Repenser le modèle opérationnel produit, IT, data et IA

Avant-propos

Le règlement européen sur l'IA devait imposer aux systèmes à haut risque, dès le 2 août 2026, une série d'obligations contraignantes. En mai 2026, l'Union a repoussé l'échéance à décembre 2027 : ni les États ni les entreprises n'étaient prêts. Aucune obligation n'a pour autant disparu, seule la date a bougé. Et si elle a bougé, c'est que personne ne disposait de la couche opérationnelle qui permet de prouver, au quotidien, que l'on s'y conforme. Cette couche, c'est précisément l'objet de ce document. La Partie 2 y revient.

La lecture demande une quarantaine de minutes. Chaque donnée avancée est sourcée ; l'ensemble des références figure en Annexe A : McKinsey, BCG, Gartner, PwC, WEF, RAND, Silicon Valley Product Group et Product Talk.

Format de la série. Ce document fondateur pose la thèse de convergence et l'architecture de référence. Trois suppléments la prolongeront, destinés respectivement aux PM, aux PMO et aux CDAIO ; sa lecture conditionne la leur.

Synthèse exécutive

Les principaux constats, en une page.

1. Produit, IT, data et IA convergent dans un même modèle opérationnel, intégré et piloté par la valeur. McKinsey publie son cadre « agentic organization » en 2026, BCG son AI Radar la même année, et Gartner rebaptise le « Project & Portfolio Management » en « Strategic Portfolio Management ». Les trois aboutissent à la même conclusion.

2. Le report du règlement européen sur l'IA est un signal. Le règlement européen sur l'IA devait s'appliquer aux systèmes à haut risque le 2 août 2026. En mai 2026, l'Union a acté un report à décembre 2027, faute d'implémentation prête côté États comme côté entreprises. Registre européen, évaluation de conformité, supervision humaine, gouvernance des données : les obligations sont intactes, seule l'échéance a glissé. Un report de seize mois obtenu parce que personne n'était prêt en dit plus long que l'échéance elle-même. Et le prouver demandera autre chose qu'un PowerPoint.

3. L'écart entre adoption et valeur est massif. 80 % des projets IA n'ont pas livré la valeur attendue en 2025 (RAND). 88 % des organisations utilisent l'IA, mais 39 % seulement constatent un impact sur leur résultat d'exploitation, l'EBIT (McKinsey). C'est désormais le vrai sujet.

4. Le diagnostic se résume à trois symptômes connus. Feature factory, prédominance d'Excel, test des trois PMs : aucun n'est nouveau, et aucun n'a été déraciné par dix ans d'agilité, de SAFe ou d'OKR.

5. Les cadres de gouvernance IA s'arrêtent avant les équipes produit. La plupart des cadres de gouvernance IA en 2026 décrivent un AI Office, un cycle de vie et un risk playbook. Très peu disent comment cela se concrétise dans les équipes produit. C'est pourtant là que se trouve l'essentiel du travail.

6. L'architecture qui fonctionne tient en quatre couches. Ces couches (bet, opportunité, initiative, expérimentation) se logent dans trois conteneurs (workspace, portefeuille, produit) et se lisent à travers trois prismes (PM, PMO, CDAIO). Une seule saisie alimente trois calculs.

La convergence a déjà eu lieu

Deux faits s'imposent d'emblée, et aucun ne relève de la prévision : ils ont déjà eu lieu. Gartner a rebaptisé une catégorie de marché tout entière, faisant du Project & Portfolio Management (PPM) un Strategic Portfolio Management (SPM). Au sommet des entreprises, un poste se consolide, le CDAIO, qui rassemble des responsabilités longtemps dispersées entre data, IT et IA. À ces deux mouvements s'ajoute un troisième signal : en 2026, McKinsey, BCG et Gartner publient coup sur coup leurs cadres de référence, qui, lus ensemble, dessinent un même modèle opérationnel. C'est ce terrain que cette partie explore.

McKinsey · cinq piliers, un seul système

Dans The Agentic Organization (septembre 2025), McKinsey distingue cinq piliers : le business model, le modèle opérationnel, la gouvernance, les talents et la culture, enfin les technologies et la donnée. Et il refuse aussitôt qu'on les lise en silos. L'argument tient en une ligne : ces cinq piliers ne se coordonnent pas, ils forment les facettes d'un même système.

AI initiatives can no longer be delivered by isolated, specialized AI teams.

