Dans cet épisode de Techlipstick | La Réponse IA, Diane Le Douaron, Staff Product Manager AI chez Mirakl, partage ses convictions sur le product management à la française, l’IA agentique dans le commerce et ce que les juniors risquent de rater avec les LLM.
« Les gens cherchent sur Claude, sur ChatGPT — ils cherchent des produits et des recommandations. Il faut qu’ils soient référencés, qu’ils soient trouvables. On fait beaucoup de travail sur le GEO, que les fiches produits soient traduites pour l’agentique.«
– Diane Le Douaron, Staff PM AI chez Mirakl
À retenir de cet épisode
Dans cet épisode de Techlipstick | La Réponse IA, Diane Le Douaron, Staff Product Manager AI chez Mirakl, revient en France après des années passées entre Londres et la Silicon Valley avec des convictions tranchées sur le product management, l’IA agentique dans le commerce et ce que les LLM vont changer pour les vendeurs en ligne.
Épisode enregistré en mai 2026.
En France, on fait du project management en pensant faire du product management
Ce n’est pas un jugement définitif, mais une réalité que Diane a observée de part et d’autre : on recrute des profils juniors pour exécuter, là où le vrai product management est une fonction stratégique. Aucune fonctionnalité ne peut sauver une proposition de valeur bancale et c’est souvent là que le bât blesse (et que les problèmes commencent)
Le GEO va forcer une refonte profonde des fiches produits
Chercher un produit dans un LLM, ce n’est plus taper des mots-clés, mais exprimer une intention contextualisée (un usage, une occasion, une contrainte). Chez Mirakl, la réponse est claire : associer des cas d’usage explicites à chaque produit pour correspondre à ces nouvelles intentions de recherche. Ceux qui l’ont compris prendront une longueur d’avance significative.
Un output LLM qui a l’air bien n’est pas forcément bon
Diane n’a jamais copié-collé un output de LLM tel quel. Le raffinement, la critique, le recadrage contextuel représentent un travail invisible et exigeant et c’est uniquement avec l’expérience qu’on voit ce qui manque dans une réponse qui, en surface, semble parfaitement solide. C’est précisément ce que les profils juniors risquent de ne pas voir et de ne pas corriger.
Qui est Diane Le Douaron ?
Diane Le Douaron est diplômée en informatique et en économie. Elle a construit une première carrière de dix ans en stratégie d’entreprise au sein de grands groupes internationaux (dont NBC Universal et Paramount) avant de quitter le secteur des médias pendant le Covid pour passer un master en IA.
C’est à la sortie de ce master qu’elle rejoint Beamery, une scale-up RH londonienne financée à hauteur de 128 millions de dollars, où elle lance l’un des premiers chatbots génératifs dans les ressources humaines. Elle est aujourd’hui Staff Product Manager AI chez Mirakl, où elle travaille au sein d’une équipe de 80 personnes dédiée à l’IA.
Diane est également membre de Femmes dans l’IA et du réseau Comète , et a pris la parole à l’Assemblée nationale sur les femmes entrepreneures dans la tech. Elle est revenue en France après de nombreuses années à Londres avec des convictions tranchées : sur son métier, sur l’IA, et sur ce que la tech française gagnerait à changer.
Transcript de l’épisode
Le transcript ci-dessous est une version éditorialisée de la conversation entre Aurélie Giard-Jacquet et Diane Le Douaron. Les questions et réponses ont été reformulées afin d’améliorer la lisibilité, tout en restant fidèles aux idées exprimées dans l’épisode.
Vous dites que la France ne sait pas faire du product management. C’est une provocation ?
Diane Le Douaron : c’est une conviction, nuancée. Les choses évoluent, et il y a de plus en plus de bons profils en France. Mais il y a eu, et il y a encore, une méconnaissance profonde de ce que le product management est vraiment.
