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. Cela a fait émerger pour nous une question simple mais essentielle : comment passer du simple usage de l’IA à un vrai Product Manager augmenté ?Au cours de cette session, nous partagerons nos premières démarches pour mieux comprendre le fonctionnement actuel de nos équipes et identifier les domaines où l’IA peut les soutenir de manière réaliste. Nous présenterons un ensemble de « super-pouvoirs IA » alignés sur le parcours du Product Manager, avec l’objectif de déplacer le focus de la simple génération de texte vers un soutien à plus forte valeur.Nous présenterons également le cadre de priorisation que nous mettons en place à La Centrale, conçu non pas pour courir après chaque nouvel outil, mais pour concentrer l’attention sur les cas d’usage où l’IA peut générer un impact significatif.Enfin, nous proposerons une réflexion autour d’une idée émergente du « Builder PM », et sur la manière dont les Product Managers pourraient être mieux accompagnés dans le prototypage et une interaction plus directe avec l’exécution technique.

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. Dans cette conférence de 25 minutes, je partagerai un "framework" pratique pour préparer le succès des "AI conversational agents", qu'il s'agisse d'outils internes ou de "products" destinés aux utilisateurs finaux. En m'appuyant sur l'"UX writing", la linguistique et les "content operations", je montrerai comment les équipes peuvent concevoir, gouverner et évaluer l'AI conversationnelle d'une manière qui soit "scalable", mesurable et alignée avec les objectifs "product". Nous explorerons pourquoi certaines interactions "AI" semblent naturelles et dignes de confiance tandis que d'autres sont confuses ou frustrantes, en reliant les principes linguistiques ("Grice's maxims", "pragmatics", "Jakobson's functions") à des décisions de "design" concrètes. Ensuite, j'examinerai une méthodologie en deux parties : premièrement, comment préparer votre "conversational agent" ("documentation", "identity", "principles", et "prompt design") ; deuxièmement, comment évaluer la qualité de l'output par des approches à la fois quantitatives et qualitatives. Les conversations mal conçues augmentent le "cognitive load", rompent la confiance et créent des coûts cachés par le "rework", les escalades et la frustration de l'utilisateur. Les "conversational AI" bien conçues, en revanche, améliorent l'efficience, l'adoption et la "long-term product value". Cette conférence donne aux "product designers" et aux "PMs" les outils pour atteindre ce dernier objectif.

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.

‍

Dans ce talk, nous partagerons comment nous avons construit notre AI Design Playbook, un framework qui relie les principles de human-centered design à l'innovation AI-driven. Nous discuterons de la façon dont nous avons évolué des efforts fragmentés et spécifiques aux products vers un system cohésif et scalable qui assure que chaque expérience AI — peu importe le product ou la plateforme — soit consistent, meaningful, et trustworthy.

Nous révélerons également comment nous avons structuré notre collaboration, de la définition des processes et workflows à la training et à la communication avec les équipes internes, en veillant à ce que le Design System soit non seulement bien conçu, mais aussi activement utilisé et maintained dans toute l'organization.

‍

Notre journey est structuré autour de quatre key piliers:

‍

- Design Principles: Les fondations ethical et experiential qui guident chaque choix de AI design.

‍

- Research Insights: Travail de continuous discovery qui ancre notre system dans les real user needs et behaviors.

‍

- Automation Matrix: Un framework pour déterminer le juste équilibre entre l'automation et l'human agency.

‍

- AI Design Patterns: Des solutions reusable, research-backed pour les challenges courants d'interaction human–AI.

À la fin de cette session, vous apprendrez comment une approche design collaborative, structurée et à l'échelle de l'organization peut transformer des initiatives AI fragmentées en expériences cohérentes, cross-platform et human-centered — et comment une telle approche peut aider à scaler l'AI design consistency, adoption, et impact à travers des ecosystems complexes.

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.