McKinsey, Seizing the Agentic AI Advantage (2025)

BCG · l'essentiel se joue hors de l'algorithme

L'AI Radar 2026 de BCG dit la même chose sous un autre angle : une transformation par l'IA ne réussit qu'arrimée à la stratégie, inscrite dans des processus repensés et menée jusqu'à l'échelle.

Son cadre 10-20-70 répartit l'effort sans ambiguïté : 10 % pour l'algorithme, 20 % pour les technologies et la donnée, 70 % pour les personnes et les processus. L'essentiel ne se joue donc pas dans le modèle. Il se joue dans le modèle opérationnel.

AI transformation must be linked to strategy, built into redesigned processes, and adopted at scale.

Christoph Schweizer, PDG de BCG, 2026

Gartner · la fin du PPM, le début du SPM

Le signal le plus net vient de Gartner. La catégorie historique du « Project & Portfolio Management » a été officiellement rebaptisée « Strategic Portfolio Management » (SPM), transition que formalisent le Magic Quadrant 2025 et l'infographie 2026. Le PMO d'hier, qui veillait à livrer dans les temps, cède la place au portefeuille stratégique et à une autre question : fait-on les bons paris ? Ce n'est plus la même fonction que décrit Gartner.

Le marché épouse le mouvement. Planview, ServiceNow, Planisware et six autres éditeurs sont désormais jugés sur leur capacité à réunir dans une seule plateforme des portefeuilles interdépendants, la modélisation de la stratégie et l'exécution opérationnelle.

Le leadership · data, analytics et IA sous une seule autorité

Côté ressources humaines, le mouvement est tout aussi net. La fonction de Chief Data, Analytics and AI Officer (CDAIO) absorbe peu à peu des rôles jusque-là dispersés : Chief Data Officer, CTO data, responsable de l'IA. La logique est simple : on ne gouverne pas la donnée sans gouverner l'IA qui s'en nourrit, ni l'IA sans gouverner les produits qui l'incorporent. Tout se consolide par le haut, et les observateurs RH le constatent.

Synthèse

Pris un à un, ces signaux ressembleraient à des recommandations de maisons rivales. Mis bout à bout, ils dessinent un seul et même modèle opérationnel.

• Une gouvernance intégrée (McKinsey) qui couvre business model, opérations, talents, data et IA.
• Un effort centré sur les personnes et les processus (BCG, 70 % de l'effort), et non sur l'algorithme.
• Un portefeuille stratégique unifié (Gartner SPM) qui se substitue aux PPMs en silos.
• Un leadership consolidé (CDAIO) qui couvre data, analytics et IA, et qui doit articuler ce périmètre avec le produit et l'IT.

Voilà pour le terrain. Reste à comprendre pourquoi le moment est venu, ce que l'on observe sur place, ce qui manque et ce qui fonctionne : c'est tout l'objet des parties qui suivent.

L'attentisme coûte désormais cher

Trois forces rendent aujourd'hui l'attentisme coûteux : la réglementation européenne, l'écart persistant entre adoption et valeur, la bascule vers les agents. Aucune n'est neuve. Ce qui l'est, c'est qu'elles convergent soudain sur le même calendrier.

Le calendrier réglementaire · l'échéance a glissé de seize mois

La réglementation est la première de ces forces, et la plus concrète : elle met une date sur le manque que décrit ce document. Le règlement européen sur l'IA (EU AI Act, 2024/1689) entre en vigueur par paliers. Le palier qui devait peser sur la plupart des entreprises était fixé au 2 août 2026 : à cette date, les systèmes à haut risque se voyaient soumis à une série d'obligations contraignantes, de l'enregistrement au registre européen à l'évaluation de conformité, en passant par la gestion des risques, la gouvernance des données, la journalisation, la supervision humaine et la transparence.

Cette échéance a bougé. En novembre 2025, la Commission dépose le Digital Omnibus on AI pour amender le règlement ; après l'échec d'un premier trilogue le 28 avril, un accord politique est trouvé début mai 2026, que le Conseil confirme le 13. Le nouveau calendrier est sans ambiguïté : les systèmes à haut risque autonomes (Annexe III) basculent au 2 décembre 2027, ceux qui sont embarqués dans des produits régulés (Annexe I) au 2 août 2028. Soit seize mois de décalage sur le palier principal.

