Le chef de projet Salesforce qui redéfinit la manière dont les équipes d’entreprise utilisent l’IA dans la livraison de projets
Brian Galardo, responsable de programme et de projet chez Salesforce, explique comment l’IA révolutionne la livraison des projets — non pas en remplaçant le jugement humain, mais à travers des workflows concrets qui font passer les équipes de l’expérimentation à une adoption réelle.
Brian Galardo
Responsable de programme et de projet
Initiatives transversales: Brian Galardo souligne l’importance de la collaboration interéquipes pour une livraison de projet efficace et une meilleure efficacité opérationnelle.
Intégration de l’IA: L’IA contribue à optimiser la gestion de projet en automatisant les tâches répétitives et en renforçant les capacités de prise de décision.
Processus structurés: Mettre en place des systèmes de demande structurée réduit les incompréhensions et clarifie les échanges entre équipes métier et techniques.
Efficacité opérationnelle: Les outils d’IA limitent le suivi manuel, favorisant la collaboration en temps réel et l’alignement continu entre les équipes.
Avenir du management de projet: La gestion de projet évolue du suivi des tâches vers la structuration des décisions, en mettant l’accent sur la clarté plutôt que sur l’activité pure.
Brian Galardo est responsable de programme et chef de projet en Revenue Operations chez Salesforce, où il mène des initiatives transverses couvrant la facturation, le recouvrement et le self-service client. Il a conçu des cadres de gouvernance pour évaluer les cas d’usage de l’IA et des agents virtuels, collaboré avec les dirigeants pour aligner les initiatives d’innovation sur les priorités stratégiques, et conduit des programmes visant à améliorer l’efficacité opérationnelle à travers les systèmes d’entreprise et les équipes métier.
Nous avons échangé avec Brian sur l’évolution de la gestion de projet et la façon dont il joue un rôle moteur dans l’intégration de l’IA. Voici ce qu’il nous a partagé.
Comment les initiatives transverses améliorent la gestion de projet
Je suis responsable de programme et chef de projet en Revenue Operations chez Salesforce. Mon rôle se situe à l’interface entre la stratégie métier et la mise en œuvre des systèmes, aidant les équipes à définir clairement les problèmes et à prendre des décisions comprises et soutenues par tous. J’interviens en tant que leader de la transformation, aidant les organisations à passer de l’expérimentation de l’IA à une adoption à l’échelle de l’entreprise. Chez Salesforce, je dirige des initiatives transverses visant à explorer et déployer des solutions basées sur l’IA dans les opérations RevOps et Finance.
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
Mon travail se trouve à l’intersection de la stratégie IA, de la gouvernance et de la transformation opérationnelle, aidant les équipes à identifier les opportunités à fort impact pour améliorer l’efficacité, automatiser les flux de travail et renforcer la prise de décision.
J’ai un parcours qui couvre la chaîne d’approvisionnement, les opérations et le pilotage de programmes de grande envergure, ce qui me donne une vision concrète de la façon dont la technologie et l’IA peuvent transformer les processus métier réels. Je suis convaincu que les initiatives IA les plus réussies conjuguent une solide gouvernance, une valeur métier mesurable et une gestion du changement réfléchie pour garantir l’adoption à tous les niveaux de l’organisation.
Comment l’IA transforme les tâches liées à la gestion de projet
L’IA a réduit le temps que je consacre à rédiger des mises à jour, des synthèses ou des plans initiaux. Je consacre désormais davantage de temps à valider les hypothèses, préparer les décisions et aligner les parties prenantes en amont. 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 ralentirait. Après une réunion, je dépose mes notes brutes ou une transcription et demande à l’IA d’en faire une synthèse structurée avec décisions, risques et prochaines étapes. J’emploie aussi l’IA pour tester les plans sous pression, lui demandant d’identifier les angles morts ou les cas extrêmes avant de présenter un projet aux parties prenantes.
L’IA a réduit le temps que je consacre à rédiger des mises à jour, des synthèses ou des plans initiaux. Je consacre désormais davantage de temps à valider les hypothèses, à préparer les décisions et à aligner les parties prenantes
La mise en place n’est pas très complexe. J’ai créé quelques prompts et modèles réutilisables qui correspondent à ma façon de piloter les projets, et je les utilise constamment. C’est moins une question d’outil qu’une structuration claire de la sortie d’information, ce qui me permet d’aller plus vite sans sacrifier la qualité.
