Naviguer dans le monde des Produits d’IA en tant que Product Manager
Intelligence Artificielle, Data Science, Deep Learning, IA Générative, Machine Learning, …
En tant que Product Manager, tu as forcément entendu parler de ces termes au cours des dernières années, et probablement encore plus fortement récemment avec les dernières avancées en matière d’IA.
Et il y a fort à parier que ces mots évoquent chez toi un mélange d’excitation et de peur. Encore plus si tu dois maintenant sur travailler un Produit d’IA.
Le but de ce kit de survie est de te permettre de démêler le vrai du faux et de te donner le bagage essentiel pour collaborer efficacement avec des équipes Data afin de créer des Produits d’IA apportant une réelle valeur et répondant à de vrais problèmes utilisateurs.
Il y a quelques spécificités inhérentes au monde de la Data qu’il est intéressant pour toi d’intégrer à ton arsenal afin d’avancer sereinement. Cependant, n’oublie jamais que la base reste la même et que les bonnes pratiques de Product Management s’appliquent toujours.
Mais avant toute chose, c’est quoi un Produit d’IA ?
Tout simplement un Produit comme un autre, au sein duquel est exploité des capacités d’Intelligence Artificielle. L’IA peut aussi bien être le coeur névralgique du produit (ChatGPT en est un bon exemple) qu’un tout petit composant d’un ensemble bien plus vaste (pense à la recommandation de produits qui pourraient aussi te plaire sur Amazon ou Netflix).
En lisant cela, tu pourrais très bien te dire “bin, c’est un Produit comme un autre quoi, pas besoin de lui donner un nom particulier juste pour faire joli !”. Et au fond, tu as raison.
Mais, sois honnête, aurais-tu ouvert ce billet de blog si le terme IA n’était pas écrit dans le titre ?
Plus sérieusement : notre conviction est que demain, tous les Produits incorporeront de l’IA, et donc tous les Produits seront en quelque chose des Produits d’IA. Viendra un jour où, c’est certain, il ne sera plus nécessaire de leur donner une appellation particulière puisque ce sera le nouveau standard. Mais ce jour n’est pas encore arrivé, et donner une appellation particulière permet de se concentrer pleinement sur ce qui fait d’un Produit d’IA quelque chose de particulier à appréhender.
Le kit de survie pour Product Manager ambitieux
<div class="button-wrapper_Flex">
<a href="https://www.amazon.fr/Produit-dIA-survie-pour-ambitieux/dp/B0CRPZBFKF">
<button class="button-primary">Acheter sur Amazon</button>
</a>
<a href="https://eu1.hubs.ly/H07vMN60">
<button class="button-secondary">Télécharger gratuitement</button>
</a>
</div>
De la collaboration avec les équipes Data à la manière d’appliquer une démarche Produit aux spécificités de l’IA, nous avons rédigé un livre qui se veut simple et actionnable afin de t’aider à éviter certains pièges et créer des Produits d’IA à forte valeur ajoutée.
Pour te le procurer, rien de plus simple. Tu peux te le procurer en version imprimée sur Amazon.
Tu trouveras ci-dessous l’ensemble des thématiques qui sont abordées dans le livre, les sources citées ainsi que des ressources additionnelles utiles.
Tu as devant toi de merveilleux challenges à relever, et nous espérons que ce livre t’accompagnera dans ce chemin.
Sources citées dans le livre et ressources utiles pour aller plus loin
1 - Entrer en contact sans se faire rejeter
5 phrases pour briller en soirée auprès d’experts Data
- DataFrames PySpark & Pandas : très similaires à l'usage, mais un fonctionnement interne très différent
- Qu'est-ce que l'Error Analysis ?
- Qu’est-ce que la Data Literacy ?
- Qu’est-ce que Spark ?
- Data Literacy - 4 actions pour démocratiser la Data
- L’acculturation à la data n’est pas un travail unidirectionnel
- La Data n’est pas une fin en soi
2 - Etablir une vision produit
Comment cadrer et créer une vision produit pour un Produit d’IA ?
3 - Se préparer aux échecs
Pourquoi 80% des projets d’IA ne vont pas en production ?
- Plus de 80% des projets data ne partent pas en production, et alors ?
- Why do 87% of data science projects never make it into production?
- Gartner Top Strategic Predictions
4 - Rassembler une team
Quelle équipe-type pour créer un Produit d’IA ?
- Data Product Manager, un métier en pleine expansion
- 3 enseignements à connaître avant de créer son équipe data
5 - Construire un MVP
Comment convaincre un.e Data Scientist qu’une règle métier ce n’est pas sale ?
- Produits Data Science - N’attendez pas le modèle parfait avant d’industrialiser !
- Produits Data Science - 6 approches de modélisation pour créer rapidement votre MVP
- Hidden Technical Debt in Machine Learning Systems
6 - Être sur ses gardes
Pourquoi les performances des modèles se dégradent dès qu’on a le dos tourné ?
- Qu’est-ce que le Data Drift ?
- Qu’est-ce que le MLOps ?
- MLOps : les principes du DevOps appliqués au Machine Learning
- MLOps and Model Governance
7 - Construire sa roadmap
Comment éviter d’en arriver à “faire une V2 du modèle” comme objectif ?
8 - Mind the Gap
Comment éviter que mon Produit d’IA ne se transforme en monstre raciste et mysogyne ?
- Qu'est-ce que l'AI Act ?
- L’IA Responsable en 8 enjeux majeurs
- Qu’est ce que l’IA Responsable?
- Talk : Comment auditer ses algorithmes d’IA ?
- 9 problèmes de qualité des données qui menacent vos projets IA
- Amazon abandonne son IA de recrutement qui discrimine les femmes
- Hub France IA : L’IA éthique en pratique - Opérationnaliser votre système d’IA avec une démarche éthique
9 - Alerte hype
En quoi l’IA Générative change-t-elle la donne ?
- Qu’est-ce que l’IA Générative ?
- Talk : Qu’est-ce que l’IA Générative ?
- Qu'est ce que ChatGPT?
- Talk : How to keep your head about generative AI (when everyone is losing theirs) by Claire Woodcock
Formations Data & AI Product
Voici un ensemble de formations qui pourront t’accompagner dans ton évolution vers des rôles de Data & AI Product Manager.
- Devenir Data & AI Product Manager
- IA pour Product Managers
- Introduction à l’IA Responsable
- Get your Data Governance Strategy to the next level
- Machine Learning Strategy
Formations techniques en lien avec ces sujets :
