The Product Builder Newsletter : les bonnes pratiques de Skello
🎓 Ce que tu vas apprendre aujourd’hui
Se faire accompagner dans sa discovery produit par des agents IA de récolte de feedback utilisateurs et de veille concurrentielle.
La solution de gestion RH des équipes de terrain a développé une flotte d’agents qui interviennent sur l’ensemble de son cycle produit. Résultat : une hausse de la vélocité et de la valeur des solutions livrées aux clients. Tout en gardant l’humain comme seul décideur final. Explications avec Aude Clerc, Lead AI Product de Skello.
📌 Un mot rapide sur Skello
● Solution de gestion RH des équipes de terrain (grande distribution, hôtellerie-restauration…) créée en 2016
● 30 000 clients et 700 000 utilisateurs en Europe
● 50 M€ d’ARR (revenus annuels récurrents)
● 500 salariés dont 26 dans l’équipe Produit
Le problème vécu : une équipe produit qui peut ralentir le cycle de développement si elle ne fait pas évoluer ses pratiques
“Mon équipe est partie en discovery… elle n’est jamais revenue !” Cette plaisanterie dans l’écosystème illustre à quel point cette phase de découverte du problème à résoudre et de la solution à y apporter apparaît parfois vertigineuse.
Sauf qu’avec l’IA, les équipes tech livrent plus vite. Conséquence : le produit ne peut plus garder le même rythme de discovery, sous peine de freiner tout le cycle.
“On ne voulait pas que le produit devienne le goulot d’étranglement. Il fallait accélérer à notre tour, avec la même exigence sur la qualité de ce qu’on livre”, témoigne Aude.
En parallèle, Skello redéfinit les rôles produit et fusionne la fonction de Product Manager avec celle de Product Marketing Manager, au sein d’un nouveau rôle appelé “Product Strategist”. Sa mission ? Porter un sujet de la discovery jusqu’à son lancement.
Un périmètre plus large, un temps raccourci… il fallait donc équiper l’équipe produit pour s’adapter à ces changements👇.
La solution : une flotte d’agents au service des “Product Strategists” sur tout le cycle produit
Pour y arriver, Skello est parti de son cycle de développement produit, en détaillant chacune des étapes du processus actuel. Ce dernier se déroule en 3 temps :
- Think : comprendre le problème
- Craft : concevoir la solution
- Delivery : lancer la feature
Depuis septembre, une équipe AI Product Ops dédiée conçoit des agents IA, en collaboration avec des experts métiers côté Product, puis les met à disposition de l’ensemble de l’équipe dans Claude via un plugin partagé sur GitHub. À l’heure actuelle, 13 agents IA sont déjà disponibles.
Avec un impact déjà tangible :
- 91% des projets produit font aujourd’hui appel à au moins un agent, contre 56% en septembre,
- 72% de l’équipe produit utilisent au moins un des agents chaque semaine,
- l’agent de veille concurrentielle fait partie des 5 agents les plus utilisés chez Skello (sur plus de 500), pour un gain de temps pour l’équipe produit estimé à plus de 150 heures depuis son lancement.
Afin de garder cette édition digeste, nous te proposons de nous concentrer sur les 2 agents qui ouvrent la discovery : l’analyse des feedbacks utilisateurs et la veille concurrentielle.
Sachant que la première étape, la cartographie de l’existant, reprend globalement le même mécanisme que la Skill présentée par Pennylane dans la 1re édition de The Product Builder Newsletter.
Comment ça fonctionne, concrètement ?
Passons à la démo, en prenant un exemple concret et véridique.
Le problème client
Les utilisateurs de Skello, typiquement des responsables RH ou des managers, voient généralement sur leur planning en gris toutes les absences des salariés, quel que soit le motif (repos hebdomadaire, congé payé, arrêt maladie, absence injustifiée).
Certains clients ont ainsi demandé à pouvoir les distinguer plus clairement.
L’idée de départ du Product Strategist : laisser les managers choisir une couleur par type d’absence. Suivons sa réflexion au cours des premières étapes de sa discovery.
Voice of Customer : l’agent de récolte du feedback utilisateurs branché aux outils internes de Skello via des connecteurs MCP
L’enjeu principal est de réussir à centraliser les feedbacks utilisateurs sur le sujet, généralement éparpillés dans différents outils en interne. Une complexité résolue grâce à l’IA.
En effet, l’agent “Voice of Customer” est connecté via MCP (Model Context Protocol) aux différents outils susceptibles de collecter des retours utilisateurs :
- Intercom, l’outil du service client
- Claap, l’outil de prise de notes utilisé par les équipes en contact direct avec les clients (commerciaux, account managers, responsables onboarding…)
- Slack, l’outil qui peut recueillir des insights dans certaines discussions
- Jira, l’outil de ticketing qui comprend parfois des remontées clients
- Harvestr, l’outil de collecte des feedback clients
Il part du problème et pèse chaque besoin selon la décision à prendre : ici, le nombre de clients touchés et le MRR (revenu mensuel récurrent) associé. Ainsi, non seulement l’IA permet d’aller plus vite mais, surtout, elle parvient à mener une récolte de feedback beaucoup plus large que ne pourrait le faire un humain.
Voyons son interaction avec le Product Strategist :
1. Il confirme le cadrage en lisant la roadmap dans Notion et les remontées des clients dans les différentes sources. Puis il propose un cadrage déjà approfondi que le Product Strategist valide ou corrige.
