· GO4IT · Produit  · 6 min read

Priorisation des fonctionnalites : les methodes comparees pour arbitrer efficacement

RICE, MoSCoW, Kano, Weighted Scoring : face a une roadmap qui deborde de demandes, comment les equipes produit francaises arbitrent-elles vraiment ? Plongee dans les methodes qui marchent et celles qui trompent.

Schema de priorisation avec plusieurs methodes comparees sur un tableau de bord

La priorisation des fonctionnalites est souvent decrite comme le coeur du metier de product manager. C’est aussi la tache la plus politique, la plus stresante et celle ou les erreurs coutent le plus cher. Une fonctionnalite priorisee a tort, c’est des semaines de developpement gaspillees, des utilisateurs frustres et des objectifs commerciaux manques. Alors, comment les equipes produit francaises s’y prennent-elles vraiment ?

Le RICE scoring : le standard de facto

Le framework RICE (Reach, Impact, Confidence, Effort) s’est impose comme la methode de reference dans l’ecosysteme SaaS francais. Adopte par des licornes comme Aircall, Front ou Spendesk, il offre un langage commun pour comparer des initiatives radicalement differentes.

Chez Aircall, la licorne francaise de la telephonie cloud valorisee 1,2 milliard de dollars, le RICE est utilise a tous les niveaux de l’organisation produit. Nous avons adapte le scoring RICE a notre contexte B2B, en ponderant le Reach en fonction du revenu des segments touches, explique un Senior Product Manager d’Aircall. Une fonctionnalite qui impacte 100 clients Enterprise n'a pas le meme poids qu'une fonctionnalite qui impacte 100 clients Small Business.

La force du RICE reside dans sa transparence. Chaque score est public, discute et challenge. Chez Front, nous avons un channel Slack dedie ou chaque PM poste ses scores RICE pour les soumettre a la critique de ses pairs, raconte un PM de Front. Le debat est parfois vif, mais il aboutit toujours a une meilleure decision.

Mais le RICE a aussi ses limites. La principale est la subjectivite du score de Confiance. Donner un "2" ou un "3" a la confiance est souvent arbitraire, surtout quand on decouvre un nouveau marche, admet un VP Product de Spendesk. Nous avons compense en imposant un seuil minimum de confiance pour toute fonctionnalite qui entre en developpement.

La methode MoSCoW : simplicite et pragmatisme

Alternative au RICE, la methode MoSCoW (Must-have, Should-have, Could-have, Won’t-have) est utilisee par des equipes qui privilegient la rapidite et la clarte. Popularisee par le framework Agile, elle est notamment adoptee par PayFit pour la priorisation de son cycle de release.

Le MoSCoW a l'avantage d'etre compris immediatement par toutes les parties prenantes, y compris non techniques, explique un Product Director de PayFit. Un commercial peut debattre d'un "Must-have", mais il comprend la logique de classification.

PayFit utilise le MoSCoW en combinaison avec une ponderation par valeur client et valeur business. Une fonctionnalite "Must-have" pour un segment a fort revenu peut etre priorisee sur une fonctionnalite "Must-have" pour un segment a faible revenu. Le framework seul ne suffit pas : il faut le nourrir de donnees.

La methode MoSCoW brille par sa simplicite, mais elle peut etre reductrice. Certaines fonctionnalites sont "Should-have" aujourd'hui et "Must-have" demain. La classification est statique, alors que le marche est dynamique, nuance un PM de Swile.

Le modele Kano : prioriser par la satisfaction client

Developpe par le professeur Noriaki Kano dans les annees 1980, le modele Kano classe les fonctionnalites en cinq categories : les basiques (sans lesquelles le produit est inacceptable), les performance (plus il y en a, plus le client est satisfait), les attractives (elles surprennent et enchantent), les indifferentes et les reversives.

Ce modele connait un regain d’interet dans les equipes produit francaises, notamment chez Back Market et Doctolib. Le modele Kano nous aide a ne pas tomber dans le piege de la course aux fonctionnalites, explique un Product Designer de Back Market. Nous avons tendance a vouloir ajouter toujours plus de features. Mais le Kano nous rappelle que certaines fonctionnalites de base, comme la fiabilite des informations produit, sont des prerequis sans lesquels rien d'autre ne compte.

