Le PM full-stack : quelles compétences à l'ère de l'IA

Il y a un discours confortable qui circule dans les équipes produit : "L'IA va nous faire gagner du temps sur les tâches répétitives, et on pourra enfin se concentrer sur la stratégie."

C'est le bon diagnostic, mais souvent la mauvaise conclusion.

Parce que si l'IA automatise les tâches répétitives, rédaction de PRD, synthèse d'interviews, grooming de backlog, rapports de statut, ce qu'elle révèle en même temps, c'est que beaucoup de PMs ne faisaient presque que ça. Pas par paresse. Par héritage organisationnel. Par conformité à un modèle de rôle construit autour de l'information scarce, du processus comme valeur ajoutée, et de la coordination comme légitimité.

Ce modèle montre ses limites. Et l'adapter à la marge, installer Notion AI, générer ses specs avec ChatGPT, revient à accumuler de la dette méthodologique plutôt qu'à en sortir.

L'écueil de la tâche : pourquoi compter les activités automatisées ne suffit pas

Une première limite analytique est de traiter le rôle PM comme une somme de tâches, puis de cocher celles qu'une IA peut accomplir. Cette approche est celle de McKinsey, qui estimait que la GenAI pourrait absorber 60 à 70 % du temps des knowledge workers, contre 50 % pour les vagues d'automatisation précédentes [1]. C'est un chiffre utile pour comprendre l'ampleur du changement, pas pour décider quoi faire.

Pourquoi ? Parce que toutes les tâches ne créent pas la même valeur. Shaun Clowes, CPO de Confluent, le dit sans détour dans son échange avec Reforge (mars 2025) :

"Votre connaissance de ce que disent les clients, du marché, de la technologie, de votre propre produit était précieuse parce qu'elle était difficile à obtenir, difficile à maintenir, et difficile à interroger." [2]

Cette rareté-là a disparu. Les LLMs ont démocratisé l'accès à une connaissance qui prenait autrefois des années à accumuler. Une analyse concurrentielle qui nécessitait deux semaines prend maintenant quinze minutes. La synthèse de cinquante interviews utilisateurs se fait en un quart d'heure. Les frameworks de priorisation, RICE, MoSCoW, impact/effort, peuvent être générés et peuplés automatiquement.

Reforge appelle ce phénomène un double effondrement : Knowledge Value Collapse et Process Value Collapse [2]. Ce qui constituait la base de la légitimité d'un PM intermédiaire, savoir plus que les autres, avoir un processus structuré, s'est commoditisé.

La question n'est donc pas "quelles tâches l'IA remplace-t-elle ?" mais "une fois ces tâches absorbées, qu'est-ce qui justifie encore un PM ?"

Ce que l'IA ne peut pas faire : le jugement comme compétence irréductible

La réponse de Fareed Mosavat (ex-Reforge, Slack, Instacart), elle aussi tirée de l'échange Reforge de mars 2025, est la plus honnête que j'aie lue :

"Je peux sortir une spec en douze minutes maintenant. Ça m'aurait pris sept heures. Mais ce sont toutes les micro-décisions, ce qu'on appelle le product sense, le goût, la priorisation, qui sont en réalité plus difficiles maintenant, parce que le champ des solutions possibles est encore plus large." [2]

C'est contre-intuitif, mais c'est juste. L'IA accélère l'exécution, donc elle multiplie les points de décision. Quand prototyper coûte dix fois moins cher, on doit décider dix fois plus souvent. Et décider quoi ne pas construire est toujours, entièrement, humain.

Marty Cagan, fondateur du Silicon Valley Product Group, formalise cette idée dans "The Era of the Product Creator" (mai 2025) : ce qui différencie un PM irremplaçable, c'est d'être un créateur de produit, quelqu'un qui prend la responsabilité de la valeur et de la viabilité, pas un facilitateur ou un administrateur de backlog. Sa mise en garde est directe :

"Les product managers non-créateurs sont de plus en plus et particulièrement vulnérables avec la montée de la GenAI." [3]

La même logique s'applique à la direction stratégique. Shaun Clowes encore : "Vous essayez de trouver l'angle, la question qui n'a pas encore été posée et qui vous donne un insight que les autres n'ont pas." Ce n'est pas un workflow. Ce n'est pas un prompt. C'est de la pensée.

Mon point de vue : Le glissement que je vois le plus souvent : des PMs qui confondent "utiliser l'IA" avec "être un PM à l'ère de l'IA". Installer dix outils et générer des specs plus vite, cela reste de l'optimisation de surface. La vraie transformation, c'est de se demander : maintenant que l'exécution est accélérée, qu'est-ce que je décide de ne pas faire ? La valeur du PM se déplace de la production d'artefacts vers la qualité du cadrage des problèmes. Et ça, ça demande une refonte de la méthode, pas un abonnement SaaS de plus.

