Le chef de projet Salesforce qui réinvente la façon dont les équipes d’entreprise utilisent l’IA dans la gestion de projet
Brian Galardo, Responsable de programme et chef de projet chez Salesforce, partage comment l’IA transforme la livraison de projets — non pas en remplaçant le jugement humain, mais via des workflows pratiques qui font passer les équipes de l’expérimentation à une adoption réelle.
Brian Galardo
Responsable de programme et chef de projet
Initiatives transverses: Brian Galardo souligne l’importance de la collaboration inter-équipes pour une livraison de projet efficace et une meilleure efficacité opérationnelle.
Intégration de l’IA: L’IA aide à optimiser la gestion de projet en automatisant les tâches routinières et en améliorant la capacité de prise de décision.
Processus structurés: La mise en place de processus de collecte structurée réduit les malentendus et améliore la clarté entre les équipes métiers et techniques.
Efficacité opérationnelle: Les outils d’IA réduisent le besoin de suivi manuel, permettant la collaboration en temps réel et un alignement en continu entre les équipes.
Avenir de la gestion de projet: La gestion de projet évolue du simple suivi de tâches vers la structuration des décisions, privilégiant la clarté plutôt que l’activité.
Brian Galardo est chef de programme et chef de projet au sein des opérations de revenus chez Salesforce, où il dirige des initiatives transversales impliquant la facturation, le recouvrement et le libre-service client. Il a conçu des cadres de gouvernance pour évaluer les cas d’usage de l’IA et des agents, collaboré avec la direction afin d’aligner les initiatives d’innovation sur les priorités stratégiques et piloté des programmes visant à améliorer l’efficacité opérationnelle à travers les systèmes d’entreprise et les équipes métiers.
Nous avons échangé avec Brian sur l’évolution de la gestion de projet et sur la manière dont il fait avancer les choses grâce à l’IA. Voici ce qu’il nous a partagé.
Comment les initiatives transversales améliorent la gestion de projet
Je suis chef de programme et chef de projet au sein des opérations de revenus chez Salesforce. Mon rôle se situe à l’interface entre la stratégie métier et la livraison des systèmes, aidant les équipes à définir clairement les problématiques et à parvenir à une décision comprise et soutenue par tous. Je suis un leader de la transformation, focalisé sur l’accompagnement des organisations dans la transition de l’expérimentation IA vers une adoption à grande échelle. Chez Salesforce, je pilote des initiatives transversales pour explorer et mettre en œuvre des solutions pilotées par l’IA au sein des opérations RevOps et Finance.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Mon travail se situe au croisement de la stratégie IA, de la gouvernance et de la transformation opérationnelle, aidant les équipes à repérer les opportunités les plus impactantes pour renforcer l’efficacité, automatiser les workflows et améliorer la prise de décision.
J’ai une expérience couvrant la chaîne logistique, les opérations et la direction de programmes d’entreprise, ce qui me donne une vision pragmatique de la manière dont la technologie et l’IA peuvent transformer les processus concrets. Je suis convaincu que les initiatives IA les plus abouties associent une gouvernance solide, une valeur métier mesurable et une gestion du changement réfléchie afin d’assurer leur adoption à l’échelle de l’organisation.
Comment l’IA transforme les tâches dans les rôles de gestion de projet
L’IA a réduit le temps que je consacre à la rédaction de mises à jour, de résumés et de plans préliminaires. Je consacre désormais plus de temps à valider les hypothèses, à préparer les prises de décision et à aligner les parties prenantes dès le début. Le travail est passé du suivi de l’avancement à l’orientation stratégique.
J’utilise l’IA pour traiter la première version de tout ce qui, normalement, me ferait perdre du temps. Après une réunion, je fournis des notes brutes ou une transcription et l’IA en tire un résumé clair comprenant les décisions, les risques et les prochaines étapes. J’utilise également l’IA pour éprouver les plans, en lui demandant d’identifier les failles dans mes hypothèses ou de détailler les cas limites avant de présenter quelque chose aux parties prenantes.
L’IA a réduit le temps que je consacre à la rédaction de mises à jour, de résumés et de plans préliminaires. Je consacre désormais plus de temps à valider les hypothèses, à préparer les prises de décision et à aligner les parties prenantes
La mise en place n’est pas excessivement complexe. J’ai conçu quelques prompts et modèles réutilisables, adaptés à ma façon de gérer les projets, et je les réutilise systématiquement. Ce n’est pas tant l’outil en lui-même que d’avoir une structure claire pour la restitution de l’information, ce qui me permet d’aller plus vite sans compromis sur la qualité.
