Expert en IA et ancien chef de produit explore en profondeur l’utilisation des workflows agentiques dans la gestion de projet
Nate Jones est un ancien chef de produit qui crée désormais ses propres produits — tout en éduquant le grand public sur la façon d’exploiter les systèmes agentiques à leur avantage. C’est la personne idéale à consulter si vous voulez comprendre les moindres détails de l’utilisation des pipelines agentiques pour la livraison de projets. C’est exactement pour cela que nous avons pris le temps de discuter avec lui.
Nate Jones
Head of Product at Rockerbox
Les workflows agentiques redéfinissent la gestion de projet: Les agents IA peuvent désormais prendre en charge le triage, la planification et la documentation à grande échelle. Lorsqu'ils sont associés à des règles métier claires, ils augmentent considérablement la rapidité et la cohérence des projets.
Le nouveau chef de projet est un gestionnaire d'agents: Les chefs de produit et de projet doivent passer de la création d'artéfacts à la validation des résultats générés par les agents. Leur travail se concentre aujourd'hui sur la supervision, le contrôle qualité et l'orientation des systèmes d’IA pour apprendre et s'améliorer.
Adopter l’IA implique une profonde transformation opérationnelle: Passer à des workflows pilotés par l’IA n’est pas simplement du plug-and-play. Cela exige de nouvelles habitudes, une gestion de contexte irréprochable et une documentation claire afin que les humains puissent se concentrer sur les 2% de tâches stratégiques qui pilotent les 98% exécutés par l’IA.
Voici ce qu'il nous a dit.
Faites la connaissance du « M. Rogers de l’IA » et de son obsession pour l’IA
Je suis Nate — connu sur internet comme le gars avec le bonnet qui parle beaucoup d’IA. Récemment, quelqu’un m’a surnommé « Le M. Rogers de l’IA » et j’ai trouvé ça plutôt sympa. J’ai fait mes débuts en gestion de produit, donc je connais bien les défis liés à la livraison, et je travaille avec des entreprises qui développent des systèmes d’IA agentique.
À mon avis, la chose la plus importante que vous puissiez faire en ce moment, c’est d’apprendre l’IA. C’est pour ça que je l’enseigne.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
J’en suis obsédé. Et les personnes que je connais qui partagent cette obsession sont celles qui réussissent le mieux dans leur carrière. Il faut considérer la vélocité de la maîtrise — la rapidité avec laquelle vous améliorez votre capacité à utiliser les outils d’IA — comme un indicateur clé d’évolution de carrière.
Comment multiplier par 10 votre efficacité et la rapidité de livraison avec l’IA en 24 mois
L’IA a tout changé ! Mon rôle a radicalement évolué. Désormais, je commence systématiquement par l’IA.
En fait, je dirais que j’ai multiplié par 10 l’ampleur et la rapidité de mes livraisons tout en augmentant la qualité en l’espace de 24 mois. Voici comment vous pouvez faire pareil :
- Changez votre état d’esprit : privilégiez toujours les LLMs. C’est la seule façon d’apprendre.
- Attendez-vous à des livrables, pas seulement à des conseils : l’IA est un outil puissant qui peut produire des livrables complets, surtout en gestion de projet. Il suffit de la pousser à livrer. Exigez une grande qualité. Dites-lui franchement si ses résultats sont insuffisants. Puis, remettez-vous en question car, presque toujours, le problème vient d’une mauvaise communication de votre intention et le LLM interprète un prompt ambigu avec des résultats peu pertinents.
- Utilisez la construction de prompts assistée par LLM : Les LLMs peuvent vous aider à formuler vos prompts, ce qui fait gagner un temps considérable.
- Apprenez l’utilisation optimale des LLMs : Apprenez à diviser les entrées et à rédiger des prompts très clairs. Et attachez une grande importance aux entrées, aux données et au contexte soigné que vous fournissez au modèle.
Comment automatiser le triage des tickets et la décomposition des tâches avec les systèmes agentiques
Mettre en place le triage et la décomposition des tickets à grande échelle grâce à des systèmes agentiques a été crucial. En particulier pour obtenir des architectures de planification déclaratives, structurées et des flux d’agents clairement typés.
