Transcription de l’épisode
Présentation de Pauline et de Playplay
Pauline se présente comme une professionnelle du produit avec une quinzaine d’années d’expérience, passée par plusieurs secteurs comme la marketplace et le voyage en ligne. Elle explique avoir rejoint Playplay il y a huit ans, d’abord comme première PM puis Head of Product, avant d’occuper aujourd’hui le poste de CPTO. Pauline décrit aussi Playplay comme un SaaS B2B de création vidéo destiné aux équipes communication et marketing, avec une entreprise d’environ 130 à 150 personnes et une équipe tech et produit d’une cinquantaine de personnes.
Terry: Salut, Pauline.
Pauline: Bonjour Terry.
Terry: Merci de prendre du temps aujourd'hui pour parler d'IA, pour parler de produits, pour parler de qu'est-ce Que ça veut. Dire que de construire un produit ai native quand on a commencé à construire son produit avant l'arrivée de l'IA générative. Quels sont un peu les enjeux qu'il y a autour de tout ça? Et donc les impacts aussi pour les métiers du Product, au sens large. Et je trouve que tu as un super profil pour aborder ce sujet. Tu as pris souvent la parole sur ces sujets product avant l'IA et avec l'IA. Mais bon... Avant de rentrer dans le vif du sujet, je te propose tout d'abord de te présenter.
Pauline: Oui, merci pour l'invitation. Avec plaisir. Moi, je m'appelle Pauline et ça fait une quinzaine d'années que je fais du produit. Je suis un pur produit du Product management, parce que j'ai eu la chance de faire que ça dans ma carrière. J'ai commencé par travailler pour différentes entreprises, en termes de taille et en termes de secteur, donc de la marketplace, du voyage en ligne, etc. Et puis là, Ça fait quand même un gros chapitre, puisque je suis chez Playplay depuis huit ans. Donc, Playplay, on y reviendra, mais c'est du SAAS B2B. Et je suis arrivée en tant que première PM Head of Product en 2018, quand la boîte avait dix personnes. Et j'ai grandi avec l'entreprise et aujourd'hui, j'occupe le poste de CPTO. Voilà, avec les équipes tech et produits.
Terry: Top, donc Playplay. Qu'est-ce que vous faites? globalement, taille à peu près d'équipe, fonction, Product and tech, Juste pour que l'audience puisse comprendre de là où tu nous parles ?
Pauline: Oui, alors? Playplay, c'est un SAS de création de vidéos, c'est-à-dire que si vous êtes dans une entreprise et que vous faites partie d'une équipe com ou une équipe marketing, vous avez besoin de communiquer notamment en vidéo, vous n'avez pas forcément les skills de monteur professionnel, et donc vous prenez une licence Playplay qui vous permet de... Raconter vos histoires, mais en vidéo et de manière simple. Ça, c'est ce qu'on fait. La boîte, aujourd'hui, elle fait, je pense, entre 130 et 150 personnes. Je n'ai pas le compte exact. Et l'équipe tech et Produits, c'est une cinquantaine de personnes. Basée en France, avec Paris et Full Remote.
Terry: Donc, une taille quand même produit assez importante. Je trouve ça intéressant, ces organisations-là, parce qu'en fait, Vous avez... Grossit avant cette vague aussi, de l'IA générative. Donc, il y a aussi des sujets autour de qu'est-ce que ça veut dire. Pour les réorgs autour du produit, les impacts qu'il y a derrière. Quand on peut Shipper beaucoup plus vite, quand on peut, au-delà de l'Impact en tant que tel de ce que permet l'IA pour construire les produits.
Lire la transcription complète Réduire la transcription
Différence entre un produit AI-powered et un produit AI-native
Terry lance la discussion en posant le cadre entre « AI-powered » et « AI-native », pour clarifier les deux notions avant d’aller plus loin. Pauline distingue un produit enrichi par l’IA d’un produit dont la valeur repose entièrement sur l’IA, en prenant l’exemple de Playplay et de Playplay Design. Terry remet ensuite en question l’idée des « wrappers », et Pauline répond en rappelant que ce débat lui fait penser à celui qu’il y avait déjà autour des GAFA.
Terry: Donc, pour rentrer dans cette première question au sujet de construire un produit ai native, Déjà qu'est-ce qu'on entend par ai native, peut-être pour un peu poser le cadre Versus Ai Powered secteur. Tu as déjà bien structuré les choses par rapport à ces deux terminologies pour qu'on parle bien de la même chose.
Pauline: Oui, un produit AI-powered, pour moi, C'est un produit qui existait avant l'ère de l'IA et qui a ajouté des fonctionnalités IA. Mais finalement, si on retirait toute l'IA du monde, il continuerait à exister. Par exemple, ça, C'est le cas de notre produit historique de création de vidéos que je t'ai présenté. On l'a construit pendant six ans avant l'arrivée de l'IA générative. Et maintenant, Je considère que c'est un produit qui est ai power, dans lequel on peut ajouter une voix off par IA, créer son avatar, ajouter des sous-titres, retirer l'arrière-prendre d'une image, etc. L'ai native, pour moi, c'est vraiment un produit qui part de l'IA. Donc, toute sa valeur, elle repose sur l'IA. Et si tu débranches, l'IA, littéralement, ton produit tombe en rade. Il n'existe plus. Et ça, c'est le cas... D'un de nos produits qu'on appelle Playplay Design et qu'on a lancé en début d'année. Et là, on est vraiment parti des modèles de génération d'images. Et on s'est dit, OK, À partir de cette technologie-là, comment est-ce qu'on peut répondre à un besoin du marché, de nos utilisateurs qu'on connaît par cœur ? Et donc, la base de tout ce produit, c'est ce modèle. Et donc, Tout notre produit est construit autour des modèles qu'on a pu choisir et de leurs contraintes.
Terry: Très clair. Le but, ça va être de bien dégrossir ce sujet-là de Ai native. Quel est l'Impact derrière Parce que si je veux challenger volontairement, prendre un peu un moment, Il y avait un troll sur les réseaux que l'on voyait, où toutes les boîtes qui se montaient autour d'OpenAI, d'Anthropic, des API ouvertes derrière qui disaient, Vous êtes juste des wrappers, vous empactez juste un appel API et c'est la seule valeur de votre produit. Donc, en fait, Votre produit n'apporte pas parce que demain, un chat GPT, Un cloud pourrait intégrer ça en tant que fonctionnalité. Quand on creuse un peu plus loin, on se rend compte qu'en général, ça va bien. au-delà de juste la pure fonctionnalité. Il y a toute une expérience qui va derrière. Et si un chat GPT devait aller sur toutes les verticales métiers, ce n'est pas aussi simple que ça. Pour autant, on reste quand même aujourd'hui à l'état. Donc, On enregistre cet épisode à la rentrée 2026, si je précise, parce que les choses avancent très vite autour de l'IA. Et c'est vrai qu'on ne sait pas si ces apps, ces chats GPT, Ces clouds vont devenir des Super apps. Ou si, au final, Elles vont se recentrer sur juste les modèles frontières et permettre à des builders de construire des produits dans des verticales spécifiques. Donc, vous, vous êtes lancé sur cette vague avec ce produit. Du coup, Playplay Design. Donc peut-être si tu fais un peu le déroulé, le cheminement entre déjà quand vous avez commencé à plonger dedans, quel était votre état d'esprit? Au début, les bouts par lesquels vous avez pris le problème. Et puis aussi ce que vous avez appris en marchant pour arriver justement aux convictions que... Que vous vous êtes faites et que tu peux avoir à l'heure actuelle, donc en septembre 2026, autour de ça. Donc peut-être si on commence par le début. Attends,
Pauline: parce que, du coup, je voudrais revenir sur le point que tu disais. Finalement, Les Open ai et anthropiques peuvent tout faire. Finalement, en fait, moi, je trouve que ce débat-là, On avait la même réflexion avec les Gafa il y a cinq ans. On se disait Google peut tout faire. Et nous, On se l'était dit chez Playplay. Surtout avec Adobe, alors qu'il n'y a pas un GAFA. Honnêtement, oui, À un moment donné, Ces boîtes-là vont aussi choisir leur combat et elles ne vont pas faire tous les produits de la Terre. Et je pense que c'est un peu pareil pour Openai et Anthropique. Il ne faut surtout pas se mettre des freins à l'innovation parce qu'ils existent. Surtout qu'en fait, finalement, aujourd'hui, Tu as quand même plein de modèles différents. Donc, tu peux switcher de l'un à l'autre sans trop de difficultés. Et avant que Openai Aille tacler... Un peu la niche des équipes com, des entreprises qui ont besoin de faire une annonce de partenariat ou de résultat trimestriel, Je pense qu'ils ont d'autres chats à fouetter.
Pourquoi l’approche agentique n’a pas pris chez Playplay
Pauline revient sur le point de départ du projet agentique chez Playplay, lancé après un mandat du fondateur dans un contexte où « l’année 2025 » était celle des agents. Elle explique que les explorations, maquettes et tests utilisateurs n’ont pas permis de trouver un agent assez convaincant pour créer une proposition de valeur suffisante, et Terry l’amène à préciser ce qui n’a pas fonctionné dans leur contexte. La discussion bascule ensuite sur l’arrivée de NanoBanana, qui fait évoluer leur réflexion sur la valeur qu’ils peuvent apporter à leurs personas de communicants.
