Le dernier goulot d’étranglement

Il y a trente ans, les logiciels étaient expédiés sur des disques emballés sous film plastique et vendus dans les rayons des magasins. Pour qu’un produit parvienne à un client, il fallait passer par des accords de fabrication, d’emballage et de distribution. Tous ces processus entre le constructeur et l’acheteur étaient complexes et semés d’embûches.

Depuis, chaque changement majeur dans le développement de produits a permis de supprimer un goulot d’étranglement. Internet a supprimé la distribution. Le cloud et le déploiement continu ont éliminé les frictions liées à l’itération. De versions annuelles, les équipes sont passées à des livraisons quotidiennes. Aujourd’hui, les outils d’IA comme Lovable et Cursor suppriment encore davantage la complexité technique. Ils ont éliminé les contraintes liées au langage de codage afin que davantage de personnes puissent prototyper et construire plus rapidement, quelle que soit leur expertise technique. Les équipes d’aujourd’hui sont en mesure de livrer une nouvelle fonctionnalité en quelques heures. Et elles ne s’en privent pas. Tous les jours.

Mais aucun de ces changements n’a résolu la question centrale que l’on se pose : suis-je en train de créer ce dont j’ai vraiment besoin ?

La vitesse de développement a dépassé la vitesse d’apprentissage

Aujourd’hui, les équipes livrent une nouvelle fonctionnalité le matin et passent à la version suivante le soir. Une campagne peut être lancée en début de journée sans aucune lecture des performances jusqu’au rapport mensuel sur les métriques. Pour comprendre comment les utilisateurs perçoivent réellement ce que vous avez créé, il faut encore connecter les systèmes de données, attendre que les analystes soient disponibles et espérer répondre à la bonne question avant le prochain coup de feu.

Si on s’agite sans comprendre, alors on gâche non seulement un sprint ou une campagne mais on va en plus multiplier le coût de chaque mauvaise décision. Chaque fonctionnalité construite sur une hypothèse erronée est désormais livrée plus rapidement. Chaque campagne optimisée par rapport à la mauvaise métrique évolue plus rapidement. Toute expérience lancée sans une compréhension claire du comportement des utilisateurs peut repousser les clients plus rapidement qu’elle ne les attire. Avant que les équipes ne donnent la priorité à la rapidité d’exécution, elles ont besoin d’un flux de travail pour déterminer si elles vont dans la bonne direction.

Les équipes ne se contentent pas d’effectuer des déploiements plus rapides, elle le font à l’aveugle. Sans un moyen de faire le lien entre ce que vous déployez et ce qui fonctionne, la vitesse ne crée pas intrinsèquement de la valeur, elle ne fait que ralentir la croissance.

Du reporting au raisonnement

Ce goulot d’étranglement dans l’évaluation des produits n’est pas dû à un manque de données. Les équipes disposent de plus de données que jamais. Et il n’est pas non plus dû à un manque d’outils. Le marché de l’analyse est énorme. Le problème tient au fait que la plupart des processus d’analyse continuent de fonctionner comme ils le faisaient avant que l’IA ne change tout le reste. Quelqu’un a une question. Il dépose un ticket auprès d’un analyste. Quelques jours ou quelques semaines plus tard, il obtient un tableau de bord, mais celui-ci n’est utile que s’il a posé la bonne question au départ.

Ce flux de travail était acceptable lorsque les équipes expédiaient leurs produits à une fréquence trimestrielle. Mais il est impraticable lorsqu’elles effectuent des déploiements au quotidien. Dans un monde où les produits, les campagnes et les expériences évoluent à la vitesse de l’IA, l’analyse doit suivre de manière proactive. Elle doit fonctionner en continu, en permettant un raisonnement en temps réel, pour faire ressortir ce qui compte, avant même que quiconque n’y pense. Axer le reporting sur le passé est un gage d’échec. Aujourd’hui, les outils d’analyse doivent aider activement les équipes à comprendre le présent et à décider de la marche à suivre.

Cette évolution implique un fondement radicalement différent.

L’analyse à l’échelle de l’IA nécessite un contexte comportemental complet

Pour déterminer si vous avez créé ce dont vous avez vraiment besoin, il faut plus qu’un entrepôt de données et une couche de requête. Cela nécessite une vision complète de l’expérience utilisateur, notamment des données comportementales et des entonnoirs, des session replays, des commentaires d’enquêtes et des conversations d’assistance. Il vous faut « mélanger » les données en temps réel sur le comportement de vos utilisateurs, leurs ressentis et leurs points de blocage.

