Croissance & Stratégie
Personas
SaaS et Startup
ROI
À court terme (< 3 mois)
l'année dernière, un client potentiel m'a approché avec une opportunité passionnante : construire une plateforme de marché à deux faces avec un budget substantiel. Le défi technique était intéressant et cela aurait été l'un de mes plus grands projets à ce jour.
J'ai dit non.
Non pas parce que je ne pouvais pas le construire, et non pas parce que l'argent n'était pas bon. Je l'ai refusé parce qu'ils avaient la cécité classique des startups que l'IA et les outils sans code ont aggravée, pas améliorée. Ils pensaient que parce qu'ils pouvaient construire plus vite et moins cher avec l'IA, ils devraient sauter le travail difficile de recherche d'ajustement produit-marché.
Voici ce que je leur ai dit à la place — et pourquoi cette conversation se produit presque chaque semaine maintenant avec des fondateurs excités par l'IA :
Pourquoi les outils modernes d'IA créent une illusion PMF dangereuse
Le cadre MVP d'une journée qui teste réellement la demande
Comment utiliser l'IA pour la validation, pas seulement pour la construction
Des exemples réels de ce qui a fonctionné (et ce qui a échoué de manière catastrophique)
Le cadre que j'utilise désormais avec chaque client potentiel avant que nous ne construisions quoi que ce soit
Ceci n'est pas un conseil anti-IA. C'est une réalité pro-business. Les fondateurs de SaaS doivent comprendre que l'IA a rendu la construction plus facile, mais cela n'a pas rendu moins critique la recherche de la bonne chose à construire.
Réalité de l'industrie
Ce que chaque fondateur de startup croit sur l'IA et le PMF
Entrez dans n'importe quel accélérateur de startup, faites défiler Twitter ou assistez à une rencontre de fondateurs, et vous entendrez la même excitation : "L'IA change tout dans le développement de produits." La sagesse conventionnelle s'est cristallisée en quelques croyances fondamentales :
"Construisez vite, itérez plus vite" - Puisque l'IA peut vous aider à construire des MVP en quelques semaines au lieu de plusieurs mois, l'idée est que vous devez expédier rapidement et laisser le marché vous dire ce qui fonctionne.
"Pas de code + IA = validation instantanée" - Les fondateurs croient que parce que des outils comme Bubble, Framer et diverses plateformes d'IA leur permettent de construire sans contraintes techniques, ils peuvent tester plus d'idées plus rapidement.
"La contrainte n'est plus la construction" - Le récit populaire est que puisque construire est désormais "résolu", la seule chose qui empêche le succès est d'avoir suffisamment d'idées à tester.
"L'IA peut analyser les retours des utilisateurs pour trouver l'ajustement produit-marché" - Beaucoup de fondateurs pensent que les outils d'IA peuvent traiter les interviews utilisateurs, les données d'enquête et les analyses d'utilisation pour identifier automatiquement les signaux d'ajustement produit-marché.
"La vitesse de mise sur le marché est l'avantage concurrentiel ultime" - Il y a une croyance que celui qui expédie le plus vite avec l'IA gagne, peu importe s'ils ont validé le problème central.
Cette sagesse conventionnelle existe parce qu'elle se sent habilitante. Après des décennies de barrières techniques empêchant les fondateurs de tester des idées, l'IA a véritablement supprimé de nombreuses contraintes. Les outils fonctionnent. La vitesse est réelle. Mais voici ce que l'industrie se trompe : ils optimisent pour la mauvaise contrainte.
Le goulot d'étranglement n'a jamais vraiment été la construction. Il s'agissait toujours de savoir quoi construire et pour qui. L'IA a facilité la partie facile tout en laissant la partie difficile—trouver une demande réelle—exactement aussi difficile qu'auparavant.
Considérez-moi comme votre complice business.
7 ans d'expérience freelance avec des SaaS et Ecommerce.
Le client est venu me voir avec un concept de place de marché à deux facettes. Ils avaient fait leurs devoirs sur le plan technique : recherché des plateformes sans code, exploré des intégrations d'IA, même esquissé les flux d'utilisateurs. Ce qu'ils n'avaient pas, c'était un seul client de chaque côté de leur place de marché.
"Nous voulons voir si notre idée fonctionne," m'ont-ils dit. "Avec ces nouveaux outils d'IA, nous pouvons le construire à moindres frais et rapidement, puis itérer en fonction de ce que nous disent les utilisateurs."
C'est là que je les ai arrêtés. Pas parce que leur idée était mauvaise - elle avait en fait du potentiel. Mais parce que leur approche était à l'envers, et j'ai déjà vu ce film trop de fois.
