Prompter comme un PM : déléguer, décrire, vérifier
Faire de l'IA un outil fiable pour vos livrables PM : quoi déléguer, comment décrire, comment vérifier, puis un assistant configuré pour vos tâches récurrentes.
Faire de l'IA générative un outil de travail fiable pour vos tâches de Product Manager : décider quoi lui confier, rédiger des prompts qui donnent un résultat exploitable dès le premier ou le deuxième essai, vérifier ce qu'elle produit, puis installer un assistant personnel pour vos tâches récurrentes. Vous repartez avec des prompts testés sur vos propres livrables (synthèse de retours, persona, guide d'entretien, user stories) et un assistant configuré.
Ce que vous saurez faire
- Décider, pour une tâche de votre cycle produit, s'il faut la confier à l'IA, sous quel mode (automatisation, augmentation, agent) et ce que vous gardez.
- Expliquer les comportements d'un LLM (prédiction, connaissances datées, mémoire de travail, suivi des consignes) pour anticiper ses erreurs et choisir la parade.
- Rédiger un prompt qui décrit le livrable, la démarche et les critères de qualité, avec contexte, données délimitées et exemples si besoin.
- Évaluer une sortie d'IA (contenu, démarche, comportement) avec des critères explicites, puis l'améliorer par itérations ciblées.
- Produire avec l'IA des livrables PM (synthèse de retours, persona, guide d'entretien, user stories) à partir de données réelles, et en vérifier la fidélité.
- Configurer des instructions permanentes et un assistant dédié à une tâche récurrente, le tester sur des cas réels et décider quand passer à un agent.
- Appliquer des règles de diligence (données partagées, transparence, responsabilité) avant d'utiliser ou de diffuser un travail produit avec l'IA.
Prérequis
- Un compte sur un assistant conversationnel (Claude, ChatGPT, Gemini ou équivalent) ; une offre gratuite suffit pour la plupart des exercices.
- La pratique courante d'un métier produit (discovery, backlog, specs) ou la conduite d'un projet d'entreprise.
- Aucune compétence technique. Pour aller plus loin ensuite : « Créer un assistant IA pour votre produit » traite de l'assistant intégré au produit, pour vos utilisateurs.
Programme
Que vais-je savoir faire à la fin de ce cours, et dans quel ordre ?
- Présentation du cours3 étapes
Objectif · À la fin de cette présentation, vous saurez à qui s'adresse le cours, ce que vous produirez (des prompts testés sur vos livrables et un assistant configuré) et comment les trois modules s'enchaînent.
Comment obtenir d'une IA générative un résultat fiable, et savoir quand ne pas lui faire confiance ?
Objectif · À la fin de cette leçon, vous serez capable de classer une tâche de votre cycle produit selon le mode de délégation adapté (automatisation, augmentation, agent, ou pas d'IA) et de justifier ce que vous gardez sous votre responsabilité.
Objectif · À la fin de cette leçon, vous serez capable de rattacher une erreur d'IA à sa cause (prédiction, connaissances, mémoire de travail, suivi des consignes, complaisance) et de choisir la parade adaptée plutôt que de relancer la même demande.
Objectif · À la fin de cette leçon, vous serez capable de rédiger un prompt qui décrit le livrable, la démarche et le niveau de qualité attendus, en blocs séparés (rôle, contexte, tâche, données, format, critères), et d'expliquer ce que chaque bloc apporte.
Objectif · À la fin de cette leçon, vous serez capable d'ajouter à un prompt la technique adaptée au problème rencontré (exemples, délimitation des données, décomposition en étapes, droit à l'incertitude) et de justifier votre choix.
Objectif · À la fin de cette leçon, vous serez capable d'évaluer une sortie d'IA sur trois plans (contenu, démarche, comportement) avec des critères explicites, et de corriger le prompt par une modification ciblée plutôt que par une reformulation au hasard.
Comment appliquer ces méthodes à la discovery et à la delivery sans perdre la fidélité aux données ?
Objectif · À la fin de cette leçon, vous serez capable de faire regrouper un corpus de retours utilisateurs en thèmes et en opportunités, chaque thème étant rattaché à des verbatims que vous avez vérifiés, et d'expliquer ce que la synthèse ne dit pas.
Objectif · À la fin de cette leçon, vous serez capable de faire structurer un persona à partir de verbatims réels, en distinguant ce qui est observé de ce qui est supposé, et de lister les hypothèses à valider en entretien.
Objectif · À la fin de cette leçon, vous serez capable de produire un guide d'entretien de discovery à partir de vos hypothèses, puis de le faire critiquer pour éliminer les questions orientées, fermées ou hypothétiques.
Objectif · À la fin de cette leçon, vous serez capable de faire rédiger des user stories et des critères d'acceptation à partir d'une opportunité validée, puis de les faire critiquer (critères INVEST, cas limites, questions ouvertes) avant de les partager avec l'équipe.
Comment ne plus repartir de zéro, confier plus de travail à l'IA et rester responsable du résultat ?
Objectif · À la fin de cette leçon, vous serez capable de rédiger des instructions permanentes adaptées à votre rôle et de choisir entre instructions globales, projet et mémoire selon la portée du contexte à conserver.
Objectif · À la fin de cette leçon, vous serez capable de configurer un assistant dédié à une tâche récurrente, de le tester sur des cas réels, et de décider si une tâche justifie un agent, avec quels points de validation humaine.
- Travailler avec diligence4 étapes
Objectif · À la fin de cette leçon, vous serez capable de décider quelles données partager avec un outil d'IA, de régler ses paramètres de confidentialité, et d'appliquer une check-list de diligence (données, vérification, transparence, responsabilité) avant de diffuser un livrable produit avec l'IA.