4 novembre 2026Mis à jour le Fathy Shalaby12 min de lecture
Que construire ensuite ? Un cadre de décision pour les product builders
Une méthode pratique pour les fondateurs solo et les product engineers afin de choisir la prochaine réalisation à partir des preuves clients, de l'usage du produit et de petits tests, et non de la demande la plus bruyante ou de la dernière idée d'IA.
Que construire ensuite ? Construisez la plus petite chose qui lève un obstacle bien documenté pour un utilisateur précis dans une tâche importante. Si les preuves sont faibles, votre prochaine étape est un test d'apprentissage, pas davantage de code. Les outils de codage IA rendent la livraison d'un changement peu coûteuse ; ils ne vous disent pas si ce changement compte. Le cadre ci-dessous aide les fondateurs solo et les product engineers à trancher en environ 15 minutes par semaine.
Points clés
80 % des fonctionnalités d'un produit logiciel moyen sont rarement ou jamais utilisées (Pendo, 2019). Construire la mauvaise chose est la norme, pas l'exception.
Un product-market fit insuffisant a joué un rôle dans 43 % des fermetures de startups financées par du capital-risque analysées par CB Insights depuis 2023 (CB Insights, 2026).
Partez d'un utilisateur et d'une tâche, pas d'une liste de fonctionnalités. Comptez les utilisateurs et les situations distincts, pas les mentions.
Adaptez la prochaine action à votre plus grande inconnue : entretien, prototype, test de demande, spike technique ou développement.
Les scores comme RICE structurent une discussion ; ils ne sont pas un verdict quand les données d'entrée sont des suppositions.
Comment décider quoi construire ensuite ?
Cinq étapes, dans l'ordre :
Nommez l'utilisateur et la tâche. Qui rencontre une difficulté, pour faire quoi, dans quelle situation ?
Rassemblez des signaux. Comportements récents, contournements et sources d'origine, pas un tas d'idées.
Vérifiez les preuves. Qui a le problème, quand il s'est produit pour la dernière fois, ce qu'il coûte et ce qui prouverait que vous avez tort.
Choisissez : construire ou tester. Retenez l'action qui lève l'inconnue la plus importante.
Définissez la plus petite réalisation utile avec des critères d'acceptation, un garde-fou et une date de revue.
Le reste de ce guide détaille chaque étape, puis vous propose une revue hebdomadaire, un exemple de scoring détaillé et un prompt d'IA qui organise les preuves sans les inventer.
Qui rencontre une difficulté, et pour quelle tâche ?
Avant de comparer des idées, nommez qui rencontre une difficulté et ce que cette personne essaie d'accomplir. « Améliorer l'onboarding » est trop large. « Aider un fondateur solo à transformer un appel client en brief qu'un ingénieur peut implémenter » est assez précis pour être étudié.
C'est le cœur de la pensée « jobs to be done ». Clayton Christensen et ses collègues ont soutenu dans la HBR que l'innovation reste aléatoire tant que les équipes se concentrent sur les produits au lieu de comprendre pourquoi les clients font leurs choix ; dans le sondage McKinsey qu'ils citent, 84 % des dirigeants jugeaient l'innovation extrêmement importante, alors que 94 % étaient insatisfaits des performances d'innovation de leur organisation (HBR, 2016).
Écrivez une phrase :
[Personne] essaie de [tâche] quand [contexte], mais [obstacle]. Aujourd'hui, elle [contournement], ce qui lui coûte [temps, effort, risque ou résultat manqué].
Gardez ensemble l'utilisateur, la situation et le contournement. Une demande comme « ajouter un export » peut signifier partager un rapport, conserver une piste d'audit ou transférer des données vers un autre flux de travail. Ce sont des problèmes différents, avec des solutions différentes. Notre modèle d'énoncé de problème produit aide à transformer une demande en problème testable.
Quels signaux comptent comme preuves de ce qu'il faut construire ensuite ?
Rassemblez un petit ensemble de signaux récents auprès des personnes que vous voulez servir :
Une personne qui essaie d'accomplir le flux de travail principal et n'y arrive pas.
Des contournements répétés dans les messages au support ou les conversations avec les clients.
Un utilisateur qui revient à la même tâche et reste bloqué au même endroit.
Une demande de fonctionnalité appuyée par un exemple clair et récent.
Un indicateur produit qui signale une friction, suivi de conversations qui l'expliquent.
Un risque stratégique ou technique qui pourrait rendre la promesse actuelle du produit peu fiable.
