De nombreux problèmes de produit et d'entreprise tournent mal avant même que les gens ne commencent à les étudier. Cela arrive parce que l'équipe ne s'est pas mise d'accord sur le problème qu'elle essaie de résoudre. Une seule question peut amener les gens à penser à la cause, au plan et à la solution en même temps.
Chaque personne peut répondre à une question différente. Trouver la cause, élaborer un plan et choisir une solution sont trois tâches distinctes. Lorsque les gens les mélangent, ils peuvent passer à côté de faits importants ou prendre des décisions fragiles. Par exemple, quelqu'un pourrait deviner la cause alors que l'équipe a vraiment besoin d'un plan. Ou l'équipe pourrait discuter de correctifs avant de savoir ce qui a causé le problème.
Une bonne façon d'étudier un problème est de suivre l'un des trois chemins clairs. L'équipe pose les questions une étape à la fois et vérifie que rien n'est répété ou omis. L'IA peut aider avec ces vérifications. Le chef de produit décide toujours quel problème étudier, quel est le problème principal et quelles questions l'équipe doit résoudre.
Démêler les branches de la pensée
- Un arbre des causes (Why-tree) trouve les causes. Sa racine demande pourquoi quelque chose se produit. Ses feuilles listent les causes possibles. Le résultat final est un ensemble d'hypothèses testables.
- Un arbre des tâches (What-tree) décompose le travail. Sa racine demande quel travail un livrable nécessite. Ses feuilles listent les analyses, décisions, engagements, artefacts ou processus. Le résultat final est un plan dans le bon ordre.
- Un arbre des solutions (How-tree) liste les chemins possibles. Sa racine demande comment l'équipe pourrait atteindre un objectif choisi. Ses feuilles listent des actions concrètes. Le résultat final est un ensemble d'options classées.
Utilisez « Why » pour les causes, « What » pour les unités de travail, et « How » pour les actions. Chaque type de feuille soutient une décision différente.
Exemple
Entrée : « L'activation de nos nouveaux utilisateurs est sous-performante. Nous devons décider quoi faire. »
Le visuel ci-dessous utilise des espaces réservés pour les types de branches et ne contient aucune conclusion sur un produit réel.
\\`text
WHY : Pourquoi l'activation des nouveaux utilisateurs est-elle sous-performante ?
├── 1. [Famille de causes candidates A]
├── 2. [Famille de causes candidates B]
└── 3. [Famille de causes candidates C]
Résultat : hypothèses testables
WHAT : Qu'est-ce que produire un plan d'activation nous oblige à détailler ?
├── 1. Preuves
│ └── 1.1 [ANALYSE] Preuves dont le plan a besoin
├── 2. Choix
│ └── 2.1 [DÉCISION] Choix qui dépend de l'analyse
├── 3. Accords
│ └── 3.1 [ENGAGEMENT] Propriété ou périmètre à confirmer
└── 4. Synthèse
└── 4.1 [SYNTHÈSE] Plan qui dépend des branches 1 à 3
Résultat : plan de travail séquencé
HOW : Comment pourrions-nous augmenter l'activation des nouveaux utilisateurs ?
├── 1. [Intervention liée à une cause confirmée]
├── 2. [Intervention liée à une autre cause confirmée]
└── 3. [Famille d'interventions dans les contraintes énoncées]
Résultat : options classées
\\`
J'utiliserais « Why » ici car l'équipe sait que l'activation est faible mais n'a pas trouvé la cause. « How » conviendrait si l'équipe connaissait la cause. « What » conviendrait si l'équipe devait produire un plan d'activation.
Les vérifications structurelles ne peuvent pas prouver que l'arbre est vrai
Les trois arbres utilisent la même règle MECE.
Les branches à chaque niveau ne doivent pas se chevaucher. Les branches à chaque niveau doivent couvrir tous les domaines importants. Cette vérification aide un chef de produit à identifier les zones couvertes par plus d'une branche et les zones qui ne sont pas couvertes du tout.
Face à un problème complexe, je discute du contexte avec l'IA. J'utilise la compétence pour rédiger des branches, construire l'arbre et effectuer les vérifications MECE. Je conserve le résultat dans le chat ou je le copie dans Miro ou un autre outil visuel.
Rendre la méthode reproductible
Un chef de produit peut construire manuellement un arbre de problèmes. Mais une équipe doit refaire le même travail encore et encore. Elle doit créer des branches, les mettre en ordre, vérifier chaque niveau et dessiner un arbre clair pour de nombreux problèmes différents.
Un agent IA peut effectuer ces étapes de manière répétée. Le chef de produit ajoute des détails sur le produit et décide comment décrire le problème, nommer le problème principal et supprimer les branches inutiles. Lorsque tout le monde utilise les mêmes étapes, les responsables produit et les réviseurs peuvent comprendre le travail plus facilement. Ils peuvent voir pourquoi l'équipe a construit l'arbre de cette façon et vérifier qu'il couvre l'ensemble du problème sans répéter d'idées.
Face à un nouveau problème, décidez d'abord de quelle réponse vous avez besoin. Avez-vous besoin de trouver les causes, d'élaborer un plan de travail ou de réfléchir à différentes options ? Choisissez ensuite Why, What ou How pour correspondre à cet objectif. Construisez votre premier arbre. Ensuite, cherchez une branche manquante et une branche qui répète une autre idée avant d'utiliser l'arbre.
Si une équipe produit souhaite utiliser cette méthode encore et encore, elle ne devrait pas demander à chaque chef de produit de construire l'ensemble du processus et de vérifier toutes les règles manuellement. L'IA peut effectuer ce travail répétitif afin que l'équipe puisse consacrer plus de temps à la résolution du problème.
Donnez cette compétence à votre équipe
\mckinsey-issue-tree\ est l'une des 243 compétences PM à l'intérieur d'AI PM OS, le système d'exploitation partagé pour les équipes produit. Il fonctionne dans Claude Code, Cowork ou Cursor et est mis à jour au moins toutes les 2 semaines, version 2.5.
Chaque PM conserve son propre contexte produit tandis que l'équipe partage des workflows et des normes de révision, afin que les arbres de problèmes et les plans d'analyse reviennent ancrés dans votre produit, vos utilisateurs et vos contraintes réelles, plutôt que des conseils PM génériques.
Vous n'avez rien à assembler. AI PM OS intègre \mckinsey-issue-tree\ dans la couche opérationnelle de l'équipe, aux côtés des workflows pour la stratégie, la recherche, les décisions, le travail avec les parties prenantes et la mesure.
