The Product Builder Newsletter : les bonnes pratiques de Pennylane

Toujours difficile de mettre la main sur les infos d’une fonctionnalité ancienne à retravailler. Emmanuel Hosanski, Head of Product de la scale-up Pennylane, raconte comment il a construit un skill sur Cursor qui génère un état des lieux en quelques minutes grâce à une dizaine de connexions MCP. Démo.

Le problème vécu : la complexité de commencer à travailler sur une ancienne fonctionnalité pour un·e Product Manager

C’est une situation que tu as sûrement déjà vécue si tu travailles dans le produit : on te demande de travailler sur une fonctionnalité existante que tu ne connais pas ou dont tu ne te rappelles plus.

Tes premiers réflexes ? Faire de l’archéologie dans la documentation interne voire contacter les personnes (Product Managers, développeurs…) qui s’en sont occupées à l’époque, sachant qu’elles ont souvent changé de périmètre… si ce n’est d’entreprise !

Une perte de temps considérable qui a poussé Emmanuel Hosanski, head of Product de la track comptabilité de Pennylane, la plus grande de l’entreprise (20 équipes produit) à se pencher sur une solution avec l’IA.

Son objectif : avoir une première base pour bien comprendre une fonctionnalité existante afin de démarrer plus rapidement sa phase de réflexion et de discovery.

“Chez nous, les Product Managers ont des périmètres assez larges comprenant généralement une vingtaine de fonctionnalités. Ils se retrouvent donc fréquemment à retravailler certaines qu’ils n’ont pas touchées depuis près d’un an”, explique-t-il.

Sans compter l’arrivée de nombreuses nouvelles personnes qui n’ont pas l’historique des projets. Sur l’année écoulée, Pennylane a recruté plus d’une nouvelle équipe produit par mois !

La solution : le skill /explore-feature pour donner un état des lieux à 360° d’une fonctionnalité

En juin dernier, il a ainsi construit un skill sur son éditeur de code IA Cursor qui explore une fonctionnalité selon 4 sections :

• Comprendre la fonctionnalité : expliquer la fonctionnalité, son fonctionnement et son parcours de conception, notamment ses évolutions dans le temps
  🔗 MCP utilisés : Notion (documentation interne), Figma (maquette), Linear (Delivery) et Github (codebase)
• Son usage & impact : identifier les usages principaux, les funnels, les segments ainsi que les indicateurs importants
  🔗 MCP utilisés : Metabase et Amplitude (impact et analytics) voire Datadog
• Les signaux des clients : synthèse des feedback qualitatifs variés (prospects, clients, équipes internes…) pour faire ressortir les grands thèmes d’amélioration
  🔗 MCP utilisés : Modjo, Notion
• Le benchmark concurrentiel : recherche en ligne des solutions équivalentes déployées par les autres acteurs du marché pour apporter du contexte et de l’inspiration à travers une étude comparative basique

Résultat en sortie ? Un brief complet sous la forme d’un canvas sur Cursor qui donne un aperçu global de la fonctionnalité existante et aide à se remettre en tête le fonctionnel ainsi que les choix passés documentés… Une base saine pour se lancer dans une discovery afin de faire évoluer la fonctionnalité.

On le voit, l’intérêt majeur de ce cas d’usage est la consolidation de sources de données éparses, disponibles sur plusieurs outils différents, au sein d’un même cockpit via des intégrations MCP.

Comment cela fonctionne concrètement ?

Passons à la démo. Avec le cas pratique suivant : un Product Manager de Pennylane souhaite mieux comprendre la fonctionnalité de rapprochement bancaire, qui permet de lier sa comptabilité avec ses données bancaires. Ce dernier enclenche donc le skill.

Préambule : Cursor vérifie les connexions MCP et fait un récapitulatif de ce qu’il s’apprête à faire.

Et voici le résultat complet quelques minutes plus tard, reprenant les 4 sections évoquées plus haut :

En bref, un aperçu rapide et complet qui permet de démarrer la phase de Discovery pour faire évoluer la fonctionnalité avec une base de connaissances nettement plus avancées (sans se lancer dans 2 semaines d’archéologie).

“Au début, il y avait même une proposition de roadmap associée mais on l’a enlevé. Cela doit rester le travail du Product Manager. Le résultat de ce brief est un input et non un output”, prévient Emmanuel.

Comment construire une solution similaire au sein de ton organisation ?

Tu souhaites reproduire ce cas dans ton contexte ? Si tu as bien structuré tes données au préalable, voici la marche à suivre :

1- Connecter ses outils

Autrement dit s’assurer que son outil IA (Cursor, Claude Code, Gemini, Codex, etc.) est en mesure d’accéder à différents types de données :

• Le code (Github, Gitlab, Bitbucket, Azure…)
• Sa documentation (Notion, Confluence, Jira, Linear…)
• L’usage (Amplitude, Mixpanel, Google Analytics, Metabase…)
• Les feedback utilisateurs (appels des commerciaux, tickets au support client, score NPS…)

“Le plus dur, c’est vraiment de documenter dans le skill où se trouve chaque signal. Nous, par exemple, nous stockons nos retours utilisateurs dans une base de données Notion et les travaux de la User Research dans une autre. Il faut l’indiquer clairement”, précise Emmanuel.

2- Construire le skill

Pour t’aider, voici le prompt que l’on te suggère :

3- Tester et itérer

Il convient enfin de tester avec une fonctionnalité et d’affiner le prompt en fonction des premiers résultats.

Les enseignements d’Emmanuel

• Un retour plutôt enthousiaste des équipes

“Ce n’est pas un skill qu’on utilise tous les jours et il est difficile de mesurer son usage car chacun a ses skills en local. Toutefois, dès que je le présente en interne, tout le monde trouve cela extrêmement puissant, notamment pour sa capacité à agréger des sources très différentes.”

• Les itérations pour rendre l’output plus actionnable

“Par rapport à la version initiale, j’ai demandé à ajouter les sources, pour vérifier facilement certains chiffres (ce qui m’a permis de me rendre compte que les premiers chiffres étaient faussés car je n’avais pas exclu les comptes test). J’ai aussi peaufiné les lignes directrices en créant ces 4 sections spécifiques mais en laissant de la liberté à l’intérieur de ce cadre. À ce jour, je n’ai pas vu d’hallucinations ou de grosses erreurs, même si ce n’est pas trop grave en soi car il s’agit essentiellement d’un brief de démarrage et non d’un livrable final”.

• Le passage de Cursor à Notion AI ?

“Nous n’avons pas accès à Claude Code pour des raisons de sécurité et je ne trouve pas son interface sous forme de terminal très accessible. J’ai donc opté pour Cursor. Il faut savoir qu’une partie du travail consiste à lancer des requêtes sur Metabase et que, pour le moment, il n’existe pas de MCP Metabase donc il fallait pouvoir faire la query en local. Mais, à terme, il est probable que ce skill soit déployé sur Notion AI qui est l’endroit principal où l’on a nos agents chez Pennylane”.

À toi de jouer désormais pour tirer le meilleur parti de la connexion de tous tes outils du quotidien et prendre de meilleures décisions produit !