Un signal devient utile quand il a du contexte : qui l'a vécu, ce que la personne faisait, quand cela s'est produit et ce qu'elle a fait ensuite. Conservez un lien vers l'appel, le ticket ou l'événement d'origine. Ne laissez pas un résumé remplacer la preuve.
Tous les signaux ne se valent pas :
Signal plus fort
Signal plus faible
« Mardi dernier, j'ai exporté vers un tableur et corrigé les dates à la main »
« Je m'en servirais probablement »
Un contournement que quelqu'un entretient chaque semaine
Un compliment sur la démo
De l'argent ou du temps déjà dépensés pour une solution
Une demande de fonctionnalité sans exemple
Le même abandon dans les données et dans les entretiens
Un seul compte bruyant
Un utilisateur qui revient et se retrouve bloqué à nouveau
Un retour d'IA disant que l'idée est prometteuse
The Mom Test de Rob Fitzpatrick repose sur cette distinction : comment éviter les retours biaisés dans les conversations clients et savoir si quelqu'un va vraiment acheter (The Mom Test). Pour les notes d'entretien, notre modèle de synthèse d'entretiens clients sépare ce que quelqu'un a fait ou dit de l'interprétation que vous pourriez être tenté d'en tirer.
Quelle est la solidité des preuves pour chaque option ?
Pour chaque problème candidat, demandez-vous :
Qui l'a ? Pouvez-vous nommer le rôle ou le segment à partir de preuves, et non d'une persona large ?
Quand est-ce arrivé pour la dernière fois ? Quelqu'un peut-il décrire une situation réelle et récente ?
À quelle fréquence ou à quel coût ? Cela interrompt-il une tâche importante, crée-t-il un travail manuel répété, retarde-t-il une décision ou ajoute-t-il du risque ?
Que font-ils aujourd'hui ? Un contournement que les gens répètent, entretiennent ou paient montre plus d'urgence que des compliments.
Qu'est-ce qui prouverait que c'est faux ? Cherchez des personnes qui ne le vivent pas, une cause différente ou une solution existante plus simple.
Comptez les situations et les utilisateurs distincts, pas les mentions. Dix notes copiées d'un seul client ne font pas dix clients. Un cas isolé à fort impact peut tout de même mériter de l'attention ; qualifiez-le de risque concentré plutôt que de demande large.
Faut-il construire ou lancer d'abord un test ?
Une bonne décision produit ne se termine pas toujours par un ticket. Adaptez la prochaine action à la plus grande incertitude :
Ce que vous ne savez pas encore
Petite action suivante
Est-ce un vrai problème, douloureux pour l'utilisateur cible ?
Interrogez des personnes qui l'ont rencontré récemment ; interrogez-les sur la dernière occurrence et le contournement actuel.
Les utilisateurs comprennent-ils le parcours proposé ?
Montrez un prototype brut et observez une vraie tâche sans guider.
Quelqu'un fera-t-il un pas significatif vers cette offre ?
Menez un test de demande honnête avec une promesse claire et une action mesurable.
L'équipe peut-elle le livrer de façon sûre et fiable ?
Réalisez un spike technique étroit avec des contraintes explicites et des cas d'échec.
Le problème est-il bien compris et la solution peu risquée ?
Livrez le plus petit changement complet, puis observez l'usage et les garde-fous.
Au début, le test le moins cher consiste souvent à faire le travail à la main. L'essai de Paul Graham, Do Things That Don't Scale, soutient que recruter des utilisateurs manuellement et faire quelque chose de « laborieux et non scalable » pour démarrer est une constante chez presque toutes les startups qui réussissent (Paul Graham, 2013). Si vous avez déjà un prototype, notre plan de validation produit en 7 jours présente une façon ciblée de tester l'usage réel. Quelques conversations ou clics peuvent guider le prochain test ; ils ne prouvent pas l'existence d'un marché. Pour la question plus en amont de la solidité de l'idée dans son ensemble, consultez notre guide de validation d'une idée de SaaS.
Comment prioriser ce qu'il faut construire sans fausse précision ?
Quand plusieurs candidats restent en lice, comparez-les d'abord en langage clair :
Importance pour l'utilisateur : dans quelle mesure cette tâche est-elle centrale pour le client cible ?
Solidité des preuves : comportements observés et sources d'origine, ou surtout des hypothèses ?
Portée : combien des bons utilisateurs rencontrent cette situation ?
Timing et risque : qu'est-ce qui empire si vous attendez ?
