Chez OpenAI, le produit se pilote à trois mois et se joue à la voix
Deux product leaders d'OpenAI expliquent comment on construit des produits IA quand le sol bouge chaque trimestre, et parient sur la voix et le logiciel « autonome » pour 2027.
In brief
Au Lenny & Friends Summit, Tara Seshan et Nan Yu, toutes deux chez OpenAI sur Codex et les usages professionnels de ChatGPT, détaillent leur façon de livrer des produits IA imparfaits, de choisir entre un agent unique et une flotte de micro-agents, et de travailler avec la recherche. Leur horizon de planification tient en deux à trois mois. Leurs paris pour 2027 : la voix et un logiciel qui « se conduit tout seul ».
🍺 Bar-stool version
Chez OpenAI, on t'explique tranquillement que planifier au-delà de trois mois, c'est de la voyance, et qu'une des deux intervenantes tient un document de ses propres prédictions ratées pour rester humble. Pendant ce temps, dans la salle, des gens préparent leur plan annuel 2027 avec la sérénité de ceux qui réservent un restaurant sur une planète pas encore découverte. Le reste est plus sobre qu'on ne croit : l'empathie utilisateur, la pensée système, tester vite, bref le métier de PM, mais en accéléré. Et si elles ont raison sur la voix, le vrai gagnant sera celui qui ne fera plus le support informatique de ses parents.
Key takeaways
- 1
Tara Seshan assume de livrer des solutions imparfaites, comme le toggle qui donne accès à un harness agentique aux plus d'un milliard d'utilisateurs de ChatGPT sans casser les workflows des développeurs.
- 2
Le filtre qualité interne d'OpenAI : tester le produit en interne, regarder s'il retient les usages, s'il surprend, s'il débloque un cas d'usage nouveau des modèles.
- 3
L'horizon de conception idéal est de deux à trois mois en avance sur les capacités des modèles, ni collé au présent ni trop futuriste pour être utilisable.
- 4
Pour Nan Yu, la vraie limite n'est pas le modèle mais la capacité des gens à absorber ses capacités : le « capability overhang » fait de l'onboarding un enjeu majeur.
- 5
Sur les agents, Nan Yu part de la nature humaine (personne ne gère 40 subordonnés directs) et Tara Seshan des questions tactiques : permissions, identifiants, mémoire segmentée.
- 6
Avec la recherche, le rôle du PM consiste à apporter des cas d'usage précis, lire les sessions ratées et surtout écrire des evals exploitables en post-training.
- 7
Paris pour 2027 : la voix pour Tara Seshan, le logiciel « self-driving » qui s'utilise tout seul pour Nan Yu, un hardware type « Codex dans une boîte » pour l'animatrice.
Chapters
Le toggle et l'art de livrer imparfait
Tara Seshan explique pourquoi OpenAI a choisi une solution imparfaite pour offrir un harness agentique à plus d'un milliard d'utilisateurs, et comment elle a abandonné le perfectionnisme hérité de Stripe.
Quoi jeter, quoi garder
Nan Yu défend l'idée d'un récit produit cohérent qui permet d'embarquer les utilisateurs dans les évolutions sans rompre leur confiance.
Les critères qualité en mode accéléré
Valeur ajoutée, adoption interne, effet de surprise et alignement à deux ou trois mois sur les capacités des modèles. Nan Yu pointe l'absorption des utilisateurs comme vraie limite.
Les entreprises peuvent-elles absorber le changement ?
Le rythme paraît effréné pour les grands comptes, mais ne pas leur livrer les agents, c'est risquer de se faire doubler.
Agent unique ou flotte de micro-agents
Nan Yu part de la nature humaine et du « chief of staff agent ». Tara Seshan insiste sur les permissions, les identifiants et la mémoire segmentée.
Les compétences qui comptent
Empathie utilisateur et pensée système restent centrales, auxquelles s'ajoute une capacité acharnée à itérer, à une cadence bien plus rapide.
Plateforme, écosystème et computer use
ChatGPT pensé en couches de capacités, le computer use en filet de sécurité, et l'importance de réussir le dernier kilomètre.
Travailler avec la recherche
Cas d'usage précis, lecture des sessions et écriture d'evals pour alimenter le post-training.
Jusqu'où planifier ?
Horizon de deux à trois mois chez OpenAI, contre une planification plus longue possible sur des marchés stables comme celui de Stripe.
Ce qui reste et ce qui devient indispensable
L'onboarding, la prévisibilité des agents, la transparence sur les données et la relation directe avec les utilisateurs.
Paris pour 2027
La voix pour Tara Seshan, le logiciel « self-driving » pour Nan Yu, un hardware dédié pour l'animatrice.
Livrer imparfait, mais vite
La discussion s'ouvre sur « le toggle », un interrupteur qui sépare deux faces d'un produit IA. Tara Seshan le reconnaît d'emblée : ce n'est pas la solution idéale. Mais il fallait mettre un harness agentique entre les mains de plus d'un milliard d'utilisateurs de ChatGPT sans perturber les développeurs.
Venue de Stripe, où elle a passé environ sept ans et où « chaque enum doit porter le nom exact », elle décrit un changement de mentalité : l'urgence compte, et aucune théorie ne vaut l'observation empirique des usages réels.
Nan Yu ajoute une condition : tant que les utilisateurs peuvent suivre une histoire cohérente, du toggle vers l'absence de toggle, et gardent une forme de transparence sur ce qui se passe, on peut beaucoup faire évoluer un produit sans casser la confiance.
