L’Intelligence Artificielle : un atout essentiel pour les Product Owners

Le Machine Learning, (ou apprentissage automatique) est une sous-discipline de l’IA qui se concentre sur le développement d’algorithmes et de modèles permettant aux ordinateurs d’apprendre et de faire des prédictions à partir de données.

C’est grâce à des algorithmes de Machine Learning que Netflix, par exemple, est en capacité de :

• Recommander du contenu car il parvient à analyser les préférences de visionnage de ses abonnés, leurs interactions avec la plateforme, les genres de contenu qu’ils regardent, etc. Ces données alimentent des modèles qui prédisent quels titres les utilisateurs sont susceptibles de regarder ensuite.
• Personnaliser les vignettes des contenus en choisissant les images miniatures les plus susceptibles d’attirer l’attention d’un utilisateur spécifique, en fonction de ses goûts et de son historique de visionnage, ce qui augmente les chances de cliquer sur un contenu. Cette stratégie favorise une meilleure rétention des abonnés tout en augmentant leur niveau d’engagement avec la plateforme. Ainsi, un PO peut ainsi anticiper les besoins des clients, évaluer le succès potentiel de nouvelles fonctionnalités, et prioriser efficacement le backlog.

En tant que Product Owner, la rédaction des user stories peut représenter un investissement de temps considérable.
La société Atlassian, qui développe notamment l’outil JIRA connu pour la gestion de projet et suivi des anomalies, a intégré des fonctionnalités d’Intelligence Artificielle. Ces fonctionnalités ont pour objectifs d’aider à automatiser la création et la gestion des users stories, en capturant fidèlement les attentes des utilisateurs.

En effet, JIRA peut analyser les tickets existants, les comportements précédents des utilisateurs et d’autres données contextuelles pour générer automatiquement des user stories pertinentes. Cela permet de gagner du temps et d’assurer une meilleure cohérence dans la documentation des exigences du projet.

Ces users stories, une fois générées, peuvent être affinées et personnalisées par les équipes de développement pour répondre précisément aux besoins du projet.

De la même manière que la rédaction des users stories, Atlassian a développé Jira Advanced Roadmaps qui utilise des techniques d’Intelligence Artificielle et d’apprentissage automatique pour optimiser la gestion et la priorisation des backlogs.

• Prévisions basées sur des données : L’outil utilise des algorithmes pour prédire les dates de livraison des projets en fonction des données historiques et des variables actuelles comme la charge de travail et les capacités de l’équipe.
• Suggestions automatiques : En se basant sur l’analyse des données passées et des tendances, Jira Advanced Roadmaps peut suggérer automatiquement des priorités pour les tâches du backlog. Cela permet de focaliser les efforts sur les éléments les plus importants ou les plus impactants.
• Analyse et reporting en temps réel : L’Intelligence Artificielle aide à analyser continuellement les données de performance des projets pour identifier des anomalies, permettant d’ajuster en temps réel.
• Intégration avec Jira : Étant une extension de Jira, il utilise l’ensemble des données déjà disponibles sur la plateforme pour fournir des recommandations précises et personnalisées pour chaque équipe.
• Alignement stratégique : L’outil aide à aligner les tâches du backlog avec les objectifs stratégiques de l’organisation, garantissant que les efforts de développement sont toujours en phase avec la vision et les priorités de l’entreprise. En utilisant Jira Advanced Roadmaps, les équipes de développement peuvent tirer parti de l’Intelligence Artificielle pour automatiser la gestion et la priorisation des backlogs, augmentant ainsi l’efficacité et la cohérence dans le cycle de développement.

L’intégration de l’Intelligence Artificielle dans le rôle de Product Owner présente plusieurs limites. Les PO peuvent être confrontés aux principales contraintes suivantes :

La qualité des données est cruciale pour obtenir des analyses et des prédictions fiables. Si les données sont erronées, incomplètes ou biaisées, les décisions qui en découlent peuvent être inadaptées voire incorrectes. Les PO doivent donc accorder une attention particulière à la collecte, au nettoyage et à la gestion des données pour assurer leur intégrité.

L’adoption d’outils d’IA peut représenter un investissement significatif, tant en termes de coûts que de temps nécessaire pour former les équipes. De plus, la mise en place de tels outils nécessite souvent des compétences techniques que tous les PO ne possèdent pas, ce qui pourrait entraîner des besoins supplémentaires en formation et en support.

L’intuition et l’expérience humaine sont des éléments essentiels du rôle de PO. L’IA peut fournir des analyses et des recommandations basées sur des données, mais elle ne peut pas remplacer le jugement et la perspicacité que les PO acquièrent par leur expérience, notamment pour comprendre les besoins non exprimés des utilisateurs ou pour évaluer des situations complexes qui nécessitent une prise de décision nuancée.

Par exemple, Reuters a rapporté en 2018 qu’Amazon avait développé un programme pour repérer les meilleurs CV des candidats. Le programme désavantageait systématiquement le CV des femmes, car il reflétait l’écart déjà existant entre les sexes parmi le personnel recruté au cours des dix dernières années. Cet incident a mis en lumière les manquements à l’éthique dans l’utilisation de l’IA, notamment en ce qui concerne la discrimination fondée sur le genre.

Cela souligne l’importance de la transparence et du consentement dans l’utilisation des technologies prédictives. D’où l’importance pour les PO de faire appel à leur intuition et à leur expérience pour naviguer dans des contextes sensibles et prendre des décisions éclairées, en gardant toujours à l’esprit les implications éthiques et humaines.

Les interactions humaines, la gestion des attentes des parties prenantes et la communication constituent une grande partie du rôle du PO. Les compétences interpersonnelles et la capacité à nouer des relations de confiance ne peuvent être remplacées par des machines. Comprendre les préoccupations et les motivations des différents acteurs et savoir communiquer efficacement restent des compétences que l’IA ne maitrise pas encore entièrement.

Les outils d’IA sont basés sur des modèles prédéfinis qui peuvent manquer de flexibilité face à des situations imprévues ou des changements rapides dans le projet. Les PO doivent rester agiles, être capables d’adapter rapidement leurs stratégies et leurs priorités en fonction des nouvelles informations et des évolutions du marché, une souplesse que les systèmes automatisés peuvent ne pas posséder.