De nombreuses équipes produit en sont encore à des usages très ponctuels et peu structurés de l’IA. Les PM peuvent s’appuyer sur des chatbots génériques pour certaines tâches occasionnelles, mais ces usages restent souvent fragmentés et à l’impact limité. À La Centrale, nous nous sommes demandé si une transformation réelle ne nécessitait pas plus que la simple mise à disposition d’outils d’IA, et si elle n’impliquait pas une évolution plus profonde des méthodes de Product Management.Il est facile de tomber dans le « piège du chatbot » : utiliser l’IA principalement pour des activités isolées et à faible valeur ajoutée, sans vision partagée ni stratégie claire.

‍

Nous assistons à un changement fondamental dans la façon dont les utilisateurs interagissent avec les "digital products". Les interfaces statiques cèdent la place à des expériences dynamiques basées sur la conversation qui imitent le dialogue humain. La plupart des équipes "product" construisent déjà des "AI agents". Le défi n'est plus de savoir comment créer un "agent", mais comment le faire ressentir comme une "product surface" cohérente et fiable.

‍

Criteo explore comment l'AI et les capacités agentiques peuvent être intégrées dans nos plateformes ad-tech. Mais comment décidons-nous de ce qui devrait être alimenté par l'AI ou les agents, et comment pouvons-nous nous assurer que ce que nous construisons reste useful, coherent, et consistent sur toutes les plateformes — sans ralentir notre rythme d'innovation?

‍

Pour relever ce challenge, nous avons créé la taskforce Core AI Design — une équipe multidisciplinaire réunissant UX Research, UX Design, Content Design, UI Design, et UX Ops.

Notre mission: construire un robuste AI Design Playbook, basé sur la research et la collaboration, qui fournit aux UX Designers, Product Managers, et équipes R&D les tools, principles, et frameworks nécessaires pour designer des expériences AI qui ont vraiment du sens pour nos users.

‍

Vous avez déployé des outils d'AI. Certaines personnes les adorent, d'autres les ignorent, et vous êtes submergé(e) par les demandes de support. Cela vous semble familier ? Voici ce que personne ne vous dit : les organisations n'adoptent pas l'AI, elles évoluent à travers elle. Et chaque phase nécessite un tout autre playbook. Dans cette talk, je partagerai le framework que nous avons bâti en naviguant à travers trois phases distinctes, de l'Ignition à l'Acceleration jusqu'à l'Orchestration, tout en faisant grandir nos people.

‍

Anne-Sophie raconte comment Back Market a construit ses capacités IA en 5 ans, passant d’un simple algorithme d’optimisation supply à plus de 10 cas d’usage en production (supply, finance, customer care). Elle partage les choix clés : obsession de l’impact business, arbitrages build vs buy, sélection des approches (rule-based, ML classique, genAI) et arrêt des projets qui ne performent pas. Elle explique aussi l’évolution de l’organisation et leur modèle d’incubation pour valider l’impact avant de scaler, jusqu’à permettre à des équipes non-IA de lancer des POCs de façon autonome.

‍

‍

L’IA rebat les cartes du product management : elle change la manière dont nous priorisons, dont nous opérons, et dont nous concevons nos produits. Les frontières entre Product Manager, Designer et Engineer s’estompent au profit de profils capables d’expérimenter vite, tous les jours. Dans ce nouveau paradigme, la coordination ne suffit plus : il faut des builders dotés de solides muscles de recherche, de stratégie et de go-to-market.Bpifrance partage les tactiques de discovery qui renforcent la confiance dans ses paris IA — et permettent d’investir au bon endroit, au bon moment.

‍

Nelly explique comment l’IA conversationnelle fait passer les produits du browsing au asking : les utilisateurs expriment une intention et attendent une réponse immédiate et contextualisée. À partir de deux produits AI-native conçus chez Hexa — Rose (agent marketing pour sites B2B) et Verso (agent d’interview audio/vidéo) — elle montre comment des choix de design et de micro-interactions (animations, relances, reformulations, etc.) renforcent la confiance, l’engagement et la qualité des échanges. Un talk très pratique, destiné surtout aux designers et PM.

