Méthode d'expérimentation comparant deux versions (A et B) d'une page, d'une fonctionnalité ou d'un parcours auprès d'échantillons d'utilisateurs distincts, afin de mesurer statistiquement laquelle performe le mieux sur un indicateur cible (conversion, engagement…).
Système d'IA capable de poursuivre un objectif de manière autonome en planifiant des étapes, en utilisant des outils (recherche, API, code) et en s'adaptant aux résultats intermédiaires, au-delà d'une simple réponse à un prompt...
Ensemble de principes et de pratiques (formalisés par le Manifeste Agile) privilégiant les itérations courtes, la collaboration, l'adaptation au changement et la livraison régulière de valeur, plutôt qu'une planification rigide en cycle long.
Règlement européen encadrant l'intelligence artificielle selon une approche par niveaux de risque, imposant des obligations croissantes (transparence, contrôle, documentation) aux systèmes les plus sensibles.
Liste priorisée et évolutive de tout ce qui pourrait être réalisé sur un produit (fonctionnalités, améliorations, correctifs, dette technique). Le Product Owner en assure la priorisation continue selon la valeur et les contraintes.
Système de stockage et de recherche d'embeddings permettant de retrouver rapidement les contenus les plus proches sémantiquement d'une requête. Brique clé d'une architecture RAG.
Distorsion systématique des résultats d'un modèle, souvent héritée des données d'entraînement, pouvant entraîner des décisions injustes ou discriminatoires.
Graphique de suivi représentant la quantité de travail restant au fil d'un sprint ou d'une release, qui permet d'anticiper les écarts par rapport à l'objectif.
Pratique consistant à mener une recherche utilisateur régulière et continue (par exemple des entretiens hebdomadaires) pour nourrir en permanence les décisions produit, plutôt que de cantonner la discovery à une phase isolée.
Assistant fondé sur l'IA intégré à un outil métier pour augmenter la productivité de l'utilisateur (suggestions, génération, synthèse), tout en le gardant aux commandes.
Représentation de l'ensemble des étapes, points de contact et émotions vécus par un utilisateur dans son interaction avec un produit ou une marque, de la découverte jusqu'à la fidélisation.
Réunion quotidienne et courte (environ 15 minutes) de l'équipe Scrum permettant de se synchroniser, partager l'avancement et identifier les obstacles.
Approche d'architecture et d'organisation décentralisant la propriété des données par domaine métier, en traitant chaque jeu de données comme un produit gouverné et interopérable.
Application des méthodes du product management aux produits de données (datasets, API, dashboards, modèles), traités comme de véritables produits avec utilisateurs, valeur et cycle de vie.
Sous-domaine du machine learning fondé sur des réseaux de neurones à plusieurs couches, particulièrement performant sur des données complexes (images, son, langage).
Critères partagés et objectifs qu'un incrément de produit doit remplir pour être considéré comme « terminé » (testé, documenté, déployable…). Garantit un niveau de qualité homogène.
Critères qu'un élément du backlog doit satisfaire avant d'être pris dans un sprint : besoin clair, critères d'acceptation définis, dépendances levées.
Phase de conception, de développement et de mise en production des solutions validées en discovery, avec un souci constant de qualité et de mise à disposition rapide de valeur.
Référentiel unifié de composants, règles et standards (UI, typographie, couleurs, interactions) garantissant la cohérence et accélérant la conception et le développement des interfaces à l'échelle.
Phase d'exploration visant à comprendre les besoins utilisateurs et à valider la désirabilité, la faisabilité et la viabilité d'une solution avant de la construire, afin de réduire le risque de développer le mauvais produit.
Organisation du travail produit en deux flux parallèles et continus — discovery (validation des idées) et delivery (construction) — qui s'alimentent mutuellement.
Représentation numérique d'un contenu (mot, phrase, document) sous forme de vecteur, capturant son sens de façon à mesurer la proximité sémantique entre éléments.
Fonctionnalité ou initiative de grande ampleur qui se décompose en plusieurs user stories. Sert à structurer le backlog autour d'objectifs cohérents.
Quantité maximale de texte (mesurée en tokens) qu'un modèle peut prendre en compte simultanément dans un échange. Au-delà, l'information la plus ancienne n'est plus considérée.
Réentraînement d'un modèle pré-entraîné sur un jeu de données spécifique afin de l'adapter à un domaine, un ton ou une tâche particulière.
