Lead Product freelance · Ingénieure SI

L'IA se décide avant de se coder.

Je travaille avec les éditeurs de logiciels métier et les scale-ups : gestion locative, assurance, plateformes e-commerce. Ce que je fais : décider quelles fonctionnalités ont vraiment besoin d’IA, ce qu’elles doivent rapporter, et comment on vérifie que le résultat tient devant un client.

Réserver 30 minutes camille@kayetanna.com

Derniers produits IA lancés : +6 % de conversion, mesurés en test A/B. Un assistant IA utilisé tous les jours par 2 000 conseillers.

Terrains

Logiciels métier
Gestion locative · Assurance
E-commerce · Conversationnel
Scale-ups série A à C

01 · Le problème

Le plus dur n'est pas de faire marcher l'IA.

Vos concurrents annoncent des fonctionnalités IA. Vos clients commencent à les réclamer. En interne, quelqu'un a déjà branché un modèle sur un bout de votre produit, et ça marche à peu près.

Ce qui manque, ce sont les décisions. Quelles fonctionnalités ont vraiment besoin d’IA ? Beaucoup n’en ont pas besoin, et le dire à temps fait gagner des trimestres. Pour celles qui en ont besoin, combien doivent-elles rapporter pour justifier leur coût ? Que se passe-t-il le jour où le système se trompe devant un client ? Et qu’est-ce que votre secteur impose ? Le RGPD sur les données, l’AI Act sur la classification de risque : un système qui pèse sur l’accès à un logement, à un crédit ou à une couverture ne se budgète pas comme celui qui recommande un produit à un acheteur.

Trancher demande de connaître les deux côtés : ce qu’un modèle sait faire, et ce que votre métier peut accepter. Peu de gens tiennent les deux à la fois, alors ces décisions remontent au fondateur ou au CTO, en plus du reste.

Collage noir et blanc : des satellites retombés au sol dans un paysage désertique, d'autres encore en vol — **PL. 01** Ce qui échoue faute d’avoir été cadré

Ce que j'en pense

Sur les fonctionnalités qui méritent l’IA, tout se joue sur une question posée trop tard : comment on jugera la qualité. Pas sur le choix du modèle.

Je l’ai appris en le ratant, en 2023. On avait jugé un POC sur un modèle, puis on en a changé pour la suite : les réponses ont perdu en pertinence et la formulation s’est dégradée. Je n’avais pas d’eval pour le détecter. Les dégâts ont été limités à cinq utilisations, sans aucun impact business, parce qu’on relisait encore les réponses à la main ; sans ça, il aurait fallu attendre qu’un client le remonte. On a corrigé vite, evals posées et instructions reprises. Mais sans jeu de cas, tout changement devient un pari.

Ce que je fais depuis : 50 à 100 cas réels, annotés par vos experts métier, avec une grille correct / incomplet / faux / dangereux. Le taux de « dangereux » décide du périmètre et de ce qu’on écrit dans les instructions, avant tout choix de modèle. Les seuils viennent après, avec le métier et le juridique.

Les evals ne rendent rien faisable : la faisabilité vient de la tâche et du corpus. Si deux de vos experts ne sont pas d’accord sur ce qu’est une bonne réponse, aucune eval ne rattrapera ça. C’est la première chose que je regarde.

02 · Le mécanisme

Orbite courteCadrage IA · 3 à 6 semaines
Orbite longueProduct lead fractionnel · 3 à 6 mois

On calcule la trajectoire avant d'allumer les moteurs.

Comment je travaille

Cadrage IA · 3 à 6 semaines · 1 à 2 jours par semaine

Passer d'une intention IA à une liste de décisions prises.

Semaine 1 : j'interroge vos équipes métier et je lis votre code, pour comprendre comment vos processus fonctionnent vraiment, pas comme la documentation les décrit.

Ensuite : je trie les cas d’usage : lesquels ont besoin d’IA, lesquels n’en ont pas besoin, ce que chacun rapporte s’il marche. Je chiffre ce qu’on développe et ce qu’on achète, je liste ce que votre secteur impose, et je pose la méthode de vérification. Sur quels cas on juge la qualité, avec quels exemples, à quelle fréquence : ce qu'on appelle des evals. C'est presque toujours ce qui manque.

À la fin, vous avez une feuille de route arbitrée, la méthode de vérification en place, et la liste de ce qu'on ne construit pas. Cette liste est la plus dure à établir, et la plus rentable.

Product lead fractionnel · 3 à 6 mois renouvelables · 1 à 2 jours par semaine

Le sujet IA porté de bout en bout, à un ou deux jours par semaine.

Je prends le sujet du premier entretien client jusqu’à la mise en production : spécifications, arbitrages, suivi du développement.

Ce qui reste après moi : un produit en production, le jeu de cas qui sert à vérifier qu’il tient toujours après un changement de modèle, d’instructions ou de données, et à décider si la qualité permet de sortir en production, et vos équipes capables de le faire tourner.