Deux précisions s'imposent. D'abord, à l'heure où nous écrivons (juin 2026), cet accord demeure en cours d'adoption formelle : tant qu'il n'est pas publié au Journal officiel, c'est le texte initial qui fait foi, et donc le 2 août 2026. Les équipes conformité planifient pour la plupart sur décembre 2027, mais la bascule juridique n'est pas encore actée. Ensuite, tout n'est pas reporté : certaines obligations de transparence pesant sur les déployeurs restent dues au 2 août 2026, tandis que le marquage des contenus générés est repoussé à décembre 2026.

Le motif du report éclaire tout le reste. L'Union ne recule pas sur le fond ; elle constate simplement que la mise en œuvre n'est pas prête : des standards inachevés, des autorités nationales pas toutes désignées, des entreprises en retard. Aucune obligation n'a été allégée. Seule la date a glissé, et si elle a glissé, c'est que l'écosystème n'a pas produit à temps la couche opérationnelle que ces obligations supposent. C'est ce manque qu'examine ce document.

Les amendes, en revanche, n'ont pas varié, et restent calibrées pour que le sujet remonte jusqu'au comex : jusqu'à 35 M€ ou 7 % du chiffre d'affaires mondial pour les pratiques interdites, jusqu'à 15 M€ ou 3 % pour le non-respect des obligations attachées aux systèmes à haut risque.

Ce que cela change concrètement. Seize mois de plus ne changent rien à la nature du travail. Un AI Office documenté en PowerPoint ne tiendra pas devant le régulateur, le client interne ou le comité d'audit. Tous réclameront des preuves : une validation tracée pour chaque cas d'usage à haut risque, une supervision documentée en production, une évaluation de conformité consultable à tout moment. C'est un travail de portefeuille, et les seize mois gagnés ne profiteront qu'à ceux qui les y consacrent.

L'IA est partout, sa valeur beaucoup moins

Le constat est désormais bien documenté : la majorité des investissements dans l'IA n'a pas tenu ses promesses de valeur. Trois études récentes le chiffrent.

• RAND (2025) : plus de 80 % des projets IA échouent à livrer la valeur métier attendue, soit deux fois le taux d'échec des projets informatiques classiques. Le rapport identifie cinq causes racines, au premier rang desquelles le défaut d'alignement entre les objectifs métier et les capacités réelles de l'IA.
• McKinsey Global AI Survey (2026) : 88 % des organisations utilisent l'IA dans au moins une fonction. 39 % rapportent un impact EBIT mesurable. L'écart de 49 points constitue le signal principal.
• MIT (2025) : 95 % des pilotes GenAI n'atteignent jamais la production.

Ce que disent ces chiffres tient en une idée : l'IA fonctionne, mais l'organisation qui l'entoure ne suit pas le rythme. Ce que McKinsey et BCG rangent sous l'étiquette « people and processes » désigne précisément ce qui fait défaut entre le pilote et la production.

Avec les agents, le saut devient organisationnel

Jusqu'en 2024, l'IA en entreprise demeurait pour l'essentiel prédictive, avec ses modèles, et générative, avec ses assistants. En 2025 et 2026, le centre de gravité se déplace vers l'agentique : des systèmes qui décident, déclenchent des actions et opèrent en boucle.

McKinsey en fait le titre de son rapport, The Agentic Organization ; BCG y voit l'inflexion structurante de la décennie. Le saut est moins technologique qu'organisationnel. Qui supervise un agent qui décide ? Qui en porte la responsabilité ? Qui en mesure la valeur ?

Toutes ces questions relèvent du modèle opérationnel. Aucune ne se tranche au niveau de l'algorithme.

Les mêmes blocages depuis dix ans

Sur le terrain, les équipes qui peinent à tirer de la valeur de l'IA, côté produit, IT ou data, présentent presque toujours les trois mêmes symptômes. Aucun n'est nouveau : la littérature produit les décrit depuis dix ans. Tous dominent pourtant en 2026, faute d'une transformation qui les ait vraiment déracinés.

Symptôme 1 · le test des trois PMs

Le test est d'une simplicité voulue : réunir, la même semaine et sans préparation, trois product managers d'une même organisation, puis demander à chacun sur quoi l'entreprise parie ce trimestre et comparer les réponses.

Si elles divergent, il n'y a pas de stratégie. Il y a trois interprétations privées. Une stratégie qu'aucune équipe ne sait réciter n'en est plus une : ce n'est qu'un fichier.

Most product orgs have a sophisticated execution layer and an undefended strategic call. That gap is the work now.

