Dans les coulisses de la stratégie audacieuse de ce PDG pour utiliser l’IA : des données plus propres, une livraison plus rapide, et des workflows PM simplifiés
Marcel Petitpas, PDG de Parakeeto, fait de l’intelligence artificielle un moteur central d’excellence opérationnelle : il simplifie les workflows, impose la rigueur des données et permet à chaque membre de l’équipe (même les moins techniques) d’exploiter l’IA au quotidien.
Marcel Petitpas
Fondateur et PDG de Parakeeto
Intégration de l’IA: Parakeeto mise sur l’IA pour accroître l’efficacité organisationnelle, innovant dans le conseil en rentabilité.
Efficacité contextuelle: L’IA centralise les documents de contexte client, optimisant la préparation des réunions et la prise de décision, tout en réalisant de grandes économies de temps.
Workflows simplifiés: Parakeeto réduit la complexité de la gestion de projet en épurant les tâches, en simplifiant la documentation et en adaptant les processus.
Importance de l’hygiène des données: Des données structurées sont essentielles ; l’IA accentue le besoin d’une infrastructure de données solide et propre.
Autonomisation des équipes: Les collaborateurs non techniques utilisent l’IA pour les tâches liées aux données, améliorant leur productivité grâce à des outils comme Notion pour une documentation dynamique.
Marcel Petitpas est le fondateur et PDG de Parakeeto, un cabinet de conseil en rentabilité qui mise fortement sur l'IA dans ses projets et la prestation de ses services.
Voici ce que Marcel avait à dire sur la manière dont il réinvente le domaine du conseil grâce à l'IA.
Encourager l'expérimentation en tant que PDG
Je suis le fondateur et PDG de Parakeeto. Nous sommes un cabinet de conseil axé sur la technologie qui aide les agences — et d'autres cabinets de conseil — à mesurer et améliorer leur rentabilité.
L'IA représente une grande opportunité pour nous, et j'ai dû me montrer très proactif à ce sujet avec mon équipe.
Déverrouillez gratuitement
Créez un compte gratuit pour terminer la lecture de cet article et rejoindre une communauté de leaders innovants qui accèdent à des outils, des méthodes et des idées pour prospérer à l’ère de l’IA.
Have an account? Log In
J'essaie d'encourager tout le monde à expérimenter, à utiliser l'IA, et à trouver des moyens de l'appliquer à ce que nous faisons pour être meilleurs ou plus efficaces.
Un excellent exemple est que chaque semaine, nous faisons une séance « show-and-tell » et nous célébrons une initiative expérimentale autour de l'IA en interne.
Des gains d'efficacité dans la collecte de contexte et la livraison
La collecte de contexte a probablement été le gain d'efficacité le plus important que nous ayons obtenu avec l'IA jusqu'à présent.
Nous avons travaillé à centraliser le contexte de nos clients — appels, notes, mises à jour Asana, emails, etc. — afin que tout soit interrogeable par l'IA. Maintenant, il est beaucoup plus facile de mettre les gens au courant de ce qui se passe, de préparer des réunions et de prendre des décisions avec le bon contexte en tête.
Cela fait gagner énormément de temps sur la communication interne, les briefs, la relecture des appels et la rédaction de comptes rendus.
Nous pouvons aussi économiser beaucoup de temps sur la livraison en utilisant l'IA pour interroger la documentation technique de nos systèmes et s'en servir pour rédiger des règles de nettoyage des données et accomplir d'autres tâches techniques.
En utilisant l'IA comme notre « mémoire parfaite », nous pouvons nous concentrer sur l'amélioration de l'expérience client. Chaque client a désormais l'impression d'être notre seul client.
Éliminer la complexité dans les workflows de gestion de projet
Un autre changement majeur pour nous a été de nous éloigner totalement de la répartition des ressources par le bas et de la gestion de projet extrêmement détaillée et basée sur les tâches. La capacité à créer de la documentation consultable de manière conversationnelle signifie que nous pouvons réellement simplifier nos modèles et retirer beaucoup de détail et de complexité de nos workflows de gestion de projet, ce qui réduit considérablement le temps et les efforts nécessaires pour lancer de nouveaux projets et maintenir nos outils de gestion de projet dans le temps.
Cela réduit également de façon significative le frein lorsqu'il y a des changements dans nos processus.