Six mois plus tôt, j'avais travaillé avec un autre client qui avait suivi cette approche exacte. Ils avaient passé trois mois à construire une belle application de productivité alimentée par l'IA avec toutes les fonctionnalités qu'ils pouvaient imaginer. Les outils sans code fonctionnaient parfaitement. Les intégrations d'IA étaient fluides. L'application avait un aspect professionnel.
Zéro clients payants après le lancement.
Le problème n'était pas l'exécution - c'était qu'ils avaient construit une solution pour un problème que les gens ne savaient pas qu'ils avaient, ciblant des utilisateurs qui étaient satisfaits de leurs outils actuels. Toute l'IA du monde ne pouvait pas résoudre le décalage fondamental entre ce qu'ils avaient construit et ce que le marché voulait.
Mais ce qui me préoccupait vraiment à propos du client de la place de marché, c'était qu'ils faisaient la même erreur, mais avec des enjeux plus élevés. Une place de marché a besoin à la fois de fournisseurs et d'acheteurs pour réussir. Si vous le construisez et qu'aucun des deux côtés ne se présente, vous venez de créer une plateforme vide coûteuse.
C'est à ce moment-là que j'ai réalisé le véritable problème. L'IA et les outils sans code n'ont pas seulement facilité la construction - ils ont rendu le mauvais type de construction plus tentant. Parce que vous pouvez construire plus rapidement et moins cher, il y a moins de pression pour valider d'abord. Cela semble à faible risque de "juste le construire et voir." Mais c'est exactement à l'envers.
Voici mon Playbooks
Ce que j'ai fini par faire et les résultats.
Voici exactement ce que j'ai dit à ce client de marché, et le cadre que j'utilise maintenant avec chaque fondateur qui vient à moi excité par les MVP alimentés par l'IA :
La règle du MVP d'un jour : Si vous testez réellement la demande du marché, votre MVP devrait prendre un jour à construire, pas trois mois. Oui, même avec des outils d'IA et sans code, la construction d'une plateforme fonctionnelle à deux côtés prend beaucoup de temps. Mais votre premier MVP ne devrait pas être un produit du tout.
Au lieu de cela, je les ai guidés à travers ce que j'appelle le "Cadre PMF Manuel-First" :
Jour 1 : Créer une simple page de validation
Pas un produit—juste une page de destination ou un document Notion expliquant la proposition de valeur. J'ai vu des fondateurs utiliser tout, d'un simple formulaire Google à une page Webflow. La clé est de le rendre suffisamment réel pour que les gens s'inscrivent réellement si le produit existait.
Semaine 1 : Commencer la recherche manuelle
C'est là que la plupart des fondateurs veulent passer directement à la construction. Ne le faites pas. Passez une semaine entière à contacter des utilisateurs potentiels des deux côtés de votre marché. Messages LinkedIn, DMs Twitter, forums de l'industrie—partout où vos utilisateurs passent déjà du temps.
Semaine 2-4 : Apparier manuellement l'offre et la demande
Si les gens veulent réellement ce que vous construisez, vous devriez être en mesure de faciliter des connexions manuellement. Utilisez des courriels, WhatsApp, appels téléphoniques, réunions Zoom—tout ce qu'il faut. Voici votre vrai MVP : vous en tant que middleware humain.
Mois 2 : Construire de l'automatisation seulement après avoir prouvé la demande
Ce n'est qu'après avoir facilité manuellement des transactions réussies que vous devez commencer à construire des systèmes automatisés. D'ici là, vous saurez exactement ce dont les gens ont besoin et comment ils veulent l'utiliser.
Le client de marché a fortement réagi à cette approche. "Mais avec l'IA, nous pourrions construire toute la plateforme et tester tout en même temps," ont-ils argué.
C'est alors que j'ai partagé l'histoire d'un client qui a fait exactement cela—et ce qu'il a appris en traitant manuellement ses 100 premières correspondances. Les problèmes que les utilisateurs avaient réellement étaient complètement différents de ce qu'ils avaient supposé. Les fonctionnalités qu'ils pensaient être essentielles se sont révélées ennuyeuses. Le flux de travail qu'ils avaient prévu d'automatiser nécessitait trois étapes manuelles qu'ils n'avaient pas anticipées.
Le point d'intégration de l'IA : Voici où l'IA devient réellement puissante pour le PMF. Au lieu de l'utiliser pour construire votre produit, utilisez-le pour analyser les données sur le processus manuel. Nourrissez vos conversations clients dans des outils d'IA pour identifier des motifs. Utilisez l'IA pour analyser quelles interventions manuelles ont fonctionné le mieux. Laissez l'IA vous aider à repérer des signaux dans le bruit des premiers retours clients.