Fygurs

Le test en une phrase. Si l'on remplaçait les trois PM demain, le nouveau trio tiendrait-il le même discours ? Si la réponse est non, la stratégie réside dans la tête des partants, et non dans le système.

Symptôme 2 · la feature factory

Le terme est de Marty Cagan, présent dès Inspired (2017), puis Empowered (2020) et Transformed (2024). Une feature factory mesure sa réussite au nombre de story points livrés, jamais à des indicateurs métier qui évoluent.

Le schéma se reconnaît au premier coup d'œil : la roadmap s'empile au fil des demandes, personne ne formule d'hypothèse qu'on pourrait invalider, et l'expérimentation reste l'exception. On compte ce que l'on livre, jamais ce que cela change.

It's not about the number of features you build, but about the value those features deliver.

Marty Cagan, Silicon Valley Product Group

Côté IA, la feature factory prend un tour particulier : un pipeline de cas d'usage qui s'empilent, « on en a quarante-sept dans le backlog », sans hiérarchie claire entre ce qui change la donne pour le métier et ce qui relève de la curiosité technique.

Symptôme 3 · la prédominance d'Excel

Dans la grande majorité des organisations que nous accompagnons, il existe un fichier Excel, tenu par le PMO, le CDAIO ou un consultant. C'est lui, la véritable source de vérité du portefeuille, et chacun le sait : le comex s'y réfère, les revues mensuelles le projettent.

Sauf que ce fichier n'a aucune des propriétés d'un système : pas d'auditabilité, pas d'historique fiable, et une collaboration qui se résume à un envoi par mail. C'est une œuvre personnelle, qui s'effondre le jour où son auteur quitte l'entreprise.

L'Excel qui fait foi n'est pas un échec en soi : c'est un pansement, qui comble le vide laissé par l'absence d'un système logiciel dédié. Le retirer trop tôt installe le chaos ; le pérenniser entérine un goulot d'étranglement humain. La bonne voie consiste à lui substituer une plateforme qui couvre les mêmes usages tout en apportant ce qui manque : l'auditabilité, la collaboration, l'historique.

Les trois symptômes se renforcent l'un l'autre

Pris isolément, chaque symptôme reste soignable. Pris ensemble, ils s'alimentent : faute de stratégie réelle, le produit livre en feature factory, et la seule vue d'ensemble disponible vit dans un Excel. C'est ce nœud qu'un operating system de portefeuille doit défaire, en exposant d'abord le diagnostic, puis en outillant un autre mode de travail.

Tous les cadres de gouvernance IA oublient la même couche

La plupart des grandes entreprises françaises ont déjà déployé, ou déploient en 2026, un cadre de gouvernance de l'IA. Les schémas circulent, produits par les directions internes, les maisons de conseil ou les éditeurs. La forme varie de l'un à l'autre ; la structure, elle, converge.

Nous l'avons redessinée (Figure 4), moins pour la reproduire que pour séparer ce qui fonctionne de ce qui manque.

La structure typique

Au sommet, une gouvernance IA s'articule en trois briques : le cadre de gouvernance (principes, politiques, risques, éthique), le modèle opérationnel (comités, articulation avec l'IT et les risques) et l'AI Office, qui assure le pilotage, la design authority et les relais métiers.

Au centre se trouve l'AI Factory, organisée en six phases : découvrir, concevoir, développer, valider, déployer, exploiter. Un risk playbook traverse l'ensemble du cycle, sur un socle commun (données, outils, infrastructure).

En bas figurent cinq à six axes stratégiques : alignement, maîtrise des risques, industrialisation, collaboration, mesure de la valeur, apprentissage continu.

Ce que ce schéma type réussit

Trois acquis méritent d'être portés à son crédit.

• La gouvernance comme couche distincte. Sans cela, la conformité EU AI Act ne tient pas.
• Le cycle de vie structuré en phases. C'est le seul moyen connu d'industrialiser au-delà du pilote.
• L'AI Office érigé en rôle à part entière, et non en simple cellule virtuelle. Cela change tout pour la cohérence transverse.

Beaucoup d'entreprises ne réunissent pas encore ces trois acquis ; les avoir constitue déjà une avancée réelle.

Ce que ce schéma type oublie

Trois absences ressortent, par ordre de gravité.

