Ce PDG de startup IA transforme la livraison de projets en une discipline proactive grâce à des modèles d’intelligence prédictive
Lloyd Skinner est le PDG de greyfly.ai, où il utilise l’intelligence artificielle pour construire des modèles prédictifs qui offrent aux chefs de projet des informations exploitables avant qu’ils ne soient confrontés à des problèmes et des coûts inattendus. En d’autres termes, il transforme la livraison de projets d’une discipline réactive en une approche proactive.
Lloyd Skinner
PDG de Greyfly.ai
L’IA fait passer la gestion de projet du réactif au proactif: Skinner explique comment intégrer l’intelligence prédictive dans les processus de livraison permet aux responsables d’anticiper les risques et résultats avant qu’ils ne se produisent, transformant ainsi la gestion de projet : on ne se contente plus de rapporter ce qui s’est déjà passé, on guide désormais les décisions en temps réel grâce à la prévoyance.
Des systèmes légers et pilotés par les données surpassent les approches traditionnelles: En remplaçant les méthodes lourdes et centrées sur l’administration par des systèmes de livraison intégrés et dopés à l’IA – qui connectent les outils existants et analysent en permanence des données en temps réel – les équipes réduisent l’effort de reporting, augmentent la visibilité sur les risques et se concentrent davantage sur la résolution concrète des problèmes que sur la course aux mises à jour de statut.
La réussite de l’IA dépend de la préparation des personnes et des données: Skinner insiste sur le fait que les plus grands obstacles ne sont pas technologiques, mais résident dans la garantie de la qualité des données et l’adoption d’une nouvelle mentalité où les équipes font confiance aux recommandations de l’IA et les mettent en pratique ; les leaders humains restent essentiels pour le jugement, la stratégie et l’interprétation des prédictions.
Lloyd Skinner est le PDG de greyfly.ai, où il utilise l’IA pour développer une intelligence prédictive qui fournit aux chefs de projet des informations exploitables avant qu’ils ne soient confrontés à des problèmes et des coûts inattendus. En d’autres termes, il transforme la gestion de projet d’une discipline réactive vers une discipline proactive.
Nous nous sommes entretenus avec lui afin de comprendre comment il y parvient — et ce que cela signifie concrètement. Voici ce qu’il nous a expliqué.
Passer d’une gestion de produit traditionnelle à une livraison pilotée par l’IA
Je suis le PDG de greyfly.ai, où nous aidons les organisations à mener leurs projets de façon plus prévisible et rentable grâce à l’intelligence artificielle.
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
Auparavant, j’étais en charge de la gestion de projet traditionnelle. Ayant travaillé sur d’importants programmes et initiatives de transformation, j’ai pu constater à quel point les approches classiques sont insuffisantes face à la complexité.
C’est pourquoi mon rôle a évolué afin de permettre aux organisations de repenser la livraison dans un monde où l’IA est au centre. Je me concentre sur l’aide aux dirigeants de projets et de portefeuilles à utiliser leurs propres données plus intelligemment, afin d’améliorer les résultats, de réduire les risques et de constituer un argument solide pour l’adoption d’une IA évolutive en gestion de projet.
Chez greyfly.ai, nous comblons le fossé laissé par les approches traditionnelles en intégrant l’IA dans la gestion de projet, offrant ainsi aux dirigeants des informations exploitables avant que les problèmes ne surviennent, et les aidant à atteindre des résultats mesurables et durables.
Comment l’IA transforme la gestion de projet en une discipline proactive et pilotée par l’analyse
L’IA transforme la gestion de projet d’une discipline réactive en une discipline proactive et axée sur les données.
L’IA transforme la gestion de projet d’une discipline réactive en une discipline proactive et axée sur les données.
Plutôt que de se concentrer sur le reporting du passé, mon attention se porte désormais sur le fait d’aider les dirigeants à anticiper ce qui va arriver : utiliser l’intelligence prédictive pour orienter les décisions en temps réel et prévenir les dépassements coûteux.