Je pense que cela pourrait signifier, à terme, le passage de la gestion de projet à Notion. Mais pour l'instant, nous sommes très satisfaits d'Asana.
Comment les clients utilisent-ils l'IA pour la création ?
Côté clients, nous voyons l'IA être utilisée partout où on pouvait s'y attendre.
- Collecte de contexte dès le processus d'intégration et le processus commercial afin d'éclairer la stratégie et la préparation des briefs.
- Processus d’idéation/brainstorming et rédaction des concepts initiaux et briefs pour l’équipe interne.
- Réalisation rapide de maquettes de concepts, surtout lors de l'étape initiale de présentation (cela concerne le texte, l'UI/UX, le design graphique, la vidéo, la génération d’images...)
- Génération d’images
- Côté marketing digital, beaucoup d'IA est appliquée à l'analyse des données et des campagnes, aidant au suivi et à la suggestion de modifications des comptes.
- Création de variantes sur des éléments créatifs et des textes.
- Création de leviers importants pour l’optimisation SEO — notamment sur les sujets relevant de l’hygiène de base, comme les balises meta, descriptions, etc.
L'importance sous-estimée de l'hygiène et de la structuration des données avec l'IA
J’ai vraiment été surpris de constater à quel point l’hygiène et la structuration des données sont essentielles lorsqu’on intègre l'IA dans les workflows de prestation de services.
Je pense qu’il existe une idée reçue selon laquelle l’IA réduirait la nécessité d’investir dans l’infrastructure de données, mais d’après notre expérience, ces investissements deviennent au contraire encore plus cruciaux.
Je pense qu'il existe une idée reçue selon laquelle l'IA réduirait la nécessité d'investir dans l'infrastructure de données, mais d'après notre expérience, ces investissements deviennent au contraire encore plus cruciaux.
La plupart des entreprises seront limitées dans leur capacité à exploiter l’IA par la qualité de leurs systèmes de données sous-jacents.
Voici quelques éléments que nous utilisons l’IA pour nettoyer :
- Correction des incohérences dans les noms d'employés ou de projets (par exemple, surnoms, fautes de frappe, préfixes/suffixes comme [ARCHIVED]).
- Suppression des bruits inutiles comme les espaces superflus, les lignes d’en-tête/pied de page ou les colonnes non utilisées.
- Standardisation des formats de dates, de nombres et de textes pour s’aligner avec les structures de reporting interne dans notre logiciel de gestion des actifs numériques.
- Rattachement des entrées de temps aux bonnes catégories de rôles du Payroll Grid ou aux bons projets du Project Grid, même si les noms bruts ne correspondent pas exactement.
- Gestion des changements de périmètre des forfaits en divisant les projets en plusieurs versions selon les dates de début et de fin.
- Réaffectation des données anciennes ou incomplètes à des projets “historiques” factices afin de préserver la justesse des rapports sans les alourdir.
- Extraction de codes, tags ou identifiants intégrés dans des champs de texte à l’aide d’expressions régulières ou d’une mise en correspondance de motifs.
- Application d’ajustements mathématiques sur le temps saisi (par exemple, majoration des heures des sous-traitants, réallocation de fractions de temps).
- Renommage ou remapping de colonnes pour que les exports issus de différents outils correspondent à un schéma cohérent.
- Combinaison ou fractionnement de champs (ex. fusion des colonnes prénom/nom en un seul nom d’employé).
Et ce ne sont que quelques exemples.
En créant une excellente documentation sur la manière de rédiger et configurer ces règles de nettoyage des données, nous avons permis à des collaborateurs non techniques de réaliser beaucoup plus de tâches préparatoires par eux-mêmes, dans certains cas en mettant en place ces pipelines sans aucun recours aux ressources techniques.
Documentation détaillée avec Notion AI
L’essentiel était de rédiger une documentation détaillée pour alimenter un modèle d’IA.
Ensuite, il faut la tenir à jour. Mais comme la documentation est hébergée sur Notion, et que nous utilisons Notion AI pour l'interroger, il s’agit en quelque sorte d’un document auto-entretenu. Et lorsque de nouveaux éléments doivent être ajoutés, il est fréquent que l’IA rédige les mises à jour, que nous n'avons plus qu’à coller.