Le pont vers les équipes produit. Ce schéma traite l'IA comme un atelier à part. Or les produits modernes mêlent IA et hors-IA. Un cas d'usage ne vaut que s'il aboutit dans un produit, porté par une équipe et jugé sur les résultats obtenus. Le pont entre l'AI Office et les PM n'est presque jamais tracé ; il se construit alors au cas par cas, au gré des bonnes volontés.

Ce qui définit un bet. Ce schéma parle de cas d'usage, sans jamais dire ce qui sépare un bon bet du bruit : aucun critère de falsifiabilité, aucun test des trois PM, aucun cadrage des résultats attendus. Le risk playbook est fourni ; le value playbook, lui, manque à l'appel.

La watchtower en PowerPoint. La watchtower figure bien comme couche d'observabilité et de pilotage de la valeur, mais elle vit le plus souvent en diapositive, pas en code. Un mardi matin à neuf heures, personne ne sait où en sont les quarante-sept cas d'usage du portefeuille, lesquels sont à risque, lesquels créent de la valeur, lesquels dérivent. La carte se tait, parce qu'elle n'existe qu'en diapositive.

Le bon usage de ce schéma type

Ce schéma type n'est pas faux ; il est incomplet. La couche gouvernance est solide, la couche industrialisation reste approximative, et la couche opérationnelle, là où se joue l'essentiel du travail, est purement et simplement oubliée. C'est elle que décrit la suite de ce document.

Produit et IA dans une même architecture

La voici. L'architecture repose sur quatre couches d'objets, trois conteneurs et une source de vérité unique. Tout le travail décrit dans le cadre de gouvernance précédent s'orchestre à travers ces objets. Aucun n'est inventé ici : chacun puise dans la littérature produit ou IA. Leur articulation, en revanche, nous appartient.

Les quatre couches

Cette architecture prolonge un strategy stack que nous avons proposé précédemment. Les trois couches d'origine, « the bet, the structure, what we ship », deviennent quatre, afin de distinguer explicitement l'initiative de l'expérimentation.

Les quatre couches se lisent de haut en bas, du stratégique à l'opérationnel.

• BET (« pari »). Affirmation stratégique falsifiable, mesurable, datée. Un bet désigne ce que l'on croit assez fort pour y engager des moyens, et que l'on accepte de voir invalidé. Sans bet, il n'y a pas de stratégie. Il y a un budget.
• OPPORTUNITÉ. Besoin client, problème ou levier métier qui contribue au bet. La notion vient de l'Opportunity Solution Tree de Teresa Torres (Continuous Discovery Habits, 2021).
• INITIATIVE. Solution explorée pour répondre à une ou plusieurs opportunités. C'est l'objet que les PM et les équipes de développement portent au quotidien.
• EXPÉRIMENTATION. Test concret d'une hypothèse de l'initiative. L'expérimentation peut réussir, échouer ou rester ambiguë. C'est le seul niveau où l'invalidation est explicitement acceptée.

Les trois conteneurs

Au-dessus des couches, trois conteneurs hiérarchiques fournissent le contexte organisationnel.

• Workspace. L'organisation entière. Un seul workspace par entreprise.
• Portefeuille. Un regroupement cohérent par BU, marché ou mission.
• Produit. Une équipe et un périmètre. C'est ici que se logent les bets.

Les bets vivent au niveau du produit. Pas au portefeuille, trop large ; pas à l'initiative, trop étroite. Cette règle, simple à énoncer, lève bien des ambiguïtés dans les organisations que nous observons.

Pourquoi cette architecture tient face à l'IA

Le cas d'usage IA évoqué en Partie 4 n'introduit aucun objet nouveau dans cette architecture : c'est une initiative. Il aboutit dans un produit, sert un bet, répond à une opportunité et se valide par des expérimentations.

Cette homogénéité emporte deux conséquences pratiques.

• Les équipes produit et les équipes data ou IA travaillent dans le même langage. Plus aucune traduction d'un système à l'autre.
• Le portefeuille total (initiatives produit et cas d'usage IA) devient visible dans une seule vue. Le comex arbitre sur la même grille pour tout.

Une vérité, trois rôles

La Partie 5 a posé la structure. Reste une question : qui regarde quoi, et avec quelle préoccupation en tête ? Notre réponse tient en une formule : une source de vérité unique, trois prismes. Ces prismes ne traduisent pas la donnée, ils éclairent les mêmes objets sous trois angles.

Les trois rôles

Trois personnages portent trois questions opérationnelles différentes.