Mais les signaux des utilisateurs ne représentent que la moitié de l’équation. L’IA doit également comprendre le contexte de votre équipe :

• quelles sont les questions posées en ce moment ?
• Quels graphiques et indicateurs ont été créés récemment ?
• Comment ma taxonomie a-t-elle évolué ?
• Comment les priorités évoluent-elles à mesure que les produits et les campagnes changent ?

Sans ce contexte vivant, même une IA puissante produit des réponses superficielles ou trompeuses. C’est pourquoi vous ne pouvez pas simplement placer un LLM au-dessus d’un entrepôt de données et vous attendre à obtenir des insights qui ont du sens. Cela pourrait vous permettre de savoir plus rapidement ce qui s’est passé, mais vous passeriez à côté des éléments les plus importants : diagnostiquer le pourquoi et déterminer la marche à suivre. Une véritable compréhension nécessite d’associer le contexte complet de votre expérience utilisateur et l’intention qu’a l’équipe de créer pour ces utilisateurs.

L’analyse doit devenir agentique, pas seulement intelligente

Aujourd’hui, la charge opérationnelle de l’analyse incombe toujours aux personnes. Quelqu’un doit se charger de maintenir la taxonomie à mesure que le produit change. Quelqu’un d’autre doit nettoyer les données obsolètes ou erronées afin que le système ne se dégrade pas en silence. Une autre personne doit relier les modèles de comportement et les commentaires des utilisateurs à des idées concrètes sur ce qu’il faut corriger, tester ou construire ensuite. Tout ce travail est essentiel, et quasiment rien n’est évolutif.

L’analyse agentique est la solution à toutes ces tâches. Elle maintient et fait évoluer la base dont elle dépend, maintient le contexte à jour sans qu’on le lui demande, et aide les équipes à passer de l’insight à l’action sans attendre un transfert. L’analyse cesse d’être un système passif que vous interrogez, pour devenir un participant actif dans la façon dont vous construisez, déployez et développez.

Mise à niveau de la plateforme d’analyse IA d’Amplitude

Cursor a redéfini ce qui est aujourd’hui possible dans le développement de logiciels, rendant les ingénieurs jusqu’à 10 fois plus rapides et rendant la création accessible aux personnes qui n’ont jamais écrit une ligne de code. Aujourd’hui, la même chose est en train de se passer pour l’analyse.

Nous ajoutons des agents Amplitude à notre plateforme d’analyses IA : un système d’agents qui ouvre la porte à un plus grand nombre de personnes et d’équipes pour comprendre les données comportementales et le contexte complet des expériences utilisateur.

Il détecte en permanence ce qui se passe tout au long du parcours client. Il décide de ce qui compte et indique pourquoi. Il agit par le biais d’expériences, de personnalisation, etc. Avec les analyses IA, les équipes passent de la création de produits à l’évaluation de leur impact en quelques minutes plutôt qu’en quelques semaines. Par rapport à l’analyse manuelle, cela représente une multiplication de la productivité par 10.

Voici comment cela fonctionne.

Global Agent Amplitude

Le Global Agent Amplitude a accès à l’analyse et à l’action sur l’ensemble de la plateforme Amplitude : données comportementales, parcours, expériences, session replays et commentaires. Il intègre également le contexte des tâches de l’équipe, y compris les questions récentes, les nouveaux graphiques, les indicateurs changeants et les priorités mises à jour. Il ne se contente pas de créer des graphiques pour répondre aux questions ; il tient des conversations dans un langage simple, encourageant les suivis pour guider quiconque à travers les enquêtes analytiques.

Global Agent mène des enquêtes complètes, en reliant les modèles entre les sources de données et en préparant les prochaines étapes concrètes. L’analyse des causes profondes qui prenait auparavant des jours ou des semaines ne prend plus que quelques minutes, avec une précision supérieure à celle de l’enquête manuelle. Après toutes ces recherches, il peut même faire des recommandations sur les bonnes mesures à prendre. Et il est accessible là où vos équipes passent le plus clair de leur temps : dans Slack et Teams.