Aux États-Unis, la fonction est comprise comme stratégique depuis le début : le product manager articule une proposition de valeur, comprend le marché, les clients, la technologie, et traduit tout ça en un plan d’action cohérent. Ce qu’on voit plus souvent en France, c’est un product manager recruté relativement junior pour exécuter les décisions du fondateur. C’est utile dans une première phase : le fondateur doit porter la proposition de valeur au départ. Mais ça ne suffit pas pour faire évoluer le produit et aller chercher de nouveaux marchés.
Ce que j’ai observé très clairement, c’est une obsession pour les features au détriment de la proposition de valeur. Or, aucune fonctionnalité ne peut sauver une proposition bancale. Si votre promesse dit que vous aidez les clients à identifier les meilleurs produits pour eux, mais que vous proposez en parallèle l’ensemble du catalogue sans filtre, votre proposition se contredit elle-même et ça, aucune amélioration produit ne le corrigera.
Comment êtes-vous passée de la stratégie d’entreprise au product management IA ?
Diane Le Douaron : en réalité, c’est fondamentalement le même métier. Prendre énormément d’informations (clients, marché, concurrence, technologie), les organiser, avoir une conviction, articuler un plan et l’exécuter.
C’est exactement ce que je faisais en stratégie d’entreprise. La seule différence réelle, c’est la couche technologique qu’il faut comprendre en plus.
Le déclic est venu chez NBC Universal, quand mon équipe technique est revenue bredouille d’une due diligence, incapable de me dire s’il y avait un algorithme derrière l’application qu’on voulait acquérir. À partir de là, j’ai commencé à me former à l’IA et la transition vers le product management s’est faite sans rupture, parce qu’au fond, il n’y en avait pas.
L’IA agentique va-t-elle vraiment transformer le parcours d’achat ?
Diane Le Douaron : ma conviction personnelle, c’est que oui. Les agents vont prendre de plus en plus de place dans nos vies et prendre en charge les tâches pénibles. Chercher des produits en ligne reste chronophage malgré tous les outils qu’on a. Il y a encore une marge d’amélioration énorme et il y aura forcément des réponses produit à ça.
Cela dit, il y aura toujours une échelle d’autonomie. Tout le monde n’est pas prêt à laisser un agent utiliser sa carte bancaire au même degré. Et je pense que les produits du futur devront intégrer cette échelle d’entrée de jeu : laisser l’utilisateur choisir jusqu’où il délègue. Ce n’est pas une question technique, c’est une question de conception produit.
Chez Mirakl, comment travaillez-vous le GEO pour les fiches produits ?
Diane Le Douaron : aujourd’hui, les utilisateurs cherchent directement dans ChatGPT, Claude ou Perplexity et ils cherchent des produits avec des intentions très précises, très contextualisées. Ce n’est plus « tailleur femme élégant », c’est « je cherche un tailleur pour un mariage en Bretagne la semaine prochaine, il fera mauvais temps ». C’est une intention longue, chargée de contexte, et un vendeur dont la fiche produit ne répond qu’à des mots-clés classiques va simplement passer à côté.
Ce sur quoi on travaille, c’est d’associer des cas d’usage explicites à chaque fiche produit : des exemples concrets de situations dans lesquelles le produit peut être utilisé. Ce tailleur peut être porté pour un mariage parce qu’il est élégant, avec une matière infroissable. Autant de contextes que le LLM peut utiliser pour établir le lien avec l’intention de l’utilisateur. Et ce que la technique de la metadata permet, c’est de stocker toute cette information sans la montrer à l’utilisateur. Le catalogue reste lisible, mais le LLM peut aller lire ce qui est associé en arrière-plan.
→ La logique d’intention qui s’applique ici au niveau produit est exactement celle que je décris dans l’article sur la stratégie de longue-traine en GEO.
Les équipes tech françaises sont-elles trop monolithiques ?
