The Product Builder Newsletter : les bonnes pratiques d’ADEO

La maison mère de Leroy Merlin est en train de déployer un système multi-agents IA maison qui vise à améliorer l’efficacité des équipes produit, tout en respectant la cohérence des livrables internes. Immersion dans les coulisses de SPARK, déjà utilisé par plus de 1 200 collaborateurs, en compagnie de Jérémy Hennart, Product Operation Leader chez ADEO, qui aide à son adoption.

Le problème vécu : des Product Owners confrontés à la multiplicité des outils et des processus internes

Confluence, Jira, Google Sheets, Google Slides, Condens… une multitude d’outils disponibles pour les Product Owners et Product Managers d’ADEO, qui se traduit naturellement par une importante charge cognitive.

“Il faut disposer d’une importante connaissance de cet écosystème pour savoir où se trouvent les bonnes informations, et surtout, pour valider l’ensemble des étapes nécessaires afin d’aller au bout d’un projet”, admet Jérémy Hennart, Product Operation Leader chez ADEO.

D’où l’idée, avec SPARK, d’apporter une expérience immersive et simplifiée au sein d’une seule interface.

Objectif : optimiser les tâches routinières des équipes produit.

La solution : SPARK, le copilote IA des équipes produit basé sur les standards et les bases de connaissances d’ADEO

Résultat : en mai dernier, le leadership de la pratique produit dévoile la version alpha de SPARK, un système multi-agents IA clé en main dédié uniquement aux équipes produit.

Aujourd’hui, ce “Product OS” (= système d’exploitation interne) est utilisé par 1 200 collaborateurs dans le monde, qui y accèdent via une double authentification. SPARK s’appuie sur l’un des derniers modèles Gemini de Google, intégré de manière transparente et amené à évoluer en continu, la valeur résidant avant tout dans l’orchestration interne et les cas d’usage métiers.

2 éléments à noter dans sa conception :

1) La connexion à la plupart des outils et pratiques produit d’ADEO

Sur le même principe que les connecteurs MCP des outils IA traditionnels, SPARK est branché à plusieurs éléments internes :

• les outils Atlassian (Jira ou Confluence), Condens (collecte de feedback utilisateurs) et GitHub,
• la suite Google Workspace (Gmail, Google Slides…),
• les pratiques produit opérationnelles d’ADEO (design system, modèles de rédaction de tickets ou de PRD, contexte de l’entreprise…).

“Si nous faisons évoluer un artefact du cycle produit, SPARK prend automatiquement en compte ces changements, permettant ainsi leur partage à l’échelle facilement”, indique Jérémy.

Conséquence : des résultats précis et cohérents avec les cadres de référence d’ADEO (qualité, conformité, sécurité, etc.).

2) De la pédagogie sur la consommation de tokens et le coût

Choix intéressant sur l’interface : l’indication des usages de chaque utilisateur, mesurés en nombre de tokens dépensés et en coût associé.

« L’objectif est double : sensibiliser les équipes à une IA raisonnée et responsabiliser chacun sur l’usage des tokens. SPARK s’inscrit pleinement dans cette logique de frugalité », poursuit Jérémy.

Comment ça fonctionne, concrètement ?

Passons à la démo ! L’idée ici n’est pas d’entrer dans le détail d’un cas d’usage précis, contrairement aux newsletters précédentes, mais plutôt d’avoir un aperçu de l’étendue des possibles avec SPARK.

L’identification d’irritants produit

Il est fréquent, en phase de Discovery, de devoir identifier les problèmes vécus par les utilisateurs. Désormais, avec SPARK, cette phase est radicalement accélérée, grâce à une synthèse des recherches utilisateur dans l’outil Condens.

Le prototypage

Il est aussi possible de créer des prototypes dans SPARK, essentiellement dans une optique de validation d’hypothèses et d’échanges avec les parties prenantes.

La création de PRD et de tickets dans Jira

SPARK a une influence notable sur le cycle produit. Que ce soit en termes de génération de Product Requirements Documents (PRD), de documentation ou de user stories.

Ainsi, via la connexion avec Jira, les équipes produit peuvent directement créer leurs tickets dans SPARK. Comme on le voit sur les écrans ci-dessous, les épics sont alors automatiquement ajoutées dans Jira, ainsi que les US associées.

La création de présentations à la charte

Une revue business mensuelle à faire ? En une phrase, les Product Managers peuvent générer des slides qui reprennent la charte graphique d’ADEO. Et, dans le cas présent, basées sur l’évolution du backlog du Product Manager, via les informations contenues dans l’outil Jira.

Une démonstration évidemment loin d’être exhaustive. “Globalement, SPARK couvre l’ensemble du cycle de vie produit, de la Stratégie au Sunset, mais il ne permet pas de coder, la partie Delivery reste du domaine des ingénieurs”, précise Jérémy.

Avec, déjà, des résultats notables en termes de productivité et de hausse de la qualité :

• des benchmarks réalisés en 2h plutôt qu’en 8 jours auparavant,
• des tickets Jira écrits 50% plus rapidement,
• 1 heure par semaine de gagnée en analyse de feedback utilisateurs pour chaque personne,
• 95% des artefacts générés conformes aux cadres de référence d’ADEO,
• 85% de taux d’adoption des équipes pour leurs tâches critiques,
• et une hausse de 25% de la satisfaction des équipes d’ingénierie et de marketing grâce à des spécifications produit plus claires, plus complètes et mieux alignées.

Comment construire une solution similaire au sein de ton organisation ?

Voyons enfin les 3 conseils indiqués par Jérémy pour déployer un outil équivalent au sein de ta propre organisation :

1- Maintenir une bonne hygiène de sa base de connaissances

Pour obtenir de bons résultats générés par l’IA, il faut lui fournir de bons éléments en entrée. Donc avoir fait l’effort au préalable d’avoir des bases de connaissances internes à jour et facilement exploitables.

2- Développer une culture IA interne

“Ce qui était important auparavant, c’était de savoir faire. Aujourd’hui, c’est de savoir raisonner”, résume Jérémy. Autrement dit : il convient d’être pédagogique envers les collaborateurs afin qu’ils soient en capacité de donner les bonnes instructions et ainsi d’obtenir le résultat espéré.

3- Adoption : rester au plus proche de ses utilisateurs

Il faut enfin savoir que la construction n’est pas la phase la plus longue. La plateforme a ainsi été créée en 3 mois par une équipe réduite. Qu’est-ce qui a pris le plus de temps ? Tester les résultats générés et itérer avec les premiers utilisateurs afin que cela réponde au mieux à leur besoin. D’où le lancement en phase alpha en mai dernier, puis en bêta élargie après l’été.

On espère que ce cas t’a inspiré et donné des idées pour la suite, et on te donne rendez-vous dans deux semaines pour une nouvelle Product Builder Newsletter !