Pourquoi la structuration des demandes améliore l’efficacité opérationnelle
Nous avons introduit un processus structuré de collecte et de priorisation des demandes opérationnelles pour plusieurs équipes financières. Nous avons catégorisé, résumé et préparé les soumissions avant leur examen, afin que les réunions portent sur les décisions plutôt que sur des clarifications. Le temps de revue a nettement diminué et les retouches ont baissé grâce à des attentes clarifiées dès le début. Le vrai gain a été la diminution des malentendus entre les équipes métiers et techniques.
Nous avons mis cela en place à l’aide d’un workflow Slack pour la saisie des demandes, d’un outil de suivi partagé, et de l’IA pour standardiser la présentation des requêtes. Chaque demande devait être soumise via un formulaire structuré comportant des champs obligatoires tels que la problématique, les utilisateurs concernés et l’urgence. Ensuite, nous utilisions l’IA pour résumer la demande, mettre en évidence les points à clarifier et signaler d’éventuels risques avant même qu’elle n’arrive en réunion.
Étape par étape, cela se passait ainsi : les demandes étaient soumises dans Slack, puis centralisées dans un outil de suivi. L’IA en tirait ensuite un résumé clair en faisant ressortir les éléments de contexte manquants, puis les responsables métiers et techniques les analysaient en asynchrone avant la réunion. Au moment où nous arrivions en réunion, nous choisissions quoi faire, et non plus ce que voulait dire la demande.
Nous avons réduit de moitié le temps consacré aux réunions de revue et constaté une baisse nette des échanges après décision. J’estime que la reprise des travaux a chuté d’au moins 30 à 40 % car les exigences étaient plus claires en amont. Cela a également permis de réduire le nombre de réunions de suivi, ce qui a sans doute été la plus grande amélioration du quotidien pour l’équipe.
Nous avons réduit d’environ moitié les réunions de revue et constaté une baisse notable des échanges après décision. J’estime que la reprise de travail a diminué d’au moins 30 à 40 %.
Comment les chefs de projet peuvent optimiser l’intégration de l’IA
L’IA ne corrige pas les processus désordonnés. Elle les met en évidence. Lorsque les objectifs et la répartition des responsabilités sont clairs, elle est d’une grande aide. Lorsqu’ils ne le sont pas, elle génère de la confusion plus rapidement. Les responsables de la livraison projet doivent ainsi maîtriser les fondamentaux avant d’insérer l’IA dans le processus. Cela implique une définition claire des rôles, une expression précise de la problématique, et un accord sur ce à quoi ressemble un bon résultat. Si ces points font défaut, l’IA ne fait qu’accélérer la cacophonie.
L’IA ne corrige pas les processus désordonnés. Elle les met en évidence. Lorsque les objectifs et la répartition des responsabilités sont clairs, elle est d’une grande aide. Lorsqu’ils ne le sont pas, elle génère de la confusion plus rapidement.
En pratique, je m’assure que chaque tâche ait un responsable bien identifié, une définition simple de la réussite, et une méthode structurée pour recueillir les contributions avant d’automatiser quoi que ce soit. Une fois ces bases posées, l’IA apporte de la valeur au lieu d’ajouter de la confusion.
Les synthèses, la rédaction de documentation et le triage des demandes conviennent particulièrement à l’automatisation car ils suivent des schémas répétitifs. En revanche, la priorisation, la résolution de conflits et l’accompagnement du changement demeurent fondés sur le jugement humain. Les personnes s’alignent avec d’autres personnes, pas avec des résultats automatiques.
Pourquoi les outils d’IA sont essentiels dans les environnements technologiques modernes
Nos outils principaux comprennent Slack, les solutions Salesforce, des tableaux blancs collaboratifs (LucidSpark), des formulaires structurés de saisie et des agents IA pour la rédaction et l’analyse. L’IA soutient la synthèse, les communications et la détection anticipée des risques. Au fil de l’année écoulée, nous avons réduit la quantité d’outils de suivi statiques pour privilégier le contexte partagé en temps réel. Cette évolution a été rendue possible par la diminution des interventions manuelles.
J’utilise principalement des outils d’IA comme Gemini et les workflows natifs de Slack, ainsi que les solutions Salesforce comme Agentforce pour des cas d’usage plus structurés. Je ne crée pas d’agents complexes à partir de zéro. Il s’agit surtout de configurations basées sur des consignes et de processus légers qui produisent des synthèses, rédigent des communications ou identifient de façon précoce les signaux de risque à partir des informations déjà collectées.
Je ne crée pas d’agents complexes à partir de zéro. Il s’agit surtout de configurations basées sur des consignes et de processus légers qui produisent des synthèses, rédigent des communications ou identifient précocement les signaux de risque à partir des informations déjà collectées.
Par exemple, après des réunions, j’utilise Gemini pour transformer des notes ou des transcriptions en synthèses structurées avec les décisions et les prochaines étapes. Dans Slack, des workflows gèrent la saisie et orientent les demandes vers un outil de suivi partagé, où l’IA standardise la présentation de chaque demande. Agentforce intervient davantage sur Salesforce pour relier à grande échelle les données et les flux de travail.