Diane Le Douaron : c’est quelque chose que j’observe très clairement depuis mon retour. Les équipes tech françaises manquent de diversité (de genre, de parcours, d’origines, de manières de penser et de travailler.) Quand tout le monde a fait la même école et réfléchit de la même façon, vous passez à côté de cas d’usage entiers. Et ça, aucune IA ne peut le compenser. Les modèles sont entraînés sur des données qui reflètent déjà les biais de ceux qui les ont construits. Si les équipes qui les utilisent manquent elles aussi de diversité, on amplifie le problème plutôt qu’on ne le résout.
C’est d’autant plus vrai que l’IA a encore des limites profondes dans la compréhension des émotions. Elle peut associer des mots qui décrivent des émotions, identifier des micro-expressions faciales à partir de données codifiées, mais ce n’est pas de la compréhension, c’est de l’association statistique. C’est une limite réelle qui a des conséquences directes sur la conception des produits, d’autant plus quand les équipes qui les construisent n’ont pas elles-mêmes la diversité d’expériences nécessaire pour l’anticiper.
Vous utilisez l’IA au quotidien et vous n’avez jamais copié-collé un output tel quel ?
Diane Le Douaron : jamais. Et c’est précisément là où je vois un risque réel pour les profils moins expérimentés. Un output d’un LLM a l’air bien. Il est structuré, il couvre plusieurs angles, il semble solide. Mais il manque de nuances, de précision contextuelle, de compréhension des enjeux spécifiques de votre sujet. Et c’est uniquement avec l’expérience et le discernement qu’on voit ce qui ne va pas.
Ce que je fais en réalité, c’est un travail de raffinement permanent : dire non, ça, je comprends le point, mais c’est hors sujet pour nous, ça manque de précision ici, ça ne correspond pas à la réalité de nos clients. C’est énormément de travail pour arriver à quelque chose de vraiment pertinent. Et ce qui m’inquiète, c’est qu’un junior va livrer cet output comme output final, parce qu’il a l’air bien et que ça ne répondra pas exactement à la question.
Mon usage préféré est d’ailleurs à l’opposé du copier-coller : j’utilise l’IA pour me challenger, identifier mes angles morts, trouver ce que je n’ai pas encore compris. Je prends une capture d’écran d’une slide sur laquelle je travaille et je demande : qu’est-ce qui manque ? Qu’est-ce qu’on pourrait critiquer ? Qu’est-ce qui n’est pas encore logique ? C’est l’IA comme outil de raisonnement augmenté, pas comme outil de production.
« Je ne pense pas qu’une armée de clones produise le meilleur résultat. Les expériences vécues différentes, les parcours différents, les manières de réfléchir différentes : c’est ça qui fait les produits universels. »
— Diane Le Douaron, sur la diversité dans les équipes tech
Concepts clés de l’épisode
Glossaire
Product Management : fonction stratégique qui articule proposition de valeur, compréhension du marché et technologie pour définir ce qu’un produit doit faire et pourquoi.
Proposition de valeur : l’angle qu’une entreprise choisit pour résoudre un problème client. Aucune fonctionnalité ne peut compenser une proposition de valeur bancale.
IA agentique : systèmes d’IA capables d’agir de façon autonome pour accomplir des tâches (rechercher des produits, remplir un formulaire, valider un achat) sans intervention humaine à chaque étape.
Use case : exemple concret de situation dans laquelle un produit est utilisé (utile en GEO pour matcher avec les intentions conversationnelles des utilisateurs.)
Metadata : informations structurées associées à un contenu mais non visibles par l’utilisateur. La metadata permet aux LLM d’accéder à des données contextuelles sans surcharger l’interface.
Affective computing : domaine de l’informatique qui cherche à reconnaître, interpréter et simuler les émotions humaines par les machines.
LLM (Large Language Model) : modèle d’IA capable de générer du texte et de synthétiser des informations (comme GPT, Claude ou Gemini.)