Pauline: Pour reprendre du coup, notre état d'esprit quand on s'est lancé dessus, donc en fait, maintenant, ça fait longtemps, Ça fait un an qu'on s'est lancé sur ce projet. À l'été 2025, on parlait beaucoup, En fait, l'année 2025, Je ne sais pas si tu te souviens, C'était l'année des agents. Et donc, du coup, Nous, on avait un fondateur qui nous avait un peu donné un mandat, Il faut faire un produit agentique. Le SAS est mort, il faut faire de l'agentique, etc. Bon, ça. C'est souvent un peu les directives que tu peux recevoir dans des boîtes très founder led. On avait fait beaucoup d'explorations autour de ça à l'été, et on s'était rendu compte que finalement, ça accrochait pas trop, On avait... On fait plein de maquettes, des user, tests et on ne trouvait pas un truc qui accrochait, qui était vraiment basé à agentique.
Terry: Sur quel point ça n'accrochait pas, ça Parce que c'est vrai que cette idée de produit à Gentic, l'exemple qui vient le plus rapidement en tête en général, C'est tout ce qui est Customer support et des produits comme Intercom, qui est celui qui a vraiment été le pionnier du chatbot, qui fonctionne pour de vrai. On fait vraiment un spin-off en créant Fint, qui est une solution agentique, justement, pour gérer des supports. Niveau 1 de manière automatique. Vous, dans votre contexte, qu'est-ce qui n'a pas pris comme tu le disais Qu'est-ce qui ne fonctionnait pas ?
Pauline: En fait, nous, On n'a pas trouvé un super agent qui pouvait être une proposition de valeur suffisante. Et donc, On se retrouvait à devoir créer un écosystème d'agents qui accompagnaient notre persona dans toute sa vie de communication. manager. Et là, tu te retrouves à devoir construire 15 produits. Comme si c'était magique et qu'il suffisait de claquer des doigts pour construire un beau produit IA. Et qu'en fait, On s'est aperçu que si on n'en délivrait que deux ou trois, parce qu'il fallait bien commencer quelque part, finalement, les utilisateurs, Ils ne l'utiliseraient pas parce qu'ils ne remplaceraient pas les outils qu'ils avaient déjà et les workflows qu'ils avaient déjà. Pour s'emborder. Sur nos deux, trois agents, Companions du communication, manager. Ce qui a changé, en fait, c'est la sortie de NanoBanana. qui, de mémoire, C'est un modèle de génération d'images de Google, qui est sorti de mémoire le 25 août 2025. Et en fait, nous, On est dans cette industrie de la création de contenu. Jusqu'à présent, On voyait bien que les modèles, ils étaient encore bons, mais qu'ils avaient pas mal de limites. C'est-à-dire qu'ils étaient très bons sur tout ce qui était illustratif, Mais dès que tu voulais injecter du texte, notamment, ils étaient très limités. Et Nano Banana sort, et là... Un peu genre, Big bang dans notre industrie, Parce que c'est le premier modèle qui, vraiment, est capable d'écrire du texte et donc de te faire une création visuelle. Plus pertinentes pour nos personas d'annonces de webinars, d'annonces pour de l'interne de la summer party, de lancement, d'un projet, d'une nomination, etc.
Terry: Il y a vos personas qui sont donc les communicants au sein, principalement des groupes. Exactement,
Pauline: on va dire pour faire très, très simple, le communicant dans une entreprise de taille moyenne à très, très grosse taille. Et donc là, en fait, On est parti de là. On s'est dit, OK, Il se passe enfin un truc sur ces modèles de génération d'images. Qu'est-ce que nous, on peut faire Pour apporter de la valeur à nos utilisateurs en partant de là. C'est pour ça que je te dis ai Native, Parce que c'est cette sortie du modèle qui nous a fait réfléchir à la valeur qu'on pouvait proposer, peut-être comme tu le disais tout à l'heure, au Wrapper qu'on pouvait construire, pour avoir de la valeur auprès de nos personnes. Et donc, depuis, ce produit, on pourrait y revenir, mais on l'a lancé en bêta, on l'a lancé publiquement, on le fait beaucoup évoluer, on l'enrichit beaucoup. Et donc, il y a quand même toujours ce fondamental. Qui est, On part des modèles.
Terry: Du coup,
Partir des modèles de génération d’images pour lancer Playplay Design
Terry ouvre la discussion en opposant une démarche de techno-push à une approche produit plus classique, où l’on part d’un problème utilisateur clairement identifié avant d’y apporter la technologie. Pauline explique qu’au lancement de Playplay Design, l’équipe est d’abord partie du modèle, avec une logique très AI native et une roadmap dictée par les évolutions de l’écosystème. Elle raconte ensuite qu’il a fallu faire une pause pour reprendre les fondamentaux du product, parler aux utilisateurs et aux équipes internes, et vérifier concrètement ce qui était réellement possible, comme avec l’exemple du carousel.
Terry: c'est intéressant. Ce point-là, On part des modèles, parce que ce que je trouve, Ce qui se passe aujourd'hui dans le lien génératif, c'est qu'on est un peu, et je trouve qu'on l'est toujours, c'est-à-dire qu'on envoie plein de trucs au mur, Et puis on voit ce qui colle, et puis on nettoiera après, entre guillemets. Donc, on fait un peu du techno-push, là où, habituellement, la démarche produit veut faire tout l'opposé, c'est-à-dire que tu vas chercher, en tout cas dans le SaaS B2B en particulier, tu vas identifier très clairement et finement un problème, et ensuite tu vois comment tu apportes de la technologie autour. La vue qu'on est sur une nouvelle technologie de rupture qui apporte potentiellement des nouveaux usages, c'est difficile d'identifier. Un problème pour lequel l'utilisateur, déjà, pourrait s'imaginer une solution. Aussi parce qu'en fait, il n'a pas conscience de la capacité de cette nouvelle technologie. Et donc, La démarche derrière Product est un peu différente, Je trouve, que le schéma habituel, quand tu es dans cette logique vraiment d'innovation, de rupture. Vous, comment, du coup, vous avez pris les choses ? Quelles sont un petit peu? Les étapes, les process par lesquelles vous êtes passé. Du coup ? À partir du moment où vous avez vu que Nano Banana, c'était quand même assez. Game changer.
Pauline: Alors, c'est super intéressant comme question, parce que surtout qu'on a fait différents cycles. Je pense que la première phase, On voulait lancer ce produit. Et donc, on était très, on part du modèle, on a une intuition, on y va, on met ce produit sur le marché. Et du coup, on était très ai native, c'est-à-dire concentré uniquement sur la capacité technique du modèle en mettant toute la partie expérientielle qu'on sait quand même plutôt bien faire chez Playplay. Après le lancement, on s'est laissé un peu prendre par ce truc. Ai native, de dire quelles sont les évolutions à venir, quelles sont les annonces qui déboulent, et, du coup, Comment est-ce qu'on réagit à notre roadmap en fonction de ce qui se passe dans l'écosystème. Ça s'est allé très vite. Est-ce qu'il faut changer de modèle, de provider, etc. Et puis, on était un peu aussi resté dans le truc. Founder mode, de qui a une idée jeudi, c'est la roadmap de la semaine prochaine. Et c'est là qu'à un moment donné, tu te rends compte que même dans un produit ai native. Et même avec des profils de PME, ai native, ai, builder, etc. Il y a quand même quelques fondamentaux du product, qui sont toujours très utiles. Et donc, On a dû en fait changer d'approche et faire une pause et dire OK, en fait, Faisons un peu de product stratégie. Reprenons les fondamentaux, analysons, les promos de nos utilisateurs, regardons la data, parlons à nos utilisateurs. Parlons aux équipes commerciales qui présentent ce produit tous les jours, aux équipes, customer success qui font des onboardings et des webinars. Reprenons un peu de hauteur et réfléchissons à ce qu'on veut faire vraiment de ce produit. Et du coup, Tes roadmaps, La différence avec notre produit classique, c'est que tu ne peux pas vraiment annoncer tes roadmaps. Parce que quand tu comprends le besoin utilisateur ou l'opportunité produit, tu ne sais pas encore vraiment si elle va être possible. Et donc tu dis, ouais, Il devrait y avoir un modèle qui permette de faire ça, mais tu ne peux pas encore le mettre dans ta roadmap, sur tes slides en interne, et encore moins auprès de tes utilisateurs, Parce que tu ne sais pas si ça va marcher. Je te donne un exemple. Nous, Playplay Design, vraiment notre positionnement, c'est créer des visuels de communication à ta charte. Je prends vraiment l'exemple de cette annonce de webinar, très facile, sur LinkedIn. Nous, on s'est dit, en fait, les gens, ils communiquent beaucoup en visuel, mais ils adorent les carousels. Donc, On fait une feature pour que PlayPlay Design te permette de créer un carousel. Et on l'a mis sur des beaux slides parce qu'on était très confiants de nous. C'était un vrai besoin. utilisateur, etc. Sauf qu'en fait, honnêtement, technologiquement, aujourd'hui, nous, On n'a pas craqué le truc. On a vu qu'il y avait des annonces de boîtes qui se lançaient dessus. On n'a pas vérifié la qualité de ce qu'ils font. Mais nous, On trouve que c'est déjà extrêmement challengeant de dompter les modèles, de construire le... Bon engine derrière et les bons prompts de ce système pour arriver à faire un visuel de qualité qui soit publiable. Alors, en faire cinq d'affilé avec une cohérence un peu graphique dans ton carousel, finalement, On a dû rétro-pédaler. Faire un communiqué en interne en disant en fait, On ne va pas le faire. Les clients qui avaient été mis au courant, il a fallu un peu leur dire bon, désolé, en fait, ça, on ne va pas le faire. Donc, tu ne peux pas communiquer sur tes roadmaps. Tant que tu n'as pas fait ton premier un peu vibe checking, Et que tu n'as pas déjà joué avec des modèles pour t'assurer que ça va être possible.