• Le Product Manager (« Eva ») dirige une équipe produit. Sa question quotidienne : « qu'apprend-on cette semaine ? ». Son prisme montre l'Opportunity Solution Tree, les expérimentations en cours, les résultats par opportunité, le calendrier d'expérimentation.
• Le responsable du PMO (« Pierre ») orchestre le portefeuille. Sa question : « tient-on la trajectoire promise ? ». Son prisme montre les initiatives par phase, les dépendances, la capacité, les jalons, l'écart entre trajectoire et engagement.
• Le CDAIO (« Sarah ») chapeaute la stratégie data et IA. Sa question : « lesquels créent de la valeur, lesquels divergent ? ». Son prisme montre la watchtower IA : cas d'usage par phase, qualité des données, drift, conformité EU AI Act, valeur captée.

Pourquoi trois prismes plutôt qu'une vue universelle

L'idée d'une vue universelle séduit, mais elle échoue à chaque tentative. Le PM la juge trop large, le PMO trop superficielle, le CDAIO trop centrée sur le produit. C'est le prisme qui fait le travail : sans lui, la donnée reste juste, mais inexploitable.

Prenons un même bet. Côté PM, ce sont les hypothèses à tester qui ressortent ; côté PMO, les ressources à mobiliser ; côté CDAIO, le risque du modèle et la valeur captée.

La règle d'or · aucune donnée saisie deux fois

Si une équipe doit ressaisir la même information pour alimenter un autre prisme, l'architecture a échoué. La saisie est unique, le prisme calcule. C'est cette règle d'apparence anodine, la garantie d'unicité, qui vient à bout de l'Excel qui fait foi, bien mieux que n'importe quelle fonctionnalité.

Une watchtower en production, pas en diapositive

La watchtower est la promesse la plus ambitieuse du schéma type de gouvernance IA, et c'est aussi celle qui reste le plus souvent à l'état de diapositive. Cette partie décrit à quoi ressemble une watchtower qui fonctionne vraiment : un système en marche, pas une métaphore.

Quatre couches d'observabilité

Une watchtower IA opérationnelle couvre quatre couches, de la plus immédiate à la plus stratégique.

• 1. Cycle de vie. Où en est chaque cas d'usage dans les six phases ? Combien sont bloqués ? Depuis combien de temps ? C'est la première couche que les comités exécutifs demandent à voir.
• 2. Conformité. Quels cas d'usage entrent dans la catégorie « haut risque » au sens EU AI Act ? L'évaluation de conformité est-elle à jour ? La supervision humaine est-elle documentée ? C'est la couche qui protège l'entreprise à l'échéance haut risque (décembre 2027 dans le calendrier révisé), et dès maintenant pour les obligations de transparence déjà applicables.
• 3. Qualité technique. Qualité des données d'entrée, drift du modèle, dérive de performance, alertes opérationnelles. C'est la couche que les équipes data et MLOps (l'ingénierie de mise en production des modèles) connaissent bien (MLflow, Evidently, Weights & Biases).
• 4. Valeur. Quelle valeur métier chaque cas d'usage capte-t-il par rapport au bet qu'il soutient ? C'est la couche la plus difficile, parce qu'elle oblige à relier une métrique métier à un cas d'usage technique. Et c'est précisément la couche qui justifie l'investissement.

Ce qui distingue une vraie watchtower d'une diapositive

Trois critères opérationnels la distinguent.

Accessibilité temps réel. Le comex, le CDAIO ou un auditeur ouvre l'écran à tout moment et lit l'état du portefeuille, sans export, sans diapositive à reconstruire, sans attente. Si restituer cet état réclame une journée de PMO, ce n'est pas une watchtower.

Granularité actionnable. Cliquer sur un cas d'usage ouvre son cycle de vie, ses dépendances, ses risques ouverts, son responsable et sa valeur captée. Un objet vivant qui répond aux questions, et non une diapositive figée.

Alertes contextuelles. Le système signale de lui-même tout cas d'usage qui dérape : phase bloquée trop longtemps, drift du modèle, conformité expirée, valeur captée en recul. L'alerte parvient au bon responsable, avec le bon contexte. Personne n'a plus à courir après l'information.

Watchtower et MLOps · deux fonctions distinctes

La confusion est fréquente, alors que les deux sont complémentaires. Le MLOps couvre la qualité technique, la couche 3 ci-dessus : nécessaire, mais insuffisant pour ce que nous décrivons. La watchtower, elle, agrège les quatre couches et, surtout, les raccroche aux bets. Elle fait le pont entre la qualité technique, côté MLOps, et la stratégie, côté bet.