J'ai commencé à utiliser des outils comme Perplexity pour des recherches rapides sur les clients et Claude pour analyser les transcriptions d'entretiens. L'IA m'aide à identifier des signaux de marché plus rapidement, mais seulement après avoir collecté de vraies données provenant de processus manuels.
Étude de marché
Utilisez l'IA pour analyser les données d'entretiens avec les clients et identifier les modèles de demande, pas pour créer des produits non validés.
MVP manuel
Commencez par des processus pilotés par des humains pour prouver la demande avant d'automatiser quoi que ce soit avec l'IA.
Détection de signal
L'IA excelle à trouver des motifs dans les retours des clients une fois que vous avez de vraies conversations et des données.
Validation de la demande
Construisez d'abord des flux de travail manuels, puis utilisez l'IA pour optimiser ce qui fonctionne déjà.
Le client du marché a pris mon conseil, à contrecœur. Au lieu de passer trois mois à construire une plate-forme, ils ont passé trois semaines à connecter manuellement les acheteurs et les vendeurs de leur secteur.
Les résultats ont été révélateurs. Au cours de ces trois semaines, ils ont facilité 12 correspondances réussies manuellement. Plus important encore, ils ont découvert que leur idée originale—un système d'enchères complexe—était complètement inutile. Ce que les gens voulaient vraiment, c'était un moyen simple de trouver des partenaires pré-vérifiés avec des prix transparents.
Dès le deuxième mois, ils avaient une liste d'attente de plus de 200 utilisateurs des deux côtés suppliant pour une plate-forme automatisée. C'est alors que nous avons commencé à construire—mais à construire la bonne chose.
Le contraste avec le client de l'application de productivité était frappant. L'application de productivité avait de belles fonctionnalités d'IA mais aucun signal de demande clair. Le marché avait des processus manuels laids mais une demande écrasante. Devinez lequel est encore en affaires ?
Ce schéma a été constaté chez tous les clients avec qui j'ai travaillé depuis. Ceux qui utilisent l'IA pour accélérer la construction avant de valider la demande ont du mal à trouver des clients. Ceux qui utilisent l'IA pour accélérer la validation et l'analyse construisent des produits que les gens veulent réellement.
Ce que j'ai appris et les erreurs que j'ai commises.
Pour que vous ne les fassiez pas.
Les processus manuels révèlent ce que l'IA ne peut pas : Le comportement des clients dans la vraie vie est plus désordonné que ne le suggèrent les recherches utilisateur. Les opérations manuelles vous montrent le véritable flux de travail, pas celui théorique.
L'IA amplifie la demande existante, elle ne la crée pas : Aucun nombre de fonctionnalités intelligentes ne peut corriger un produit que personne ne veut. Utilisez l'IA pour servir une demande validée, pas pour générer de la demande.
La vitesse est précieuse, mais la direction est essentielle : L'IA vous permet de construire la mauvaise chose plus rapidement. Le véritable avantage provient de la construction de la bonne chose à la bonne vitesse.
Les entretiens avec les clients > analyses utilisateur : L'IA peut traiter les analyses magnifiquement, mais elle ne peut pas remplacer de réelles conversations avec des clients potentiels sur leurs véritables problèmes.
La contrainte engendre la créativité : Lorsque la construction était difficile, les fondateurs étaient contraints de valider d'abord. Maintenant que construire est facile, vous avez besoin de contraintes artificielles pour maintenir la discipline.
Le meilleur cas d'utilisation de l'IA pour la PMF est l'analyse, pas la création : Laissez l'IA vous aider à comprendre les motifs dans les données clients, pas à construire des produits avant d'avoir des données sur les clients.
Les entreprises de marché nécessitent une double validation : Vous devez prouver la demande des deux côtés avant de construire. L'IA rend cela plus facile à tester, pas plus facile à sauter.
Comment vous pouvez adapter cela à votre entreprise
Mon playbook, condensé pour votre cas.
Pour votre SaaS / Startup
Pour les startups SaaS utilisant des outils d'IA pour le PMF :
Commencez par un développement client manuel, puis automatisez
Utilisez l'IA pour l'analyse des entretiens clients, et non pour la création de produits
Construisez des listes d'attente avant de créer des fonctionnalités
Testez d'abord la demande manuellement, puis évoluez avec l'IA
Pour votre boutique Ecommerce
Pour les entreprises de commerce électronique utilisant l'IA pour la validation du marché :
Utilisez l'IA pour analyser les modèles de retour des clients, pas pour les décisions d'inventaire
Testez la demande avec des précommandes avant de mettre en place des systèmes automatisés
Le service client manuel révèle des opportunités d'automatisation
L'IA devrait accélérer les processus éprouvés, pas remplacer la validation