2. Il analyse toutes les sources en parallèle. Très vite, la piste de départ est précisée : les clients veulent surtout arrêter de confondre un repos avec un congé ou une absence.
3. Il produit une page Notion, avec le problème, les personas et leur parcours, les besoins classés par nombre de clients et le MRR associé ainsi que ce qu’il reste à vérifier par le Product Strategist.
Il précise aussi à quel point il est sûr de lui et quels clients manquent pour avoir une discovery plus complète. C’est ensuite au Product Strategist de décider comment avancer.
“Si l’agent ne donne que sa conclusion, le Product Strategist n’a aucun moyen de la challenger. Tout l’enjeu, c’est de lui en montrer assez sans le noyer”, explique Aude.
Comme tu le vois dans la capture ci-dessus, le problème est affiné : le “manque de couleurs” devient “voir d’un coup d’œil qui est en repos et qui est en congé”.
4. Les user journeys des personas identifiés sont construites et les besoins priorisés. Ici apparaît une problématique qui n’avait pas encore été détectée : cacher le motif d’absence aux collègues.
5. L’agent propose au Product Strategist des pistes à creuser pendant le reste de sa discovery, chacune avec sa méthode, pour solidifier sa compréhension du problème et le design de sa solution.
Competitive Analysis : l’agent d’analyse du positionnement et des solutions trouvées par les concurrents sur le sujet
L’étape suivante est similaire : à partir d’un prompt sur un problème en cours en phase de discovery, l’agent va produire un document de synthèse sur son analyse des concurrents, sous le prisme fonctionnel et de go-to-market.
Concrètement, il mène une comparaison du marché sur une question précise, uniquement à partir des sources officielles (centres d’aide, notes de version, etc.), avec une capture pour chaque preuve.
Il part des concurrents cités par les clients (via l’agent Voice of Customer) puis ajoute les concurrents directs de Skello, les acteurs internationaux et des produits hors secteur qui ont déjà résolu la même problématique.
Démonstration.
1. L’agent challenge la question. Avant de chercher, il dit ce que le cadrage du Product Strategist laisse de côté. En l’occurrence : une couleur “arrêt maladie” révèle un motif de santé et le planning doit rester lisible sans couleur (daltoniens, planning imprimé).
La question devient : comment rendre les absences distinguables et qui les voit ? Le Product Strategist est responsable de valider le périmètre.
2. Il collecte acteur par acteur, en commençant par ce que fait Skello, sources à l’appui.
3. Il crée sa synthèse dans un document sur Notion. “Les documents finaux de décision comme le Problem One pager ne sont jamais remplis par l’IA. On a fait le choix de mettre volontairement ici une friction pour forcer les Product Strategists à réfléchir et à challenger”, précise Aude.
Résultat : aucun concurrent ne mentionne une différence de couleur.
“La veille change la façon dont tu penses la solution : soit parce qu’il y a un standard du marché, soit parce qu’il y a une opportunité de te positionner différemment”, souligne Aude.
Bilan de ce début de discovery mené avec l’IA : une étude affinée et accélérée.
- La demande vient de toutes les tailles de clients, dans les trois marchés : ce n’était plus un “nice to have”.
- La couleur grise des absences n’est pas le vrai sujet. Le problème concerne en réalité la confusion entre un repos et un congé payé.
- Les clients citent 3 à 5 familles d’absence, jamais la liste complète des motifs, avec une mention particulière sur les arrêts maladie.
Des résultats atteints en moins d’une heure (vs environ 3 jours pour un humain), avec une grande diversité de sources (122 appels en 3 langues, 103 conversations support, 812 retours et 95 tickets par exemple pour Voice of Customer et analyse de 10 concurrents et 2 outils grand public, avec 11 fiches et 28 captures vérifiées pour Competitive Analysis).
“L’IA ne remplace pas le jugement du Product Strategist. Elle lui donne le temps de l’exercer”, conclut Aude.
Comment construire une solution similaire au sein de ton organisation ?
Tu veux construire ce type d’agent dans ton organisation ? Voici 3 conseils pour y arriver :
1- Partir d’une tâche métier, pas d’une idée d’agent
Choisis, selon l’impact, le temps qu’elle prend aujourd’hui et ce qu’on peut/veut vraiment déléguer à l’IA.
2- Laisser les personnes du métier itérer sur les règles des agents
C’est à celui qui fait ce geste au quotidien de décrire les étapes et les sources. Puis d’évaluer l’agent IA. C’est-à-dire de noter 6 à 8 cas réels : bon, faible ou raté, et pourquoi.
3- Encoder, tester, déployer… puis itérer
Étapes, sources, format attendu, interdits, etc. L’agent tourne sur ces cas jusqu’à être déployé à l’échelle de l’organisation. Sachant que des scénarios de test bloquent les nouvelles versions aux résultats moins bons que précédemment.
Les agents arrivent automatiquement chez chaque Product Strategist, via le plugin partagé sur GitHub et installé dans Claude. Chaque retour devient ensuite une piste d’ajustement pour améliorer ces agents progressivement.
On espère que ce cas t’a inspiré et donné des idées au sein de ta propre organisation. À dans deux semaines pour une nouvelle édition de The Product Builder Newsletter !