Terry: Et donc,
Pourquoi le carousel a été abandonné en cours de route
Terry revient sur la notion de système prompt et sur le fait que, dans un produit AI native, les briques d’IA générative imposent des risques d’erreur, des mises à jour qui cassent les workflows et beaucoup de revalidation derrière. Pauline explique ensuite que le carousel a été abandonné en cours de route, car ils ont déjà vu la technicité nécessaire pour produire une seule image, un seul visuel. Pauline détaille aussi le rôle du product dans ce type de produit, entre le prompt utilisateur récolté en front et l’output fourni à l’utilisateur. Elle décrit un enchaînement de modèles et de prompts systèmes qui demande de trouver le bon équilibre entre liberté créative et cadrage pour éviter que le résultat ne parte en cacahuètes.
Terry: après ce premier apprentissage, Je vais revenir maintenant sur un premier point que tu as mentionné à plusieurs reprises. Avant aussi, la notion de système prompt. Parce que ça, c'est un point aussi, quand tu construis un produit ai native, Toute la logique de prompt engineering, donc toutes tes briques qui sont basées sur l'IA générative, Tu vas devoir leur mettre des prompt systems pour définir leur comportement. Sauf que le propre même de l'IA génératif, c'est que c'est non déterministe. Donc, même si tu as des promptes systèmes très carrés et pas mal de boucles d'évaluation au milieu, tu vas toujours avoir un risque de Delta d'erreur. Et ça, C'est sans parler des mises à jour de modèles qui sont à chaque fois des breaking changes. Même si tu as des mises à jour qui sont normalement mineures. D'un point de vue, versionning, c'est en réalité des breaking changes sur tes workflows. Donc, plus tu as de briques d'ia générative, plus ça va avoir des impacts monstrueux en termes... À la fois d'édition, mais surtout de QA, derrière, de revalidation. Donc peut-être sur cet exemple que tu viens de donner de carousel, où? Au final, vous vous êtes rendu compte que les résultats n'étaient pas aussi pertinents que ce que vous auriez souhaité, Déroulez un peu ce que ça représentait, peut-être même sans rentrer trop dans la technique, mais avoir un ordre de grandeur, du volume. derrière, Justement, de briques intermédiaires, de systèmes promptes, du coup customisés qu'il faut et qu'il faut revalider à chaque fois. Pour aussi montrer le coût que ça a de créer. Une feature qui peut paraître si simple en termes d'usage versus le coût de construction.
Pauline: Oui, alors là-dessus, je ne peux pas te parler spécifiquement du système qu'on avait testé pour le carousel, puisque le carousel, on l'a même abandonné, si tu veux, en cours de route, quand on s'est rendu compte déjà de la technicité de faire une seule image, un seul visuel. Mais c'est sûr qu'en fait, et ça d'ailleurs, c'est le rôle du product chez nous. En ça, le métier de product, Il a pas mal changé quand même. Chez nous, quand tu travailles sur ces produits-là, parce que tu es responsable effectivement de toute cette tuyauterie entre ton prompt utilisateur que tu récoltes en front et l'output que tu vas lui fournir. Et c'est là où je trouve que peut-être l'expression de GPT-Wrapper, elle est un peu... Comment dire Elle ne rend pas justice quand même. Aux boîtes qui travaillent et aux talents qu'il y a derrière. Parce que ce système-là que tu fais de tuyaux, qui est un enchaînement de modèles et de promptes systèmes, c'est quand même une vraie expertise. C'est beaucoup de travail. Et c'est ça qui, à la fin, fait ta valeur, Si tu as une vraie valeur incrémentale par rapport à aller dans le GPT et faire ta demande directement dans le GPT. Ça, chez nous, c'est le travail du Product manager. C'est-à-dire qu'il faut connaître par cœur les modèles qui te concernent. Bien sentir leur force, leur faiblesse, un peu la vibe de ces modèles, et arriver à déterminer lequel tu vas utiliser, voir si tu en utilises plusieurs, Comment est-ce que tu vas les faire travailler ensemble, ou comment tu vas les enchaîner. Et après, il faut écrire tes promptes au système. Donc, c'est vraiment ce que tu mets. backstage, entre le prompt utilisateur et le modèle, pour donner une instruction au modèle, Qui fait que si ton utilisateur te dit... Moi, je voudrais l'image pour annoncer mon webinar la semaine prochaine avec telle et telle personne, C'est à 10h et voilà le thème. Entre ce prompt utilisateur et nano Banana, tu as tout. Un prompt système qui capitalise sur notre expertise, aussi en termes de communication, en termes de direction artistique, etc. Qui va normalement améliorer l'output que l'utilisateur a. Et là, le prompt système, C'est assez complexe parce qu'il faut trouver à la fois le juste milieu entre eux. Je ne donne pas trop d'indications à l'IA parce qu'elle est quand même très forte. Et qu'elle est très forte, notamment quand elle est libre et qu'elle peut proposer des choses très créatives, etc. Mais je lui en donne suffisamment pour que ça ne parte pas en cacahuètes. Et qu'à la fin, nous, on génère trois visuels pour l'utilisateur. Il y en a quand même un que notre utilisateur puisse télécharger. Ça, c'est effectivement très complexe.
Terry: Yes. Donc, on pourra peut-être revenir sur si tu as d'autres exemples autour de ça. Mais si on revient sur ce cas du carousel que vous avez mis de côté. Ensuite, c'était quoi un peu l'étape d'après sur laquelle vous vous êtes dit, OK, On va peut-être passer plus d'efforts, se concentrer toujours dans ce produit. Playplay Design
Pauline: Eh bien,
Passer des features à l’édition de visuels
Pauline explique qu’au début, l’équipe était très focalisée sur l’ajout de features, de capacités, de prompt système et de modèles pour Playplay Design. En analysant des milliers de promptes utilisateurs, ils ont découvert que la moitié concernait l’édition plutôt que la création de visuels, ce qui les a amenés à retravailler l’expérience et le flow UX autour de l’édition. Terry demande ensuite dans quelle mesure cette capacité d’édition faisait évoluer le positionnement historique de création de contenu et si les utilisateurs faisaient déjà ce travail avec d’autres assets ou s’ils ont commencé à le faire avec Playplay.
Pauline: le gros chantier sur lequel on a travaillé, Je pense qu'au début, on était très focalisés. Sur ajouter des features, ajouter des capacités, parce qu'en fait... T'as l'impression que c'est facile, en fait. C'est un petit prompt système différent. Et d'un coup, tu vas faire une infographie, tu vas faire un placement de produit, tu vas faire une pub marketing. Et donc tu te dis, est-ce au fond, les Use cases qu'on peut proposer à nos utilisateurs pour que ça accroche mieux avec le marché Donc, on a eu une première partie d'évolution de notre produit, qui était très orientée là-dessus. Donc, on a ajouté du prompt système, ajouté des modèles, etc. Et après, je pense qu'on est revenu, encore une fois, à des choses plus basiques dans le product, qui est retravailler l'expérience. Et notamment, en analysant les promptes utilisateurs, parce qu'on en avait quand même des milliers. Donc ça, c'est cool aussi, parce que tu utilises l'IA pour analyser tout ça. On a appris qu'en fait, la moitié des promptes n'étaient pas sur de la création de visuel, mais sur de l'édition. Et qu'en fait, nos utilisateurs, Ils venaient avec leur image ou leur visuel, et qu'ils demandaient à Playplay Design de l'éditer. Alors que nous, on était vraiment partis sur de la création de visuels from Scratch avec le P-Design. Et donc là, Ce n'était pas nécessairement des nouvelles fonctionnalités à ajouter ou à créer, des nouveaux prongs de systèmes à faire, Mais juste une expérience et un flow ux qui était vraiment adapté à l'édition et qui répondait finalement à 50% des besoins. Mais si on était resté dans notre logique, ai native de partir des capacités, des modèles, etc., On n'aurait pas forcément fait ce virage, ou en tout cas pas aussitôt.
Terry: Hyper intéressant sur ce point-là. Et du coup, À quel point cette capacité d'édition faisait évoluer le positionnement historique que vous aviez de création de contenu avant l'IA Est-ce que c'était déjà quelque chose qui était réalisé par vos utilisateurs, Mais du coup, avec des assets qui récupéraient d'autres sources, pas spécialement venues de l'IA Ou est-ce que c'est quelque chose qu'ils ont commencé à essayer de faire avec Playplay, qu'ils ne faisaient pas avant
Pauline: En fait, toute la partie. Création de visuel ou édition de visuel, Elle est très... Très récentes chez nous, parce qu'elles datent de début d'année.
Terry: D'accord.