Agents spécialisés

Alors que le Global Agent aide les équipes à enquêter et à décider, les Agents spécialisés s’assurent que rien d’important n’est manqué initialement. Ils sont spécialement conçus pour un seul domaine ou flux de travail, fonctionnant de manière planifiée pour analyser ce qui se passe et envoyer des résumés, des opportunités et des actions recommandées à votre page d’agents Amplitude, par e-mail ou sur Slack.

Actuellement, quatre agents spécialisés sont disponibles :

• Agent de surveillance du tableau de bord : génère automatiquement des insights à partir de n’importe quel tableau de bord, analyse en profondeur les tendances et les anomalies intéressantes et assure une surveillance proactive selon un calendrier défini afin que les problèmes soient détectés avant qu’ils ne deviennent des soucis.
• Agent Session Replay : examine des centaines de sessions sur une base planifiée pour identifier les frictions et les modèles qui coûtent des conversions. Recommande des correctifs spécifiques avec un impact quantifié.
• Agent de conversion de site Web : propose des expériences, génère des variantes et crée des configurations d’expériences. Avec votre permission, il exécutera les lancements et partagera les résultats ainsi que les décisions de déploiement.
• Agent de feedback : génère des résumés planifiés des principaux thèmes à partir de commentaires non structurés (par exemple, des enquêtes, des tickets) et met en évidence des informations exploitables que les équipes manqueraient autrement.

Serveur MCP (Model Context Protocol)

Avec le MCP, l’intelligence comportementale d’Amplitude est disponible directement dans les flux de travail d’IA que vous utilisez déjà. Vous pouvez poser des questions, enquêter sur les problèmes et agir en fonction de ce que vous trouvez sans quitter votre flux de travail. Les insights apparaissent au moment de la décision, et non après coup.

Assistants IA : demandez à Claude ou à ChatGPT de résumer le comportement des utilisateurs, d’extraire des graphiques et de répondre aux questions sur les produits ou les campagnes à l’aide des données Amplitude.

Développement : validez, déboguez et suivez l’impact avec le contexte du produit dans Cursor ou Claude Code. Ajoutez un contexte comportemental aux requêtes GitHub. Créez et expédiez des fonctionnalités d’IA avec des insights intégrés sur les produits dans AWS Kiro.

Conception et prototypage : validez et affinez les concepts Lovable grâce aux performances et aux commentaires sur les produits. Identifiez les frictions utilisateur et générez des prototypes basés sur des données dans Figma Make.

Produit et collaboration : analysez et mettez en évidence les opportunités de produits avec les agents Notion. Rendez les graphiques et les analyses d’Amplitude consultables dans Atlassian Rovo.

Ventes et engagement : personnalisez les messages et le ciblage dans Outreach grâce à des signaux comportementaux.

Un seul système, pas de fonctionnalités séparées

Global Agent, Agents spécialisés et MCP ne sont pas trois produits distincts. Il s’agit d’un système unique, reposant sur une base commune de données comportementales, de contexte vivant et de raisonnement agentique. Global Agent enquête en temps réel. Les Agents spécialisés automatisent les flux de travail qui vous importent. Le protocole MCP met tout cela à la disposition de votre équipe. Ensemble, ils bouclent la boucle entre construction et apprentissage que le reste de l’industrie a laissé ouverte.

L’avenir appartient aux équipes qui apprennent aussi vite qu’elles déploient

La vitesse de développement n’est plus un avantage concurrentiel. L’IA a donné à chaque équipe la capacité de déployer des produits à une vitesse extraordinaire. Ce qui compte aujourd’hui, c’est la rapidité avec laquelle vous pouvez comprendre ce qu’il faut construire et transformer ces connaissances en actions cohérentes.

Les analyses qui fonctionnent à vitesse humaine resteront à la traîne. L’avenir est à l’analyse à l’échelle de l’IA ; fondée sur le contexte comportemental, le raisonnement continu, l’action sur les insights, et intégrée là où les équipes travaillent déjà.

C’est l’avenir qu’Amplitude est en train de construire. Et il est disponible dès aujourd’hui.

Jetez un coup d’œil en coulisses et découvrez-le en action le jeudi 5 mars. Vous bénéficierez d’une visite de la plateforme par les personnes qui la connaissent le mieux : les développeurs qui l’ont créée. Inscrivez-vous dès aujourd’hui.