Nous utilisons désormais des modèles qui prévoient la réussite des projets, identifient les risques précocement et indiquent où l’intervention aura le plus grand impact. Cela change fondamentalement la façon dont les chefs de projet planifient, hiérarchisent et gèrent les ressources.
Résultat : je consacre bien moins de temps à l’analyse manuelle des données, à la revue de tableaux de bord ou à la collecte de retours après incidents. Je me concentre davantage sur l’adoption stratégique, l’amélioration de la qualité des données et l’intégration des capacités de l’IA dans les organisations projet.
Mon rôle consiste de plus en plus à aider les dirigeants à passer de la curiosité vis-à-vis de l’IA à des changements concrets et évolutifs, en transformant les informations en résultats mesurables.
Pourquoi les systèmes de livraison agiles et guidés par la donnée surpassent la gestion de projet traditionnelle
Nous avons choisi d’abandonner les méthodes traditionnelles de gestion de projet, souvent lourdes en documentation, au profit de systèmes de livraison allégés et pilotés par la donnée, qui privilégient l’agilité et l’anticipation à l’administration.
Par le passé, comme beaucoup d’organisations, nous nous appuyions fortement sur des modèles structurés, des mises à jour manuelles et des cycles de revue formels. Cette approche engendrait des retards, des tâches en doublon et masquait souvent les risques émergents jusqu’à ce qu’il soit trop tard. Durant l’année écoulée, nous avons basculé vers un modèle d’analyse continue, plus intégré, fondé sur notre propre plateforme Intelligent Project Prediction (IPP) et notre principe de Minimum Viable Governance (MVG), assurant ainsi contrôle et assurance, mais avec beaucoup moins de lourdeur administrative.
Concrètement, cela signifie connecter nos outils de gestion de portefeuilles de projets (PPM) existants à un pipeline de données unique hébergé sur Azure (ce type d’intégration fait partie des nombreux bénéfices des logiciels de gestion de portefeuille de projets). L’IPP analyse ensuite ces données en temps réel pour anticiper les résultats, signaler les risques et mettre en évidence les tendances de livraison. Cela a remplacé la compilation hebdomadaire des rapports par des tableaux de bord automatisés, actualisés quotidiennement et répondant automatiquement aux seuils convenus.
Nous avons également introduit des contrôles de conformité automatisés par IA, qui analysent la documentation projet par rapport aux standards de gouvernance et valident l’alignement sur les principes MVG. La découverte et la transition ont duré environ six mois, comprenant la cartographie des données, la configuration de l’intégration et des ateliers de conduite du changement avec les équipes PMO, afin de bâtir la confiance tant dans l’analyse prédictive que dans le modèle de gouvernance.
Les résultats ont été concrets :
- L’effort de reporting a été réduit de plus de 50 %
- La visibilité sur les risques s’est nettement améliorée
- Les cycles de prise de décision sont passés de plusieurs semaines à quelques jours.
- Et, peut-être plus important encore, la culture d’équipe s’est transformée : les chefs de projet passent désormais moins de temps à courir après le statut, et plus de temps à résoudre les vrais problèmes.
En bref, le passage à une livraison légère, assistée par l’IA, ne consiste pas à abandonner la rigueur, mais à redéfinir la gouvernance afin que le contrôle, la conformité et la visibilité s’opèrent en continu, et non de manière rétrospective.
Le passage à une livraison légère, assistée par l’IA, ne consiste pas à abandonner la rigueur, mais à redéfinir la gouvernance afin que le contrôle, la conformité et la visibilité s’opèrent en continu, et non de manière rétrospective.
Un exemple concret d’intégration de l’IA améliorant les résultats de la livraison de projets
Un excellent exemple provient de notre collaboration avec un grand opérateur de télécommunications britannique, où nous avons soutenu un engagement en plusieurs phases autour de l’IA appliquée à la gestion de projet.
Le client souhaitait comprendre comment l’IA pouvait améliorer la prévisibilité et la performance de son vaste portefeuille de projets, mais comme beaucoup d’entreprises, il était confronté à des données fragmentées, des rapports incohérents et une dépendance au jugement manuel.