Modèle d'IA de très grande taille, pré-entraîné sur des données massives et généralistes, servant de base réutilisable et adaptable à de nombreuses applications.
Ensemble des règles, processus et contrôles encadrant le développement et l'usage de l'IA : éthique, conformité, sécurité, transparence, gestion des risques et des biais.
Mécanismes de contrôle encadrant les entrées et sorties d'un système d'IA pour limiter les comportements indésirables (contenus sensibles, fuites de données, réponses hors périmètre).
Production par un modèle d'IA d'une information fausse ou inventée, présentée avec assurance. Risque majeur à maîtriser pour les usages professionnels.
Catégorie d'IA capable de produire des contenus originaux (texte, image, code, audio, vidéo) en s'appuyant sur des modèles entraînés sur de vastes corpus.
Approche visant à concevoir et déployer des systèmes d'IA éthiques, transparents, équitables et respectueux de la vie privée, en maîtrisant leurs impacts et leurs biais.
Phase d'utilisation d'un modèle déjà entraîné pour produire une prédiction ou une réponse à partir de nouvelles données, par opposition à la phase d'entraînement.
Ensemble de techniques permettant à des systèmes informatiques d'accomplir des tâches associées à l'intelligence humaine (comprendre le langage, reconnaître des images, décider, prédire) à partir de données et d'algorithmes.
Cadre d'analyse postulant que les clients « embauchent » un produit pour accomplir une tâche précise. On conçoit alors la solution à partir du progrès recherché par l'utilisateur, et non de ses caractéristiques.
Méthode de gestion de flux visualisant le travail sur un tableau en colonnes (à faire / en cours / terminé) et limitant le travail en cours (WIP) pour fluidifier la livraison et révéler les goulots d'étranglement.
Indicateur clé de performance, quantifiable, utilisé pour mesurer l'atteinte d'un objectif produit ou business (taux de conversion, rétention, MRR…).
Modèle d'une page synthétisant un modèle d'affaires (problème, solution, segments, proposition de valeur, indicateurs…) pour tester rapidement la viabilité d'une idée.
Approche de création de produits fondée sur le cycle « construire – mesurer – apprendre » : lancer rapidement un produit minimal, mesurer son usage réel et itérer à partir des apprentissages validés.
Modèle de langage de grande taille, entraîné sur d'immenses volumes de texte, capable de comprendre et de générer du langage naturel (par exemple GPT, Claude ou Gemini).
Branche de l'IA où un modèle apprend des régularités à partir de données, sans être explicitement programmé pour chaque cas, afin de réaliser des prédictions ou des classifications sur de nouvelles données.
Protocole ouvert standardisant la connexion entre les modèles d'IA et des sources de données ou outils externes, pour permettre aux agents d'accéder de façon sécurisée à des systèmes tiers.
Ensemble de pratiques et d'outils pour industrialiser le cycle de vie des modèles de machine learning (déploiement, monitoring, réentraînement, gouvernance) en production, de façon fiable et reproductible.
Se dit d'un modèle d'IA capable de traiter et de combiner plusieurs types de données (texte, image, audio, vidéo) au sein d'une même interaction.
Version minimale d'un produit, dotée des seules fonctionnalités nécessaires pour être utilisable, dont l'objectif est de tester une hypothèse clé auprès de vrais utilisateurs avec un effort minimal.
Domaine de l'IA dédié à la compréhension et à la génération du langage humain par les machines (analyse de sentiment, traduction, résumé, dialogue).
Indicateur unique et fédérateur qui capture le mieux la valeur délivrée aux utilisateurs et oriente l'ensemble des équipes et des décisions vers un objectif commun.
Indicateur de satisfaction et de recommandation mesurant la probabilité qu'un utilisateur recommande un produit ou une marque, calculé à partir de l'écart entre promoteurs et détracteurs.
Représentation semi-fictive d'un segment d'utilisateurs type, construite à partir de données réelles, qui synthétise besoins, objectifs, comportements et frustrations pour guider les décisions de conception.
Responsable de la réussite d'un produit sur toute sa durée de vie : il définit la vision et la stratégie, comprend le marché et les utilisateurs, et arbitre les priorités pour maximiser la valeur business et utilisateur.
Fonction support qui outille et fluidifie l'organisation produit (process, données, outils, rituels) pour permettre aux équipes de se concentrer sur la création de valeur et de passer à l'échelle.