Pauline: Donc, on n'a pas vraiment de recul sur ce qu'ils faisaient avant ou pas. Mais du coup, en tout cas, nous, notre objectif. En lançant Playplay Design, c'était d'apporter de la valeur incrémentale à Playplay. Pour que les utilisateurs, ils ouvrent Playplay plus souvent et que du coup, au moment d'un renouvellement, notamment, Ils se disent, Je n'ai pas ouvert Playplay quatre fois dans le mois, mais en fait, Je l'ouvre tous les jours, donc je renouvelle. C'était vraiment ça l'objectif business. Derrière ce nouveau produit. Donc nous, s'ils viennent tous les jours pour éditer des visuels, c'est encore mieux, Parce qu'ils auront plus souvent besoin, probablement d'éditer une photo ou un visuel que de créer From scratch. Et donc, on a vraiment fait ce virage dans notre produit. Playplay Design, de redonner vraiment de la place à l'édition. Et ça nous permet aussi assez facilement de faire un pont avec notre produit vidéo. Quand tu crées une vidéo, tu viens souvent avec tes images, mais que tu as régulièrement envie de retoucher. Et donc là, tu Leverages Playplay Design pour faire ça.
Terry: Yes.
Pourquoi le terme wrapper est réducteur
Terry explique que le terme de « wrapper » est très réducteur face à la complexité réelle, aux bases utilisateurs déjà existantes et aux synergies possibles entre plusieurs produits grâce à l’IA. Pauline répond en revenant sur l’ADN d’exploration de Playplay, sur l’opportunité de créer des visuels en partant de l’IA native, et sur la nécessité de garder une vraie discipline de product strategy.
Terry: Du coup, ça, C'est intéressant aussi de voir, comme tu le disais, effectivement, la notion, je t'ai dit volontairement pour être volontairement provoque sur la notion de wrapeur. C'est ultra réducteur par rapport à la réalité de la complexité de tout ce qu'il y a derrière. Et il y a aussi, Je trouve, Tu as dit plusieurs choses qui mettent en avant les forces qu'on a sur les produits existants aussi, qui ont déjà des bases utilisateurs importantes. C'est qu'en fait, tu as un accès direct à des users, à des bêta. Testeurs potentiels aussi, donc ce que n'ont pas tous les nouveaux entrants. Donc, qui peuvent te permettre, toi, d'accélérer, de gagner du temps aussi, sur ta capacité à comprendre comment tes utilisateurs vont évoluer. Et tu as aussi, effectivement, des logiques derrière, un peu de synergie que tu vas pouvoir créer entre plusieurs produits et, du coup, Vraiment arriver à apporter encore plus de valeur grâce à l'IA. Mais le risque derrière ça, c'est aussi un peu s'y perdre et de ne pas trop savoir quelle direction... C'est-à-dire que de s'étendre en horizontalité, en feature, puisqu'on peut... Le coût de chipper de la feature est beaucoup plus bas, mais le coût du jugement, de la capacité. À savoir qu'est-ce qu'on fait ça, ça va pas changer, ça devient même de plus en plus difficile à faire. Et ça, ça vient aussi d'une direction de OK. C'est là où on va et c'est surtout là où on ne va pas. Et ça. Je suis curieux de comprendre un petit peu comment, donc tu l'as expliqué là. C'est une initiative qui a été poussée vachement par le fondateur de Playplay de pousser l'IA. Mais à quel point? Du coup, la vision derrière Thunderled était aussi assez claire. Sur là où on va et là où on ne va pas.
Pauline: Je pense que chez Playplay, on a quand même toujours cet ADN un peu innovation d'explorer quand même. Donc on est prêt à prendre ce pari d'investir sur deux ou trois mois ou parfois moins pour savoir s'il y a un potentiel en fait. Et nous, cette histoire de création de visuel, Ça faisait huit ans qu'on en parlait. Sauf que se mettre derrière Kenva, où il faut enchaîner 1738 features pour arriver à la cheville de Canva, Ça n'avait pas d'intérêt. Mais donc, quand on s'est dit, en fait, on peut prendre le pied de l'ai native, et là, On est sur la même ligne de départ que Canva, ce qui est déjà très ambitieux. Parce qu'ils sont 1 million et nous, on est 120, ça rebat un peu les cartes. Et donc, tu te le permets. Mais cette opportunité de créer des visuels, c'est quand même un besoin quotidien de nos utilisateurs. On l'avait en tête depuis très longtemps. C'est juste qu'on se les... On se les permit grâce à Nanobanala.
Terry: Yes, très clair.
Pauline: Mais après, c'est vrai. Qu'il y a quand même cet arbitrage, et c'est ce que je te disais, que l'IA et les modèles ne doivent pas te faire oublier les fondamentaux de la product strategy. De te dire, ok, qu'est-ce qu'on veut faire Pourquoi est-ce qu'on veut le faire ? Qu'est-ce qu'on va mesurer derrière Quel est l'investissement qu'on se donne pour tester, pour itérer, etc. ? Quel est le retour qu'on attend ? Et ça, C'est quelque chose qu'on a un tout petit peu perdu pendant quelques mois avec l'euphorie. De l'ai native, du lancement, des modèles, etc. Et sur lequel on a quand même beaucoup repris pied au printemps avec la discipline de product stratégie qu'on a chez Playplay, qu'on a processisé, framework, etc.
Mesurer les coûts tokens et le ROI produit
Pauline explique que les fonctionnalités IA coûtent cher en tokens et qu’il faut donc arbitrer la roadmap en fonction du modèle économique et de l’importance produit. Terry rapproche cette question du contrôle des coûts, en la lisant comme une nouvelle échelle de type Finops ou « Token OPS » où l’usage doit être cadré dès le départ. Pauline détaille ensuite le suivi dans Tableau et Salesforce, où l’usage, la consommation de tokens, les coûts et les deals servent à mesurer le ROI produit.
Terry: Ça, tu peux partager des éléments autour des métriques que vous suivez, de la ligne que vous avez décidé de suivre sans traduire de secret pour la compétition.
Pauline: Et juste peut-être un dernier point et après, je réponds à ça. Ce qui est quand même important dans la priorisation, c'est que ces features, elles te coûtent cher. Parce que, même si elles sont faciles à shipper, ce qui n'est pas le cas, après, tu as des tokens qui sont consommés. Et nous, en tout cas, dans notre business model, qui est un prix à la licence fixe et usage illimité de l'IA, On ne peut pas non plus faire n'importe quoi sur les fonctionnalités qu'on tente. Et donc, On a toujours une réflexion quand même business, avec des prédictions de coûts et où on se met aussi à un max. Par fonctionnalité, en fonction de l'importance qu'on estime qu'elle a dans notre produit au global pour ne pas cramer, Je ne sais rien, moi, 10 000 euros sur une fonctionnalité avatar, par exemple, qui coûte très cher, dont les tokens coûtent très cher, mais qui va bénéficier à 2% de nos utilisateurs.
Terry: Donc,
Pauline: tu as quand même. Un choix qui est forcé par ton business et le coût des fonctionnalités.
Terry: Ce point-là, Je te laisse rebondir juste après. Totalement aligné, on parlait beaucoup quand on a eu le Move to Cloud du Finops. Et de comment tu opères, Comment tu contrôles les coûts au niveau de ton cloud. Mais là, on part sur une nouvelle échelle avec du coup, On pourrait parler de Token OPS ou IA ops. Mais sur le fait qu'à contrario du modèle, SaaS, Software as a service classique, où plus tu as de users, plus tu peux marger parce que tu n'augmentes pas tes coûts en interne pour servir ces users-là. Là, en fait, C'est l'inverse qui se passe quand tu n'as plus de... Plus tu as d'usage sur un produit où tu payes du token derrière au provider, plus ça va te coûter de l'argent. Donc, tu as un peu un alignement d'intérêt qui peut être un peu bancal si tu ne cadres pas au début, en te disant, L'usage raisonnable de cette feature, c'est X, et tu ne peux pas dépasser tant de tokens, sinon.