Dans cette conférence, Anne-Sophie partagera le parcours de Back Market sur 5 ans pour développer ses AI capabilities—d'un simple supply optimization algorithm à plus de 10 production use cases couvrant la supply, la finance et le customer care. Elle révélera les décisions stratégiques derrière leur succès : concevoir chaque fonctionnalité AI avec une obsession pour l'impact business, naviguer dans les build-versus-buy decisions, choisir entre les rule-based approaches, la genAI et le classical Machine Learning, et avoir la discipline de mettre fin aux projets sous-performants. Vous apprendrez comment leur organisation a évolué d'un AI squad à trois, et découvrirez leur incubation model pour valider l'impact avant de scaler. Vous apprendrez également comment Back Market a permis aux équipes non-AI de créer des AI POCs de manière autonome—créant un cercle vertueux où les squads valident l'impact indépendamment avant de passer à la full production. Un blueprint pratique pour scaler l'AI avec rigueur et autonomie.

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.

L’IA conversationnelle transforme la manière dont les gens interagissent avec nos produits. C’est le fameux basculement du “browsing” vers le “asking” : les utilisateurs ne naviguent plus, ils formulent une intention et attendent une réponse immédiate et contextualisée (en chat, en vocal ou même en vidéo).Dans ce nouveau paradigme, comment créer un produit qui donne vraiment envie de parler ? Et comment rendre cette conversation utile et engageante ?Je partagerai deux cas concrets de produits AI-native que j’ai designés en tant que Founding Designer chez Hexa, le startup studio à l’origine de 50 startups dont Aircall, Spendesk et Front :Rose, un agent marketing pour les sites B2B où l’enjeu était de dépasser l’image du “chat support inutile” pour créer une vraie valeur business et une interaction qui engage et qui convertit.Verso, un agent d’interview en audio/vidéo où l’enjeu était d’instaurer suffisamment de confiance et de fluidité pour obtenir des insights qualitatifs… avec une IA en face.Pour chacun, je détaillerai les choix design que nous avons faits au fil des itérations, et comment ces micro-interactions ont directement amélioré l’engagement et la qualité des échanges : animation, questions de relance, reformulations...La démarche est volontairement axée sur la pratique, illustrée d’exemples réels et de résultats terrain. Le talk s’adresse principalement aux designers et aux PM qui veulent comprendre comment concevoir des interactions conversationnelles IA plus engageantes. C’est un tournant majeur dans notre manière de penser le design d’interaction.

Chez Spotify, nous avons lancé Vedder, un outil interne qui transforme les questions en langage naturel en requêtes SQL fiables (text-to-SQL), utilisées chaque jour par les équipes data. Ce projet est né d’un besoin simple : rendre la donnée accessible à tous, de manière fiable et avec une réelle garantie de qualité des réponses.Le text-to-SQL est un sujet bien connu, mais le maîtriser à l’échelle de toutes les données d’une entreprise est un défi considérable. Expliquer comment nous avons construit Vedder, c’est raconter comment on construit un produit d’IA fondé sur des modèles de langage (LLMs).Dans ce talk, je partagerai l’expérience d’un PM sur un produit IA et quelques messages clés :• Commencer petit, apprendre, puis scaler : comment nous avons transformé une expérimentation en produit adopté à grande échelle.• Ajouter de la certitude dans les LLMs : la mise en place d’évaluations continues pour fiabiliser les résultats.• Impliquer les utilisateurs dans l’apprentissage : la curation collaborative de données par les experts métier.• Mesurer le ROI d’un produit IA : gains de productivité, nouveaux types d’utilisateurs et adoption organisationnelle.Enfin, j’aborderai les évolutions possibles et comment s’y projeter :• Les perspectives du context retrieval et la connexion avec le savoir collectif de l’entreprise pour passer du text-to-SQL au text-to-insights.• Et la question stratégique : comment ces produits d’IA internes peuvent se différencier durablement face aux grands fournisseurs de LLMs comme OpenAI ou Anthropic.

