Le grand virage de la fonction produit : ce qui change (ou pas) à l’ère de l’IA

Quels bouleversements entraînent l’émergence de l’IA dans les produits ? Passage en revue avec Pauline Marol, CPTO de PlayPlay, Arthur Talpaert, Lead AI Product Manager de Doctolib et Gaëtan Rougevin-Baville, CEO de Diffusely (ex Meero) lors d’une table-ronde organisée avec Pendo le 24 mars dernier.

⌛ 8 min de lecture 

🎫 Les membres Premium du Ticket ont un accès intégral à cet article

 ✉️  Article issu du Ticket n°143

📌 TL;DR - Ce que tu vas apprendre dans cet article :  1- AI-Powered vs AI-Native : la nouvelle distinction clé 2- Le passage de AI-Powered à AI-Native : la réinvention de la fonction produit 3- De coût fixe à coût variable : le grand changement des produits IA 4- Ce qui ne change pas avec l’IA : l’importance de la distribution 5- Les nouveaux enjeux design : aider les utilisateurs à améliorer leur input 6- Faire de l’IA un nouveau réflexe : “Si tu ne t’y intéresses pas, tu n’as plus de boulot dans 10 ans” 7- Quelles sont les compétences nécessaires en 2026 ?

1- AI-Powered vs AI-Native : la nouvelle distinction clé

Méfions-nous des apparences. Les produits qui contiennent de l’IA ne se ressemblent pas tous : il y a les “AI-Powered” et les “AI-Native”. Une distinction notable que l’on commence à voir émerger.

Explications avec Pauline Marol en prenant l’exemple de l’éditeur de vidéos PlayPlay.

AI-Powered = l’IA n’est qu’une fonctionnalité additionnelle du produit

Sur ces trois dernières années, PlayPlay a ajouté une quinzaine de fonctionnalités AI-powered, comme l’ajout de voix-off ou la suggestion de conseils pour améliorer sa vidéo, comme on le voit ci-dessous.

Dans notre secteur, l’AI-Powered n’est plus suffisant : tout le monde fait la même car nous avons tous accès aux mêmes technologies”, indique toutefois Pauline.

D’où le virage radical décidé l’année passée : s’auto-disrupter en créant un nouveau produit “AI-Native”.

AI-Native = l’IA est le fondement technologique du produit

Dit autrement : “Si l’on débranche la prise de l’IA, votre produit n’existe plus”. Il s’agit ici de PlayPlay Design, un produit dédié qui permet de créer des visuels de communication pour les réseaux sociaux à la charte graphique d’une entreprise.

Comme Pauline l’a expliqué à l’AI Product Day, ce nouveau produit a été créé au sein d’un îlot d’innovation, c’est-à-dire une équipe (Product Manager, tech Lead, 3 ingés) à part du reste de l’organisation.

2- Le passage de AI-Powered à AI-Native : la réinvention de la fonction produit

Pourquoi cette distinction est si intéressante ? Parce qu’elle se traduit par un changement profond du fonctionnement d’une équipe produit.

Le produit : moins dans la facilitation que dans le “build”

Dans un produit traditionnel, les Product Managers ont un rôle de dialogue avec les parties prenantes afin de concevoir la roadmap.

Dans le cas de PlayPlay, le Product Manager s’est plutôt concentré sur l’expérimentation des modèles afin de comprendre leur capacité, sans forcément avoir d’idée préconçue sur ce qui va être construit. L’élément déclencheur de cette phase ? La sortie de Nano Banana en août 2025, le modèle de génération d’images de Google qui marque un vrai bon de performance.

Connaissant bien les clients de PlayPlay, le product Manager (lui) a alors perçu cette opportunité de création de visuels de marque. “Dans ce contexte, il gagne en responsabilité stratégique”, souligne Pauline.

Les Product Managers deviennent ingénieurs en chaînage et écriture de prompts

En apparence, un produit AI-native est très simple. Les utilisateurs donnent en entrée (input) des indications de ce qu’ils souhaitent en langage naturel et le produit va en sortir un résultat en sortie (output). 

Sauf que sous le capot, il y a une “tuyauterie”, comme l’appelle Pauline, plutôt complexe. A savoir un enchaînement de prompts (qui utilisent chacun des modèles différents) qui vont se relayer les uns après les autres.

Le rôle du Product Manager est ici d’être l’ingénieur de ce système, ajoute-t-elle. C’est lui qui construit le cœur de la proposition de valeur”.

D’où l’importance de bien tester les différents modèles afin de voir ceux qui sont les plus appropriés en fonction de chaque situation : certains sont meilleurs pour écrire du texte, d’autres pour respecter des visages ou pour réaliser de belles compositions graphiques etc.