Pauline: Nous, on n'est pas tous dans cette logique, en plus de mettre des crédits, etc. Parce que ça, c'est une façon de contrôler tes coûts. Nous, pour l'instant, Ce n'est pas le choix qu'on a fait chez Playplay. Mais du coup, Il y a certains arbitrages de Roadmap qu'on prend pour des raisons. Juste de coup, parce qu'on se dit non, là, ça va être trop visible. On ne peut pas le rendre aussi visible parce qu'on aura trop d'usages derrière. Pour revenir à ta question de Product strategy, c'est des exercices qui sont, soit chez nous, comme le marché va très, très, très, très vite, Il y a beaucoup d'évolution. On n'est pas sur des exercices annuels, on est plutôt sur des exercices semestriels, voire sur du quadrimestre, donc tous les quatre mois, parce que vraiment, La vitesse d'innovation est tellement forte qu'il faut qu'on se remette en question quand même assez rapidement. Et là... C'est quand même un peu, toujours la même chose. C'est-à-dire que tu vas voir tes parties prenantes, qu'est-ce que vous entendez sur le terrain, qu'est-ce qui vous aiderait à closer des deals, qu'est-ce qui vous aiderait à renouveler des contrats. Tu regardes tes datas, tes retours, utilisateurs. Alors nous, On a fait tout le travail de boucle automatisée par IA, De retours utilisateurs qui arrivent de Zendesk, qui sont montés dans une base de données Notion, qui sont catégorisés par retour. Et puis ensuite, Tu as un agent Notion qui te permet de dire quels sont mes 10 retours des 6 derniers mois. Voilà, on a fait ce travail-là. Puis, après, tu as ta réflexion, qui est un peu plus high level, direction, où est-ce qu'on veut aller Est-ce qu'on veut être plutôt agressif ou plutôt défensif sur le cycle à venir ? Et est-ce qu'on est prêt à investir, notamment sur des fonctionnalités qui peuvent potentiellement nous coûter un petit peu d'argent derrière Tu mets tout ça. Et après, TPM, Ils te font une proposition avec l'impact et le budget qu'ils réclament dessus. Mais du coup... C'est un peu décousu, mais en fait, Je reviens sur le truc d'avant. Qui était les dashboards produits sur des fonctionnalités IA. Nous, maintenant, dans Tableau, tu as l'usage, mais tu as la consommation de tokens. Et ce que ça nous a coûté en facture. Et du coup, on suit beaucoup plus l'impact business que ce qu'on n'a jamais fait avant. Parce qu'avant, on disait toujours oui, on lance une fonctionnalité pour ajouter, je ne sais pas, moi, une voix off dans Playplay. On a 5% d'usage. Par rapport au reste de nos fonctionnalités, à l'investissement qu'on y a mis, on estime que c'est une bonne fonctionnalité. Là, en fait, On investit en R&D, mais on investit aussi en token, et donc on est beaucoup plus rigoureux sur le suivi. business. Et donc, pour ce produit, en particulier, On a un suivi dans Salesforce. De l'impact de ce produit dans les nouveaux contrats et dans les renouvellements de contrats. Ce qui fait que, du coup, Cette donnée remonte dans le tableau et qu'on a un dashboard qui nous dit Voilà ce que nous a coûté en token, Voilà ce que ça nous a remporté en deal. Tu rajoutes les coûts R&D que tu peux facilement estimer avec le coût d'une squad au trimestre. Et tu vois tout de suite ton ROI. Et on n'avait pas du tout cette discipline avant chez Playplay.
Terry: C'est hyper intéressant. Parce qu'effectivement, avant, tu peux te dire, OK, telle ou telle feature, ça rentre dans l'épaisseur du trait, Ça marche assez, qu'on n'a pas besoin de se faire trop de soucis. Tandis que là, vu que tu as des coûts beaucoup plus importants derrière sur la feature, tu...
Pauline: Avant, c'était essentiellement par rapport à l'investissement. R&D, l'appétit. Est-ce qu'on se donnait trois semaines, deux mois, en fonction du retour qu'on attendait, du potentiel d'usage, de l'importance de la fonctionnalité. Là, maintenant, Une fois que tu as fini ta R&D, tu as encore les tokens qui sont consommés pendant des mois, des trimestres, des années. Donc, il faut que tu t'assures, que ça te fasse rentrer des deals.
Terry: Et donc, par rapport à là où vous en êtes aujourd'hui, donc, je le redis, en septembre 2026, est-ce qu'il y a déjà... Est-ce que, tout simplement, Tu t'es fait certaines convictions par rapport à ça ou tu es toujours dans l'exploration sur ce que ça veut dire. Que de, justement, Construire un produit ai native Est-ce que tu commences à arriver à pouvoir te dire là, Il y a des endroits où ça se stabilise, Je commence à identifier des patterns où c'est toujours un peu flou ?
Pauline: Tu veux dire dans la manière d'aborder ces sujets Dans la manière d'aborder les sujets.
Terry: Et puis si demain, en fait, carte blanche, tu peux construire un produit ai natif, tu repars. Les débuts de PlayPlay qui commencent demain en septembre 2026. Est-ce que tu as des choses sur lesquelles tu dis on va prendre ce playbook-là ou tu es encore. On est toujours en train d'explorer, C'est toujours ultra mouvement et c'est difficile de poser le stylo.
Pauline: Franchement,
Le playbook AI-native construit à partir des produits AI-powered
Pauline explique qu’après un an sur un produit AI-native et trois ans d’expérience sur des produits AI-powered, l’équipe a écrit en interne son propre playbook, d’abord pour la tribu innovation AI-native puis après des projets plantés dans une autre tribu. Dans la suite, Terry lui demande les principaux apprentissages sur ces produits AI-powered, et Pauline revient notamment sur le fait que ces fonctionnalités vieillissent très vite et qu’il faut vérifier la qualité de l’output avant de lancer un projet.
Pauline: on a quand même pas mal de recul maintenant. L'expérience d'un an sur un produit ai native, elle vient en plus de trois ans d'expérience sur du Ai Power. Donc, on a un peu écrit notre petit Playbook en interne. Et ce qui est intéressant, c'est qu'on l'avait écrit d'abord uniquement pour cette tribe innovation ai native et qu'on a planté quelques projets ai Power. Dans l'autre tribe au printemps. Et en faisant les post-mortem, On s'est rendu compte que si on avait appliqué cette méthode, on les aurait réussis. Et on aurait en tout cas vu les problèmes. Bien en amont de ce qu'on a pu identifier. Là, au printemps, sur ces fonctionnalités.
Terry: Avant d'aller du coup sur le playbook, est-ce Que tu peux me donner les Top 3 des apprentissages sur ce que vous aviez. Planté sur la construction des produits AI-powered ? Top 2, 3 Max. De retour là-dessus. Désolé, je te fais faire des allers-retours. Oui, oui, oui.
Pauline: Alors, bon, Je pense que le premier apprentissage qu'on a, c'est que ces fonctionnalités AI-powered, Elles vieillissent à vitesse Grand V. Aujourd'hui, sur Playplay, On a des fonctionnalités. Ajouter un plan d'illustration, un plan de coupe, Ça existe depuis six ans. On ne l'a pas retouché, à part un petit peu de cosmétique, Design system. Ça roule. Par contre, On a lancé des fonctionnalités au début de l'euphorie de Gen AI, qui, aujourd'hui, sont complètement obsolètes parce que les modèles sont sous-performants, voire ils sont carrément dépréciés. Sauf que toi, c'est une fonctionnalité que tu as ajoutée. C'est toujours le problème de Sunset Tes produits, Sauf que là, les modèles, pour le coup, te forcent un peu à avoir une réflexion active dessus. Et on se retrouve à devoir investir aujourd'hui pour updater des modèles de fonctionnalités qui ne nous intéressent pas vraiment, mais qui sont là. Et du coup, ça te coûte en fait. Premier apprentissage. Deuxième apprentissage. Ça paraît un peu évident. Peut-être que ça va te paraître évident. mais... C'est vraiment de Checker, la qualité de l'output avant de se lancer dans le projet. Je te donne un exemple. Tu as une fonctionnalité de sous-titrage automatique par IA. Bon, Tu vas vérifier que le sous-titrage est bon. La fonctionnalité sur laquelle on s'est un peu pris les pieds dans le tapis au printemps, c'était une fonctionnalité d'Avatar. Parce que nous, on avait déjà une fonctionnalité d'avatar avec 8gen. Donc l'équipe s'est dit... On continue avec Agen, on veut faire le fait de pouvoir créer son propre avatar et on y va. C'est plus simple parce que nous, on a quand même tout un process procurement, il faut mettre la sécurité, le légal dans la boucle. Parce que nous, On contractualise avec des 440 et donc on leur doit un peu des comptes sur ce qu'on fait. Mais en fait, finalement, On ne s'était pas dit exactement quel va être l'input utilisateur, quel va être finalement le... Le jeu de données d'input utilisateur sur lequel on veut être sûr que notre système renvoie de la qualité. Et quel est le niveau de qualité sur lequel on se met d'accord avec le business Parce que parfois, perception très différente de ce qu'est la qualité au produit et avec le business. Ça, c'est quelque chose qu'on a ajouté dans notre Playbook de ai native, mais que tu vois, On a encore récemment un peu loupé au printemps, sur la partie plus historique. Et donc, du coup, si je réponds à ta question sur le playbook, la première étape, Je t'en parlais, Il y a beaucoup de choses que je t'ai déjà dites, mais du coup, ça permet de les reprendre.
Vibe checking, dataset et critères d’évaluation
Pauline commence par expliquer le « vibe checking », cette étape où l’on vérifie qu’un modèle va marcher avant d’en parler en interne. Elle enchaîne ensuite sur la définition du jeu de données de base, des outputs attendus et des critères d’évaluation, avec des musts et des prompts utilisateurs à formaliser. Pauline et Terry reviennent aussi sur les limites du LLM as a judge dans ce contexte, sur la nécessité de tests manuels et sur l’outil créé pour tracer les versions, les jeux de données et les outputs.
Pauline: La première étape, c'est ce qu'on appelle le vibe checking, c'est-à-dire que tu vérifies, que le modèle, Il va marcher. En fait, ton idée de carousel, avant de l'annoncer sur une roadmap, Tu le vibe check, tu regardes les modèles, etc. Une fois que tu as passé cette étape, nous, on s'autorise à en parler en interne. Et la deuxième étape, du coup, C'est vraiment de dire quel va être le score. Scope de ma fonctionnalité. On a dit que c'était non déterministe, mais par contre, Il faut quand même que tu définisses ton jeu de dataset auquel tu veux répondre pour ton utilisateur, Et qu'après, il va te servir de dataset de base pour tout ce dont on a parlé, des évaluations, des recettes, etc. Donc tu dis, voilà, moi, mes musts, C'est ces 15 prompts utilisateurs, et de ces 15 prompts utilisateurs, J'attends un output qui est très proche de... De ce jeu d'output que je donne.
