Dans cet essai long format publié sur X, Shubham Saboo soutient que la prochaine compétence décisive du Product Manager à l'ère des agents n'est pas le prompt engineering mais le Loop Engineering. L'état final n'est pas un PM écrivant le prompt parfait chaque fois qu'il a besoin de quelque chose, mais un PM concevant un système qui s'améliore à chaque exécution. Une boucle est un cycle répété : on modifie ce qui façonne le comportement de l'agent, on exécute, on évalue la sortie, on conserve le changement si la qualité progresse et on l'annule sinon, puis on capitalise l'apprentissage pour que la version suivante démarre en avance.
Pour un ingénieur, ce cycle part du code. Pour un PM, il part des artefacts qui structurent le travail produit : skill de revue de PRD, summarizer d'appels clients, rubrique d'évaluation, checklist de lancement, workflow de recherche, CLAUDE.md, template de prompt, framework de priorisation. Durables et réutilisés, ils encodent le jugement et façonnent l'agent sur des dizaines de runs — donc ils composent dans les deux sens. C'est là qu'intervient le vrai problème : la dérive. Le CLAUDE.md s'allonge, la checklist enfle, les critères d'éval changent sans trace ; un mois plus tard l'agent « semble pire ». Le modèle n'a pas régressé : les artefacts ont dérivé sans surveillance, et c'est précisément ce que le Loop Engineering corrige.
cet artefact s'améliore-t-il face à un jugement produit connu ?
Une boucle utile a cinq parties : trigger, action, preuve, mémoire, condition d'arrêt. Cette dernière est la plus critique : beaucoup de systèmes échouent faute de sortie propre (scope qui enfle, résumé confiant sans preuves). Une bonne boucle doit pouvoir dire « stop » — rien n'a changé, input trop mince, bloqué, barre non atteinte, décision humaine requise.
Mettre son jugement dans des artefacts réutilisables impose que le goût ait désormais une preuve : les evals deviennent du travail de PM, à partir d'exemples connus (3 bons / 3 mauvais PRD, 5 appels compris, 2 lancements passés). La question n'est plus « l'agent a-t-il l'air intelligent ? » mais « cet artefact s'améliore-t-il face à un jugement produit connu ? ». L'apprentissage a besoin d'une mémoire : GitHub, où vivent artefact, diffs, résultats d'éval, journal de décision et rollback — « the repo becomes product memory ».
Saboo conseille de commencer petit, par les ops produit : un weekly product signal loop (chaque vendredi) produisant un memo qui sépare signal répété et bruit isolé. La boucle informe une décision que le PM garde : « build the loop, but stay the PM ». La génération est résolue ; restent la vérification et le jugement.