Wave, l’agent produit d’Amplitude
IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse.
Transcription avec les sources de chaque passage
Token FM
Token FM, la radio de l'IA, faite par l'IA. Place au dossier.
Victor
Bonjour Sacha, Amplitude présente Wave comme un agent produit proactif, principalement fondé sur les modèles d’OpenAI, qui repère des améliorations à développer et aide les équipes à les déployer avec des agents de programmation. L’entreprise estime que Wave peut réduire le délai de livraison d’une amélioration, d’environ un mois à 1 ou 2 jours. Qu’est-ce qui est nouveau dans cette approche ?
Sacha
D’après OpenAI, Amplitude présente Wave comme un agent produit proactif, principalement fondé sur les modèles d’OpenAI. Les équipes lui fixent un périmètre, des objectifs et des mesures de réussite ; l’agent rassemble ensuite des données analytiques, des replays de sessions, des retours d’utilisateurs et du code pour repérer et hiérarchiser des possibilités d’amélioration. Il peut concevoir des solutions et aider à organiser leur mise en œuvre avec des collaborateurs et des agents de programmation, puis suivre les performances des changements. Alors, on peut se représenter Wave comme un outil qui rassemble plusieurs types d’indices sur un produit pour aider à décider quoi améliorer. Ses plans peuvent inclure une solution suggérée, un plan technique et des critères d’acceptation, avant que l’équipe ne transmette le travail à des agents de code. L’agent évalue ensuite l’impact des modifications déployées et peut intégrer les enseignements dans le cycle suivant. C’est cette combinaison d’analyse, de coordination de la mise en œuvre et de mesure des effets qu’Amplitude met en avant.
Victor
Concrètement, comment Wave trouve-t-il une amélioration et la transforme-t-il en modification du produit ?
Sacha
Les équipes définissent d’abord un périmètre, des objectifs et des mesures de réussite. Wave rassemble des données analytiques, des replays de sessions, des retours d’utilisateurs et des éléments de code pour repérer des occasions d’amélioration et les hiérarchiser. Il peut ensuite proposer une solution, un plan technique et des critères d’acceptation permettant d’évaluer la modification. Ce plan peut être transmis à des agents de programmation, notamment Codex, pour contribuer à la mise en œuvre. Bon, il faut imaginer une chaîne de travail en plusieurs étapes, pas un bouton qui transforme une idée en produit fini. D’après Brief IA, les équipes peuvent confier certaines corrections de bogues à des agents de codage sans étape préalable de validation humaine, tandis que les changements plus ambitieux, comme de nouvelles fonctionnalités, passent par un examen humain. Après le déploiement, Wave suit les performances de la modification et intègre les enseignements au cycle suivant. L’outil est donc aussi présenté comme un moyen d’évaluer les changements après leur lancement.
Victor
Pour qui cet outil est-il utilisé, et quels résultats Amplitude avance-t-elle sur la vitesse de livraison ?
Sacha
Wave est expérimenté par des entreprises clientes de plusieurs secteurs, dans le cadre d’une version bêta. Selon Amplitude, une amélioration produit qui prenait environ un mois peut être livrée en 1 ou 2 jours. Parmi les expérimentations bêta qui aboutissent à une mise en production, un quart est déployé le jour même où l’occasion est détectée. La moitié est déployée en moins de 4 jours, et les deux tiers en une semaine. Ces chiffres sont communiqués par Amplitude et portent sur les expérimentations qui finissent par être mises en production. Ils décrivent donc la rapidité de déploiement dans ce groupe, et non l’ensemble des pistes envisagées par les équipes. La promesse avancée est de réduire le temps entre la détection d’une occasion d’amélioration et la mise en production d’un changement. Amplitude présente ainsi un raccourcissement marqué des cycles, sans que ces chiffres établissent à eux seuls un résultat identique pour toutes les équipes ou tous les produits.
Victor
Un exemple permet-il de comprendre ce que l’agent détecte, et quel effet la modification a produit ?
Sacha
Amplitude cite le cas de cartes de suggestion personnalisées sur sa page d’accueil. Dans l’analyse de 100 replays, 80 utilisateurs posaient leurs propres questions, tandis que 12 sélectionnaient une suggestion. Wave a proposé de personnaliser les cartes selon le contexte de navigation, avec, par exemple, des graphiques récents, des tableaux de bord ou la page d’origine. Après cette personnalisation, les messages envoyés via les cartes ont augmenté de 160 % par rapport au groupe témoin, après un jour. Ce résultat concerne les messages transmis par ces cartes, sur la page d’accueil d’Amplitude, et non une hausse de 160 % de l’usage global du produit. L’exemple relie l’observation des comportements à une suggestion de modification, puis à une mesure du nombre de messages envoyés par ce moyen.
Victor
Quelles limites ou précautions faut-il garder en tête face à cette automatisation ?
Sacha
La première précaution, c’est de regarder précisément ce qui est automatisé. D’après Brief IA, le traitement diffère selon la portée du changement : des corrections de bogues peuvent être confiées aux agents de codage, alors que les projets d’envergure et les fonctionnalités nouvelles nécessitent un contrôle humain. Les résultats mis en avant sont également circonscrits : les chiffres de vitesse concernent des expérimentations bêta aboutissant à une mise en production, et l’exemple d’engagement porte sur des cartes de suggestion sur la page d’accueil. Ce sont des résultats communiqués par Amplitude, pas des mesures établissant les mêmes effets pour toutes les équipes. Il faut aussi distinguer une proposition de l’agent d’un changement effectivement déployé : Wave repère des occasions, prépare des solutions et des plans techniques, puis suit les performances des modifications mises en œuvre. L’automatisation intervient donc dans un processus qui comporte des étapes et des niveaux de validation différents. Pour évaluer la portée de la promesse, il faut garder en tête à la fois les résultats annoncés et le périmètre précis auquel ils se rapportent.
Victor
Au fond, que faut-il retenir de Wave et de la promesse qu’Amplitude lui associe ?
Sacha
Il faut retenir que Wave vise à rapprocher l’observation d’un produit et la mise en œuvre de ses améliorations. L’agent rassemble des données analytiques, des replays, des retours et du code pour proposer des pistes, aider à organiser leur réalisation, puis suivre leurs effets. Amplitude estime que le délai de livraison peut passer d’environ un mois à 1 ou 2 jours, et indique que, parmi les expérimentations bêta mises en production, deux tiers le sont en une semaine. L’entreprise met aussi en avant un cas où les messages envoyés via des cartes de suggestion personnalisées ont augmenté de 160 % par rapport à un groupe témoin, après un jour. Ces résultats sont communiqués par Amplitude et concernent des mesures et des cas précis. La proposition de l’outil est de réunir des étapes qui vont de la détection d’une occasion à la préparation d’un changement, puis à la mesure de ses performances. Le dossier montre aussi que certains changements, comme les ajouts de fonctionnalités et les initiatives majeures, restent soumis à une validation humaine. C’est la combinaison de cette automatisation et de ces étapes de validation qui caractérise l’approche présentée par Amplitude.
Victor
Merci Sacha pour ces explications.
Une erreur ?
Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.
Signaler une erreurUn mot pour la rédaction ?
Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.