Objectifs pédagogiques
À l'issue de la formation, vous mobiliserez sept capacités, chacune détaillée en points concrets.
Se situer dans l'écosystème data et IA
- Identifier les différents types de produits data (BI, data platform, ML, GenAI, gouvernance) et leurs spécificités.
- Connaître les rôles de l'écosystème data, leurs interdépendances et leurs points de friction.
- Comprendre pourquoi une large part des initiatives data et IA n'atteignent pas leurs objectifs, et le rôle du PO dans chaque facteur.
Adapter la démarche agile aux produits data
- Comprendre pourquoi Scrum dans sa version standard montre ses limites sur les produits data, et appliquer des alternatives pragmatiques.
- Adapter les cérémonies agiles selon le type de produit data.
Construire et prioriser un backlog data multicouches
- Structurer un backlog data multi-couches : infrastructure, qualité des données, fonctionnalités métier, dette technique.
- Rédiger des User Stories adaptées aux différents contextes data (BI, engineering, gouvernance, ML, GenAI).
- Choisir et appliquer le bon framework de priorisation selon le contexte (WSJF, RICE, MoSCoW, Kano, Value vs Effort).
Piloter la valeur au quotidien
- Mener une discovery data : formuler des hypothèses, timeboxer l'exploration, gérer les résultats négatifs.
- Définir des OKR, choisir les bons KPI et suivre des métriques de valeur business adaptées à chaque type de produit data.
- Construire une roadmap réaliste intégrant le Build et le Run.
Piloter des agents IA et recetter le non-déterministe
- Piloter des agents IA en tant que PO : spécifier une tâche déléguée à un agent, garder l'humain dans la boucle, exiger la traçabilité et juger le rendu sur preuve d'exécution.
- Évaluer un produit non déterministe : jeu de tests de référence, seuils d'acceptation distinguant erreur bénigne et erreur critique, régression à chaque changement de modèle, garde-fous et recours humain.
Tenir le produit en production et en conformité
- Arbitrer Build vs Buy en contexte Data et GenAI.
- Définir des SLA data et des seuils de qualité.
- Identifier et gérer la dette technique data.
- Comprendre les exigences de l'EU AI Act et les enjeux éthiques.
Faire adopter et passer à l'échelle
- Piloter la conduite du changement et l'adoption des produits data.
- Savoir quand et comment passer à l'échelle, en choisissant l'approche adaptée à son contexte.
Public visé et prérequis
Cette formation s'adresse à celles et ceux qui portent un produit ou un projet data, ML ou IA. Elle ne demande aucun bagage technique en data science.
À qui s'adresse cette formation
- Product Owners, Product Managers et chefs de projet sur un produit data, ML ou IA.
- Product Owners et Product Managers d'un produit non data qui va embarquer de l'IA générative.
- Business Analysts et Data Analysts qui visent le rôle de Product Owner.
- Scrum Masters et coachs agiles qui interviennent auprès d'équipes data.
Vous n'avez pas encore de produit ou de projet data sous la main, ou vous intervenez comme manager ou sponsor sans porter le produit ? Prenez contact en amont : nous vérifions ensemble l'adéquation avant toute inscription.
Ce qu'il faut avoir avant d'entrer en salle
- Vous portez actuellement un produit ou un projet data, ML ou IA, ou vous êtes sur le point d'en prendre un.
- Connaissance des fondamentaux de l'agilité (Scrum, Kanban).
- Aucun prérequis technique en data science ni en machine learning.
Programme complet, 17 modules
3 jours intensifs, format 2+1 avec une semaine d'intersession entre J2 et J3 pour ancrer les apprentissages sur le terrain.
Comprendre l'écosystème Data & AI
9h00-17h30 | 7 heuresIce-breaker et tour de table
Attentes, challenges actuels. Constitution des équipes de travail.
Le PO Data & AI : rôle et positionnement
PO vs PM en contexte Data. La diversité des produits data. Pourquoi tant d'initiatives data et IA n'atteignent pas leurs objectifs.
Pourquoi la démarche Agile pour les produits Data & AI ?
Principes agiles et empirisme. Limites des approches standard sur les produits data. Introduction du MVP data.
L'écosystème : rôles, compétences, interdépendances
Cartographie des rôles data. Points de friction classiques. Exercice : cartographier votre organisation.
Construire et structurer un backlog Data & AI
Les couches d'un backlog data. Frameworks de priorisation : WSJF, RICE, MoSCoW, Kano, Value vs Effort.
Le PO qui pilote des agents IA
Spécifier une tâche pour un agent, garder l'humain dans la boucle, exiger la traçabilité, juger sur preuve. Distribution du kit d'agents PO Data.
User Stories et spécifications en contexte Data
User Stories BI, Engineering, Governance, ML, GenAI. Definition of Ready / Done. Atelier avec IA.
