17 mai 2026Mis à jour le Fathy Shalaby10 min de lecture
Feature factory : 10 signes que votre équipe livre sans preuves
Une feature factory livre beaucoup et apprend peu. Dix signes d’alerte, une grille d’évaluation en cinq minutes et les changements qui font passer une équipe de l’output aux outcomes.
Une feature factory est une équipe produit qui mesure son succès à la quantité qu’elle livre plutôt qu’à la question de savoir si son travail a changé quelque chose pour les clients ou pour l’entreprise. John Cutler a nommé ce schéma en 2016. Les dix signes d’alerte ci-dessous couvrent la culture, les processus et le suivi. Si quatre d’entre eux ou plus décrivent votre équipe, vous livrez probablement sans preuves.
L’essentiel
L’article de John Cutler de 2016 listait 12 signes d’une feature factory, à commencer par « aucune mesure » et « célébrer les lancements » (Cutler, 2016).
Marty Cagan trace la même frontière entre les feature teams, à qui l’on remet une roadmap et que l’on juge sur l’output, et les équipes produit autonomes, à qui l’on confie des problèmes et que l’on juge sur les outcomes (SVPG, 2019).
L’analyse de Pendo de 2019 a montré que 80 % des fonctionnalités d’un logiciel moyen sont rarement ou jamais utilisées, soit jusqu’à 29,5 milliards de dollars de dépenses de développement chez les éditeurs cloud cotés (Pendo, 2019).
Une priorisation guidée par l’opinion rate de la valeur dans les deux sens : une idée pour Bing est restée plus de six mois dans le backlog avant d’augmenter le chiffre d’affaires de 12 % lorsqu’elle a enfin été testée (HBR, 2017).
La sortie la plus rapide est modeste : définir la métrique avant de construire, et la revoir après le lancement.
Qu’est-ce qu’une feature factory ?
Le terme vient de John Cutler, dont l’article de novembre 2016 « 12 Signs You’re Working in a Feature Factory » décrivait des équipes qui livrent sans cesse, mesurent peu et se demandent rarement si quelque chose a fonctionné (Cutler, 2016). L’expression a fait mouche parce qu’elle nommait quelque chose que beaucoup d’équipes ressentaient sans pouvoir le décrire.
Deux autres cadres décrivent le même échec sous d’autres angles :
Feature teams contre équipes produit. L’essai de Cagan de 2019 oppose les feature teams, à qui les parties prenantes confient une roadmap priorisée de fonctionnalités et que l’on juge sur ce qu’elles livrent, aux équipes produit autonomes, à qui l’on confie des problèmes et des résultats business et qui trouvent la solution par la discovery ().
Le build trap. Melissa Perri décrit des organisations qui « sortent des fonctionnalités à la chaîne pour tenir leur calendrier plutôt que pour répondre aux besoins du client », où l’output devient le but à la place de la valeur qu’il devrait créer (Melissa Perri).
Les trois décrivent une seule cause racine : la métrique de succès de l’équipe est l’output, donc les preuves deviennent facultatives.
Que coûte le fait de construire sans preuves ?
Le chiffre le plus cité vient du Feature Adoption Report 2019 de Pendo : sur 615 abonnements Pendo, 80 % des fonctionnalités du produit moyen étaient rarement ou jamais utilisées, et Pendo estimait que les éditeurs de logiciels cloud cotés avaient investi jusqu’à 29,5 milliards de dollars pour les construire (Pendo, 2019). Ce sont les données clients d’un seul éditeur, pas une loi universelle, mais la tendance correspond à ce que la plupart des PM voient dans leurs propres analytics. Nous détaillons ce chiffre dans pourquoi 80 % des fonctionnalités ne sont jamais utilisées.
Les fonctionnalités inutilisées ne sont pas non plus gratuites après le lancement. Chacune ajoute de la surface d’interface, des questions au support, des cas de test et du code à maintenir.
