Préparer et critiquer un guide d'entretien
Un guide d'entretien mal construit pousse les utilisateurs à dire ce que vous vouliez entendre, et fausse la discovery avant même le premier appel. La leçon vous apprend à faire rédiger votre guide par l'IA à partir de ce que vous cherchez à valider, puis à le lui faire relire d'un œil critique pour repérer les questions qui biaisent les réponses.
Objectif de la leçon
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.
Thèmes abordés
- guide d'entretien
- entretien de discovery
- entretien utilisateur
- questions biaisées
- prompt PM
Dans quel module
Prompter sur vos livrables PM
Comment appliquer ces méthodes à la discovery et à la delivery sans perdre la fidélité aux données ?
Leçons du module
- Transformer des retours clients en opportunités
- Construire un persona fondé sur des verbatims
- Préparer et critiquer un guide d'entretien (cette leçon)
- Rédiger et challenger des user stories
Ce que vous apprendrez dans la formation
Cette leçon fait partie de la formation Prompter comme un PM : déléguer, décrire, vérifier
- 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.
Formations liées
- Créer des Claude Skills fiables pour votre travail produitConfirmé · ~2 h 30 min
- Choisir et utiliser ses outils d'IA au quotidienTout public · ~1 h 40 min
- Comprendre ce que les LLM savent faire, et ce qu’ils ratentTout public · ~2 h