La polarisation du marché : le milieu se resserre

Les données du marché de l'emploi confirment ce que l'analyse conceptuelle prédit. En 2026, le rôle PM ne se transforme pas uniformément, il se scinde.

Mike Clark, dans son analyse "The Great Reshuffling" (août 2025), décrit une courbe en K inversé : la demande explose aux deux extrêmes, tandis que le milieu s'érode [4]. D'un côté, les AI-focused PMs, spécialistes qui construisent des produits IA, naviguent à l'intersection de la data science et de la stratégie produit. De l'autre, les AI-powered PMs, généralistes qui ont profondément intégré l'IA dans leur workflow et atteignent des niveaux de productivité inaccessibles aux autres.

Abrar Abutouq, PM chez Userpilot, précise la bifurcation pratique (mai 2026) :

Le builder-PM : AI-natif, ship ses propres prototypes, travaille sur des équipes qui brouillent délibérément la frontière PM/ingénieur.
L'integrator-PM : haute intelligence émotionnelle, cross-fonctionnel, ownership du roadmap dans des environnements B2B complexes où l'alignement interne reste un problème humain. [5]

Les salaires racontent la même histoire. Pawel Huryn, coach produit qui suit les données de compensation PM, estime le salaire 2026 des AI PMs aux États-Unis à environ 245 000 $, contre 123 000 $ pour les PMs traditionnels [5]. Un écart de 122 000 $ qui représente deux trajectoires de carrière différentes, pas deux niveaux sur la même échelle.

Mon point de vue : Je refuse de présenter cet écart salarial comme un argument pour "devenir AI PM". Les postes AI PM représentent 8 à 10 % de l'offre mondiale selon les estimations actuelles [5]. Ce n'est pas un marché de masse. Ce qui compte davantage, c'est l'autre message des données : les postes généralistes sans composante IA ou sans spécialisation sectorielle forte disparaissent. Quel que soit votre archétype, le flou devient une position de plus en plus difficile à tenir.

Le PM comme gouverneur, pas comme opérateur

Il y a une troisième mutation, moins visible dans les fiches de poste mais peut-être la plus structurante : le déplacement du PM d'opérateur à gouverneur.

Yazan Sehwail, CEO d'Userpilot, le formule ainsi :

"Au lieu de sortir un ou deux features par trimestre, vous en sortez sept, huit, neuf. Il devient alors encore plus difficile pour les équipes produit de suivre manuellement chacun et de comprendre l'usage pour chacun. Vous devez automatiser une grande partie de tout ça." [5]

La conséquence est logique : quand l'IA opère, génère, itère, déploie, le PM supervise. Il choisit ce que l'IA optimise. Il définit les guardrails. Il interprète les signaux qui méritent intervention. C'est un profil qui ressemble davantage à un architecte de systèmes qu'à un chef de projet.

Cette évolution est documentée dans un article académique récent de Niki Aghaei, Staff PM à San Francisco, publié dans le European Journal of Science, Innovation and Technology (juin 2026) : l'IA réduit le poids relatif de la coordination routinière, du drafting et de l'analyse de premier niveau, tout en augmentant la valeur du réglage système, de l'instrumentation des données, de la supervision humaine et de la gouvernance organisationnelle [6].

Ce n'est pas "faire la même chose avec des outils meilleurs". C'est un changement de nature du rôle.

Ce qui reste irréductiblement humain

Trois compétences sortent de toutes les analyses comme non-automatisables dans un horizon de 3 à 5 ans :

1. Le jugement sous incertitude

Ravi Mehta, ancien leader produit chez Tinder et Facebook, utilise la métaphore du volant :

"Pensez à conduire une voiture. Quand vous allez lentement, les changements de direction ne font pas grand-chose. Mais si vous allez vite, de petites corrections peuvent vous envoyer dans la mauvaise direction. Quand les équipes accélèrent, le travail de cadrage de direction que font les PMs devient encore plus important." [2]

Plus l'exécution s'accélère, plus chaque décision de direction compte. L'IA est le moteur. Le PM est le volant.

2. La relation et la confiance

Fareed Mosavat : "Pour au moins les trois à cinq prochaines années, les humains suivront encore des humains." [2] Le leadership, pas comme management mais comme capacité à aligner des gens derrière une vision dans l'ambiguïté, reste hors de portée des LLMs. La confiance se construit dans le temps, sur des décisions réelles avec des conséquences réelles.

3. Le go-to-market comme compétence de survie

Userpilot (mai 2026) documente un consensus parmi les praticiens : "Le go-to-market est la partie la plus difficile, et ça ne change pas." [5] Pricing, packaging, training des sales, construction des funnels d'activation, rien de tout cela ne se comprime sous l'IA dans un horizon proche, parce que tout cela requiert une compréhension intime du produit et du marché et des humains qui opèrent entre les deux.