Voici un workflow agentique de triage des tickets de bout en bout :
- Un appel client est transcrit via Granola (application de prise de notes). La transcription entre alors dans une chaîne agentique.
- Le premier agent utilise "GPT-5 Thinking" pour analyser la transcription et identifier la voix du client. Il en ressort des demandes claires.
- Ce résultat est transmis à l’agent suivant qui appelle Notion (logiciel de gestion de projet) via MCP, consigne les informations du client et ses demandes, et joint la transcription complète à titre de référence.
- L’agent suivant invoque un LLM d’analyse, dans mon cas Gemini 2.5 Pro, pour parcourir toute la base Notion avec un prompt personnalisé. Il revient avec une vue pondérée des priorités des demandes parmi toutes les requêtes connues.
- Puis, un autre agent utilise un LLM léger (comme GPT Turbo) pour interroger Linear via MCP. Il compare ces priorités aux tickets existants, identifie les chevauchements et met en avant les manques éventuels.
- S’il y a des lacunes, le workflow recommence avec GPT-5 Thinking et un prompt pour générer des problèmes produit et des exigences de solutions.
- Ensuite, un agent appelle ChatPRD via MCP pour rédiger un document de spécifications produit (PRD).
- Après cela, GPT-5 Non-thinking prend le relais pour décomposer le PRD en tickets individuels — c’est une étape très linéaire — puis il les renvoie à Linear via MCP.
- Enfin, si vous voulez aller plus loin, un autre agent peut extraire la liste des développeurs humains et agentiques (comme Devin AI) et commencer à attribuer automatiquement les tâches dans Slack.
La construction du triage et de la décomposition des tickets à grande échelle à l’aide de systèmes agentiques a été très importante. Notamment pour obtenir des architectures de planification propres, typées et déclaratives, ainsi que des flux d’agents structurés.
Ce que sont les pipelines agentiques et comment les construire pour une livraison évolutive
Les pipelines agentiques constituent à eux seuls une journée complète de formation, mais voici l'essentiel : vous donnez à un LLM les outils, l’orientation et le champ d’application pour résoudre un problème à votre place. Construits via API, votre objectif est de faire remonter les données pertinentes — par exemple, via le serveur MCP d’Atlassian ou un système similaire — puis d’associer les tickets entrants à l’invite appropriée afin d’initier une action autonome.
C’est ici que le prompting déclaratif et structuré prend toute son importance. Je trouve qu’il est efficace de moins s’appuyer sur le langage de l’invite, et d’intégrer davantage la structure à même le flux de travail. Cela permet une mise à l’échelle sur différents types de tickets. Atteindre une intelligence déterministe — où les résultats sont cohérents et prévisibles — en forçant la clarté et les règles métier dans les process permet de gérer des milliers de tickets.
Regardez simplement le flux agentique que j’ai décrit plus haut. Il ne s’agit pas d’exceller dans la rédaction des invites. Il y en a une ou deux, mais l’essentiel du processus repose sur des règles métier, des données renvoyées, et des tâches de raisonnement soigneusement structurées en petits morceaux. Les invites volumineuses pour modèles de réflexion sont moins fiables qu’une série de tâches séquentielles pour des modèles simples. Mais il est important de noter qu’il faut intégrer des mécanismes de vérification quand on utilise des modèles « simples ».
Pourquoi l’adoption de l’IA dans les workflows de livraison exige une véritable gestion du changement
Globalement, j’ai été surpris par l’ampleur du travail nécessaire pour adopter l’IA dans les workflows ! C’est un énorme effort de gestion du changement — probablement le plus grand jamais vu dans la tech. Il faut totalement réorienter votre flux de travail autour d’un principe : l’humain n’apporte que 2% de l’attention, tandis que le LLM fournit 98%.
C’est tout le processus de travail qui doit être reconstruit.
À quoi ressemble ce monde ? Quelles sont les 2% d’attention à consacrer du côté humain pour obtenir un véritable effet de levier ? Comment augmenter concrètement par 10 la portée avec l’attention supplémentaire du LLM ? Comment repenser les modèles de documents, les attentes de contexte, la documentation et les processus ?