Le coût inverse est tout aussi réel : de bonnes idées qui ne sont jamais construites parce que la priorisation repose sur l’opinion. Ron Kohavi et Stefan Thomke décrivent l’idée d’un employé de Bing visant à changer l’affichage des titres d’annonces. Elle ne demandait que quelques jours d’ingénierie, mais les program managers l’ont classée bas parmi des centaines de propositions, et elle est restée plus de six mois dans le backlog. Lorsqu’un ingénieur a fini par lancer un simple test A/B, elle a augmenté le chiffre d’affaires de 12 % sans dégrader les indicateurs d’expérience utilisateur, ce que les auteurs estiment à plus de 100 millions de dollars par an rien qu’aux États-Unis (HBR, 2017). Une feature factory construit les mauvaises choses et passe à côté des bonnes.
Quels sont les 10 signes d’alerte d’une feature factory ?
Signes culturels
1. La roadmap est fixée par l’avis de la personne la mieux payée. Les priorités changent après une réunion de direction, pas après de nouvelles preuves clients. Test rapide : pour vos 3 premiers éléments de roadmap, quelqu’un peut-il citer les preuves clients derrière chacun ?
2. La vélocité est la métrique vedette. Les story points, les tickets fermés et le nombre de releases sont reportés à chaque sprint ; l’adoption, la rétention et la conversion le sont rarement, voire jamais. Cutler cite le fait de juger les PM sur l’output et la vélocité comme un signe à part entière (Cutler, 2016).
3. On célèbre les lancements ; on ne discute pas des résultats. La slide de l’all-hands dit « livré ». Personne ne revient 30 jours plus tard avec « voici ce qui a changé ».
Signes de processus
4. Le travail passe directement de l’idée au ticket. Pas d’énoncé du problème, pas de conversations clients, pas de prototype. La discovery, c’est « ce qu’on fera quand on aura le temps ». Notre guide du processus de product discovery montre à quoi ressemble l’étape manquante.
5. Un seul client bruyant peut rediriger le trimestre. L’e-mail d’un seul gros client déclenche un développement majeur, sans vérifier si d’autres clients partagent le problème. La liste de Cutler inclut aussi le fait de construire des fonctionnalités pour conclure des contrats avec une justification financière faible.
6. La roadmap liste des fonctionnalités, pas des outcomes. Chaque ligne est un livrable avec une date. Aucune ne dit quel comportement client ou quel chiffre business elle doit changer. Voir les roadmaps fondées sur les outcomes pour l’alternative.
7. Ceux qui construisent ne savent pas expliquer pourquoi leur travail compte. Demandez à un ingénieur ou à un designer en quoi sa tâche actuelle influence le churn, l’activation ou le chiffre d’affaires. Si la réponse est « le PM l’a demandé », la stratégie n’atteint pas l’équipe.
Signes de suivi
8. Personne ne vérifie les résultats après le lancement. L’équipe passe au ticket suivant dès que le code arrive en production. La livraison est traitée comme la fin du processus plutôt que le début de l’apprentissage.
9. Rien n’est jamais retiré. Les fonctionnalités s’ajoutent, mais presque jamais on ne les supprime ou ne les retravaille sur la base des données. Cutler le dit directement : les équipes abandonnent rarement du travail, et manquent souvent de la sécurité nécessaire pour admettre qu’un pari a échoué.
10. Aucune itération après la première version. Une fois qu’une fonctionnalité est livrée, elle est « terminée », même si les premiers usages montrent que les gens peinent à s’en servir. Les retours ne reviennent jamais pour une deuxième passe.
Comment évaluer votre équipe ? Une grille feature factory en cinq minutes
Notez chaque signe de 0 (faux), 1 (parfois vrai) ou 2 (généralement vrai). Soyez honnête ; le score est pour vous.