‍

Chez Spotify, Guillaume présente Vedder, un outil interne de text-to-SQL qui transforme des questions en langage naturel en requêtes SQL fiables, afin de rendre la donnée accessible à toute l’entreprise avec de fortes garanties de qualité. Il raconte comment l’équipe est passée d’un petit test à un produit largement adopté, a renforcé la fiabilité des LLM via des évaluations continues et une curation des données avec les métiers, puis a mesuré le ROI en termes de productivité et d’adoption. Il ouvre enfin sur la trajectoire vers le text-to-insights et la question de la différenciation durable face aux grands fournisseurs de LLM.

L'AI a changé la conception de produits bien plus qu'elle n'a changé l'engineering. Un seul founder peut désormais design, prototype, validate, ship, et iterate à un rythme qui nécessitait auparavant des équipes complètes. Cette conférence explique comment build des produits modernes lorsque vous êtes une seule personne opérant dans un environnement AI-native.

Aujourd’hui, grâce au vibe coding, Therry montre comment passer d’une idée à un produit testable en quelques jours malgré la profusion d’outils IA. Il présente un setup simple — Lovable pour l’interface, n8n pour les automatisations et appels API, Supabase pour le backend — afin de livrer très vite un produit 0-to-1 et tester ses idées sans friction.

Chez PayFit, Gaetan et Alexandre vont expliquer comment l’entreprise dépasse les outils IA isolés pour construire un écosystème d’assistants spécialisés qui collaborent sur des sujets RH et paie, au service des clients, de leurs employés et des agents support. Il présente une stratégie en deux piliers : PayFit Copilot pour une aide autonome 24/7 côté clients, et un écosystème d’assistants IA orchestrés pour augmenter l’efficacité des équipes CS en gérant la complexité et en laissant aux humains l’empathie et le jugement. Il partage enfin la vision 2026 de PayFit : passer d’une IA qui répond à une IA qui agit, avec des exemples d’orchestration et des retours d’expérience de déploiement en production à grande échelle.

Le feedback n’est pas un problème d’outils, mais un sujet de culture. Dans ce talk, Estelle présente une approche Product Ops centrée sur la culture pour rendre les retours réellement actionnables, en transformant des inputs bruts en clarté et en alignement entre Produit et GTM. Elle partage ses apprentissages de Contentsquare et explique comment elle les déploie aujourd’hui chez Gorgias en s’appuyant sur l’IA (tagging, clustering, résumés, retrieval).

Quand une organisation commence à multiplier les use cases d’agents IA, la question n’est plus seulement technique : c’est un sujet de gouvernance. Qui crée les agents ? Qui valide les prompts ? Comment éviter la dérive des usages, les effets boîte noire et les risques de sécurité ? Je partagerai notre approche de gouvernance d’une plateforme agentique interne : modèles de responsabilité, workflows de validation, gestion de la qualité et du risque.

‍

Ce talk explore pourquoi les agents surpassent l'UX e-commerce traditionnelle, comment la product discovery se déplace des pages vers les semantic entities, et pourquoi les structured, enriched product data deviennent l'interface de base pour le commerce.

Nous allons décortiquer l'Agentic Commerce Stack émergente, des catalog foundations et GEO metadata aux agent-facing APIs et checkout orchestration, et esquisser des stratégies concrètes pour préparer les catalogs et les commerce infrastructures pour la agent-driven discovery et les transactions à travers de multiples AI ecosystems.

‍

Martin explique que si l’IA rend le développement logiciel plus rapide et moins coûteux que jamais, la vitesse ne résout pas le problème le plus difficile en produit : comprendre suffisamment le marché et les clients pour construire la bonne chose. Il partage des stratégies concrètes pour éviter l’inflation de fonctionnalités et la faible adoption, en renforçant la capacité à décider quoi construire et pour qui : mieux prioriser, valider les besoins avant de développer, et préserver le jugement humain dans un monde piloté par l’IA.

Chez Pennylane, Audrey et Lya expliquent comment l’IA est considérée autant comme un sujet de culture d’entreprise que comme un objectif business, intégrée au cœur des façons de travailler plutôt qu’ajoutée en surcouche au design produit.

