Améliorer l’efficacité du delivery des équipes produit grâce à un agent GenAI

Contexte
L’IA transforme en profondeur le marché et redéfinit les standards de performance. Fidèle à son ADN de précurseur, le Club Med choisit de prendre pleinement ce virage en posant, avec Thiga, les premières briques d’une organisation AI ready.
L’ambition est claire : donner aux équipes les moyens de réinventer leur manière de travailler en s’appuyant sur des agents IA capables d’automatiser les tâches répétitives et de libérer du temps pour l’innovation, la créativité et l’excellence opérationnelle.
Dans cette mission commune, les agents ont été construits par Thiga en étroite collaboration avec les équipes du Club Med, afin de garantir une parfaite adéquation aux besoins métiers et techniques. Au-delà de la dimension technologique, Thiga accompagne également le change management : adoption des nouveaux usages, montée en compétence des collaborateurs et intégration fluide dans les pratiques quotidiennes.
Cette démarche a permis d’identifier et de tester des cas d’usage concrets et à fort impact tout au long de la chaîne de delivery produit et tech, de la création d’User Stories à la génération de release notes, en passant par la compréhension d’API et l’automatisation de tests. En capitalisant sur une gouvernance solide et une intégration fluide aux outils existants, le Club Med franchit une étape structurante : expérimenter, mesurer et optimiser, pour bâtir les fondations d’une entreprise augmentée par l’IA, où la technologie devient un véritable levier de performance collective et durable.
Challenges
- Identifier les cas d’usage les plus créateurs de valeur : repérer rapidement des opportunités IA à fort impact, réplicables dans l’organisation et alignées avec les priorités métier.
- Concevoir une architecture agentique robuste et intégrée : garantir la compatibilité avec la stack technologique existante du Club Med, tout en assurant la sécurité et la scalabilité des solutions.
- Engager les équipes produit dans la co-construction : associer les collaborateurs dès la conception des agents, favoriser l’appropriation des nouveaux usages et accompagner le change management pour une adoption durable.
- Mesurer et démontrer les gains tangibles : objectiver l’efficacité des agents IA en suivant des KPIs précis (productivité, qualité, réduction du support) et en prouvant la valeur ajoutée de chaque expérimentation.
Notre Approche
-
Cartographie des processus produit & tech pour identifier les opportunités IA
- Observation et analyse interne : entretiens avec les équipes, observation des rituels et interactions pour détecter les irritants
- Cartographie des processus existants et évaluation de leur complexité / récurrence afin de repérer les opportunités d’automatisation
- Entretiens techniques et cadrage avec la DSI pour définir les prérequis et contraintes de l’expérimentation
-
Priorisation des cas d’usage : création d’US, compréhension des API, release notes, etc.
- Identification et sélection des cas d’usage pertinents via ateliers de priorisation (ex. US, API, release notes, code)
- Formalisation détaillée du cas d’usage retenu avec hypothèses de bénéfices et KPIs de mesure
- Évaluation de la faisabilité, de l’impact et de la scalabilité des cas d’usage candidats
-
Mise en place et déploiement des premiers agents
- Mise en place de l’écosystème agentique : environnements, configuration et intégrations (N8N, bases de données, outils internes)
- Développement des agents : création des flux, intégration des sources (Jira, GitHub, API, etc.) et prompt engineering
- Tests avec les équipes métiers et techniques pour optimiser les performances des agents
-
Sprints itératifs avec feedback human-in-the-loop
- Définition du périmètre et objectifs de chaque sprint (build, optimize, mesure)
- Expérimentation avec les équipes early adopters et recueil de feedback continu pour améliorer l’agent
- Analyse des KPIs en fin de sprint et ajustements incrémentaux sur les workflows agentiques
-
Mesure de l’impact et optimisation continue
- Mesure systématique des KPIs (productivité, qualité des livrables, réduction du support, vélocité des équipes)
- Synthèse et partage des résultats auprès des parties prenantes (impact, limites, axes d’amélioration)
- Intégration progressive de nouvelles sources ou variantes pour améliorer la performance des agents
-
Mise en place des bases pour la gouvernance multi-agents et le passage à l’échelle
- Cadrage des prérequis techniques, juridiques et organisationnels pour l’industrialisation
- Mise en place d’un Product Operating Model et d’une gouvernance commune pour superviser les agents IA
- Planification du déploiement à l’échelle (équipes candidates, roadmap, handover vers équipes internes)
Notre Impact
- Gains de temps sur la création de contenu et les tâches de support : de 3–5 jours à 0,5 jour
- Meilleure qualité et utilisabilité de la documentation
- Time-to-market accéléré
- Adoption en cours d’un framework scalable pour le déploiement d’agents IA
Thiga
La newsletter qui a de l'impact