble à de la bureaucratie, les gens cessent de l’utiliser. Gardez la fiche complète pour les choix coûteux.
Ne jamais renseigner le résultat. Un graphe aux champs de résultat vides est un journal de décisions avec des étapes en plus.
Où intervient Specky
Dans Specky, c’est la boucle autour de laquelle le produit est construit : les signaux issus des appels, des retours, de Slack, de Jira et de l’analytique arrivent dans le Product Graph avec leurs sources ; le journal de décisions consigne le choix et cite les preuves qui le sous-tendent ; les spécifications et les tickets portent des citations en ligne ; et après le lancement, vous pouvez vérifier si le pari a fonctionné. Votre équipe prend toujours la décision. Les liens se font pendant le travail au lieu d’être reconstitués plus tard.
Questions fréquentes
Qu’est-ce qu’un graphe de décisions en gestion de produit ?
C’est un registre connecté des choix produit. Chaque décision renvoie aux signaux qui l’ont éclairée (entretiens, tickets, données d’usage) et, vers l’avant, au travail qu’elle a créé et au résultat mesuré ensuite. Contrairement à un journal de décisions à plat, il permet à chacun de remonter d’une fonctionnalité livrée à ses preuves, ou d’une plainte client à toutes les décisions qu’elle a influencées.
En quoi un graphe de décisions diffère-t-il d’un journal de décisions ?
Un journal de décisions est une liste d’entrées : ce qui a été décidé, par qui, quand. Un graphe ajoute des liens de part et d’autre de chaque entrée, vers les preuves en amont et vers le travail et le résultat en aval. Le journal vous dit ce qui s’est passé. Le graphe vous dit si le raisonnement a tenu, ce qui améliore les décisions suivantes.
Qu’est-ce que la mémoire produit ?
La mémoire produit est un nom informel pour la connaissance accumulée d’une équipe sur les raisons pour lesquelles son produit est tel qu’il est : les preuves clients, les décisions, les arbitrages et les résultats derrière chaque fonctionnalité. Les notes et les documents en stockent des morceaux. Elle ne devient utilisable que lorsque ces morceaux sont liés, de sorte qu’un nouvel arrivant puisse suivre le raisonnement sans solliciter les personnes qui étaient là.
Combien de temps prend le fait de lier les décisions ?
Moins qu’on ne le craint. Une fiche complète tient en une courte page quand les preuves sont déjà liées, et la plupart des portes à double sens se contentent d’une ligne. Le coût le plus lourd est l’habitude de relier le travail et les résultats aux décisions. Les équipes qui s’en dispensent paient plus tard, avec les plus de 25 % de la semaine de travail qu’Atlassian a constaté consacrés à la recherche d’information.
Les petites équipes en ont-elles vraiment besoin ?
Ce sont elles qui en ont le plus besoin, parce que le contexte y est concentré chez très peu de personnes. Avec une ancienneté médiane d’environ 3 ans pour les salariés plus jeunes, la personne qui sait pourquoi une décision a été prise sera souvent partie après quelques cycles produit. Une page de décisions liées coûte moins cher que de rediscuter d’anciens choix chaque fois que quelqu’un arrive.
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