Membre de l'équipe Scrum responsable de maximiser la valeur du produit : il porte la vision auprès de l'équipe, priorise le backlog et arbitre le « quoi » et le « pourquoi » des développements.
Ensemble des choix structurants (cibles, proposition de valeur, différenciation, priorités) qui relient la vision produit aux objectifs business et guident la roadmap.
Cap à long terme décrivant ce que le produit ambitionne d'apporter, à qui et pourquoi. Elle donne du sens, aligne les équipes et oriente les décisions.
Situation où un produit répond si bien à un besoin de marché qu'il rencontre une demande forte et durable. Étape clé attestant qu'un produit a trouvé son marché.
Instruction ou requête formulée en langage naturel fournie à un modèle d'IA générative pour obtenir une réponse. Sa formulation influence fortement la qualité du résultat.
Discipline consistant à concevoir, structurer et affiner les prompts (consignes, contexte, exemples) pour obtenir des réponses fiables et pertinentes d'un modèle d'IA.
Promesse claire de la valeur qu'un produit apporte à un segment d'utilisateurs : le bénéfice principal qui le distingue des alternatives.
Maquette interactive ou modèle préliminaire d'un produit permettant de tester un concept, un parcours ou une interface auprès d'utilisateurs avant le développement.
Technique enrichissant la réponse d'un LLM en lui fournissant, au moment de la requête, des informations pertinentes issues d'une base de connaissances externe, afin d'améliorer la précision et de réduire les hallucinations.
Méthode d'alignement consistant à affiner un modèle à partir de préférences exprimées par des humains, pour rendre ses réponses plus utiles, sûres et conformes aux attentes.
Document évolutif communiquant la direction, les priorités et le séquencement des grandes initiatives produit dans le temps, en reliant les objectifs aux livraisons.
Cadre méthodologique pour appliquer l'agilité à grande échelle, en coordonnant plusieurs équipes autour d'objectifs communs (Agile Release Trains, PI Planning).
Cadre de travail agile organisant le développement en itérations courtes (sprints), avec des rôles (Product Owner, Scrum Master, équipe de développement), des événements et des artefacts définis.
Garant du bon fonctionnement de Scrum : il facilite les rituels, lève les obstacles et accompagne l'équipe et l'organisation vers plus d'autonomie et d'efficacité.
Méthode produit (popularisée par Basecamp) organisant le travail en cycles de six semaines, où l'on cadre le périmètre en amont et où les équipes disposent d'autonomie pour livrer dans une enveloppe de temps fixe.
Itération de durée fixe et courte (1 à 4 semaines) à l'issue de laquelle l'équipe livre un incrément de produit potentiellement utilisable.
Toute personne ou entité ayant un intérêt dans le produit ou pouvant l'influencer (direction, métiers, clients, utilisateurs, partenaires) et dont les attentes doivent être gérées.
Atelier visuel organisant les user stories selon le parcours utilisateur et par priorité, afin de partager une vision d'ensemble et de planifier les versions du produit.
Délai écoulé entre la conception d'un produit ou d'une fonctionnalité et sa mise à disposition sur le marché. Sa réduction est un levier de compétitivité.
Unité élémentaire de texte (mot, fragment de mot ou caractère) que manipule un LLM. La longueur des échanges et leur coût se mesurent en tokens.
Architecture de réseau de neurones (introduite en 2017) reposant sur le mécanisme d'attention, à la base de la plupart des modèles de langage modernes.
Interface utilisateur : l'ensemble des éléments visuels et interactifs (écrans, boutons, typographie, couleurs) par lesquels l'utilisateur interagit avec un produit.
Ensemble des méthodes qualitatives et quantitatives (entretiens, tests, sondages, observation) visant à comprendre les besoins, comportements et attentes des utilisateurs pour fonder les décisions produit.
Expression d'un besoin du point de vue de l'utilisateur, généralement formulée « En tant que…, je veux…, afin de… », assortie de critères d'acceptation.
Expérience globale ressentie par un utilisateur lors de son interaction avec un produit : utilité, facilité d'usage, accessibilité et satisfaction.
Capacité d'un LLM à réaliser une tâche sans aucun exemple (zero-shot) ou à partir de quelques exemples fournis dans le prompt (few-shot), sans réentraînement.