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. Key insights : - Pourquoi l'ère de l'AI change la structure du product work, et pas seulement le tooling Comment run l'intégralité du product loop en solo : discovery, research, prototyping, delivery, iteration - Comment use des agents, l'automation et une infra lightweight pour remplacer le team overhead traditionnel - Comment passer du feature shipping au system-building avec des services AI-powered. En bref, cette conférence montre comment le modern AI product stack permet à un seul founder de compete avec des équipes traditionnelles.

Aujourd’hui, on peut passer de l’idée au produit testable en seulement quelques jours grâce au vibe coding. Mais, avec la vitesse d’évolution de l’IA générative, de nouveaux outils sortent tous les jours et on finit par s’y perdre…Dans ce talk, je vous partagerai un setup simple et efficace : Lovable pour l’interface, n8n pour les interactions APIs et Supabase en backend. On verra comment utiliser ces trois briques pour livrer un produit 0-to-1 très rapidement. Après ce talk, vous n’aurez plus aucune excuse pour ne pas tester vos idées !

14 juillet 2025 : L'Hôtel Molitor M Gallery signe. Notre produit n'a que 30 jours.10 ans dans le produit (Logitech, Ledger, Fairmat), aucune ligne de code avant Uniforms. On aurait pu attendre 6 mois de trouver un CTO. J'ai choisi de builder moi-même pour répondre au besoin identifié lors de nos nombreux entretiens sur le terrain : l'hospitalité manque de digitalisation et perd de l'argent sur ce qu'elle ne mesure pas.Uniforms : première plateforme digitale de gestion intelligente des stocks dans l'hospitalité. On rend visible, l'invisible.6 mois plus tard :→ 5 clients payants quotidiens→ 28 clients en pipe→ 10 investisseurs convaincus→ 250k€ levés en pré-seed→ Bourse French Tech BPI→ Un CTO recruté pour scalerLe parcours (non linéaire) :- Début : euphorie avec les outils de low-code : Bolt.new, V0, Lovable- Mois 2 : crash total, code hardcodé- Mois 3 : crédits brûlés, outil incontrôlable- Mois 4 : dette technique, refonte complète avec une première dépense importante mais déterminante- Mois 6 : SaaS multi-tenant, +1500 mouvements enregistrésJ'ai appris React en 1 semaine sur YouTube. Créé un framework Figma + prompt engineering qui a divisé mes crédits par 4. Pivoté d'outil au bon moment.Ce que vous découvrirez :- Les 8 phases : exploration d'outils → prototypage en direct avec clients → crashes et apprentissages → optimisation → migration → multi-tenant → scale avec un CTO.- Les learnings concrets : framework Figma/Notion/prompt engineering, signaux pour changer d'outil ou recruter, comment piloter l'IA au lieu d'être piloté.- Pourquoi c'est unique : Un SaaS B2B complet en production, buildé en low-code IA. Du concret, pas de théorie. Actionnable dès aujourd'hui.- Mon message : Les outils IA n'ont pas remplacé mes compétences. Ils les ont amplifiées.- PM + Design + Curiosité + Résilience = Produit en production.Si j'ai pu le faire, vous pouvez le faire. Je viens montrer comment.

Chez PayFit, nous sommes allés au-delà des outils d'AI à usage unique pour créer un "intelligent ecosystem" où des assistants AI spécialisés travaillent de concert pour résoudre des défis complexes en matière de RH et de paie, au service de nos clients, de leurs employés ET de nos agents du "customer service".Notre "Two-Pillar AI Strategy"1 - PayFit Copilot: "24/7 Autonomous Support" pour les clientsDisponible 24 heures sur 24, PayFit Copilot permet aux utilisateurs d'effectuer leur paie de manière autonome."Key Use Case": Permettre aux clients et à leurs employés de naviguer et de compléter de manière indépendante les processus de paie — des déclarations de routine aux scénarios complexes impliquant plusieurs juridictions — sans attendre d'assistance.2 - "CS AI Assistants Ecosystem": "Orchestrated Intelligence" pour les agentsNotre "orchestration layer" coordonne des agents AI spécialisés pour "supercharge" l'efficacité de l'équipe "CS"."Key Use Case": Transformer les agents "CS" de répondeurs de "ticket" en solutionneurs de problèmes stratégiques, équipés d'AI qui gère la complexité afin qu'ils puissent se concentrer sur l'empathie et le jugement.Notre "2026 Vision": Nous évoluons de la réponse aux questions à la prise d'action autonome — une AI qui ne se contente pas de guider, mais exécute, qui ne fait pas que réagir, mais anticipe.Cette session présentera des "orchestration flows" en direct, révélera nos "architectural principles", et partagera les leçons tirées du déploiement d'une "production AI" qui augmente véritablement les capacités humaines à l'échelle.