Nous avons commencé par une stratégie d’adoption de l’IA, puis sommes passés à une phase de découverte. Celle-ci comprenait une évaluation structurée du PMO, un examen de l’architecture technique et une analyse de la qualité des données à l’aide d’outils comme Power BI de Microsoft pour les diagnostics exploratoires. Notre équipe de data science a construit des modèles prédictifs en utilisant les données historiques de projets du client pour anticiper les résultats probables, notamment l’exposition au risque, les retards de calendrier et le niveau de confiance dans la livraison.
La mise en place a duré plusieurs semaines, ce qui a impliqué de sécuriser l’accès aux données, de définir le schéma, de nettoyer les ensembles de données et de valider les résultats des modèles avec des professionnels de projet. Une fois les modèles entraînés, nous avons visualisé les informations via Power BI au travers de tableaux de bord interactifs qui mettaient en évidence en temps réel les projets à haut risque et expliquaient pourquoi certains projets dérivaient de leur trajectoire.
Le résultat a été un changement majeur dans la prise de décision : les dirigeants pouvaient concentrer leurs interventions là où elles étaient les plus cruciales, au lieu de réagir a posteriori aux problèmes. Ce premier pilote a montré un potentiel mesurable pour réduire les dépassements de projets et a fourni un argument commercial clair pour généraliser l’IA à l’ensemble de l’organisation.
Tout n’a pas été simple pour autant. Le défi principal n’était pas la technologie, mais la maturité des données et la gestion du changement liée à la confiance dans les prédictions plutôt que l’instinct. Mais c’est précisément là que l’IA prend tout son sens dans la livraison. Elle donne aux dirigeants la confiance d’agir sur la base de preuves, et non à posteriori.
Comment les workflows agentiques dans la préparation des données et la validation de la gouvernance accélèrent la livraison
Nous expérimentons également activement avec les workflows agentiques et l’orchestration intelligente dans le cadre de notre mission visant à rendre la livraison de projet plus rapide, plus agile et plus adaptable.
Notre attention s’est portée sur l’automatisation des tâches de coordination et d’assurance les plus chronophages — cette « gestion invisible » qui ralentit la livraison sans valeur ajoutée réelle. Plus précisément, nous utilisons l’orchestration agentique pour rationaliser :
- Préparation des données : des agents IA collectent, nettoient et alignent désormais les données projets à travers plusieurs systèmes avant le début de la modélisation prédictive.
- Validation de la gouvernance : des agents IA testent automatiquement les livrables des projets selon les standards MVG, garantissant la conformité sans intervention manuelle.
Nous avons intégré cette couche d’orchestration à notre écosystème IPP pour que ces agents fonctionnent discrètement en arrière-plan, déclenchant des mises à jour, générant des insights et initiant des actions sans intervention utilisateur.
Jusqu’à présent, les résultats sont très encourageants. Nous avons constaté que les temps de cycle de reporting et de préparation des données ont nettement diminué. Mais, peut-être plus important encore, les équipes consacrent leur temps à interpréter les informations plutôt qu’à courir après des données.
La démarche continue d’évoluer, et nous apprenons comment mieux équilibrer autonomie et supervision. Mais la direction prise est claire : l’orchestration intelligente est appelée à devenir la colonne vertébrale de la livraison moderne. Il ne s’agit pas de remplacer l’humain ; il s’agit de faire en sorte que chaque effort humain soit concentré là où il apporte le plus de valeur.
Comment l’intelligence prédictive transforme les rituels de base de la livraison
Nous repensons aussi les rituels de livraison à la racine, en faisant de l’IA un acteur véritable dans la prise de décision, et pas seulement un assistant analytique. Cela implique de revoir la façon dont nous définissons le périmètre, alignons les équipes, validons les progrès et pilotons la livraison pour tirer pleinement parti de l’intelligence prédictive.
