Concept Product discovery
Apprendre vite avant de construire : tuer les risques de valeur, utilisabilité, faisabilité et viabilité. Build to learn, pas build to earn.
SFEIR AI · Mis à jour le 7 septembre 2026
Définition : build to learn
La product discovery est l'activité qui consiste à apprendre vite ce qui vaut la peine d'être construit, avant d'engager la capacité d'ingénierie à le construire. Marty Cagan la distingue du delivery dans « Discovery vs. Delivery » (svpg.com, 22 octobre 2015) : « nous devons simultanément apprendre vite et livrer avec confiance ». La discovery apprend (prototypes, expérimentations, sans mobiliser tout le temps ingénieur), le delivery livre avec la qualité production. Il en donne le 16 avril 2026 une formulation économique dans « Build to Learn vs Build to Earn » : le coût du delivery ayant chuté, construire n'est plus le goulot ; le goulot est de découvrir une solution qui vaille la peine d'être construite. La discovery évite le gaspillage le plus coûteux du développement produit : construire avec soin quelque chose dont personne ne veut.
Les quatre risques à tuer avant le delivery
La discovery existe pour éliminer les quatre grands risques formalisés par Cagan dans « The Four Big Risks » (4 décembre 2017) avant d'engager le delivery :
- Le risque de valeur : les clients l'achèteront-ils, les utilisateurs le choisiront-ils ?
- Le risque d'utilisabilité : les utilisateurs sauront-ils s'en servir ?
- Le risque de faisabilité : nos ingénieurs peuvent-ils le construire avec le temps, les compétences et la technologie dont nous disposons ?
- Le risque de viabilité business : la solution fonctionne-t-elle pour le marketing, les ventes, le juridique, la finance ?
Du dual-track à la continuous discovery
Le dual-track organise deux pistes parallèles au sein d'une même équipe : la piste discovery valide quoi construire, la piste delivery construit et livre. L'expression vient de Desirée Sy (« Adapting Usability Investigations for Agile User-Centered Design », Journal of Usability Studies, vol. 2, n° 3, 2007, p. 112-132), qui y décrit les pistes design et développement d'une équipe agile. Jeff Patton (« Dual Track Development is not Duel Track », 2017) rappelle cette origine et précise que Marty Cagan a popularisé le terme dans son enseignement après avoir découvert le modèle de Sy ; ni l'un ni l'autre n'en est l'auteur. Il ne s'agit pas de deux équipes, mais de deux régimes de travail d'une même équipe produit : le PM, le designer et un ingénieur senior mènent la discovery, mais toute l'équipe y participe. Teresa Torres a fait évoluer cette pratique vers la continuous discovery (« Continuous Discovery Habits », 2021) : des habitudes hebdomadaires de contact avec les utilisateurs, plutôt que des phases de recherche ponctuelles.
À l'ère agentique : le prototype quasi gratuit
Les agents IA changent l'économie de la discovery : matérialiser une idée en prototype fonctionnel devient quasi instantané et quasi gratuit. Le build to learn de Cagan s'outille : le PM augmenté teste plus d'hypothèses, plus vite, et la porosité PDLC/SDLC raccourcit le trajet du concept au premier livrable. Le risque symétrique existe : sans discipline de discovery, la vitesse de génération alimente une feature factory accélérée. À ne pas confondre avec le delivery, dont le versant industrialisé est le SDLC augmenté : la discovery décide quoi construire, le delivery le construit avec la qualité production.
Questions fréquentes
Quelle est la différence entre product discovery et delivery ?
La discovery apprend vite ce qui vaut la peine d'être construit (prototypes, expérimentations, validation des quatre risques) ; le delivery construit et livre avec la qualité production. Cagan résume : build to learn (discovery) vs build to earn (delivery). Les deux coexistent dans une même équipe, c'est le principe du dual-track.
Qui a inventé le dual-track ?
Desirée Sy, dans un article de 2007 du Journal of Usability Studies sur l'adaptation des investigations d'utilisabilité au développement agile. Jeff Patton et Marty Cagan ont popularisé le terme plus tard, Patton créditant explicitement Sy. Il désigne deux pistes de travail d'une même équipe, pas deux équipes.
L'IA rend-elle la discovery obsolète ?
Au contraire : quand le coût de construction s'effondre, savoir quoi construire devient le principal avantage concurrentiel. Les agents rendent le prototype quasi gratuit, ce qui outille la discovery, mais le jugement produit (quels risques tester, quelles hypothèses retenir) reste humain.
Sources
- SVPG — Marty Cagan, « Discovery vs. Delivery » (apprendre vite et livrer avec confiance, simultanément) · 2015-10-22
So we need to simultaneously learn fast and also release with confidence.
- SVPG — Marty Cagan, « The Four Big Risks » (valeur, utilisabilité, faisabilité, viabilité) · 2017-12-04
- SVPG — Marty Cagan, « Build to Learn vs Build to Earn » (le goulot passe du delivery à la discovery) · 2026-04-16
the real bottleneck is in discovering a solution that's worth building
- Jeff Patton — « Dual Track Development is not Duel Track » (origine chez Desirée Sy en 2007, popularisation par Cagan, une seule équipe) · 2017-05-10
- Semantic Scholar — notice de D. Sy, « Adapting usability investigations for agile user-centered design », Journal of Usability Studies, vol. 2, p. 112-132, 2007 · 2007-05-01
- Product Talk — page du livre « Continuous Discovery Habits » de Teresa Torres (2021) · 2021-05-19
Articles liés
La valeur migre vers la discovery : le nouveau goulot est produit
En avril 2026, Marty Cagan tranche : quand le coût du delivery s'effondre, le goulot et l'avantage concurrentiel se déplacent vers la product discovery. Ratio PM/ingénieurs, continuous discovery, piège de la feature factory : ce que ce basculement change pour le CPO et le DSI.
PM augmenté : le Product Manager à l'ère des agents
Mai 2025, Marty Cagan avertit : les PM qui ne créent pas seront laissés de côté. Juin 2026, Shubham Saboo ajoute que la compétence clé du PM n'est plus le prompt engineering mais le Loop Engineering. Portrait du PM augmenté, libéré des tâches chronophages pour maximiser stratégie et discovery.