Un leader de la livraison chez Google explique comment les workflows agentiques transforment les modèles de gestion de produit
Anshumani Ruddra explique comment les workflows agentiques aident les équipes de livraison à construire plus rapidement tout en rendant le jugement humain, la validation et la prise de décision encore plus importants.
Anshumani Ruddra
Responsable produit chez Google
Changement agentique: Les workflows agentiques remplacent les transmissions linéaires par une livraison parallèle et interfonctionnelle ancrée dans un code partagé et une documentation commune.
Jugement humain: L’IA gère la coordination et la rédaction, tandis que les leaders gardent la responsabilité de la qualité, de la créativité, des priorités et de la confiance.
Commencez à auditer: Les équipes devraient auditer chaque semaine les pertes de temps avant de sélectionner des outils, en évitant les adoptions génériques et les solutions tape-à-l’œil mais inefficaces.
Les rituels comptent: Une livraison accélérée par l’IA nécessite toujours une portée claire, un alignement avec les parties prenantes, une validation rigoureuse et des check-lists disciplinées pour maintenir la qualité du produit.
Modèle de leadership: Une adoption réussie de l’IA combine des leaders qui font évoluer leurs workflows avec des équipes qui expérimentent et partagent les améliorations à travers toute l’organisation.
Anshumani Ruddra est un responsable produit chez Google, œuvrant dans la livraison au sein de ses produits de paiement. Il est également formateur et a occupé des postes de direction dans la livraison au niveau C.
Nous avons rencontré Anshumani pour découvrir comment l’IA transforme la livraison dans des entreprises comme Google. Voici ce qu’il nous a confié.
Construire des produits chez Google
Je suis Anshumani Ruddra. J’ai passé plus de 22 ans à concevoir des produits destinés aux consommateurs à l’intersection de la technologie, du récit, de la culture populaire et du comportement humain — j’ai débuté comme auteur de livres pour enfants, puis comme concepteur de jeux sur des succès sociaux mondiaux comme Mafia Wars et Café World, avant de faire passer Hotstar à l’une des plus grandes plateformes de streaming au monde durant les années IPL.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Au cours des cinq dernières années chez Google, j’ai dirigé la gestion produit de l’application GPay, un immense succès en Inde, géré toute l’offre de produits de paiement Google pour l’APAC, et conçu des produits IA destinés au grand public. Actuellement, je dirige un projet de développement de produit IA de bout en bout pour créer un tout nouveau produit.
En parallèle, j’enseigne aux responsables produit et aux cadres comment construire avec l’IA via mon cours Maven, Level Up to Product Super IC. Je cumule deux rôles — opérateur et formateur — et les deux influencent ma façon d’aborder la livraison produit : moins axé sur la coordination et les validations, plus sur le passage de l’insight au prototype fonctionnel sans attendre d’autorisation.
Comment l’IA permet aux humains d’exceller davantage dans ce qu’ils font de mieux
J’essaie de ne pas considérer l’IA comme un simple outil supplémentaire ou plus performant. Ce point de vue enferme dans l’idée qu’il ne s’agit que d’efficacité. L’IA est un multiplicateur — peut-être l’unique du siècle.
Elle me permet de passer beaucoup moins de temps sur les tâches intermédiaires de la livraison : synthèse des réunions, rédaction des PRD, suivis de statut et mises à jour des parties prenantes, et premières recherches. J’ai confié une grande partie de cela à un « OS agentique » personnel, qui fonctionne désormais de façon largement autonome.
Ainsi, je consacre désormais mon temps aux 10 % de tâches complexes et humaines, au lieu des 90 % de coordination qui occupaient mes semaines auparavant. Je me recentre davantage sur l’artisanat. La réflexion, les jugements clés, le prototypage.
Parlons du prototypage, c’est une transformation majeure en soi. Aujourd’hui, je peux valider une vision en bâtissant moi-même un prototype fonctionnel avant d’y affecter quiconque. La barrière à la construction a disparu. Si j’y pense, je peux avoir un premier brouillon opérationnel.
Quand utiliser l’IA et quand l’intervention humaine est requise
Le travail le plus automatisable concerne la synthèse et la couche administrative :
- Transformer l’audio brut d'une réunion en décisions et points d’action
- Générer les premiers jets des PRD et des recherches
- Faire le tri des signaux entrants
- Gérer les mises à jour pour les parties prenantes
On met ceci en place avec des agents personnels qui analysent vos entrées, identifient ce qui nécessite une décision, et rédigent le reste.