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. »Points clés :- Modèle de responsabilité : qui est propriétaire de quoi (plateforme, agents, données, risques opérationnels).- Gouvernance des prompts et des outils (tooling) : nomenclature, versionning, revue, dépréciation.- Mécanismes de contrôle : garde-fous, limites d’usage, monitoring.- Comment intégrer les fonctions risques/compliance dans la boucle sans bloquer l’innovation.- Exemples d’incidents ou quasi-incidents qui ont conduit à faire évoluer la gouvernance.

Les agents AI sont en train de remodeler la façon dont les gens découvrent et achètent des products, déplaçant l'ecommerce au-delà des websites et de la search vers un monde où les conversations, les autonomous agents, et les vertical shopping models deviennent l'interface principale. Alors que les agents prennent en charge la discovery, la comparison, et le checkout, les fondations de l'e-commerce sont en train d'être réécrites. Cette 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.

À une époque où la création de logiciels est moins chère et plus rapide que jamais, l'AI apporte le plus grand coup de pouce à ce jour. Mais la vitesse ne résout pas le problème le plus difficile dans le product : comprendre le market et les customers suffisamment en profondeur pour construire la bonne chose.

Dans cette session, les product leaders exploreront comment éviter le feature bloat et la low adoption en affûtant la capacité la plus importante : décider quoi construire et pour qui. Vous repartirez avec des practical strategies que vous pouvez commencer à utiliser immédiatement, y compris des approaches pour prioritize les features qui comptent vraiment, des techniques pour validating les customer needs avant de build, et des façons de strengthen le human judgment dans un monde AI-driven.

Si vous êtes prêt à transformer l'effortless execution en real product impact, cette talk vous montrera comment.

Chez Pennylane, nous faisons en sorte que l’IA soit tout autant une affaire de culture que d’objectif business.

Plutôt que de voir l’IA comme un bloc à ajouter dans la conception du produit, nous l'avons intégrée au cœur même de notre façon de travailler.

Notre objectif est de partager notre expérience ainsi que nos challenges autour de cette « boucle vertueuse » : une “alimentation” continue entre notre usage interne de l’IA et la conception de nos fonctionnalités produit basées sur l’IA.Nous avons découvert que ces deux mondes ne font pas que coexister, ils se nourrissent mutuellement :-> De la conception à l'usage : mettre les mains dans le moteur pour développer nos propres fonctionnalités IA nous permet de mieux comprendre sa mécanique. Ce bagage technique fait de nous des utilisateurs internes plus avertis et plus intentionnels.-> De l'usage à la conception : en comptant sur l’IA dans notre quotidien, nous vivons en direct les expériences utilisateurs que nous essayons de construire, qu’ils s’agissent des “aha moments”, des frictions... Cette empathie guide aujourd’hui nos choix pour créer des expériences plus pertinentes et plus humaines.

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.

3 ans, 15+ features IA ajoutées. Notre produit n'a jamais été aussi puissant.

Et pourtant, face aux expériences AI-first qui émergent dans notre industrie, une évidence s'impose : "si on devait créer un nouveau produit aujourd'hui, on ne ferait pas PlayPlay tel qu'il est."6 semaines pour créer PlayPlay Design.

Founder mode. Hors Process. Mindset produit radicalement différent. Je partagerai notre double pari : combiner agilité startup et assets scale-up, puis gérer le retour aux contraintes sans perdre la dynamique.