Pourquoi une collecte structurée améliore l’efficacité opérationnelle
Nous avons instauré un processus formalisé de collecte et de priorisation des demandes opérationnelles pour plusieurs équipes finance. Nous avons catégorisé, synthétisé et préparé les demandes avant leur examen, si bien que les réunions étaient axées sur la prise de décision plutôt que sur la clarification. Le temps d’examen a chuté et les retours en arrière ont diminué car les attentes étaient plus claires dès le départ. Le véritable gain a été la réduction des incompréhensions entre équipes métier et techniques.
Nous avons conçu ce système à l’aide d’un workflow Slack pour la collecte, d’un tableau de suivi partagé et de l’IA pour standardiser la façon dont les demandes étaient présentées. Chaque demande devait être soumise via un formulaire structuré comprenant des champs obligatoires comme la description du problème, les utilisateurs concernés et le degré d’urgence. Ensuite, nous utilisions l’IA pour résumer la demande, signaler les manques et identifier les risques potentiels avant qu’elle ne soit examinée en réunion.
Étape par étape, cela se déroulait ainsi : les demandes étaient soumises dans Slack puis intégrées à un outil centralisé de suivi. À partir de là, l’IA générait une synthèse claire et mettait en évidence les éléments de contexte manquants, puis les responsables métier et techniques les examinaient de façon asynchrone avant la réunion. Une fois en réunion, il ne restait qu’à décider quoi faire, et non plus à comprendre la demande.
Nous avons réduit les réunions de revue d’environ moitié et constaté une baisse notable des échanges après les prises de décisions. J’estime que la reprise de travail (rework) a diminué d’au moins 30 à 40% car les exigences étaient plus claires dès le départ. Cela a aussi réduit le nombre de réunions de suivi, ce qui a probablement été la plus grande amélioration du quotidien pour l’équipe.
Nous avons réduit les réunions de revue d’environ moitié et constaté une baisse notable des échanges après les prises de décisions. J’estime que la reprise de travail (rework) 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 lumière. Lorsque les objectifs et la répartition des responsabilités sont clairs, cela fonctionne très bien. Dans le cas contraire, cela accélère la confusion. Les responsables de la livraison des projets doivent s’assurer que les bases sont solides avant d’intégrer l’IA dans le processus. Il s’agit d’assurer une répartition claire des responsabilités, une problématique de projet définie et un accord sur ce qui constitue un bon résultat. Si ces points ne sont pas en place, l’IA ne fait qu’accélérer le bruit.
L’IA ne corrige pas les processus désordonnés. Elle les met en lumière. Lorsque les objectifs et la répartition des responsabilités sont clairs, cela fonctionne très bien. Dans le cas contraire, cela accélère la confusion.
Concrètement, je veille à ce que chaque tâche ait un responsable identifié, une définition simple de la réussite et une méthode structurée pour recueillir les informations avant d’automatiser quoi que ce soit. Une fois cette base en place, l’IA apporte de la valeur plutôt que d’amplifier la confusion.
Les comptes rendus, la rédaction de documentation et la gestion initiale des demandes se prêtent bien à l’automatisation car ils suivent des modèles répétitifs. La priorisation, la résolution de conflits et l’adoption des changements continuent d’exiger le jugement humain. Ce sont les personnes qui s’alignent entre elles, pas les résultats seuls.
Pourquoi les outils d’IA sont essentiels dans les architectures technologiques modernes
Nos outils principaux incluent Slack, les outils de la plateforme Salesforce, des tableaux blancs collaboratifs (LucidSpark), des formulaires structurés pour la saisie et des agents IA pour la rédaction et l’analyse. L’IA apporte une assistance pour les synthèses, la communication et l’identification précoce des risques. Au cours de l’année passée, nous avons réduit les outils de suivi statiques pour adopter un contexte partagé en temps réel. Moins de transmissions manuelles ont permis cette amélioration.
J’utilise principalement des outils d’IA comme Gemini et des workflows natifs de Slack, ainsi que des solutions Salesforce comme Agentforce pour des cas plus structurés. Je ne développe pas d’agents complexes à partir de zéro. Il s’agit surtout de configurations basées sur des prompts et de workflows légers qui gèrent les synthèses, rédigent des communications et repèrent rapidement les risques à partir des données que nous capturons déjà.
Je ne développe pas d’agents complexes à partir de zéro. Il s’agit surtout de configurations basées sur des prompts et de workflows légers qui gèrent les synthèses, rédigent des communications et repèrent rapidement les risques à partir des données que nous capturons déjà.
Par exemple, après une réunion, j’utilise Gemini pour transformer mes notes ou un compte rendu en un résumé structuré avec les décisions et les prochaines étapes. Dans Slack, des workflows gèrent la saisie et acheminent les demandes vers un outil de suivi partagé, où l’IA standardise la présentation de chaque requête. Agentforce intervient davantage côté Salesforce pour relier les données et automatiser les workflows à grande échelle.