L’intelligence client est ici aussi extrêmement sous-exploitée : il existe des outils capables de vous indiquer quelles fonctionnalités développer et d’estimer l’impact ARR, alors que la plupart des équipes agrégeraient encore manuellement les retours de Slack et des tickets support.
Mais l’humain doit toujours définir ce que « bien » signifie. En tant que leader, définir la qualité est votre mission, c’est pourquoi je pense que les évaluations sont si importantes.
L’humain doit aussi juger du goût et du sens produit, des véritables innovations de rupture, ainsi que s’occuper du travail humain de coaching d’équipes, de gestion de la politique interne et des décisions de priorisation difficiles.
L’IA multiplie les tentatives sur la cible ; c’est à l’humain de décider où installer la cible.
Pourquoi les piles technologiques devraient débuter par un audit
Les outils IA sont exactement comme un excellent jeu vidéo — facile à prendre en main, extrêmement difficile à maîtriser. La première expérience, séduisante, donne l’impression que tout est simple, et les gens sont donc surpris lorsque la complexité arrive. Beaucoup abandonnent. La véritable compétence ne réside pas dans la création de prompts mais dans la persévérance et la volonté d’apprendre à son rythme, plus vite qu’on ne le souhaiterait.
Au travail, ma pile est principalement fondée sur les derniers modèles Gemini, avec Antigravity comme centre d’agents. Le gestionnaire d’agents d’Antigravity est sous-estimé. C’est une véritable innovation. En gestion de projet, Google utilise ses propres outils internes, équivalents à Jira et GitHub pour l’extérieur.
Pour mes projets personnels et mes activités d'enseignement, mon stack principal est :
- Claude Code pour le codage. C'est l'élément phare. Je fais tourner plusieurs agents en parallèle. C'est ce qui se rapproche le plus d'un véritable assistant, pas seulement d'un simple autocompléteur.
- Replit pour le prototypage. Son approche « plan d'abord » et ses agents parallèles font la différence.
- NotebookLM et Obsidian pour la recherche et la rédaction.
- Codex et Claude Cowork gèrent de nombreuses tâches planifiées et automatisations, en intégrant l'e-mail, l'agenda, les espaces de stockage cloud et les notes de réunion.
- Granola et Wispr Flow complètent le stack. Je préconise vivement la reconnaissance vocale et l'utilisation de la voix comme moyen d'entrée.
Au cours des 6 à 12 derniers mois, le stack est passé de « utiliser l’IA pour rédiger plus vite » à un véritable système d'exploitation personnel agentique — moins de demandes ponctuelles, et plus d’agents permanents qui prennent en charge les workflows récurrents de bout en bout.
Mon conseil pour bâtir un stack : ne partez pas du logiciel le plus tape-à-l'œil. Analysez comment vous occupez vos semaines, identifiez vos principales pertes de temps, et choisissez l’outil précis qui vous en débarrasse. Les stratégies d’adoption génériques ne fonctionnent pas.
Comment les workflows agentiques fluidifient la livraison de projets
Nous nous sommes délibérément concentrés d’abord sur la base partagée qui rend ces workflows possibles, car tout tient ou s’effondre à ce niveau.
Presque tous nos processus fonctionnent désormais en workflows agentiques, que ce soit pour le design, la gestion de produit ou l’exécution technique. Les workflows agentiques portent la stratégie et la réflexion derrière ce qui doit être construit, la conception des composants, des écrans et des mises en page, et la convergence du code back-end et front-end. Ce n’est pas une expérimentation isolée dans un coin de l’équipe ; c’est ainsi que le travail s’effectue, de bout en bout.
Nous avons choisi de nous concentrer d'abord sur la base partagée qui rend ces workflows possibles, car tout tient ou s'effondre à ce niveau. Concrètement, cela signifie construire une infrastructure commune pour toute l'équipe, définir un ensemble de compétences partagées pour les agents, et un cadre de travail commun pour tous. Le point le plus important est que la documentation soit prête à la fois pour les humains et pour les agents. Si votre documentation ne s’adresse qu’aux humains, vos agents vont dériver, donc nous investissons massivement dans une rédaction adaptée pour les deux publics à la fois.
Concrètement, cela se traduit par des fichiers de connaissances bien identifiés, PRD et documents de conception technique. Nous les tenons généralement en Markdown, très clairs, et nous les écrivons pour qu'ils soient compréhensibles autant par les humains que par les agents. Le plus important : les humains valident toujours tous ces fichiers avant que nous commencions la réalisation. La validation humaine des inputs permet un workflow agentique sain, car les agents ne valent que par la qualité des documents et des compétences sur lesquels on les branche.