Effort et réversibilité : quel est le plus petit test utile, et combien coûte un changement de cap ?
Si vous voulez un chiffre, RICE est le modèle le plus répandu. Sean McBride, d'Intercom, l'a défini ainsi : Reach (personnes par période) multiplié par Impact (3 massif, 2 élevé, 1 moyen, 0,5 faible, 0,25 minimal) multiplié par Confidence (100 % élevée, 80 % moyenne, 50 % faible), divisé par Effort en personnes-mois (Intercom, 2018). Vous pouvez faire le calcul avec notre calculateur RICE gratuit.
Exemple détaillé : trois candidats pour un fondateur solo
Un exemple illustratif, pas des données réelles. Un fondateur solo compte environ 400 utilisateurs actifs par trimestre et trois candidats :
Candidat
Reach (par trimestre)
Impact
Confidence
Effort (personnes-mois)
Score RICE
A. Import CSV guidé
120 nouveaux comptes qui arrivent à l'import
2
80 %
1
192
B. Intégration Slack
60
1
50 %
2
15
C. Résumé IA des rapports
300
0,5
50 %
1,5
50
Les scores désignent A. Mais ce sont les preuves qui les sous-tendent qui fondent la décision :
Les 80 % de confiance de A reposent sur 5 des 7 personnes interrogées récemment qui décrivent un contournement à l'import, et sur un entonnoir montrant que 45 % des nouveaux comptes calent à l'import. C'est solide.
B semblait populaire : 9 demandes. Mais 6 venaient d'un seul compte, soit 4 utilisateurs distincts. C'est une demande concentrée, pas une demande large.
La portée de C est une supposition : personne n'a demandé de résumés, et 50 % de confiance, c'est généreux.
La décision : construire une version étroite de A avec une revue dans deux semaines, écrire aux quatre utilisateurs derrière B pour comprendre la tâche, et mettre C de côté jusqu'à ce que quelqu'un décrive le problème qu'il résout. Un score de 192 n'est pas plus objectif que 150 si les données d'entrée sont des suppositions ; gardez la source et la confiance à côté de chaque chiffre. Pour un backlog dominé par les demandes, notre guide sur la priorisation des demandes de fonctionnalités dans une petite équipe va plus loin.
Quelle est la plus petite réalisation utile ?
Une fois la décision de construire prise, écrivez le résultat pour l'utilisateur avant les détails d'implémentation :
Utilisateur cible et moment : qui fera quoi ?
Preuve du problème : quelle observation soutient le changement ?
Comportement attendu : qu'est-ce qui doit devenir plus facile ou possible ?
Hors périmètre : quel travail connexe tentant est exclu ?
Critères d'acceptation : que peut vérifier une personne dans l'expérience finale ?
Garde-fou : qu'est-ce qui ne doit pas se dégrader ?
Date de revue : quand vérifierez-vous si cela a aidé ?
Cela garde un agent de codage IA ou un coéquipier concentré sur le vrai problème. Un brief peut inclure des contraintes techniques, mais ne laissez pas le plan d'implémentation redéfinir discrètement le besoin de l'utilisateur. Quand la décision est prête, le modèle de PRD pour agent de codage IA rend le travail vérifiable.
Comment mener une revue hebdomadaire « que construire ensuite ? »
Quinze minutes, une fois par semaine :
Rassemblez les dernières preuves au même endroit, avec les liens d'origine et les dates.
Regroupez les signaux qui décrivent le même problème utilisateur ; ne fusionnez pas des types d'utilisateurs différents parce qu'ils ont employé des mots similaires.
Rédigez l'énoncé de problème le plus solide et une explication alternative plausible.
Indiquez ce qui est observé, ce qui est déduit et ce qui est inconnu.
Choisissez l'action qui lève l'inconnue la plus importante : enquêter, tester, construire, différer ou arrêter.
Notez qui est responsable de la décision et quand vous examinerez le résultat.
L'arbre d'opportunités-solutions (opportunity solution tree) de Teresa Torres est une bonne image de cette même logique : un résultat souhaité à la racine, les besoins et points de douleur des clients comme opportunités en dessous, puis les solutions et les tests d'hypothèses qui permettent de les comparer (Product Talk, 2023). Le résultat de la semaine peut être une petite livraison, un appel client ou une décision de ne pas construire. Les trois sont des progrès s'ils réduisent l'incertitude sur un problème important. Quand le trimestre suivant demande une forme, notre méthode de planification produit sur 90 jours pour startups enchaîne ces décisions hebdomadaires en un plan.