Chez Doctolib, la plateforme de prise de rendez-vous medicaux valorisee 5,8 milliards d’euros, le modele Kano est utilise pour prioriser les investissements UX. Nous avons identifie que la rapidite de prise de rendez-vous est une fonctionnalite "Performance" : plus elle est rapide, plus les utilisateurs sont satisfaits. En revanche, la possibilite de payer en ligne etait une fonctionnalite "Attractive" il y a deux ans, c'est devenu un "Basique" aujourd'hui, observe un PM de Doctolib.

Le Weighted Scoring : la methode sur-mesure

Certaines equipes, jugeant les frameworks existants trop generiques, developpent leur propre systeme de Weighted Scoring. C’est le cas de Pennylane, qui a concu une matrice de priorisation a 6 criteres : alignement strategique, impact revenu, effort technique, risque, apprentissage et urgence reglementaire.

Notre scoring sur-mesure nous permet de capturer les specificites de notre marche, ou les obligations legales et fiscales sont nombreuses, explique un Staff Product Manager de Pennylane. Le RICE, aussi bon soit-il, ne prend pas en compte les deadlines reglementaires qui sont pourtant notre quotidien.

Pennylane pondere chaque critere avec des coefficients ajustes chaque trimestre en fonction des objectifs strategiques. En periode de croissance, l'impact revenu a un coefficient de 3 et l'alignement strategique de 2. En periode de maturation produit, nous augmentons le poids de l'apprentissage et de la qualite, detaille le PM.

Les erreurs classiques de priorisation

La premiere erreur, la plus courante, est de confondre urgence et importance. Un client Enterprise qui menace de resilier parce qu'une fonctionnalite manque, c'est un signal fort. Mais cedersystematiquement a ce type de pression, c'est construire son produit par la peur, pas par la strategie, avertit un coach produit.

Deuxieme erreur : la priorisation sans donnees. Trop d'equipes priorisent sur la base d'intuitions ou de feedbacks non representatifs, constate un VP Product de Spendesk. Nous avons mis en place un systeme de "betting table" trimestrielle, inspire de Basecamp, ou chaque initiative doit etre defendue avec des donnees probantes.

Troisieme erreur : ne pas re-prioriser. Ce qui etait prioritaire en debut de trimestre peut ne plus l'etre en milieu de trimestre. Les equipes qui figent leur roadmap pour trois mois se retrouvent a construire des fonctionnalites deja obsoletes au moment de leur livraison, ajoute un PM de Front.

Comment les equipes francaises combinent les methodes

La tendance actuelle dans le SaaS francais est au mix methodologique. Les equipes les plus matures n’utilisent pas un seul framework, mais en combinent plusieurs. Nous utilisons le Kano pour la decouverte, le RICE pour la priorisation trimestrielle et le MoSCoW pour le sprint planning, detaille un Product Director d’Aircall.

Cette approche hybride permet de tirer le meilleur de chaque methode : la profondeur du Kano, la transparence du RICE et la simplicite du MoSCoW. L'important n'est pas la methode en elle-meme, mais la rigueur avec laquelle on l'applique, resume un formateur produit.

L’impact de l’IA sur la priorisation

L’intelligence artificielle commence a transformer les pratiques de priorisation. Plusieurs startups francaises experimentent des outils de priorisation automatisee bases sur l’analyse des donnees utilisateurs.

Nous avons developpe un algorithme qui analyse les comportements utilisateurs, les tickets support et les retours commerciaux pour suggerer un score de priorite automatique. Les PM restent maitres de la decision finale, mais ils gagnent un temps considerable sur l'analyse, explique un data scientist d’Algolia.

Cette approche, encore emergente, promet de reduire les biais cognitifs qui affectent la priorisation humaine. Les humains ont tendance a sur-prioriser les problemes recents et les demandes des clients les plus bruyants. L'algorithme, lui, est insensible a ces biais, ajoute le data scientist.

Pour les equipes qui souhaitent approfondir le sujet, nous recommandons la lecture de notre article sur les secrets du product-led growth et notre analyse du pricing SaaS.

Retour aux articles

Related Posts

View All Posts »