Piloter un produit Data & AI au quotidien
9h00-17h30 | 7 heuresRetour sur les apprentissages J1
Questions ouvertes, clarifications.
Adapter la démarche Agile aux produits Data & AI
Cérémonies adaptées par type de produit. Sprints différenciés. Le refinement data. Atelier avec IA.
Discovery Data & AI
Ce qui change par rapport à la discovery produit classique. Formuler une hypothèse data, timeboxer l'exploration, gérer les résultats négatifs.
Mesurer la valeur d'un produit data
OKR pour les produits data. KPI stratégiques et opérationnels. Métriques par type de produit. Framework ROI.
Roadmap et Build vs Run
Roadmap Now / Next / Later. Build vs Run : rendre le run visible. Atelier avec IA : construire une roadmap trimestrielle.
Maîtriser les enjeux opérationnels et stratégiques
9h00-17h30 | 7 heuresRetours d'intersession
Partage des retours d'expérience terrain. Capitalisation collective.
Build vs Buy en contexte Data & AI
Framework de décision. Déclinaison par contexte : Data Platform, BI, ML, GenAI. Exercice sur 2 scénarios réalistes.
Vie en production : monitoring, qualité, dette technique
Data Quality : 6 dimensions. Dette technique data. SLAs data. Exercice : rapport d'incident.
Évaluer un produit non déterministe
Jeu de tests de référence, seuils d'acceptation (erreur bénigne, erreur critique), garde-fous et recours humain, régression au changement de modèle. Atelier : la recette d'un assistant IA.
Éthique IA & EU AI Act
Classification des risques. Biais et explicabilité. Gouvernance données et RGPD.
Quand et comment passer à l'échelle
Reconnaître le moment. Les options d'agilité à l'échelle. Étude de cas réelle anonymisée.
Conduite du changement et adoption
Résistance au changement spécifique data. Techniques : ambassadeurs data, métriques d'adoption.
Cas intégrateur fil rouge
Scénario complet de synthèse. Le participant enchaîne toutes les décisions PO. Accès libre à l'IA. Travail en sous-groupes.
Évaluation et remise des livrables
QCM final (30 questions). Attestation. Kit complet : agents PO Data, frameworks, checklists. Accès communauté PO Data.
Modalités et moyens pédagogiques
Une formation courte, dense, en petit groupe, pensée pour des professionnels en activité.
Rythme et organisation
- Distanciel synchrone en visioconférence.
- 3 jours, 21 heures de formation.
- Horaires : 9h00-12h30 et 14h00-17h30.
- Format 2+1 : deux jours consécutifs, une semaine d'intersession de mise en pratique, puis le troisième jour.
- 8 participants maximum par session.
Ce sur quoi vous travaillez
- Environ 70 % de pratique sur des cas réels anonymisés.
- L'IA générative en fil rouge progressif : guidée le jour 1, autonome le jour 2, libre le jour 3.
- Un kit d'agents PO Data opérationnel remis aux participants.
- Visioconférence sur Zoom (salles de sous-groupes pour les ateliers) et Miro pour les tableaux collaboratifs.
- Côté participant : un ordinateur avec caméra et micro (casque recommandé), une connexion stable de 5 Mbps minimum, un navigateur à jour et un accès à un outil d'IA générative (ChatGPT ou Claude, un compte gratuit suffit).
Délais et accessibilité
- Délai d'accès : 15 jours ouvrables minimum en inter-entreprises.
- Délai d'accès : 21 jours ouvrables en intra-entreprise.
- Référent handicap Marius GNAMIEN mgnamien@agiliusconsulting.fr 06 61 85 34 52 À contacter en amont pour étudier les adaptations.
Évaluation et attestation
Les acquis sont évalués, et l'attestation suit. Ce que cette formation ne délivre pas est écrit noir sur blanc.
Comment vos acquis sont évalués
- Un QCM final de 30 questions, en ligne.
- Seuil de réussite : 70 %.
- Envoyé par e-mail à J+1 après la fin de la session.
- Vous disposez de 7 jours calendaires pour le compléter.
Les documents qui vous sont remis
- Une attestation d'assiduité en fin de session.
- Une attestation de formation, après réception des résultats du QCM.
Cette formation n'est pas certifiante. Elle ne délivre aucune certification professionnelle et n'est inscrite à aucun répertoire national.
Le formateur
Une seule personne conçoit et anime cette formation, du premier atelier au dernier.
Marius Gnamien
Formateur, Fondateur d'AGILIUS CONSULTING
10 ans passés main dans la main avec des équipes Data & IA, chez LVMH, Air France, La Poste, MGEN, Euro Disney, m'ont donné une conviction simple : une transformation agile qui marche, c'est d'abord une rencontre humaine. J'anime cette formation seul, de bout en bout. Les cas travaillés en atelier viennent de ces missions, anonymisés : ce sont des situations réelles, avec leurs erreurs et ce qui a fini par fonctionner.