Terry: Là, ce que tu décris là, je te coupe juste, t'as réussi à se continuer, mais ce que tu décris là, C'est exactement la démarche intellectuelle par laquelle il faut passer quand tu fais des évaluations, justement. Ce que tu expliques là, c'est exactement ça, la démarche par laquelle...
Pauline: Et ça, c'est pas forcément facile, notamment quand t'es dans la création visuelle, Parce que tu peux avoir une appréciation de ce qui est bien ou de ce qui n'est pas bien. Et par ailleurs, Les LLM à The Judge ne fonctionnent pas. Donc, tu dois définir ton jeu de données avec... Un input et un output, Et il faut se forcer à formaliser l'output que tu attends. Pas juste dire, oui, il faut que ça fasse, ci, il faut que ça fasse ça. Et donc, tu définis après tes critères d'évaluation. Et tes critères d'évaluation, Il faut qu'ils soient les plus objectifs possibles. Encore une fois, nous, On est dans la création de visuel, pour qu'un humain 1 et un humain 2 disent la même chose. Donc, en fait, Il faut que ça soit un peu des critères d'évaluation binaires. C'est pas, est-ce que la créa est jolie Mais c'est une suite. De critères d'évaluation binaire, oui, non, comme ça, deux personnes qui testent, nous, On est obligés de faire du test manuel. Deux personnes différentes donnent le même résultat.
Terry: Oui, donc là, juste pour rebondir aussi, parce que tu as introduit la notion de LLM, as a judge, Donc c'est quand tu utilises les IA génératifs pour aussi tester, Du coup, tes workflows derrière dans lesquels tu as mis des agents. Donc, tu dis que dans votre cas, vous n'avez pas réussi en... Enfin, ça ne fonctionne pas, il faut rester avec ça. En fait,
Pauline: sur la partie output. image, pour l'instant, Il n'y a pas de... En tout cas, Il n'y a pas de produit sur étagère. Comme tu peux avoir sur la partie plus textuelle qui permet à la fois de te sortir un score. Et donc, toi, tu pourrais jeter ton jeu de données en entrée. Ça passe dans ton système. Il évalue tes outputs et il te dit cette version de ton système, de tout ton engine, C'est 3,4 sur 5 ou c'est 3,7 sur 5.
Terry: C'est intéressant parce que ce que tu dis, c'est qu'à la fois, vous avez dû poser un cadre d'évaluation qui permette effectivement... D'aplatir la notion de c'est Joli ou pas, joli, pour pouvoir donner à des humains une certaine homogénéité dans leurs critères d'évaluation. Mais ça, moi, tu vois, mon réflexe, c'est de dire, OK, si tu arrives à faire, ça, souvent, quand je parle aussi, quand je donne des formations sur les sujets dégénératifs, je dis. S'il y a un sujet que vous pouvez procédurer, que vous pourriez donner à un stagiaire ou un alternant et que vous pouvez contrôler. La qualité, c'est que vous pouvez le mettre dans les mains du LLM. Mais là, c'est un cas, pour le coup, où non.
Pauline: Pour l'instant, nous, On n'a pas craqué le truc. Mais par contre, on s'est quand même créé une application Vibe Codée à nous pour faciliter ce process. Parce qu'au départ, on était dans des figjams de l'enfer, avec des copiés-collés d'images, des tableaux, figjams, etc. Ce n'était pas possible. Et donc, là, L'équipe a dit non, On va investir du temps pour se créer. Un outil qui va permettre à l'équipe de facilement. noter, de tracer les versions et les jeux de données et les outputs pour que ça soit rigoureux. Parce qu'en fait, c'est tellement important. De ne pas faire de régression quand tu changes ton prompt ou quand tu changes de version de ton modèle, qu'il faut quand même, à un moment donné, investir dans ce système-là.
Construire la tuyauterie avant le front-end
Pauline explique qu’une fois la technologie validée et le jeu de données, les critères d’évaluation et le reste bien scopés, il faut construire la tuyauterie. Elle précise que, chez eux, cette étape est menée avant de poser du code front-end ou back-end, car c’est le cœur de la valeur produit et un système peut ne pas aboutir. Le chapitre revient aussi sur l’après-lancement, avec l’observation de l’usage réel, l’ajustement du dataset et la mise en place d’évaluations et de mesures pour suivre la qualité.
Pauline: Donc, une fois que tu as validé que la technologie allait fonctionner pour atteindre à peu près ton objectif, que tu as scopé. Ton jeu de données, tes critères d'évaluation, etc., bon, maintenant, il faut le construire, ta tuyauterie. C'est ce que je te disais tout à l'heure. Donc, là, chez nous, c'est binôme, product, manager, Team, lead. Qui construisent la tuyauterie, choisissent les modèles, écrivent. Les prongs de systèmes, font tourner le jeu de données pour s'assurer qu'on va dans la bonne direction, etc. Mais ça, c'est vraiment le cœur de ta valeur produit. Et ça, On le fait généralement avant de poser du code front-end, back-end. Parce que tu n'es pas à l'abri de ne pas réussir à construire ton système. Et donc, si tu as déjà fait ton front-end, et que tu espères juste pouvoir le pluguer à la fin, tu as un peu perdu ton temps. Donc, généralement, nous, Cette étape, Elle est avant la partie front-end notamment. Ensuite, tu lances ton produit et là, tu vas voir ce que les utilisateurs, ils en font. Et généralement, Ton beau petit dataset avec tes 15 prompts d'utilisateurs n'est finalement pas représentatif de ce qui se passe dans la vraie vie. Et donc là, il faut que tu te dises OK, est-ce que je déplace mon jeu de données ? Est-ce que je redéfinis mon dataset En intégrant l'usage réel de mes utilisateurs ? Et si oui, est-ce que ça nécessite de changer des choses dans mon système, au milieu, pour pouvoir être sûre d'avoir le niveau de qualité que j'avais prévu sur mon dataset initial, qui se maintient sur le dataset de la vie réelle Pour ça, il faut avoir mis de l'évaluation manuelle par les utilisateurs pour qu'ils puissent noter leur perception. Il faut avoir mis en place la bonne data, comme tout produit que tu lances. Pouvoir mesurer, chez nous, c'est par exemple le taux de téléchargement des visuels, pouvoir mesurer la réussite de ton système qui t'échappe un petit peu.
Terry: Yes.
Pauline: Voilà.
Terry: Hyper clair, Et donc sur cet ensemble d'étapes, Globalement, vous arrivez à dérouler ça. En combien de temps Parce qu'après, il y a tout ce sujet aussi, Tu vois, de la vélocité, pour pouvoir. Parce que potentiellement, entre le moment où t'es à ta phase 1 et t'as livré, t'as collecté. Ton feedback, que il y a eu. Un breaking change encore d'un modèle qui fait que... Est-ce que vous avez un peu de recul sur le temps Ou pour l'instant, c'est encore...
Pauline: Honnêtement, sur ces produits-là, l'équipe a quand même énormément d'autonomie. Je trouve que moi, Le rôle de PM devient beaucoup plus stratégique. En tout cas, chez nous, on leur donne beaucoup plus d'autonomie. Et ça, c'est des choses qui peuvent prendre une, Deux semaines. Parce qu'il y a aussi un peu des réflexes qui se mettent en place. J'essaye de te trouver un exemple. Sur l'édition des médias, Je te disais, 50% de l'usage, C'est sur l'édition des médias. Donc, On a quand même créé des petits tools, avec des petits pronds de système, qui permettent d'avoir des actions rapides sur l'édition de médias. Ça, on a pu en sortir, je ne sais pas, entre 5 et 10 en 2-3 semaines. C'est juste que si tu rapes une étape, généralement, tu te le prends. En retour de médaille au moment de la mise en preuve.
Terry: Yes, Hyper clair. Donc, là, tu as déroulé ce qui, du coup, pour vous, Tu considères comme étant les étapes assez importantes par lesquelles passer pour réussir derrière, à minima, à collecter du retour pertinent sur ce que tu construis d'un point de vue, AI native. Quelles sont un peu les doux notes, les points que tu penses, que, pour le coup, Quand on construit un produit AI native, Il ne faut pas se laisser peut-être... Je te pose cette question parce qu'il y a évidemment une hype autour de tous ces sujets-là. On peut lire beaucoup de choses à droite, à gauche. Potentiellement, Il y a peut-être des choses que tu vois passer, avec lesquelles tu n'es vraiment pas d'accord et que tu considères comme étant... Ne fonctionnent pas. Est-ce que tu as vraiment des gros do-notes sur la construction de produits, A&A ?
Pauline: Pas tant que ça. Sur la construction de produits, AI native, Je pense que c'est tellement spécifique à ton industrie, à ta boîte. Aux produits dont tu pars, etc. Mais par contre, Je reviens toujours à ce que je te disais, Qui est qu'il va y avoir besoin de skills, de product, en fait. Et donc, les product managers ai native qui arrivent sur le marché, qui sont complètement fluents dans tout ça, qui ont appris le métier quand Cloud existait déjà, etc. Peuvent avoir une super hype, parce qu'ils savent faire des choses, franchement, assez incroyables que les PM de l'ancien temps ne savaient pas faire encore il y a quelques temps. Ou ne savent toujours pas faire. Mais il va quand même falloir que cette population-là apprenne quelques basiques du product management des anciens. Et j'en reviens à la product. strategy, à la réflexion juste business autour d'un produit, à évaluer tes bons critères de succès et donc à mettre en place tes bons KPIs et avoir une analyse fine. Parce que si tu mets tout dans Cloud, tu auras la qualité Cloud. Donc, je trouve qu'il y a quelques temps, on ne jurait que par des profils Ai Builder, etc. Moi, j'en reviens un petit peu. Et en tout cas, Je pense que les générations qui ont ce positionnement-là vont avoir aussi besoin d'humilité pour se former. À beaucoup d'autres choses que Claude ne va pas leur donner ou en tout cas, va leur faire croire qu'il leur donne et en fait, Il va leur donner de la qualité un peu toute molle.
