Devenir PM à l'ère de l'IA 01 | Quelles tâches du product manager l'IA a-t-elle reprises, et lesquelles valent au contraire plus cher

Commençons par un changement côté recrutement.

En 2026, de nombreuses fiches de poste de product manager IA ont retiré « savoir écrire un PRD, savoir dessiner des maquettes, savoir faire un tableau de bord de données » des exigences obligatoires, et les ont remplacées par trois réalisations : un produit que vous avez réellement construit, qu’on peut ouvrir et cliquer ; un retour d’expérience accompagné de vrais chiffres ; un jeu d’eval que vous avez écrit vous-même. Certains recruteurs ont fait le calcul : un CV est regardé 90 secondes en moyenne, tandis qu’un cas correctement présenté retient l’attention pendant 8 minutes.

En mettant ces deux faits bout à bout, on voit un déplacement : les tâches que l’IA peut reprendre sont en train de tomber des critères de recrutement ; ce qui reste comme barrière, c’est la part que seul un humain peut faire. Cet article pose justement ces deux colonnes côte à côte, en guise de fil conducteur de la série.

La colonne de ce qui est repris

Le travail de force qu’est la rédaction d’un document de spécifications, c’est le premier à disparaître. Des outils comme ChatPRD génèrent en quelques minutes un PRD à la structure complète ; ce que vous corrigez, c’est le jugement, pas la mise en page.

Dessiner des wireframes, monter un prototype cliquable, ça se dévalue tout aussi vite. Lovable, v0, Claude Code transforment « une phrase » en une page qu’on peut cliquer dans le navigateur, une version en quelques minutes. Avant, cette étape demandait de la planification, il fallait attendre le design et le front ; aujourd’hui c’est devenu assez bon marché pour tester cinq directions dans la journée.

Il y a aussi un point que peu de gens disent ouvertement : la rareté de « comprendre la technique » elle-même est en train de chuter. Une partie du pouvoir de négociation du product manager venait autrefois de sa capacité à dialoguer avec les ingénieurs, à estimer la difficulté de réalisation d’une fonctionnalité. Aujourd’hui, vous décrivez clairement votre idée, et l’IA encaisse cette part de difficulté technique. C’est précisément ce que doaipm répète depuis le début, le言出法随 (yán chū fǎ suí, « dis-le, et il advient ») : exprime-le clairement, l’IA te le construit. Les personnes qui ne maîtrisent pas la technique se débarrassent même d’une couche d’autocensure du type « ça doit être trop dur à faire ».

La part la plus mécanique de la coordination — relancer sur les délais, aligner les équipes entre elles — est elle aussi grignotée par les outils et les agents.

La colonne de ce qui vaut plus cher

Juger « si on doit le faire » coûte, pour la première fois, plus cher que « si on peut le faire ». METR a mené un essai contrôlé randomisé : 16 développeurs chevronnés travaillaient avec l’IA sur des projets qu’ils maintenaient depuis des années ; ils ont été en réalité 19 % plus lents, et pourtant, une fois fini, ils croyaient toujours avoir été 20 % plus rapides. Si même ceux qui font le travail de leurs mains n’arrivent pas à juger correctement leur propre production, alors un jugement du type « quoi faire, est-ce que ça en vaut la peine » ne fera que devenir plus rare.

Énoncer clairement un besoin passe du statut de compétence douce à celui de compétence dure. L’IA n’infère rien à partir des omissions : si vous n’écrivez pas « pas de login ce cycle-ci », elle vous ajoutera très probablement le login. Quelqu’un qui sait expliciter les limites, les états, et ce qu’on ne fait pas, produit une qualité d’un ordre de grandeur supérieur à celle des autres.

Définir « ce qu’on appelle bon » commence à exiger un savoir-faire à part entière. Lenny et le CPO d’OpenAI disent la même chose : l’eval est en train de devenir, pour les product managers, la première nouvelle compétence dure depuis vingt ans. La dernière compétence dure que toute l’industrie a dû apprendre sur le tas, c’était SQL et Excel. Savoir se servir de l’eval pour traduire « ça me semble pas mal » en un critère mesurable, voilà la nouvelle ligne de partage.

Décider, parmi le tas d’options que l’IA propose, devient le quotidien. La formule de Marty Cagan : l’IA peut faire émerger (surface) des motifs, ébaucher des hypothèses, générer des options, mais elle ne juge pas quel motif a du sens, quelle hypothèse mérite d’être testée, quelle option colle au business. Cette décision-là reste à l’humain.

La colonne de ce qui n’a pas vraiment changé

Ce que veulent réellement les utilisateurs, et la viabilité de l’activité : ces deux choses-là, l’IA ne les remplace pas, et on ne l’a pas vue le faire. Parmi les conseils d’a16z aux product managers, il y en a un : le pur gestionnaire de processus sera éliminé, seuls ceux qui ont un « état d’esprit de bâtisseur » auront du levier. Cet état d’esprit de bâtisseur, c’est la volonté de mettre soi-même les mains dedans pour concrétiser une idée et aller la valider — ça n’a rien à voir avec le fait de savoir coder ou non.

En regardant les deux colonnes du dessus côte à côte, on remarque une chose : la colonne de gauche (ce qui est repris) correspond exactement aux compétences dures les plus souvent inscrites dans les offres de product manager de la dernière décennie ; la colonne de droite (ce qui vaut plus cher), presque personne ne l’évaluait en entretien.

Les dix-neuf articles suivants de cette série vont décortiquer, un par un, cette colonne de droite — de comment y voir clair, à comment le construire, jusqu’à comment savoir que c’est bon.

Pour aller plus loin

• 16 développeurs chevronnés codent avec l’IA, persuadés d’aller 20 % plus vite : en réalité, ils étaient 19 % plus lents
• 5 Principles for Product Managers in the AI Era (a16z)
• Why AI evals are the hottest new skill for product builders (Lenny’s Newsletter)
• AI Product Management 2 Years In (SVPG / Marty Cagan)