Collage noir et blanc : trois opérateurs de dos devant une console, face à un mur d'écrans montrant des planètes — **PL. 02** Le poste de pilotage

03 · Les preuves

Les résultats en production

+6%: Conversion mesurée en test A/B, sur les parcours e-commerce équipés des fonctionnalités d'IA générative que j'ai conçues et lancées chez iAdvize en 2025.
2 000: Conseillers qui utilisent tous les jours l'assistant IA conçu chez iAdvize en 2023, sur une plateforme conversationnelle e-commerce. RAG : réponses générées à partir de la documentation client. Evals sur cas réels annotés, arbitrage entre développer et acheter, couche par couche.
+60%: Conversations engagées après ce même lancement.
3 semaines → 10 min: Délai entre la demande d'un client et sa souscription effective, chez APRIL, en assurance.
−15%: Abandons de panier chez PrestaShop, après enquête client et refonte des parcours de paiement.

En ce moment · depuis mai 2026

Depuis mai 2026, chez une agence de gestion locative digitale, sur son outil interne : fonctionnalités IA pour les annonces et les états des lieux, assistant qui répond aux équipes sur les règles de gestion et de comptabilité, et l'équipe produit qui passe à une méthode de spécification outillée.

Portrait de Camille Ganzin de Guéhéneuc — Camille Ganzin de Guéhéneuc

04 · Qui

Quinze ans à faire tenir le métier et la technique dans la même pièce.

Ingénieure en systèmes d'information, de formation. Huit ans de développement web et d'expérience utilisateur avant de passer Product Manager, indépendante depuis 2019. Ce parcours sert une chose : parler technique avec vos développeurs et métier avec vos clients, dans la même journée.

Sur l'IA, je mets les mains dedans. Je fais annoter des cas réels par les experts métier, j’écris les prompts et je les versionne, je lis votre code pour comprendre un processus avant de le spécifier. Je mentore des Product Managers pour affûter leur pratique et les outiller sur les process IA. J’enseigne aussi le product management appliqué à l’IA à Maria School depuis janvier 2026.

Full remote
Déplacements pour ateliers et comités
Français · English
iAdvize
APRIL
PrestaShop

05 · Les objections

Les questions qu'on me pose

01Vous connaissez notre métier ?

Le vôtre, pas encore. Je commence par l'apprendre, vite, et ça se voit dès la semaine 1. En gestion locative, j'ai travaillé les appels de loyer, le lettrage, le quittancement, l'indexation IRL et les dépôts de garantie. En assurance, les parcours de souscription et de gestion. En e-commerce, les parcours de panier et de paiement.

02Notre produit ne fait pas d’IA. Ça nous concerne quand même ?

Souvent oui, mais pas sur le produit lui-même. Si le vôtre n’a pas besoin d’IA, je vous le dirai, c’est même la première chose que je vérifie. En revanche, sur la façon dont votre équipe spécifie, teste et documente, c’est souvent là que le premier gain arrive, et il arrive vite : c’est ce que je fais en ce moment chez un client. Trente minutes suffisent pour savoir dans quel cas vous êtes.

03Pourquoi pas un recrutement ?

L’un n’empêche pas l’autre, au contraire. Un PM senior se recrute en quatre à six mois, intégration comprise. Je tiens le sujet pendant ce temps et j'intègre votre recrue à son arrivée. Vous gagnez deux trimestres sur une date que vous avez déjà annoncée.

04À un ou deux jours par semaine, ça avance vraiment ?

Sur du cadrage et du pilotage produit, oui : le travail se joue sur des décisions, la mise en place de process et la transmission d’informations ; deux jours par semaine suffisent à les préparer. Sur de l’exécution quotidienne, non. Autant le dire tout de suite.

05Combien ça coûte ?

Demandez-le au premier échange, je le donne sans détour. Mais ce qui se compare n'est pas un tarif : c'est le coût de six mois de développement partis dans la mauvaise direction. Un cadrage qui vous évite de construire une fonctionnalité mal posée, c’est déjà rentable.

06On a déjà un directeur produit et des PM.

Alors le cadrage est son métier, pas le mien. Ce qui vous manque, c'est quelqu'un de senior sur l'IA, qui travaille dans son cadre : je prends le sujet, il arbitre, ses PM montent en compétence dessus.

07Vous êtes PM, pas ingénieure en machine learning.

Exact. Vos data scientists évaluent le modèle. La question qui reste : ce que vaut sa réponse pour votre client et pour votre métier. C'est cette question-là que je traite.

Collage noir et blanc : une route qui s'élève vers une lune cerclée d'un anneau, dans un ciel étoilé — **PL. 03** La trajectoire, calculée avant le départ

06 · La suite

Trente minutes, et on sait.

On regarde où vous en êtes, et on décide s'il y a une suite.

Je travaille sur deux missions en parallèle, un à deux jours par semaine chacune. On démarre en septembre ?

Réserver 30 minutes LinkedIn