Comment l'IA peut-elle aider à décider quoi construire sans déléguer son jugement ?
Utilisez l'IA pour organiser les preuves, pas pour inventer de la demande. Donnez-lui des sources que vous avez le droit d'utiliser, puis demandez :
Regroupe ces signaux produit par problème utilisateur. Pour chaque groupe, liste les identifiants de source et les observations exactes qui l'appuient. Sépare les faits observés, les interprétations et les hypothèses. Inclus les éléments contraires et le contexte manquant. N'invente aucune citation de client, taille d'échantillon, donnée d'usage, taille de marché ni urgence. Propose deux prochains tests peu coûteux, explique ce que chacun prouverait et ne prouverait pas, et laisse la décision de construire au product owner.
Vérifiez chaque affirmation générée par rapport à la source. Si la réponse ne peut pas pointer vers une preuve, traitez-la comme une hypothèse à tester. Méfiez-vous particulièrement d'une IA qui vous dit qu'une idée est prometteuse : elle n'a pas accès au comportement de vos utilisateurs.
Quelles erreurs conduisent les builders à construire la mauvaise chose ?
Construire ce que le client le plus bruyant a demandé. Les six demandes d'un seul compte ne sont pas six clients.
Prendre des compliments pour de la demande. « Ça a l'air super » ne coûte rien à dire. Un contournement que quelqu'un entretient lui coûte chaque semaine.
Livrer de la largeur pour paraître complet. Le chiffre de 80 % de Pendo, c'est à cela que ressemble la largeur accumulée.
Sauter la date de revue. Sans elle, personne ne vérifie si le changement a aidé, et la décision suivante repart de l'opinion.
Laisser l'idéation par IA fixer la roadmap. Les idées générées sont bon marché et assurées ; les preuves ne sont ni l'un ni l'autre.
Où se place Specky ?
L'essentiel de l'effort dans ce cadre consiste à garder les preuves attachées aux décisions. Specky intègre les appels clients, les retours, Slack, Jira et les analytics dans un Product Graph, regroupe les signaux par problème avec des liens vers les sources d'origine, et propose un scoring RICE avec des suggestions d'IA que vous pouvez modifier. Les specs et les tickets portent des citations en ligne, et après le lancement, Specky vérifie si le changement a fait ce qu'il devait.
Questions fréquentes
Comment savoir quoi construire ensuite ?
Choisissez l'action qui répond le mieux à un problème utilisateur important que vous pouvez étayer par des preuves : des situations récentes et précises vécues par des utilisateurs distincts, idéalement confirmées par des données de comportement. Si le problème ou la solution reste incertain, lancez le plus petit test utile avant d'élargir le périmètre. Si rien n'est solidement prouvé, votre prochaine étape, ce sont des conversations avec les clients, pas du code.
Que devrait construire ensuite un fondateur solo ?
Commencez par le moment où un utilisateur cible atteint la valeur centrale de votre produit. Observez une vraie personne tenter cette tâche, repérez le plus gros obstacle et testez une amélioration ciblée. Évitez de construire un large éventail de fonctionnalités pour que le produit paraisse complet ; la plupart des fonctionnalités sont rarement utilisées, et un fondateur solo n'a pas les moyens de les maintenir.
Dois-je construire ce que les clients demandent ?
Traitez les demandes comme des signaux, pas comme des spécifications. Demandez ce que la personne essayait de faire, ce qui s'est passé et quel contournement elle utilise aujourd'hui. Plusieurs demandes différentes peuvent révéler un problème commun, et la même fonctionnalité demandée peut résoudre des problèmes différents selon les utilisateurs. Comptez les utilisateurs distincts, pas les mentions.
RICE est-il une bonne façon de décider quoi construire ensuite ?
RICE est utile pour structurer une comparaison : reach, impact, confidence et effort rendent les arbitrages explicites. Il devient trompeur quand les données d'entrée sont des suppositions présentées comme des faits. Gardez les preuves et la confiance à côté de chaque score, vérifiez la portée par rapport aux utilisateurs distincts et laissez un responsable désigné prendre la décision finale.
L'IA peut-elle choisir ma roadmap produit ?
L'IA peut résumer les retours que vous lui fournissez, repérer les formulations récurrentes, rédiger des hypothèses et comparer des options selon les critères que vous lui donnez. Elle ne peut pas transformer l'absence de preuves en demande client ni assumer les conséquences d'un arbitrage. Gardez les liens vers les sources et prenez la décision avec les personnes responsables du produit.
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