Terry: Moyenne, oui.
Positionnement premium, bêta et accompagnement client
Terry interroge Pauline sur le positionnement premium du produit, la logique d’itération et la manière de faire évoluer l’innovation sans trop froisser les clients. Pauline explique que la qualité du résultat dépend aussi de la qualité de l’input utilisateur, et qu’ils ont facilité l’adoption en restant dans les codes de PlayPlay, avec des tips, du « prompt and answer » et l’appui des équipes CS. Elle détaille aussi leur usage de la bêta et des tags comme « work in progress », en soulignant que leurs utilisateurs sont assez indulgents et habitués à leur ADN d’innovation et d’itération.
Terry: Pour rebondir un peu là-dessus et tirer le fil sur la logique business, Product marketing. Et pour aller vers le positionnement aussi du coup de votre produit. Donc, vous avez un positionnement quand même assez premium, Si je ne dis pas de bêtises, sur votre niche dans le B2B. Et tout ce dont on vient de parler là sur construire un produit A-Native, il y a beaucoup de phases d'itération. Comme tu le disais, donc de collecte aussi de feedback, donc de sortir un produit derrière qui, potentiellement pour tes end-users n'est pas au niveau de ce qu'ils ont l'habitude d'avoir. Ou en tout cas, va avoir des comportements, peut-être qui peuvent... Donc, comment est-ce que vous avez géré ça? D'un point de vue, justement, aussi, que ce soit positionnement du produit ou échange avec votre équipe. Cusomer, Success ? Comment est-ce que cette partie-là très... En gros, on est aussi en train d'apprendre. Et de la même manière, tu vois, pour pousser le parallèle, Ça n'a pas l'air d'avoir pris plus que ça, Mais Chatgpt avait sorti des Chatgpt Apps fin 2025, qui étaient en gros la capacité à intégrer, par exemple, Airbnb. Tu vas poser une question pour partir en vacances dans ChatGPT, tu vas avoir une app au sein de Chatgpt, qui va être un bout d'interface qu'Airbnb aura construit dans l'interface conversationnelle de Chatgpt pour augmenter un peu, mais permettre à Chatgpt de devenir le point d'entrée. Et au moment où Chatgpt sortait, ça, du coup, Ils n'avaient pas encore vraiment posé clairement toutes les guidelines derrière qu'est-ce que c'était qu'une bonne app, Chatgpt, app, Parce qu'eux-mêmes ne le savaient pas, parce qu'ils attendaient de voir comment les utilisateurs se comportaient sur ce nouveau mode de conversation. Donc, il y a aussi beaucoup qui est lié au changement d'usage par rapport à... Donc, je suis curieux de savoir, dans une logique de positionnement premium, comment vous arrivez à surfer cette innovation de rupture? Sans non plus trop froisser les clients et en laissant les emmener avec vous. Et oui,
Pauline: c'est pas... Ça, c'est une vraie question parce que dans la qualité de l'output final de ton système, Il y a bien entendu la qualité de ton système à toi, mais aussi la qualité du prompt utilisateur, de l'input utilisateur. Et donc, toi, tu peux avoir construit un super système, mais si l'utilisateur te donne un input catastrophique, à la fin, Il aura un truc catastrophique et quelque part, il t'en rendra responsable. Honnêtement, je ne suis pas sûre qu'on ait complètement craqué le sujet. Je pense que ce qui a été plus facile pour nous, c'est qu'on est quand même resté dans les codes. PlayPlay. On a des utilisateurs qui généralement... Enfin, nous, On a plutôt une base d'utilisateurs assez fidèle. Donc, On a repris exactement le même design system. On a repris les codes de communication qu'on a de tout le type. Toute la façon dont on communique in-app avec notre base d'utilisateurs, on l'a utilisé naturellement sur Playplay Design. Donc, je pense que ça, ça a facilité. Faciliter l'adoption. Et après, on cherche honnêtement des manières de leur prendre la main et de leur donner les bonnes pratiques dans le produit. Donc, tu as un peu les petits tips qui s'affichent. Tu as ce qu'on appelle, Je ne sais pas quel est le terme français, mais le prompt and answer. Donc, tu as un peu la baguette magique. Je t'ai écrit un prompt. Elia, va te l'améliorer. On a ajouté une fonctionnalité avec une assistante créative par IA, qui t'aide à poser ton concept créatif. Et à donner une instruction qui est un peu plus précise en entrée de notre produit. Surtout quand tu es un peu dans le brainstorming d'un concept artistique, tu vois. Mais on cherche encore. Et après, sinon, c'est beaucoup. Les CS qui doivent déployer un travail très important pour illustrer les USE cases, inspirer les utilisateurs. Donner des guidelines, etc. Et ça, Ça passe par tout l'accompagnement premium qu'on fait déjà. Et c'est là où je trouve que notre positionnement premium, Il nous facilite la vie. C'est parce que nous, On a l'habitude d'avoir des touchpoints avec nos utilisateurs, de manière soit trimestrielle, soit semestrielle. On a une base d'utilisateurs qui est quand même plutôt bien engagée avec nos newsletters, avec nos webinars, etc. Mais parce qu'on a ce positionnement assez premium, et c'est ce que nos clients viennent chercher, en fait, cet accompagnement humain. Donc, on cherche encore dans le produit. On a des choses qui fonctionnent, des choses qui, honnêtement, n'ont pas trop prise. Et ça reste un vrai angle de réflexion et de stratégie. produit. Mais aujourd'hui, Je dois quand même rendre hommage aux équipes CS, qui travaillent beaucoup pour nous aider là-dessus.
Terry: Ok, ça marche très clair. Merci pour la transparence. Et du coup, aujourd'hui, dans le produit, est-ce Qu'il y a des endroits où vous mettez cette feature et bêta ou ce genre de choses de partout ?
Pauline: Ça, c'est magique. Surtout que nous, on est dans une logique où... À la fin, on crée un visuel. Donc, On accepte un taux d'erreur qui est assez important. Je dirais peut-être que 80%. Nous, on accepte des taux de résultats pas méga satisfaisants à 80-90%. On ne fait pas du médicament, on ne fait pas de la défense, on n'est pas dans la médecine. Donc, on a besoin de l'indulgence de nos utilisateurs. Donc, tu as bêta, Je ne sais plus quels étaient les autres termes, Mais il y avait d'autres tags qui étaient utilisés par les modèles, eux-mêmes et qu'on a repris en termes de wording.
Terry: Yes.
Pauline: Un peu genre work in progress, etc. Et voilà. OK. Et en fait, nos utilisateurs, Ils sont quand même assez indulgents là-dessus parce qu'on a aussi cet ADN d'être innovant, de lancer des bêtas, d'itérer beaucoup aussi. Ils ont cette confiance en nous qu'on va itérer sur les trucs qu'on lance, ce qui est vrai. Et donc, du coup, ça n'a pas posé de problème.
Terry: Très clair. Avant d'aller vers mes questions de fin d'échange, est-ce qu'il y a des sujets dont on n'a pas parlé, un point que tu voudrais accentuer, Mettre en avant, d'autres apprentissages qui, tu penses, pourraient servir à d'autres leaders produits dans des postes similaires aux Tiens
Réorganiser les squads et les rôles autour de l’IA
Pauline explique que, chez PlayPlay, les équipes AI-native ne fonctionnent pas dans des squads classiques et qu’il faut adapter les ratios entre PM, team lead, dev et design selon le type de produit. Elle détaille aussi qu’il faut pouvoir isoler une petite équipe, répartir le reste ailleurs et parfois réécrire la job description de chacun, y compris pour les QA, les PM et les team leads. Terry souligne de son côté que les organisations produits post-IA générative seront différentes, parfois avec des équipes plus petites, tandis que Pauline rappelle que tous les métiers restent utiles, à condition d’ajuster leur périmètre et leur manière de travailler ensemble.