Sans ce pont, l'observabilité reste cantonnée aux équipes data, invisible au comex comme au régulateur.

On ne refond pas un modèle opérationnel en un trimestre

Qu'il s'agisse des transformations produit décrites par Cagan ou des transformations IA décrites par BCG, l'expérience converge vers une trajectoire en trois temps. Voici ce qu'on observe quand elle aboutit.

Mois 1 à 3 · le bet pilote

Choisir un bet, une équipe, un produit. Un seul, pas trois ni dix. De préférence un domaine où l'IA pèse réellement, sans quoi le test des trois prismes ne joue pas pleinement.

Déployer l'architecture complète sur ce périmètre restreint : le bet, les opportunités, les initiatives et les expérimentations, dans les trois prismes. L'objectif est simple : prouver que le système répond aux trois questions d'Eva, Pierre et Sarah, sans qu'un Excel parallèle subsiste.

Critères de succès phase 1. L'équipe cesse de maintenir l'Excel parallèle sur le bet pilote. Le PMO restitue l'état au comex en moins de dix minutes, sans préparation. Le CDAIO prouve la conformité du cas d'usage au sens EU AI Act.

Mois 4 à 6 · le portefeuille

Étendre la démarche à tous les bets d'un même portefeuille. C'est la deuxième vague d'effort organisationnel : homogénéiser le vocabulaire, fusionner les Excel parallèles, refondre les rituels, comex mensuel et revue de portefeuille trimestrielle. C'est la phase la plus délicate, celle où les habitudes anciennes résistent le plus.

Critères de succès phase 2. L'ensemble des bets du portefeuille est saisi dans le système. Le comex accepte la watchtower comme source officielle. Les revues mensuelles se font dans l'outil, et non sur des diapositives reconstruites.

Mois 7 à 12 · le modèle opérationnel entier

Étendre enfin la démarche à tous les portefeuilles. C'est le moment où les économies d'échelle se matérialisent : comparaisons inter-portefeuilles, arbitrages du comex sur des grilles homogènes, watchtower IA consolidée, conformité EU AI Act systématique.

C'est aussi le moment où la culture bascule : les nouveaux arrivants adoptent ce vocabulaire d'emblée, et non plus comme une couche surajoutée.

Critères de succès phase 3. Un nouveau PM ou un nouveau CDAIO peut prendre ses fonctions et comprendre l'état du portefeuille en une journée, et non en trois mois. Le test des trois PMs (Partie 3) donne la même réponse pour chaque trio.

Ce qui fait échouer la transition

Trois pièges reviennent.

• Vouloir tout transformer d'un coup. Le bet pilote n'est pas un compromis. C'est une condition. Sans lui, la phase 2 démarre dans le doute et perd l'élan.
• Confondre outil et modèle opérationnel. Le logiciel ne transforme pas une organisation. Il accélère une transformation déjà décidée. Installer le système sans modifier les rituels revient à ajouter un Excel de plus.
• Laisser l'AI Office isolé. Si l'AI Office n'est pas relié aux équipes produit dès la phase 1, la phase 3 découvrira un fossé coûteux à combler.

Ce que nous construisons

Tout ce document décrit une catégorie de logiciel qui n'a pas encore de nom stable. Nous l'appelons un operating system de portefeuille. Ni un PPM de plus, ni une couche de gouvernance IA posée à côté du produit. C'est une source de vérité unique sur les bets, les opportunités, les initiatives et les expérimentations, lue à travers les trois prismes du PM, du PMO et du CDAIO, et adossée à une watchtower qui rattache la valeur aux bets. Le tout sert un modèle opérationnel intégré et piloté par la valeur.

C'est ce que nous construisons chez Fygurs. Ce document n'en fait pas la démonstration, là n'est pas son objet : il pose le terrain et l'architecture de référence, que chacun reste libre de reprendre. Confronter son propre modèle opérationnel à ce cadre, repérer où il tient et où il lui manque un système, voilà le genre de conversation que nous avons avec les équipes produit, PMO et data. saad@fygurs.com

Sources

Chaque affirmation chiffrée ou structurelle de ce document est traçable à l'une des sources suivantes. Les liens directs vers les publications originales sont indiqués lorsque celles-ci sont disponibles publiquement.