Et l’avantage majeur de Notion, c’est qu’il est assez facile de transférer le contexte vers des plateformes comme Gemini, Notebook LM ou ChatGPT. La fonctionnalité d’agents de ChatGPT fonctionne également avec Notion.
Comment donner la main à des collaborateurs non techniques grâce à l’IA
J’ai parlé de l’autonomisation des collaborateurs non techniques avec l’IA — c’est le plus grand bouleversement que nous ayons connu. Tant qu’une personne sait exprimer ce qu’elle souhaite accomplir via un énoncé logique, elle peut en réalité écrire du Python/SQL et bâtir des pipelines de données fonctionnels.
Tant qu’une personne sait exprimer ce qu’elle souhaite accomplir via un énoncé logique, elle peut en réalité écrire du Python/SQL et bâtir des pipelines de données fonctionnels.
Bien sûr, il existe des limites, et ces limites se situent généralement au début et à la fin de ces tâches techniques.
Par exemple, prendre de bonnes décisions concernant les technologies à utiliser, la façon d’architecturer les choses, ainsi que les types de cas limites et d’exigences à anticiper, est généralement un domaine où une ressource technique peut apporter énormément de valeur — même si cela consiste à revoir et à ajouter des détails à la réflexion qu’un modèle d’IA a déjà menée.
À partir de là, ce qui est très difficile à réaliser pour un utilisateur non technique, c’est de mettre en place l’infrastructure et les flux de travail initiaux pour un processus entièrement nouveau, et de transformer une idée en lancement. Dans certains cas rares, ils peuvent tout faire de bout en bout, mais avoir un utilisateur technique pour établir la base reste en général une nécessité, ou du moins, c’est bien plus efficace et cela apporte un meilleur système et résultat.
Un autre aspect qui nécessite encore parfois une intervention technique concerne la résolution des cas limites. Mais à mesure que nous documentons les solutions à ces problèmes, l’assistance de l’IA permet de plus en plus aux utilisateurs non techniques de débloquer la situation par eux-mêmes.
Et une fois que les bases et le processus sont posés, les utilisateurs non techniques peuvent accomplir bien plus qu’il y a un an.
L’IA ne fait pas qu’évoluer les processus : elle change aussi la façon dont ils sont créés
À bien des égards, je pense que l’IA nous aide à développer une approche métier structurée sans devoir créer un processus au sens traditionnel du terme.
Avant d’avoir des agents d’IA et des outils pour faciliter la réalisation de ces tâches, il fallait que quelqu’un s’asseye et crée une série d’étapes très détaillées et souvent très déterministes pour accomplir un travail.
Les difficultés associées à cela sont les suivantes :
- C’est chronophage
- Cela exige que quelqu’un ait une compréhension précise des étapes à suivre
- Ce n’est généralement pas adapté à des situations complexes, subtiles ou évolutives
- C’est souvent difficile ou coûteux lorsque le processus est nouveau, pas mature et susceptible de changer
- Cela peut freiner l’avancée d’un projet en créant des lourdeurs opérationnelles
Avec l’IA, il suffit maintenant de lancer une nouvelle conversation, un agent ou un GPT personnalisé, et de commencer à travailler tout en structurant le processus, les connaissances et le contexte au fur et à mesure. C’est un peu comme travailler avec une personne, mais l’IA possède une mémoire parfaite et peut partager instantanément ce qu’elle a appris avec la prochaine personne.
À mon avis, c’est l’un des aspects les plus puissants de l’IA : d’une certaine manière, elle transforme complètement la façon dont les processus se créent et se maintiennent.
Mon stack IA pour la gestion de projet
Notre stack principal est :
- Asana – Pour notre logiciel de gestion de projet
- Harvest – logiciel de suivi du temps
- QBO – Pour notre logiciel de comptabilité
- Parakeeto – Pour la gestion comptable, la prévision, le taux d’utilisation, ABR / performance projet
Nous utilisons aussi :
- Google Suite (Drive, Sheets, Docs, Calendar, Mail) – logiciels de collaboration dans le cloud
- Notion – logiciel de collaboration documentaire
- Miro – logiciel de création d’organigrammes
- Loom – logiciel de collaboration asynchrone
- Fathom – logiciel de prise de notes
- Zapier – logiciel d’automatisation de processus
Deux outils indispensables pour tout chef de projet
Notion et Zapier, en particulier, ont véritablement changé la donne pour nous.