Nous repensons les rituels de livraison depuis la base, en traitant l’IA comme un véritable contributeur dans la prise de décision, et non comme un simple assistant analytique. Cela signifie que nous redéfinissons la façon dont nous définissons le périmètre, alignons les équipes, validons les progrès et menons la livraison afin de tirer le meilleur parti de l’intelligence prédictive.
- Définir le périmètre : Lorsque nous définissons le périmètre, l’IA nous aide à quantifier la complexité dès le départ. En analysant les données historiques, nos modèles identifient des projets passés similaires et prédisent les éventuels défis de livraison. Les sponsors et PMO disposent ainsi d’un point de départ quantifié afin que le périmètre ne soit plus dicté uniquement par l’ambition, mais aussi par des preuves.
- Aligner les équipes : Pour l’alignement des équipes, l’IA soutient désormais l’identification précoce des lacunes de compétences ou des risques de surcharge en se basant sur la charge de travail et la performance passée. Cela nous permet de configurer les équipes de livraison avec bien plus de précision et de confiance, plutôt que de s’appuyer sur des plans de ressources figés.
- Valider la progression : La validation et l’assurance ont beaucoup évolué. Nous utilisons des contrôles de conformité pilotés par l’IA pour garantir que les livrables du projet respectent les normes de gouvernance, en intégrant MVG au flux de travail. Au lieu d’attendre les revues de fin de phase, l’assurance est désormais continue. Elle est proactive, légère et basée sur les données.
- Exécuter la livraison : Pour l’exécution, nous avons complété les réunions rétrospectives par des tableaux de bord prédictifs provenant de notre plateforme IPP. Ces tableaux de bord font remonter les signaux d’alerte précoces, mettent en évidence les risques émergents et orientent les discussions vers ce qui compte vraiment. L’IA ne remplace pas le discernement du leadership, mais elle recompose les échanges : au lieu de simplement rapporter le passé, on gère l’avenir.
Le plus grand changement est culturel : l’IA est devenue une participante au processus de livraison. Elle ne se contente pas d’automatiser les tâches. Elle amplifie l’intelligence, permettant aux humains de prendre des décisions plus rapidement, mieux informés et avec plus d’assurance.
Automatisez les tâches de projet à faible valeur ajoutée grâce à l’IA pour plus d’efficacité
À l’heure actuelle, les domaines les plus prêts pour l’automatisation et le soutien de l’IA sont ceux qui consomment le plus de temps mais apportent le moins de valeur stratégique, comme les prévisions de projet, les rapports d’avancement et l’identification des risques.
À l’heure actuelle, les domaines les plus prêts pour l’automatisation et le soutien de l’IA sont ceux qui consomment le plus de temps mais apportent le moins de valeur stratégique, comme les prévisions de projet, les rapports d’avancement et l’identification des risques.
Ces processus sont basés sur des règles, riches en données et répétitifs, ce qui en fait des candidats idéaux pour l’automatisation intelligente.
Cependant, l’intervention humaine demeure essentielle dans les domaines nécessitant du jugement, de l’empathie et de la négociation, tels que l’alignement des parties prenantes, la gestion du changement culturel ou la définition des priorités stratégiques. L’IA peut éclairer la prise de décision, mais les dirigeants doivent toujours interpréter le contexte, gérer la politique interne et fonder leurs décisions sur les valeurs.
En somme, l’IA devrait s’occuper des tâches cognitives les plus lourdes afin que les chefs de projet puissent concentrer leur énergie sur l’influence des résultats plutôt que sur la gestion de l’information.
Ce qu’il faut vraiment pour ancrer l’adoption de l’IA dans la gestion de projet
La grande question est la suivante : « Que faut-il vraiment pour que l’IA s’ancre dans la gestion de projet ? »
La réponse n’est pas plus de technologie. Ce ne sont ni des algorithmes complexes ni des investissements massifs. Il s’agit de conviction et de comportement — l’adoption de l’IA repose sur un changement de mentalité.