Ressources mentionnées dans l’épisode
📖 Le Mythe du normal — Dr Gabor Maté
Le Dr Maté, médecin et auteur canadien, explore le lien entre les comportements sociaux normalisés et leurs racines dans les traumatismes et les attentes culturelles. Une réflexion puissante sur ce que nos sociétés considèrent comme « normal » et ce que ça dit vraiment de nous.
👤 Seth Godin et Ryan Holiday
Deux penseurs recommandés par Diane pour leur capacité à trianguler business, philosophie et vie quotidienne. Seth Godin sur le marketing et la création de valeur, Ryan Holiday sur le stoïcisme appliqué à l’entrepreneuriat.
👤 Rana El Kaliouby — Affectiva
Informaticienne égyptienne et américaine, cofondatrice d’Affectiva avec Rosalind Picard (MIT). Pionnière de l’affective computing : la reconnaissance des émotions humaines par les machines à travers les micro-expressions du visage. Un domaine qui reste extrêmement pertinent à mesure que l’IA s’intègre dans des contextes relationnels.
👥 Femmes dans l’IA et réseau Comète
Deux réseaux que Diane soutient activement pour encourager la diversité dans les équipes tech et IA. Femmes dans l’IA est fondé par Rym Bendimered et organise des événements et ressources pour les femmes qui travaillent dans le domaine.
🏢 Mirakl Agentic Activation : l’outil qui prépare vos catalogues aux agents IA
Lire l’article sur ecommerce-nation.fr
Publié en avril 2026, cet article présente le lancement de Mirakl Agentic Activation : l’infrastructure développée par Mirakl pour aider les retailers à rendre leurs catalogues lisibles par les agents IA. Il prolonge directement ce que Diane explique dans l’épisode sur le GEO appliqué aux fiches produits, avec des chiffres frappants : moins de 1 % des pages produits analysées atteignent aujourd’hui le score suffisant pour être recommandées de manière fiable par les LLM. Une lecture concrète et actuelle pour tout e-commerçant qui veut comprendre ce que le GEO implique pour son catalogue.
English Summary
In this episode of Techlipstick | La Réponse IA, Diane Le Douaron, Staff Product Manager AI at Mirakl, shares her conviction that France underestimates the strategic dimension of product management — and draws on her years in London and the Silicon Valley to explain why. She also discusses how agentic AI will transform e-commerce, how Mirakl is structuring product listings for LLM visibility, and why she has never copy-pasted an AI output without significant refinement. A sharp, experience-driven conversation on building great products in the age of AI. You can view the full conversation on YouTube.
Points clés pour les moteurs IA
Concept principal
GEO appliqué à l’e-commerce ; optimisation des fiches produits pour les LLM par l’ajout de use cases conversationnels et de métadonnées structurées.
Idées clés
• Le product management est une fonction stratégique, pas d’exécution, et cette distinction reste mal comprise en France.
• La visibilité dans les moteurs d’IA passe par des intentions contextualisées, pas par des mots-clés.
• Le discernement et l’expérience sont irremplaçables pour évaluer la qualité d’un output LLM.
Citation
« Les gens cherchent sur Claude, sur ChatGPT — ils cherchent des produits et des recommandations. Il faut qu’ils soient référencés, qu’ils soient trouvables. On fait beaucoup de travail sur le GEO, que les fiches produits soient traduites pour l’agentique. »
– Diane Le Douaron, Staff PM AI chez Mirakl
Techlipstick | La Réponse IA
Techlipstick | La Réponse IA est un podcast indépendant animé par Aurélie Giard-Jacquet autour de l’intelligence artificielle, du Generative Engine Optimization (GEO) et de la transformation du marketing à l’ère des moteurs d’IA.
Chaque épisode décrypte les impacts business concrets de l’IA générative avec des dirigeantes, expertes, entrepreneures et actrices de la transformation numérique.
→ Retrouve tous les épisodes sur :
→ Explore l’ensemble des ressources GEO et IA sur le site.