J’en ai déjà parlé plus haut, mais Notion est une plateforme sur laquelle nous misons de plus en plus. Elle devient un espace où nous pouvons automatiquement centraliser tous types de contextes et d’informations sur nos clients, puis les interroger ou les utiliser comme une base de connaissances dans d’autres modèles d’IA.
La plateforme commence également à intégrer de nombreux outils qui facilitent grandement ces usages (Mail, Agenda, Notes de réunion), et il se peut que nous déplacions progressivement plus de fonctions dans Notion — peut-être même, à terme, notre gestion de projet et notre CRM.
Zapier a vraiment fait un excellent travail en intégrant des agents IA à son outil. Alors que tout le monde se concentre sur Gumloop et N8N, je soutiendrais que Zapier est supérieur à ces deux plateformes, étant donné l’étendue de ses intégrations.
Nous avons mis en place quelques automatisations — principalement du côté ventes & marketing — qui nous font gagner énormément de temps chaque mois, que ce soit pour automatiser le marketing ou garantir que les données circulent correctement et avec le bon niveau d’enrichissement.
Une automatisation Zapier en situation réelle
L’une des automatisations Zapier les plus riches que nous utilisons actuellement concerne les nouveaux prospects qui téléchargent notre boîte à outils, et s’articule autour de plusieurs actions :
- Évaluer s’ils utilisent une adresse e-mail professionnelle ou personnelle.
- Filtrer ceux qui utilisent une adresse e-mail professionnelle.
- Extraire le nom de l’entreprise à partir de l’e-mail et séparer leur prénom et nom de famille.
- Utiliser un service d’enrichissement pour rechercher des informations de base sur l’entreprise et la personne.
- Appliquer d’autres filtres pour déterminer si le prospect est « qualifié » selon des critères définis (secteur spécifique, nombre d’employés, etc.).
- Effectuer un enrichissement supplémentaire sur les prospects qui correspondent parfaitement.
- Résumer et nettoyer certaines informations à leur sujet, telles que les descriptions d’entreprise.
- Ajouter ces prospects à notre CRM et appliquer les tags/filtres appropriés.
- Ajouter ces prospects à d’autres automatisations qui, par exemple, les inscrivent à l’aimant à prospects qu’ils ont téléchargé et les ajoutent à une campagne d’e-mails automatisés liée à cet aimant à prospects.
Un avenir simplifié pour les chefs de projet
Je pense (et j’espère) que la gestion de projet deviendra bien plus simple dans cinq ans.
De la même façon qu’un agent IA peut permettre à une organisation de développer et d’itérer un « processus » sans posséder de « processus » formel, j’espère que l’IA permettra aux chefs de projet de faire leur travail sans avoir à gérer sans cesse des centaines d’objets détaillés dans un outil de gestion de projet.
J’ai le sentiment qu’une grande partie du temps d’un chef de projet est consacrée à réorganiser tâches, échéances, estimations, sous-tâches, jalons, dépendances, attributions, etc., etc., etc.
D’une certaine manière, ces objets ressemblent au langage de programmation du chef de projet, qui s’en sert pour essayer de coder une représentation de la réalité du moment. Parfois pour clarifier les choses pour lui-même, bien souvent aussi pour que d’autres parties prenantes puissent suivre l’évolution du projet.
Ce système me paraît incroyablement inefficace et source de friction. Comme courir dans du sable.
Je pense que l’IA commencera à réduire le niveau de précision et de détail avec lequel les chefs de projet doivent interagir pour communiquer et piloter leurs projets.
Se concentrer sur les fondamentaux de l’IA
On a peut-être l’impression que tout avance très vite — et d’une certaine façon, c’est vrai — mais souvenez-vous que nous ne sommes qu’aux premières années d’une révolution technologique qui va se jouer sur au moins une ou deux décennies supplémentaires.
Restez focalisé sur les fondamentaux — ils ne se démoderont jamais. Et cherchez des moyens d’utiliser l’IA pour progresser plus vite et plus efficacement.
Suivez l’évolution
Vous pouvez suivre Marcel sur LinkedIn. 👉 Abonnez-vous au Digital Project Manager et restez au courant de tout ce qui façonne l’IA dans la gestion de projet.