Nous avons abandonné les présentations d’état statiques et les tableurs mis à jour chaque semaine. Désormais, tout est centralisé dans des espaces partagés comme Slack Canvas, des outils de suivi et des vues de backlog mises à jour en continu. Ainsi, chacun peut consulter 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 de statut et rend l’alignement continu plutôt que périodique.
Chacun peut consulter l’état d’avancement, les décisions et les risques en temps réel, sans attendre une réunion ou un rapport.
Nous avons remplacé les grands plans de projet par des backlogs partagés, des canevas et des registres de décisions. Les équipes interagissent directement avec le travail au lieu d'attendre des mises à jour d’avancement. Nous avons opéré une transition progressive en supprimant les documents que plus personne ne consultait. L’adoption a suivi, car le processus s'est révélé plus simple.
Comment l'IA transforme les rituels fondamentaux de la livraison
Nous commençons désormais par proposer plusieurs interprétations du problème afin de tester très tôt nos hypothèses. Les réunions se concentrent sur la prise de décision, puisque nous préparons le contexte en amont. Nous validons plus tôt car les risques émergent rapidement. Nous suivons moins l’exécution et confirmons davantage la compréhension.
Nous suivons moins l’exécution et confirmons davantage la compréhension.
Nous générons ces interprétations en soumettant l’énoncé initial du problème à l’IA pour analyser plusieurs angles. Par exemple, je lui demande de cadrer la demande selon une perspective métier, technique et client, ou de décrire ce qui pourrait mal se passer si nous avons mal compris la demande. Il ne s’agit pas de faire entièrement confiance au résultat, mais de faire émerger rapidement des hypothèses qui ne nous seraient pas venues spontanément.
Nous partageons ensuite ces hypothèses lors des premiers échanges avec les parties prenantes pour valider le périmètre avant de nous engager. Au lieu de demander « Cela vous semble correct ? », nous demandons « Laquelle de ces options est la plus proche et que manque-t-il ? » Cela transforme la discussion : on passe de l’obtention d’un accord à la recherche de clarté. On détecte ainsi plus tôt les lacunes, ce qui réduit les reprises et permet de concentrer l’exécution quand le travail commence.
Comment rationaliser la livraison avec des workflows pilotés par l’IA
Nous expérimentons actuellement la priorisation automatisée des demandes entrantes et le routage des communications. Nous avons ciblé les zones où les retards étaient dus à une responsabilité floue plutôt qu’à la complexité technique. Les premiers résultats montrent moins d’escalades et davantage de décisions asynchrones.
Nous avons d’abord travaillé sur la priorisation des demandes car c’est là que la plupart des confusions apparaissaient. Les requêtes arrivaient par différents canaux, la responsabilité était souvent incertaine, et les équipes perdaient du temps à déterminer qui devait les traiter. Nous avons mis en place un workflow d’entrée via Slack où chaque demande suit une structure cohérente, puis utilisé l’IA pour la résumer, signaler les informations manquantes et suggérer la destination appropriée.
A partir de là, nous transférons automatiquement les demandes dans un outil partagé et les affectons au bon groupe selon leur type et leur impact. Nous avons aussi amélioré le routage des communications ; les mises à jour se font désormais dans des fils ou canaux cohérents, au lieu de messages dispersés. Le système continue d’évoluer, mais nous constatons moins de discussions du type « qui gère ceci ? » et plus de décisions prises de manière asynchrone avant les réunions.
Le système continue d’évoluer, mais nous constatons moins de discussions du type « qui gère ceci ? » et plus de décisions prises de manière asynchrone avant les réunions.
Pourquoi la structuration des décisions incarne l’avenir de la gestion de projet
La gestion de projet va évoluer : on passera du suivi des tâches à la structuration des prises de décision. La charge liée à la coordination va diminuer, tandis que les compétences en alignement deviendront centrales. Le rôle sera plus stratégique qu’administratif.
Mon conseil aux responsables de la livraison : améliorez d’abord le processus avant d’y intégrer l’automatisation. Une responsabilité claire et des attentes partagées sont plus importantes que la rapidité. Une fois la clarté installée, l’efficacité s’ensuit naturellement. Cessez de rédiger des documents uniquement pour prouver une activité. Concevez des workflows où l’avancement est visible sans explications supplémentaires.
Suivez l’actualité
Vous pouvez suivre le travail de Brian sur LinkedIn.
Encore plus d'entretiens avec des experts à venir bientôt sur The Digital Project Manager !