Nous maintenons aussi des checklists très précises, et nous veillons à ce que les agents passent par toutes les étapes. Un agent ne marque une étape comme terminée que lorsque sa checklist est réellement satisfaite ; seulement alors, nous passons à la suivante. Cette discipline de documentation claire, de validation humaine, de compétences partagées, et de listes de contrôle étape par étape fait des workflows agentiques un levier fiable, et non un simple gadget.
Le bénéfice est réel une fois les bases en place. Le plus difficile est l’investissement initial dans l’infrastructure commune et la documentation adaptée aux agents. Les équipes qui sautent cette étape obtiennent une démonstration tape-à-l'œil, mais leur système s'effondre dès que la complexité grandit. Celles qui s’investissent vraiment obtiennent en retour une exécution rapide et parallèle sur toute la chaîne du design, du produit et de la technique.
Comment l’IA bouleverse les modèles classiques de gestion de projet
Le modèle « waterfall » traditionnel ne fonctionne tout simplement plus. La gestion classique de projet était rigoureusement linéaire : une étape menait à la suivante, puis à la troisième, avec des passages de relais stricts entre les disciplines. Le produit écrivait le cahier des charges, le design réalisait les maquettes, l’ingénierie développait, puis le design validait la finition — chaque étape attendait la précédente.
Cette chaîne linéaire s’est brisée, et c’est une excellente nouvelle. Les étapes sont désormais interchangeables, et les frontières entre design, ingénierie et produit sont devenues floues. Par exemple, les designers ont déjà intégré le système de design directement dans la base de code — les bons composants, mises en page et tokens de couleur spécifiques. L’équipe technique peut alors réaliser tout un flux fonctionnel, et le design corrige directement tous les détails d’interface dans le code pour assurer la finition. Personne n’attend plus un passage Figma. Le design s’effectue dans le même environnement que le développement.
Le même phénomène de brouillage se produit en amont. L’équipe produit peut rédiger beaucoup plus de PRD en parallèle, ce qui débloque l’ingénierie. Les ingénieurs peuvent produire des documents de conception technique approfondis et détaillés sans que le produit ne bloque chaque étape, car l’IA permet à chaque discipline de réaliser un travail qui nécessitait auparavant un spécialiste.
Les différents membres de l’équipe peuvent désormais accomplir différentes parties du travail. Ainsi, au lieu d’un relais linéaire où le témoin est perdu à chaque passage, une petite équipe très autonome émerge, où chacun peut s’aventurer dans des domaines adjacents pour débloquer l’avancement.
En pratique, cela signifie des systèmes légers plutôt que des processus lourds : moins de réunions de suivi et de portails d’approbation, plus de prototypes en fonctionnement. Les PRD et les documents de conception technique sont générés rapidement et considérés comme des artefacts vivants, au lieu de spécifications figées. Une base de code partagée — dans laquelle le système de design est intégré — sert de source unique de vérité où produit, design et ingénierie se rejoignent.
Résultat : la vélocité — les équipes valident leur vision en construisant, pas en se coordonnant, et livrent un polissage qui nécessitait auparavant plusieurs cycles de passage de relais en une fraction du temps.
Pourquoi l’IA ne peut pas supprimer le besoin de rituels de projet
Tous les rituels habituels existent toujours, et certains deviennent même encore plus importants avec l’IA, et non moins. On suppose souvent à tort que construire plus vite implique moins de discipline. C’est l’inverse qui est vrai.
Définir le périmètre est aussi critique que jamais. Une équipe a toujours besoin d’une définition parfaitement claire de ce qu’elle cherche à construire. Ce qui change, c’est ce qui devient possible dans ce périmètre. Si une équipe construit efficacement avec l’IA, de nombreuses choses auparavant jugées secondaires ou bloquées à jamais dans le backlog peuvent désormais être priorisées et livrées. Vous pouvez donc élaborer un produit plus abouti, plus complet qu’auparavant. L’ambition du périmètre peut grandir, mais la nécessité de le définir précisément demeure.
Les équipes ont toujours besoin d’une parfaite cohésion. Les parties prenantes nécessitent toujours un alignement. Lorsqu’on travaille avec plusieurs équipes, il faut encore aligner délibérément les membres au sein de son équipe et entre les équipes. L’IA n’aligne pas les gens à votre place.
La validation du travail est encore plus importante. Lorsqu’on construit dans une grande entreprise, vos produits atteignent des millions de personnes, pas seulement quelques dizaines ou centaines d’utilisateurs. Les produits doivent toujours être excellents, bien fonctionner et tenir la charge à cette échelle. Le fait que l’IA vous aide à construire plus vite ne baisse pas le niveau d’exigence. Ainsi, la validation reste non négociable.