Nous avons abandonné les reporting statiques et les tableurs mis à jour chaque semaine. Désormais, tout se passe dans des espaces partagés comme Slack Canvas, des outils de suivi et des vues du backlog alimentées en continu. Ainsi, chacun peut visualiser l’état d’avancement, les décisions et les risques en temps réel, sans attendre une réunion ou un rapport. Cela a réduit le besoin de réunions de suivi et rendu l’alignement continu plutôt que ponctuel.
Chacun peut visualiser l’état actuel du travail, les décisions et les risques, sans devoir attendre une réunion ou un rapport.
Nous avons remplacé les plans projet volumineux par des backlogs partagés, des tableaux et des registres de décisions. Les équipes interagissent directement avec le travail au lieu d’attendre les mises à jour de statut. Cette transition s’est faite progressivement, en retirant au fur et à mesure les documents qui n’étaient plus consultés. L’adoption a suivi, car le nouveau processus semblait plus simple.
Comment l’IA transforme les rituels fondamentaux de la livraison projet
Nous commençons désormais par plusieurs interprétations du problème afin de tester nos hypothèses tôt. Les réunions se concentrent sur les décisions puisque le contexte est préparé à l'avance. Nous validons plus tôt, car les risques émergent plus rapidement. Nous surveillons moins l'exécution et nous vérifions davantage la compréhension.
Nous surveillons moins l’exécution et nous vérifions davantage la compréhension.
Nous générons ces interprétations en soumettant l’énoncé initial du problème à l’IA afin d’obtenir plusieurs angles. Par exemple, je lui demanderai de formuler la demande selon une perspective métier, technique et client, ou de décrire ce qui pourrait mal tourner si nous avons mal compris l’attente. Il ne s’agit pas de faire confiance à la sortie, mais de faire rapidement émerger des hypothèses que nous n’aurions peut-être pas formulées nous-mêmes.
Nous amenons ensuite ces hypothèses lors des premières discussions avec les parties prenantes pour valider le périmètre avant de s’engager. Plutôt que de demander "Cela vous semble-t-il juste ?", nous demandons "Laquelle de ces interprétations se rapproche le plus et qu’est-ce qui manque ?". Cela fait passer la discussion de l’accord à la clarification. On repère ainsi les lacunes plus tôt, ce qui réduit les reprises et permet de garder l’exécution plus concentrée une fois le travail lancé.
Comment rationaliser la livraison avec des workflows pilotés par l’IA
Nous expérimentons l’automatisation du tri des demandes et le routage de la communication. Nous avons ciblé les secteurs où les retards provenaient d’un manque de clarté sur l’attribution des responsabilités, plutôt que d’un effort technique. Les premiers résultats montrent moins d’escalades et davantage de décisions asynchrones.
Nous avons d’abord mis l’accent sur le tri des demandes, car c’est là que la plupart des confusions se produisaient. Les demandes arrivaient par différents canaux, la responsabilité était souvent floue et les équipes passaient du temps à déterminer qui devait les examiner. Nous avons mis en place un workflow d’accueil basé sur Slack où chaque demande suit une structure cohérente, puis utilisé l’IA pour en faire un résumé, signaler le contexte manquant et suggérer où la diriger.
À partir de là, nous transférons automatiquement les demandes dans un suivi partagé et les attribuons au bon groupe selon le type et l’impact. Nous avons aussi amélioré le routage de la communication : les mises à jour ont désormais lieu dans des fils ou des canaux dédiés au lieu de messages dispersés. Ce système continue d’évoluer, mais nous constatons moins de discussions du type « qui en est responsable » et plus de décisions prises de manière asynchrone en amont des réunions.
Ce système continue d’évoluer, mais nous constatons moins de discussions du type « qui en est responsable » et plus de décisions prises de manière asynchrone en amont des réunions.
Pourquoi la structuration des décisions est l’avenir de la gestion de projet
La gestion de projet va s’éloigner du suivi des tâches au profit de la structuration des décisions. La charge liée à la coordination va diminuer tandis que les compétences en alignement deviendront plus cruciales. Le rôle devient alors plus stratégique qu’administratif.
Mon conseil aux responsables de la livraison : améliorez le processus avant d’y ajouter de l’automatisation. Une attribution claire des responsabilités et des attentes compte davantage que la vitesse. Une fois la clarté établie, l’efficacité suit naturellement. Arrêtez de produire des documents uniquement pour montrer de l’activité. Concevez des workflows où la progression est visible sans explication.
À suivre
Vous pouvez suivre le travail de Brian sur LinkedIn.
D’autres interviews d’experts à venir prochainement sur The Digital Project Manager !