Pensez-y comme ceci : votre rôle produit n’est plus d’écrire des livrables. Il consiste à :
- Réfléchir à la direction future
- Valider les systèmes agentiques qui commencent à écouter, rédiger les PRD pour vous et les transmettre au développement.
- Et intervenir activement et concrètement quand vous voyez de meilleures solutions.
Créez donc des systèmes qui vous permettent de revoir le flux d’idées que l’IA commence à générer.
De la même manière, dans les projets, le fait de maintenir le train sur les rails ne dépend plus des livrables ou des réunions. Ce ne sont pas non plus des mises à jour de parties prenantes. C’est analyser le flux automatisé décrit précédemment et se dire : « Non, je pense qu’il y a une estimation de base ici qui est incorrecte », puis intervenir et mettre la main à la pâte pour assurer la justesse — tout en s’assurant que le système tire également des leçons de cette intervention.
Vous êtes désormais le manager d’agents.
Dans les coulisses de la stack technologique IA de Nate Jones pour concevoir et gérer des projets
Voici un aperçu de ma stack pour vous inspirer :
- Linear est un excellent choix pour la gestion de projet — conçu pour l’IA
- Les fonctionnalités d’IA de Superhuman (logiciel de productivité) pour la recherche, la rédaction et la gestion de calendrier simplifient la correspondance
- Granola pour les transcriptions de réunions
- Perplexity pour la recherche
- ChatGPT Deep Research pour un premier aperçu de sujets complexes
- GPT-5 Pro pour une réflexion et une résolution de problèmes très complexes
- Codex pour la résolution guidée de problèmes de code
- Claude pour s’attaquer à l’édition et à la rédaction
- Claude Code comme agent polyvalent avec accès aux fichiers locaux
- Claude sur mobile en tant qu’assistant personnel
- Riverside pour l’enregistrement assisté par l’IA
- Comet Browser pour naviguer intelligemment sur le web grâce à l’IA
Et je dirais ceci : Les gens sous-estiment l’utilisation d’outils avec Claude. Il peut créer des fichiers Excel et PowerPoint à partir de zéro. Et vous pouvez utiliser Claude Code pour bien plus que du code. J’ai d’ailleurs écrit tout un article sur le sujet.
Pourquoi l’IA met fin aux réunions et permet une collaboration entièrement asynchrone
Il est désormais beaucoup plus facile de travailler en asynchrone, grâce à l’IA. J’ai déjà créé des produits entiers sans une seule réunion avec mes co-concepteurs. Il vous suffit d’avoir d’excellents systèmes de documentation et de gérer les décisions sur Slack.
L’IA rend cela possible avec la documentation automatisée par IA, le codage assisté par IA, et bien plus.
Mais avant tout, il s’agit d’un changement de mentalité.
Pourquoi la gestion de projet traditionnelle disparaît à l’ère de l’IA
Le bon goût ne disparaît pas. Ni la responsabilité. Ni la gestion des parties prenantes et des relations. Ni les tâches indéterminées avec un contexte ambigu. Pour tout cela, il faut des humains.
Mais la gestion de projet, en tant que discipline consistant à orchestrer des équipes et à faire avancer des projets, va disparaître. Toutes les tâches répétitives d’organisation vont être prises en charge par l’IA.
Alors mon conseil, c’est de vous enthousiasmer pour les aspects ambigus et humains du métier. Et de vous lancer à fond dans la création et la gestion de systèmes d’agents IA — vous pouvez commencer avec OpenAI agent builder et n8n.
Mon conseil, c’est de vous enthousiasmer pour les aspects ambigus et humains du métier. Et de vous lancer à fond dans la création et la gestion de systèmes d’agents IA — vous pouvez commencer avec OpenAI agent builder et n8n.
Suivez l’aventure
Vous pouvez suivre et apprendre de Nate via sa newsletter et YouTube.
D’autres interviews d’experts à venir sur The Digital Project Manager.