#
Signe d’alerte
Score (0-2)
1
Roadmap fixée par l’avis de la personne la mieux payée
2
La vélocité est la métrique vedette
3
Lancements célébrés, résultats non discutés
4
Les idées passent directement en tickets
5
Un seul client bruyant redirige le trimestre
6
La roadmap liste des fonctionnalités, pas des outcomes
7
Ceux qui construisent ne savent pas expliquer pourquoi leur travail compte
8
Aucune vérification après le lancement
9
Rien n’est jamais retiré
10
Aucune itération après la première version
Total (max. 20)
Comment lire le résultat :
0-5 : Vous êtes plutôt guidés par les outcomes. Gardez les habitudes qui vous y ont menés.
6-11 : Situation mitigée. Choisissez les deux signes au score le plus élevé et corrigez-les en premier.
12-20 : Feature factory. Commencez par le signe 8 : une vérification après lancement est le changement le moins coûteux et rend visibles tous les autres problèmes.
Ces seuils sont une règle empirique pour amorcer la discussion, pas un benchmark.
Livrer vite est-il une mauvaise chose ?
Non. La vitesse est un avantage quand vous avancez dans la bonne direction. Quand la roadmap est une liste de souhaits de fonctionnalités plutôt qu’une liste d’outcomes, livrer plus vite vous mène simplement plus tôt au mauvais endroit. Cet écart s’est creusé depuis que les outils de code par IA réduisent le temps de construction ; nous l’examinons dans l’illusion de la vélocité produit.
Ce qui protège la vitesse, c’est un flux régulier de preuves. Teresa Torres définit la continuous discovery comme des points de contact hebdomadaires avec les clients par l’équipe qui construit le produit (Product Talk). Les équipes qui parlent aux clients chaque semaine peuvent aller vite parce qu’elles découvrent tôt quand elles se trompent. Sans cette habitude, chaque expérience devient un projet qui doit réussir, et les équipes qui ne peuvent pas échouer cessent d’expérimenter.
Comment sortir d’une feature factory ?
Définissez la métrique de succès avant d’écrire du code. Pour chaque élément de plus de quelques jours de travail, notez le chiffre qui doit bouger et de combien. Si vous ne pouvez pas en nommer un, vous n’êtes pas prêts à le construire.
Prototypez tôt. Testez l’hypothèse la plus risquée avec l’artefact le moins cher : un croquis, un prototype cliquable ou un fake door. Si une fonctionnalité ne vaut pas la peine d’être prototypée, elle vaut rarement la peine d’être construite. Notre panorama de ce qui compte comme preuve pour chaque risque produit vous aide à choisir le bon test.
Redéfinissez « terminé ». Passez de « code en production » à « code en production et métrique revue ».
Déployez d’abord sur une tranche. Utilisez des feature flags pour livrer à une petite part des utilisateurs, comparez avec le reste, puis élargissez. Vous recueillez des preuves avant que toute la base d’utilisateurs ne paie une erreur.
Réécrivez la roadmap en outcomes. Chaque ligne devient un problème et une métrique cible ; les fonctionnalités deviennent des solutions candidates en dessous.
Tenez une revue de suppression trimestrielle. Listez les fonctionnalités peu utilisées et décidez pour chacune de l’améliorer, de la garder ou de la retirer.
Exemple concret : un trimestre, mesuré
Cet exemple est illustratif. Une équipe SaaS de 12 ingénieurs livre 30 fonctionnalités en un trimestre et annonce « 30 livrées » au conseil. Le PM applique la grille et obtient 13.
L’équipe repasse en revue les 30 lancements :
8 avaient une métrique de succès écrite avant la construction.
Sur ces 8, 3 ont fait bouger leur métrique du montant visé.
Les 22 autres n’avaient pas de métrique, donc personne ne peut dire si elles ont fonctionné.