Pauline: Je pense que, d'un point de vue, Si on sort un peu de l'opérationnel des équipes et que je prends vraiment ma casquette de CPTO, Je trouve que ce qu'on a su faire ces 12 derniers mois, et peut-être Que ma casquette de Si Piti haut me l'a permis d'ailleurs, c'est de faire plein d'expérimentations d'un point de vue organisationnel. Si vous essayez de mettre de l'ai native dans des squats classiques, Moi, je pense que ça ne fonctionne pas. En tout cas, chez nous, ça n'a pas fonctionné. Donc, en fait, Les ratios entre PM, Team, lead, dev, Design vont être très différents. En fonction de si vous faites un produit classique, un produit AI-powered ou un produit AI-native. Et donc, il faut arriver à jongler, à être très souple là-dessus. Nous, là, par exemple, cet été, On a lancé une nouvelle initiative AI-native, qui est un peu le nouveau projet sur lequel on se lance. L'équipe, c'était une PM, un team lead, un dev. Et on a assumé, alors que d'habitude, Tu as une squad classique. Et donc, Il faut avoir cette agilité d'organisation pour dire, J'arrive à isoler. Cette petite équipe, et je répartis les autres personnes de la Squad ailleurs, Il faut que tout le monde ait cette agilité. Première chose. Deuxième chose, c'est qu'en fait, il y a. La définition des jobs et le périmètre des jobs varient aussi énormément. Nous, on a deux QA dans l'équipe qui ne font pas du tout le même job. Parce qu'il y en a une qui est plutôt sur les produits IA et l'autre sur les produits non IA. Et en fait, ils n'ont pas du tout la même job. description. Pareil pour les Team leads, pareil pour les PM. Et donc, Ce qu'on va demander à la PM qui travaille sur des produits ai native, C'est assez différent de ce que doit faire la PM qui travaille sur le playplay historique. Il y en a une qui travaille avec trois devs, l'autre, qui travaille avec douze devs. Donc, leur métier au quotidien est quand même assez différent, même si elles appliquent quand même la philosophie, la méthode et les Playbooks PlayPlay. Et donc ça, Il faut que l'organisation au global, parce qu'il faut que chacun, individuellement, soit prêt à réécrire. Sa jobdesk, à faire une expérimentation pendant trois mois, etc. Ça, c'est vraiment quelque chose qu'on a insufflé chez Playplay. Quand on s'est autorisé, on leur a dit, ça va se passer comme ça. Et on va y aller, ça va être cool, mais ça va être ça, les nouvelles règles du jeu. Il ne faut pas partir naïvement en se disant, moi, j'ai huit squads et je vais garder mes huit squads pendant douze mois si je veux faire de l'IA.
Terry: Yes. Très clair. Et ça permet aussi effectivement de rappeler que, de mettre en avant plutôt le fait qu'il n'y a pas de question. Sur le fait que les organisations produits post-IA générative vont être très différentes de celles qui étaient pré-IA générative. Et donc, si tu veux aussi construire un produit qui s'appuie au MAX sur ces capacités-là, il faut aussi adopter les nouveaux modes d'organisation que ça permet potentiellement d'avoir, à savoir aussi des équipes plus petites. Ça, c'est une réalité. Ils peuvent shipper autant que des équipes qui étaient parfois hier. trois, voire plus fois plus grosses. Que des équipes aujourd'hui purement GenAI powered aussi.
Pauline: Mais la bonne nouvelle, c'est que pour l'instant, moi, j'ai encore besoin de tous les métiers. On a dit pm is dead, Qa is dead, dev is dead, etc. Pour l'instant, nous, On trouve que finalement, toutes ces compétences, Il faut juste réécrire un peu le périmètre de chacun et la chorégraphie qu'ils vont jouer ensemble. Mais ça reste quand même très utile d'avoir ces gens.
Garder les métiers de la tech et rester humain
Terry explique que l’IA générative, conçue par des développeurs, bouscule en premier lieu le métier de software engineer, tout en rappelant qu’il s’agit aussi de retrouver où la valeur peut se créer. Pauline insiste ensuite sur le fait que ces transformations sont difficiles pour les personnes concernées, derrière les annonces parfois violentes sur les métiers de la tech, et qu’il faut rester très humain dans ce virage IA. Terry acquiesce et rappelle qu’avec l’IA on peut aller plus vite seul, mais que pour aller loin il faut emmener les gens avec soi.
Terry: Ça, c'est un message plus positif, effectivement. De toute façon, il y a plusieurs philosophies autour de la destruction créatrice ou pas. Par rapport à quand il y a des innovations de rupture comme ça, c'est sûr que ça bouge les lignes. Ensuite, il y a retrouver une place de là où la valeur peut être créée. Et moi, ce que je trouve, juste pour rebondir sur ça avant d'aller sur mes questions de fin, c'est que l'IA génératif, c'est un produit qui a été construit par des devs, par les software engineers. Et c'est le premier métier qui est le plus disrupté par ça. Et ils en sont contents parce qu'ils savent très bien que la valeur du software Engineer n'est pas dans l'écriture pure. Alors je parle de la genèse, c'est-à-dire du cœur de la Silicon Valley, après effectivement en fonction de en Europe on a, donc je dis ça parce que je te vois dire ils en sont contents, ça dépend, effectivement mais quand on parle des labs chez OpenAI, chez Anthropic, etc ils savent que la valeur d'un software engineer n'est pas juste dans l'écriture du code, c'est cette logique product au fait, c'est la notion de product engineer qu'on a beaucoup plus d'ailleurs dans de... Côté Etats-Unis versus en Europe, on a tendance à plus piter.
Pauline: Juste du coup, pour rebondir là-dessus, je pense qu'il ne faut pas... négligé, Là, on a parlé de tout ce qui était très excitant, de l'innovation, produit, etc. Il ne faut pas quand même oublier que c'est dur pour les gens, tout ça. Parce que, en plus, il y a eu forcément des annonces, des headlines assez violentes pour les métiers de la tech, etc. À la fin, tu as quand même des individus qui font leur métier avec passion, parfois depuis 10, 15, 20 ans. Il faut juste faire attention à ça. Il faut faire attention à la manière dont on traite les organisations et les gens qu'il y a derrière. Et donc, du coup, nous, chez Playplay, on a avancé. On a dit les choses. On avait une direction très claire sur notre ambition IA. Mais on a aussi la chance d'être dans une entreprise où on parle beaucoup de santé mentale. Et je pense que ça, c'est très important en tant que leader, Quand on prend ce virage, IA, de rester très humain parce que sinon, ça peut faire des gros dégâts.
Terry: Yes, 100% aligné, Merci pour rappeler ce point-là hyper important. Et j'aime bien souvent d'ailleurs, ça peut-être un moment que je ne l'ai pas dit dans le podcast, Mais la citation « Seul on va vite, ensemble on va loin » . Et c'est vrai que l'IA te permet d'aller seul beaucoup plus vite, Mais en fait, il ne faut pas oublier que si tu veux aller loin, il faut emmener les gens avec toi, Donc il ne faut pas trop les laisser non plus sur le côté.
Product Builder, PM AI-native : apprendre l’IA en faisant
Dans cet échange, Pauline explique qu’elle ne voit pas de « population magique » appelée à remplacer une autre, mais plutôt des choses à apprendre les uns des autres, notamment autour du métier de Product Builder et des PM AI-native. Elle raconte aussi que, chez Playplay, elle apprend surtout en faisant, en travaillant sur des produits IA comme Playplay Design, en réécrivant les jobdesks et le career framework, puis en complétant avec des lectures, des podcasts, ses pairs et des conférences.
Terry: Pour aller du coup vers mes deux dernières questions de fin d'échange, donc. La première, c'est est-ce que tu as une conviction forte avec laquelle tu es en général en désaccord avec Tes Pairs
Pauline: Je ne sais pas si je suis en désaccord, mais je pense que ce que je t'ai expliqué tout à l'heure sur le métier de Product Builder. Et un peu cette hype de ces PM AI-native qui sont hyper impressionnants, en démo ou dans des conférences. Parce qu'ils font des choses que les dinosaures comme moi ne savaient pas faire il y a encore quelques mois. Soyons tous simples, on a tous des choses à apprendre des uns des autres, Mais il n'y a pas d'un coup une population magique qui va remplacer l'autre.
Terry: Yes, très clairement. Pour aller vers ma dernière question, c'est quelles sont les choses qui te nourrissent intellectuellement ? Comment est-ce que tu progresses ?
Pauline: D'une manière générale, Je pense que c'est en faisant. Et je pense que moi, j'ai eu cette chance chez Playplay, notamment sur ces dernières années, d'être au cœur d'une industrie qui se faisait révolutionner. L'industrie de la création de contenu. Donc, il y a des côtés très durs dans l'intensité concurrentielle, la redéfinition du marché, etc. Mais moi, du coup, j'ai pu apprendre. Tout ce que je sais aujourd'hui sur l'IA, en faisant tous ces produits, en manipulant ces modèles. Et ce dernier cycle qu'on a fait sur Playplay Design, ça a été passionnant, intellectuellement. Après 15 ans à faire du produit d'une certaine manière, de se dire non, on va le faire complètement différemment. On va réécrire les jobdesks, on va réécrire le carrière Framework et on va apprendre en le faisant ensemble. Et du coup, quand tu te mets, mais... Dans cette logique de faire ce produit, après, tu lis plein de trucs, tu écoutes des podcasts, tu parles avec tes pairs, Tu es invité à des conférences et, du coup, tu rencontres plein d'autres gens. Pour moi, c'est difficile. Si tu es un product manager qui n'est pas dans une boîte ou dans un produit où tu peux vraiment être exposé à créer de la valeur. Avec de l'IA, pas juste dans ton workflow interne, Ça va être plus difficile. En tout cas, moi, je n'y arrive pas. Il faut que je le fasse.
Terry: Yes. Le biais de l'action, J'aime bien la notion de faire. Top, Merci Pauline. C'est où le meilleur moyen pour te contacter si des personnes veulent échanger avec toi suite à cet échange
Pauline: De manière très originale, LinkedIn.
Terry: Ça marche. Super, Je mettrai le lien dans la description. Merci encore pour ton, partage Pauline. Et à bientôt.
Pauline: Merci à toi.