Concept Feature factory
Anti-pattern produit : mesurer le nombre de features livrées (output) plutôt que l'impact (outcome). L'IA aggrave le risque en accélérant tout.
Définition : l'usine qui mesure l'output
La feature factory est un anti-pattern organisationnel : une organisation produit qui mesure son succès au nombre de fonctionnalités livrées (l'output) plutôt qu'à leur impact sur les utilisateurs et le business (l'outcome). Le terme a été popularisé par John Cutler au milieu des années 2010, notamment via son article « 12 Signs You're Working in a Feature Factory ». L'usine tourne, la roadmap avance, les équipes livrent ; mais personne ne mesure si ce qui sort de la chaîne change quoi que ce soit.
Les symptômes classiques
Quelques signes qui trahissent une feature factory :
- La roadmap est une liste de features datées, pas une liste de problèmes à résoudre.
- On célèbre la mise en production, jamais l'impact mesuré après lancement.
- Les équipes sont évaluées à la vélocité et au respect des jalons, pas aux résultats produit.
- Aucune feature n'est jamais retirée : le produit grossit, il ne s'améliore pas.
- La discovery est absente ou décorative : les décisions sont prises avant toute validation.
Le project model, une feature factory suralimentée
Marty Cagan (SVPG) fait de la sortie de la feature factory le cœur du product operating model (« TRANSFORMED », 2024) : confier aux équipes des problèmes à résoudre (outcomes) plutôt que des features à livrer (output). Il qualifie le project model traditionnel de « turbo-charged feature factory », capable de produire plus de mauvais produits, plus vite que jamais. Le remède est connu : une vraie product discovery pour tuer les mauvaises idées avant le delivery, et des métriques d'outcome partagées entre produit et ingénierie.
Le risque s'aggrave à l'ère IA
L'IA générative rend la production de features quasi gratuite, ce qui aggrave mécaniquement l'anti-pattern : une feature factory équipée d'agents génère plus vite de mauvais produits. C'est la thèse de l'amplification du rapport DORA 2025 appliquée au produit : l'IA amplifie les forces comme les dysfonctionnements. Une organisation qui mesurait déjà le mauvais indicateur (l'output) voit cet indicateur exploser, et confond cette explosion avec du progrès. À ne pas confondre avec le workslop, qui est le symétrique documentaire du même mal : des artefacts produits en volume, polis en surface, sans substance ni impact. Le PM augmenté est la parade côté rôle : réinvestir le temps gagné dans la discovery et le jugement, pas dans plus de tickets.
Questions fréquentes
Comment savoir si mon organisation est une feature factory ?
Regardez ce qui est célébré et mesuré : si le succès se compte en features livrées et en jalons tenus, sans mesure d'impact après lancement, et si aucune feature n'est jamais retirée, les signes de John Cutler sont réunis. Le test le plus simple : votre roadmap liste-t-elle des problèmes à résoudre ou des fonctionnalités à livrer ?
L'IA permet-elle de sortir de la feature factory ?
Pas en soi : l'IA est un amplificateur (DORA 2025). Elle rend la production de features quasi gratuite, donc une feature factory équipée d'agents produit plus vite de mauvais produits. Sortir de l'anti-pattern demande de changer la mesure (outcome plutôt qu'output) et de réinvestir la vitesse gagnée dans la discovery.