La barre qualité : utile, surprenant, calé sur les modèles
Tara Seshan liste ses critères : le produit apporte-t-il une valeur nouvelle ? Est-il adopté en interne, retient-il les usages, surprend-il ? Débloque-t-il un cas d'usage inédit des modèles ?
Le critère le plus important selon elle : viser là où seront les modèles dans deux à trois mois, et « s'effacer pour laisser le modèle faire du bon travail ». Être « suffisamment AGI-pilled », sans tomber dans l'inutilisable.
Côté entreprises, elle assume de bousculer : les clients étaient sur du chat simple pendant que la révolution des agents avançait. Ne pas leur livrer la frontière, c'était risquer qu'ils partent ailleurs. Faire ce dont les utilisateurs ont besoin, pas ce qu'ils disent vouloir.
Un agent ou quarante ?
L'animatrice oppose son Codex unique, avec qui elle parle toute la journée, à sa quarantaine de bots spécialisés. Faut-il une identité d'agent générique ou des micro-agents artisanaux ?
Nan Yu répond par la psychologie : personne, sauf peut-être Jensen Huang, ne gère 40 subordonnés directs. Les utilisateurs finissent d'ailleurs par créer un agent « chief of staff » qui orchestre les autres. Autrement dit, ils reviennent à gérer un seul interlocuteur.
Tara Seshan déplace le débat vers le concret : quels identifiants utilise l'agent, le sien ou celui de l'utilisateur ? Sa mémoire est-elle cloisonnée quand il rejoint un canal Slack privé, « au sens de Severance » ? Pour elle, c'est le cas d'usage qui tranche.
Plateforme, computer use et dernier kilomètre
Tara Seshan décrit ChatGPT comme une plateforme organisée en couches : des hooks et des plugins pour les développeurs internes et tiers, puis le computer use en solution de repli quand les intégrations n'existent pas ou fonctionnent mal.
Nan Yu explique pourquoi le computer use séduit malgré son coût en tokens : il va au bout. Un produit qui s'arrête à 99 % est pire qu'un produit qui échoue d'emblée, car la promesse non tenue frustre davantage.
Tara Seshan cite Charles Eames : l'utilisateur doit se sentir comme un invité, dont on a anticipé les besoins. L'animatrice lui répond avec humour que cette maison lui propose surtout, à chaque visite, de faire une mise à jour.
Travailler avec la recherche et vivre à trois mois
Nouvelle chez OpenAI sur ce terrain, Tara Seshan résume ce qu'elle apporte aux chercheurs : des cas d'usage précis, la lecture de sessions ratées, et surtout des evals. Montrer qu'avec tel prompt et telles skills on obtient le résultat, c'est la matière idéale pour le post-training.
Sur l'horizon de planification, elle maintient ses deux à trois mois. Elle tient même un document personnel de ses mauvaises prédictions. Elle nuance toutefois : le marché des paiements de Stripe se modélise encore en scénarios bull, bear et base, celui d'OpenAI non. Chaque entreprise doit caler son rythme sur celui de son marché.
Ce qui change dans le métier, et les paris 2027
Pour Nan Yu, l'onboarding, souvent délaissé par les ingénieurs, devient central. Pour Tara Seshan, c'est la prévisibilité : quand un agent agit en semi-autonomie, l'utilisateur doit pouvoir anticiper ce qui va se passer et comprendre l'usage de ses données.
Le « PM joignable en DM » s'impose aussi. En dev tools et en interface conversationnelle, les problèmes sont subtils (« Astra m'a répondu avec une attitude ») et exigent plusieurs questions de relance pour être compris.
Les paris pour 2027 : la voix pour Tara Seshan, qui dit avoir réduit drastiquement le support informatique familial ; un logiciel « self-driving » qui règle le problème de la boîte de saisie vide, pour Nan Yu ; un petit hardware, « un Codex dans une boîte », pour l'animatrice.
“Do what your users need, not what users say they need.”
“I have a personal doc of incorrectly predicted things that I thought were going to happen, and didn't happen.”
“If it gets like 99% there, and then it just like barfs, then you're you're like, well, this is actually a worse sort of like unfulfilled promise.”
Why it matters
Ce panel dit peu de choses révolutionnaires, et c'est justement son intérêt : chez l'acteur qui fixe le tempo du secteur, les fondamentaux du product management tiennent toujours, mais leur cadence a explosé. Le chiffre qui marque est l'horizon de deux à trois mois. C'est une doctrine cohérente pour OpenAI, où les capacités changent d'un trimestre à l'autre, mais la transposer telle quelle ailleurs serait une erreur, et Tara Seshan le reconnaît elle-même avec l'exemple de Stripe. Plus intéressant encore, le diagnostic du « capability overhang » : si le goulot d'étranglement est la capacité des utilisateurs à absorber ce que les modèles savent faire, la bataille se joue sur l'onboarding, la prévisibilité et des interfaces comme la voix, plus que sur les benchmarks. Il faut toutefois garder un regard critique : quand OpenAI assume de « casser les processus » de ses clients entreprise au nom de la valeur débloquée, c'est aussi une manière élégante de justifier une vitesse dictée par la concurrence.
For you
Put it to work on your sources.
Free: a month of articles and three sources of your own. Pro: the whole archive and your sources, from €8/month.
For your team
The same machine, on your topics.
A space in your colours, your watch angles, your curators. Pilot open to three companies.