La "technicité stratégique" : comprendre les systèmes IA pour arbitrer, pas pour coder

Il y a un malentendu persistant sur ce que "technicité" veut dire pour un PM à l'ère de l'IA. Ce n'est pas coder. Ce n'est pas maîtriser les maths du machine learning.

C'est comprendre suffisamment comment fonctionnent les systèmes IA pour faire des arbitrages informés : quand un modèle probabiliste est approprié versus une règle déterministe, comment évaluer la qualité d'un dataset d'entraînement, ce que "précision vs rappel" implique pour l'expérience utilisateur, pourquoi un système agentique peut dériver si le prompt de supervision est mal construit.

Aakash Gupta, product growth expert (ex-Apollo, Affirm, Google), le formulait il y a deux ans de façon prémonitoire : "Le fine-tuning de modèles LLMs est très différent de la gestion du core product d'un fil d'actualité, et les PMs avec une expérience directe du domaine surperforment systématiquement." [5]

Ce n'est pas de la technicité pour impressionner les ingénieurs. C'est de la technicité pour ne pas être dependent d'eux pour chaque décision critique.

Mon point de vue : Voilà le cœur du Pilier 1 du PM Pathfinder Framework, Technicité Stratégique. Pas "le PM doit coder". Mais "le PM doit comprendre les systèmes qu'il gouverne assez bien pour cadrer les bons problèmes, poser les bonnes questions, et ne pas laisser la technique décider de la stratégie à sa place". La dette méthodologique, c'est précisément d'ajouter des outils IA sans avoir reconstruit ce niveau de compréhension.

Que faire concrètement ?

Brian Balfour, CEO de Reforge, résume l'agenda mieux que n'importe quelle liste de compétences [2] :

Automatisez d'abord les parties process et knowledge, pas pour aller plus vite, mais pour créer l'espace nécessaire à la suite.
Investissez dans les compétences qu'AI ne remplace pas mais amplifie : direction stratégique, jugement, builder mentality, leadership.
Élargissez votre périmètre vers les zones adjacentes, data, design, go-to-market. Non pas pour tout maîtriser, mais pour réduire la taxe de coordination et augmenter votre surface de contribution directe.
Choisissez un environnement qui accélère plutôt qu'il ne freine, une organisation qui n'embrasse pas l'IA comme levier vous rend moins compétitif chaque trimestre.

Le marché le confirme : Lenny Rachitsky documentait plus de 6 000 postes PM ouverts en 2025, soit 53,6 % au-dessus du creux de 2023 [5]. La demande est là. Le profil qu'elle cherche a changé.

La question n'est pas si le rôle de PM survit à l'IA. Il survit. La question est quel PM survit. Et la réponse est : celui qui a compris que l'IA n'est pas un outil de productivité, mais un révélateur de valeur.

Sources

[1] McKinsey, The economic potential of generative AI: The next productivity frontier, Estimation 60-70% d'automatisation du temps des knowledge workers par la GenAI.

[2] Reforge / Brian Balfour, Moving To Higher Ground: Product Management In The Age of AI (mars 2025), Framework Knowledge Value Collapse / Process Value Collapse ; citations de Shaun Clowes (CPO Confluent), Fareed Mosavat, Ravi Mehta.

[3] Marty Cagan / SVPG, The Era of the Product Creator (mai 2025), Distinction créateurs vs non-créateurs ; vulnérabilité des PMs "administrateurs" face à la GenAI.

[4] Mike Clark / AgentsToday, The Great Reshuffling: How AI is Polarizing Product Management Roles (août 2025), Polarisation K-shaped du marché PM ; stigma IA → exigence ; données WEF (23% des emplois changeront d'ici 2027) ; Microsoft Work Trend Index (75% des travailleurs utilisent l'IA, 71% des leaders n'embaucheraient pas sans compétences IA).

[5] Userpilot / Abrar Abutouq, 6 Product Management Trends in 2026: The PM Role Is Splitting (mai 2026), Bifurcation builder-PM vs integrator-PM ; données salariales Pawel Huryn ($245K vs $123K) ; quote Aakash Gupta sur la spécialisation ; données Lenny Rachitsky sur le marché de l'emploi ; part AI PM (8-10% des postes).

[6] Niki Aghaei, Transformation of the Product Manager Role under Artificial Intelligence Integration, European Journal of Science, Innovation and Technology, Vol. 6 No. 4 (juin 2026), Revue académique : compression des tâches routinières, expansion des fonctions de gouvernance, jugement stratégique.

[7] Marty Cagan / SVPG, AI Product Management 2 Years In (décembre 2024), Bilan two-year : le rôle PM devient plus essentiel et plus difficile avec la GenAI ; questions ouvertes sur discovery, créativité, et impact sur les outcomes.