Ce qui a changé, c’est que le processus n’est plus aussi difficile et lent. Les rituels eux-mêmes — périmètre clair, alignement réel et validation rigoureuse — restent essentiels et leur importance augmente même. Il faut repenser les processus qui freinent traditionnellement l’exécution rapide. L’IA permet d’éliminer la cérémonie et la friction entourant ces rituels, tout en protégeant leur substance.
Pourquoi le jugement deviendra encore plus important dans les organisations axées sur l’IA
À court terme, davantage d’entreprises technologiques adopteront l’IA pour le développement et la livraison de produits de bout en bout. La prédiction la plus audacieuse porte cependant sur sa diffusion future. Elle ne restera pas cantonnée à la technologie. Elle se propagera aux grandes entreprises, puis aux entreprises non technologiques, et finira par toucher les structures traditionnelles.
Une fois que ces gains évolueront d’individus à de petites équipes puis à l’échelle organisationnelle, l’effet dynamo va profondément transformer les équipes et les flux de travail. La façon dont les équipes de livraison sont construites et comment le travail circule au sein de celles-ci sera radicalement différente de celle d’aujourd’hui.
Mais l’importance de la prise de décision de qualité ne disparaîtra pas ; elle deviendra au contraire plus essentielle, car vous prendrez dorénavant des décisions bien plus fréquemment. Lorsque la livraison globale était lente, on ne prenait que quelques décisions clés, peut-être plusieurs semaines ou mois d’intervalle. À présent, vous devez prendre des décisions de qualité plusieurs fois par jour, voire plusieurs fois par heure.
Le développement piloté par l’IA doit être adopté à la fois de haut en bas et de bas en haut.
Par conséquent, la priorité doit se déplacer vers la prise de décision humaine. Chaque domaine d’expertise devra définir un ensemble clair de filtres à appliquer à chaque décision, afin de permettre des choix plus nets et plus rapides. Tout aussi important, ces décisions doivent être documentées pour que les agents puissent les comprendre et s’y référer.
Les équipes gagnantes considèreront le jugement humain de haute qualité et bien documenté comme une ressource rare, car l’IA le rend à la fois plus fréquent et plus précieux.
Pourquoi les responsables de livraison doivent adopter l’IA et encourager l’expérimentation
Le point clé à retenir est que le développement piloté par l’IA doit être adopté à la fois de haut en bas et de bas en haut. L’un ne va pas sans l’autre.
La première moitié, qui vient du haut, requiert l’adhésion de la direction. Si la direction n’adhère pas, n’expérimente pas et n’essaie pas de changer ses propres modes de fonctionnement et systèmes de livraison, il sera très difficile pour l’organisation d’adopter l’IA de façon significative. Vous ne pouvez pas imposer une transformation que vous ne vivez pas vous-même. Les dirigeants qui délèguent l’IA à une task force tout en gardant leur propre mode de fonctionnement inchangé envoient un signal clair qu’il s’agit d’une option facultative, et l’organisation lit parfaitement ce signal. Mon premier conseil à mes pairs responsables de livraison est donc de modifier d’abord vos propres flux de travail, avant de demander à qui que ce soit de changer les siens.
La moitié qui vient de la base est tout aussi importante. Les employés juniors et les équipes doivent avoir la liberté d’expérimenter, de remettre en question les conventions et les processus existants. Ils ont besoin d’espace pour tester des choses, remettre en question la façon dont la livraison a toujours été faite, puis remonter ce qu’ils apprennent à la direction. Si ce canal n’existe pas, si les personnes n’ont pas cette liberté et que leurs découvertes ne remontent jamais, tout s’effondre tout aussi sûrement qu’en cas d’absence d’engagement de la direction.
La chose la plus utile qu’un responsable de livraison puisse faire aujourd’hui est de tenir les deux bouts à la fois. Montrez l’exemple en repensant visiblement vos propres systèmes de livraison, et créez en même temps les conditions pour que vos équipes expérimentent librement et vous fassent remonter les réussites. Il doit y avoir à la fois une dynamique descendante et ascendante.
Si un seul côté s’implique, l’adoption s’enraye. Quand les deux s’engagent, le changement prend racine.
Suivez l’actualité
Vous pouvez suivre le travail d'Anshumani Ruddra sur LinkedIn. Découvrez aussi son blog ainsi que ses cours.
D’autres interviews d’experts à venir sur The Digital Project Manager !