Le trimestre suivant, l’équipe s’engage sur 15 paris au lieu de 30, chacun avec une métrique et une date de revue à 30 jours. À la fin du trimestre, 6 des 15 atteignent leur cible, 5 sont non concluants et reçoivent une deuxième itération, et 4 ont échoué et sont annulés. La slide du conseil dit désormais « 6 outcomes obtenus, 4 idées abandonnées » au lieu de « 30 livrées ». Moins de lancements, deux fois plus de succès prouvés, et une liste claire de ce qu’il faut arrêter de maintenir.
Quand « feature factory » est-il le mauvais diagnostic ?
Les startups très jeunes. Avant le product-market fit, livrer rapidement beaucoup de petites choses peut être la méthode de recherche, à condition que chaque release soit traitée comme un test et que quelqu’un regarde le résultat.
Le travail contractuel ou réglementaire. Les fonctionnalités de conformité et les livrables promis aux clients n’ont pas besoin d’une métrique de croissance. Étiquetez-les comme des engagements pour qu’elles ne faussent pas le reste de la roadmap.
Le travail sur la plateforme et la dette. Le refactoring a rarement une métrique client. La liste de Cutler met en garde contre le fait de l’ignorer au profit de fonctionnalités clinquantes.
Les fonctionnalités portées par les ventes, avec une vraie économie. Construire pour un contrat peut être le bon choix quand le revenu justifie la complexité à long terme. Le signe d’alerte, c’est de le faire par défaut, sans ce calcul.
Où Specky s’intègre
Specky aide les équipes à quitter l’usine en gardant les preuves attachées au travail. Il intègre les appels, les retours, Slack, Jira et les analytics dans un Product Graph, rédige des specs et des tickets avec les preuves clients citées en ligne, et vérifie après le lancement si le pari a fonctionné, de sorte que le signe 8 cesse d’être la norme.
Questions fréquentes
Qu’est-ce qu’une feature factory en product management ?
Une feature factory est une équipe ou une entreprise qui fait de la livraison de fonctionnalités son objectif. Le succès se mesure en output, comme les fonctionnalités publiées ou les story points fermés, plutôt qu’en outcomes comme l’adoption, la rétention ou le chiffre d’affaires. John Cutler a popularisé le terme dans un article de 2016 listant 12 signes, dont l’absence de mesure, la célébration des lancements et le fait de rarement abandonner du travail.
Qui a inventé le terme feature factory ?
John Cutler, un coach produit qui a ensuite travaillé chez Amplitude, a publié « 12 Signs You’re Working in a Feature Factory » sur son blog en novembre 2016. Il a écrit une suite fin 2019. L’idée recoupe la distinction de Marty Cagan entre feature teams et équipes produit, ainsi que le build trap de Melissa Perri.
Quelle est la différence entre une feature team et une équipe produit ?
Dans le cadre de Marty Cagan, une feature team reçoit des parties prenantes une roadmap priorisée de fonctionnalités et est jugée sur leur livraison. Une équipe produit autonome reçoit un problème et un résultat business, trouve la solution par la discovery et est jugée sur le fait que le résultat a bougé. Les personnes peuvent être les mêmes ; la différence tient à ce dont elles sont responsables.
Comment mesurer les outcomes plutôt que l’output ?
Avant de construire, notez le comportement client ou le chiffre business que le travail doit changer, la cible et la date de revue. Après le lancement, vérifiez-le et consignez le résultat à côté de la décision d’origine. Suivez la part du travail livré qui avait une métrique et celle qui l’a atteinte. Ces deux chiffres en disent plus que la vélocité.
Une startup qui va vite peut-elle éviter de devenir une feature factory ?
Oui, si la vitesse sert à apprendre. Livrez petit, définissez ce que chaque release doit prouver et regardez le résultat avant de décider de la suite. Un contact hebdomadaire avec les clients, comme dans la continuous discovery de Teresa Torres, maintient le flux de preuves. Le risque augmente quand les équipes grandissent et remontent l’output parce qu’il est plus facile à compter.
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