L'Intelligence Artificielle et la Data sont des technologies qui continuent de réinventer radicalement la façon dont nous nous engageons et naviguons dans le monde. L'IA est utilisée dans tous les secteurs, de l'automobile à la grande distribution, de l'éducation à la santé, jusque dans la résolution de problèmes soudains et urgents comme la dernière pandémie de Covid. Une société coréenne en biotechnologies Seegene a par exemple utilisé l'IA pour développer un kit de test pour le nouveau coronavirus. Selon les rapports de la société, l’IA a réduit son temps de développement de quelques mois à quelques semaines.
De nouvelles fonctions sont donc arrivées dans les entreprises, afin de cadrer et de permettre le développement de ces solutions. Parmi elles, le Product Manager IA & Data Science se concentre sur l'utilisation de l'Intelligence Artificielle – Deep Learning ou Machine Learning – et de Data pour innover et améliorer les produits digitaux. Bien que ce rôle comprenne tout ce que fait un Product Manager traditionnel, il nécessite également une compréhension du développement de logiciels utilisant le Machine Learning, tout en ayant une vision réaliste de ses capacités et de ses limites. La question à laquelle un Product Manager IA & Data Science doit souvent répondre est : « Quand cela sera-t-il fait ? » La réponse n'est pas simple. La réponse est généralement « cela dépend : des données, des modèles, de la précision ». Ce qui est une réponse acceptable en IA, contrairement aux usages de la gestion de projet/produit classique.
C'est ainsi que le rôle du Product Manager est différent lorsqu'il travaille dans le domaine de l'IA et de la Data. Il doit ainsi disposer d’au moins 4 compétences clés et singulières, pour réussir.
1. Connaître le domaine de l’IA et de la Data Science
En tant que Product Manager IA et Data Science, on se doit d’avoir un bon niveau de compréhension du fonctionnement de l'IA et des pratiques fondamentales de la Data Science qui aident les machines à apprendre à être intelligentes. Souvent, les Product Managers logiciels ont une formation en UX ou en marketing. En revanche, un Product Manager IA et Data Science, aura très probablement une formation en traitement de données ou en statistiques. Il doit comprendre et maîtriser le vocabulaire de cet espace afin de pouvoir poser les bonnes questions et contribuer aux décisions qui ont un impact sur le développement des produits d'IA. Il doit cependant utiliser des termes et des présentations simples pour aider à informer les parties prenantes des différentes équipes : direction, ventes, marketing, service client.
2. Comprendre le pipeline de produits d'IA et de Data Science
Comprendre les différentes étapes du développement d'un produit IA est une compétence cruciale d'un Product Manager IA et Data Science. Il doit connaître comment ses produits sont liés à chacune de ces phases. À quelle étape se trouve le produit actuellement ? Quelles étapes devra-t-il franchir avant de devenir « réel » et comment y parviendra-t-il ? Ces étapes sont :
- Phase d'innovation/idéation/conception
- Développement de fonctionnalités et gestion des données
- Expérimentation
- Recherche
- Modélisation
- Infrastructure de service
On évoque ici des compétences classiques pour un Product Manager, mais associées au secteur de l’IA.
3. Faire preuve d’une expertise en Data Science
Le Product Management couvre trois dimensions : faisabilité, viabilité et désirabilité. Une combinaison de différentes compétences, outils et méthodes englobant ces dimensions se traduit souvent par le succès du produit et des résultats commerciaux positifs. L'IA et les Data Science exigent une dimension supplémentaire pour les Product Managers : la databilité. Cette dimension répond au besoin de compétences approfondies dans le domaine des données. Les Product Managers IA et Data Science doivent posséder un certain degré d'expertise dans les processus de développement pour la Data Science et le Machine Learning, tels que Microsoft Team Data Science Process (TDSP), CRISP-DM ou la livraison continue dans ce domaine.
4. Savoir concevoir des expériences
Les Product Managers IA et Data Science doivent être d'excellents concepteurs d'expériences et experts dans l'interprétation des résultats d'expériences, que ce soit par le biais d'expérimentations exploratoires, de tests A/B ou d'une évaluation de l'adoption et de l'engagement. L'ensemble de compétences dans ce domaine comprend une compréhension de base de la théorie des probabilités (distributions, cohortes, confiance, puissance, etc.), une compréhension approfondie des tests A/B et une connaissance tout aussi approfondie des techniques d'évaluation de modèles.
Selon Venturebeat : seuls 13 % des projets de Data Science parviennent à la production. La Data Science est une question d'expérimentation et toutes les expériences ne réussissent pas. Une autre raison de ce faible taux de réussite est que la plupart des projets ne sont pas menés avec un état d'esprit produit. Les compétences de Product Managers avec une expertise IA et Data Science deviennent ainsi de plus et plus importantes.
Sources :
https://www.productplan.com/learn/ai-product-management/
https://www.udemy.com/course/the-product-management-for-data-science-ai-course/
https://towardsdatascience.com/data-product-management-ffa582f7e047
https://www.oreilly.com/radar/practical-skills-for-the-ai-product-manager/
https://venturebeat.com/ai/why-do-87-of-data-science-projects-never-make-it-into-production/