Elles présentent une « boucle vertueuse » où l’usage interne quotidien de l’IA nourrit en continu la conception de fonctionnalités produit basées sur l’IA, et réciproquement. En développant leurs propres features d’IA, les équipes acquièrent une compréhension plus fine des mécanismes techniques, ce qui les rend plus intentionnelles dans leurs usages internes ; et en s’appuyant sur l’IA au quotidien, elles vivent directement les mêmes « aha moments » et frictions que les utilisateurs, renforçant une empathie qui guide ensuite des choix de design plus pertinents et plus humains.

Concevoir et déployer des dispositifs agentiques grand public à l'échelle d'une banque systémique française. Prendre en considération les caractéristiques inédites d'une nouvelle matière première.

Founder mode. Hors Process. Mindset produit radicalement différent. Pauline partagera son double pari :

• combiner agilité startup et assets scale-up,
• gérer le retour aux contraintes sans perdre la dynamique.

Lors du développement de fonctionnalités d'IA, il est impossible de tout prévoir. Les interactions réelles des utilisateurs révèlent des entrées inattendues et des défaillances qui n'apparaissent qu'en production, obligeant les équipes à tâtonner pour identifier les corrections à apporter et à évaluer l'impact réel de leurs modifications sur le produit.

‍

AI coding agents can generate code fast, but most have no idea how your database actually works. They guess column names, ignore security policies, and write SQL that breaks in production. Supabase ships two open-source tools to close that gap: the MCP Server, which gives agents direct access to your Postgres database, and Agent Skills, which teach them to write correct, secure, performant SQL. In this live demo, I'll build a working app from a blank project using only Claude Code, plain English, and these two tools.

De nombreuses équipes produit utilisent l’IA de manière ponctuelle et fragmentée, tombant souvent dans le « piège du chatbot » sans stratégie claire. Une transformation plus profonde des méthodes de Product Management est nécessaire. Un atelier pratique propose d’utiliser un LLM pour transformer des feedbacks utilisateurs (catégorisation de verbatims, identification des problèmes) en prototype produit.

Michelin aborde la transformation des AI agents par le Content Engineering, soulignant que le contenu est le moteur de ces expériences. L'objectif est de faire émerger la voix de la marque de manière authentique en utilisant des contenus structurés et des guidelines claires pour nourrir les agents IA, tout en se concentrant sur la transparence et la valeur apportée à l'utilisateur final.

Les applications LLM peuvent échouer subtilement (dérive des coûts, dégradation des sorties, évolution réactive des invites) rendant la production difficile à comprendre. Pour assurer la fiabilité des systèmes LLM, il est essentiel d'appliquer des pratiques telles que la surveillance de bout en bout, la visibilité des coûts/latence, le versionnement des invites, les évaluations (hors ligne/en ligne), les tests A/B et la protection des données utilisateur. La présentation vise à comparer les outils disponibles pour mesurer, déboguer et améliorer un produit IA.

Face à l'abondance des solutions d'IA et au risque de dispersion (le "piège classique" d'une approche "tool-first"), l'équipe a transformé sa phase d'expérimentation en une exploration organisée, utilisant ses méthodes de discovery pour cartographier le "Designer Journey". Cela a permis d'identifier des points de friction à haute valeur ajoutée, comme transformer 500 interviews utilisateurs en insights, pour passer à un paradigme "value-first".

De nombreuses équipes produit utilisent l'IA de manière ponctuelle et peu structurée via des chatbots génériques, limitant leur impact. Une véritable transformation nécessite une évolution plus profonde des méthodes de Product Management, afin d'éviter de tomber dans le "piège du chatbot" (usage isolé et à faible valeur ajoutée sans stratégie claire).

Qu'est-ce qu'il faut réellement pour bâtir une organisation "Nativement IA" et aller au-delà des expérimentations individuelles ? Dans ce pitch rapide de 5 minutes, vous plongerez dans le Programme de Productivité IA de LumApps, une initiative conçue pour encourager l'utilisation quotidienne de l'IA tout en établissant une gouvernance claire tout au long du Cycle de Développement Produit (PDLC).

‍