Un travail d’analyse de la “vibe” de chacun afin de voir comment les faire travailler ensemble. Mais aussi d’écriture des prompts systems. Sur PlayPlay Design, il en existe une trentaine par exemple.

La recomposition de l’équipe produit

Clairement, s’il fait tout ça, il ne peut rien faire d’autre”, conclut Pauline.

Conséquence : le Product Manager de PlayPlay Design n’a pas touché un ticket ni ouvert Jira. Il n’allait même pas au stand-up. La Delivery a été l’affaire du Tech Lead. Tandis que le Product Designer s’est occupé de l’expérience globale.

Aujourd’hui, nous avons 2 squads qui continuent de travailler sur PlayPlay Design et les Product Managers continuent de garder ces responsabilités et cette façon de travailler en phase de Run”, indique Pauline.

3- De coût fixe à coût variable : le grand changement des produits IA

L’inférence. Voici un autre changement important à l’heure de l’IA dans le monde du produit. Concrètement, chaque requête qui fait appel à l’IA générative a désormais un coût et change l’équation économique des produits.

Tu passes d’un investissement en R&D (= CAPEX) avec un peu de coût serveur, à une logique de coût marginal (= OPEX) lié à l’inférence, qui a forcément un impact sur ta marge et ton pricing”, résume Arthur de Doctolib.

L’assistant IA de Doctolib, qui fait de la prise de notes et de la synthèse automatique de consultation, a par exemple été utilisé plus de 7 millions de fois en deux ans. 

Un volume qui justifie la présence d’une squad dédiée (sur les 3 que gère Arthur) uniquement à cet enjeu d’optimisation des coûts. Ce qui passe autant par des négociations commerciales avec les grands fournisseurs de LLM (OpenAI…) que des optimisations de modèles dans le système global dont on voit l’architecture ci-dessous.

Un impact sur le pricing ?

Pour l’heure, les entreprises semblent encore en phase d’apprentissage des usages et ne brident pas les utilisateurs. “C’est un choix stratégique d’être pour l’instant open bar”, affirme Pauline. Une logique de croissance assumée également chez Doctolib, dont le pricing ne varie pas en fonction de l’usage (79 €/ mois par médecin).

“IA ou pas, la politique de pricing ne change pas,” explique Arthur. C’est-à-dire en se basant toujours sur les mêmes 3 façons d’établir son prix : 

• en calculant coût + marge
• en se positionnant par rapport à la concurrence
• en regardant par rapport à la valeur apportée à ses clients

En France, Doctolib se base essentiellement sur la valeur et la concurrence par exemple, avec un positionnement Premium. Tandis qu’à l’étranger, en tant qu’outsider, la licorne adopte une politique de prix plus agressive.

4- Ce qui ne change pas avec l’IA : l’importance de la distribution

Le raisonnement est limpide : l’IA devient une commodité donc tout le monde a accès aux mêmes capacités sur le marché.

La valeur réside ainsi dans le produit que tu construis sur cette couche d’IA. Mais aussi et surtout dans ta distribution”, assure Gaëtan de Diffusely.

Les concurrents qu’il redoute le plus dans les prochaines années ? Pas forcément les nouvelles startups qui se créent chaque jour sur son créneau. Mais les acteurs traditionnels déjà établis qui ont déjà l’accès aux clients.

La barrière technique a tellement baissé que tout le monde ou presque peut aujourd’hui construire un produit équivalent. En étant déjà connecté à tout l’écosystème, un distributeur peut quasi du jour au lendemain faire sa place”, insiste-t-il.

💡 L’histoire du pivot de Diffusely (ex Meero) À l’origine, Meero est une place de marché de photographes professionnels qui fait de la mise en relation avec des grands comptes. En 2019, elle signe une levée de fonds de 205 M€ qui lui confère un statut de licorne. Une ascension stoppée nette par le Covid et l’amélioration des performances photographiques des smartphones. Mi 2022, Gaëtan Rougevin-Baville, COO et un des premiers employés, devient CEO pour mener un virage radical. Du jour au lendemain, il décide d’arrêter l’activité historique (soit 25 M€ de GMV à l’époque quand même, contre une quarantaine avant le Covid) pour se recentrer sur la retouche d’image par intelligence artificielle dans 3 verticales sectorielles : la mode, l’immobilier et l’automobile.  Les 2 premiers produits ont été revendus depuis afin de se mobiliser uniquement sur CarCutter, qui aide les concessionnaires automobiles à augmenter leurs ventes par un meilleur “visual merchandising”. ARR actuel : 12 M$ (½ Europe et ½ US) pour une centaine d’employés)

5- Les nouveaux enjeux design : aider les utilisateurs à améliorer leur input