IA appliquée au produit

L'IA au travail dans le quotidien de l'équipe produit.

• Trois tâches du Product Manager outillées à l'IA et partagées à l'équipe produit : wireframing, écriture des user stories, recette.

Mettre l'IA au travail sur la discovery : transformer les appels en signal.

• Mise au travail de l'IA (Modjo) pour transformer des heures d'appels en signal comparable : une même grille attendu / perçu appliquée aux 4 moments et filtrée grands comptes

Dans IMO, l'IA a deux usages : l'analyse des photos d'une annonce (la vision) et la rédaction des synthèses du rapport (la narration). Le score est 100 % déterministe : il est calculé par des règles fixes, et les mêmes données donnent toujours le même score. Chaque score peut donc être audité.

• J'ai séparé le travail de l'IA et le calcul du score. Le Score sur 100 repose sur 6 critères et il est 100 % déterministe : les mêmes données donnent toujours le même score. L'IA n'intervient jamais dans ce calcul.
• Un modèle Vision de Claude (une IA qui sait lire des images) analyse les photos d'une annonce. Le modèle rend sa réponse dans un format JSON strict (un format de données structuré, que le produit peut lire sans ambiguïté). L'analyse fournit des observations, un budget travaux poste par poste et une liste de points à vérifier pendant la visite.
• Un modèle Mistral rédige les synthèses en prose du rapport. Si le modèle ne répond pas, le produit affiche un texte de repli déterministe (un texte construit par des règles fixes, sans IA). L'utilisateur ne voit donc jamais une panne du modèle de langage.
• J'ai posé quatre garde-fous autour de l'IA. Le premier détecte les hallucinations (les informations inventées par le modèle) : tout nombre cité dans une synthèse doit venir des données fournies au modèle, sinon le produit affiche le texte de repli. Le deuxième est une liste de mots interdits dans les textes produits. Le troisième est un cache par hash (un hash est une empreinte du contenu), qui sert à réutiliser une réponse déjà produite pour les mêmes données. Le quatrième est la dégradation gracieuse : quand l'IA est indisponible, le rapport continue de s'afficher.

Dans ce projet, l'IA est le système entier, de la décision à la production.

• Carbone tourne sur un Mac mini et travaille à partir de skills (des procédures écrites) et de routines programmées. Il sait quand il peut agir seul et quand il doit me demander mon accord, et il me rend compte de chaque action.
• Carbone produit chaque semaine une veille de recherche de bout en bout : il lit les sources, les trie, vérifie chaque point sur l'article d'origine, rédige et met en page.
• J'ai inscrit la franchise radicale dans sa conception : Carbone doit me contredire quand j'ai tort, et chercher les angles morts de mon raisonnement.
• Ses productions publiques sont signées « par une IA ». Cette voix est cadrée par son âme et ses piliers écrits.