Nous avons appris que le point de bascule ne se produit pas lorsque le modèle devient plus intelligent ; il intervient le jour où les gens commencent à agir sur la base des analyses qu’il fournit. C’est pourquoi je dis souvent que l’adoption de l’IA est un programme de transformation humaine alimenté par les données, et pas simplement une évolution numérique. Dès que les équipes constatent que les analyses prédictives leur permettent d’anticiper les imprévus plutôt que de les expliquer, le changement devient irréversible.
La véritable transformation a lieu lorsque les chefs de projet cessent de considérer l’IA comme une expérience et l’intègrent dans leur manière de diriger. Cela implique de créer de la confiance dans les données, de faire preuve de transparence sur les résultats issus de l’IA et d’encourager les équipes à l’utiliser dans leurs décisions du quotidien.
Et ce qui frappe vraiment, c’est la rapidité avec laquelle la confiance s’installe une fois que les personnes constatent la justesse des prédictions de l’IA. Les équipes passent du débat sur ce qui s’est mal passé à la discussion sur ce qui est susceptible de se produire ensuite ; et ce changement transforme fondamentalement la culture de la livraison.
Construire un écosystème IA intelligent pour la livraison de projets
Notre pile technologique de livraison a considérablement évolué au cours de l’année écoulée, à mesure que nous avons approfondi l’intégration entre les modèles d’IA, les plateformes d’analytique et les outils traditionnels de gestion de projet. Au cœur de ce dispositif se trouve notre propre plateforme IPP, la couche d’intelligence qui analyse les données des projets, prédit les résultats et identifie précocement les risques à travers les portefeuilles.
Nous utilisons Microsoft Power BI pour l’exploration et la visualisation des données, car il demeure un moyen pratique de rassembler les données de projet provenant de multiples sources, tout en assurant que les parties prenantes puissent interagir directement avec les analyses. Côté données, nous avons renforcé l’utilisation des environnements Azure afin d’héberger et de faire évoluer en toute sécurité les charges de travail IA, améliorant ainsi la performance et la gouvernance.
En parallèle, nous avons simplifié, plutôt qu’élargi, notre panel d’outils. Les logiciels de planification traditionnels comme Planview et Primavera ont toujours leur place, mais servent aujourd’hui de fournisseurs de données pour les modèles prédictifs, et non plus de systèmes de gestion indépendants. L’accent est mis sur l’interopérabilité, la connexion des solutions existantes afin que l’information circule sans heurts au lieu d’être enfermée dans des silos.
Nous avons également remplacé le suivi manuel des risques sur tableur par des sorties de modèles automatisés, et introduit des contrôles de conformité pilotés par l’IA pour valider le respect des processus. Ces changements ont réduit de plus de moitié l’effort de reporting manuel et recentré l’attention de la collecte de données vers leur interprétation.
En résumé, l’évolution de notre pile technologique ne consiste pas à courir après de nouveaux outils ; elle vise à créer un écosystème intelligent, dans lequel les plateformes existantes sont optimisées par l’IA afin d’apporter prévoyance, précision et valeur mesurable à chaque décision de projet.
L’évolution de notre pile technologique ne consiste pas à courir après de nouveaux outils ; elle vise à créer un écosystème intelligent, dans lequel les plateformes existantes sont optimisées par l’IA afin d’apporter prévoyance, précision et valeur mesurable à chaque décision de projet.
Pourquoi la gestion de projet évolue d’une fonction administrative vers une stratégie pilotée par l’intelligence
Au cours des cinq prochaines années, l’IA redéfinira complètement ce que signifie gérer un projet. Il ne s’agira pas forcément d’ajouter toujours plus d’outils. Il s’agira plutôt de rééquilibrer la relation entre les individus, la donnée et la prise de décision.
Je crois que nous allons vers un monde où la gestion de projet deviendra une discipline guidée par l’intelligence, et non plus par l’administratif. L’IA assurera la mécanique : prévisions, reporting, validation, tandis que les leaders se concentreront sur le sens, les priorités et les résultats. Les équipes s’appuieront en continu sur la prévision plutôt que sur le contrôle rétrospectif, et la gouvernance évoluera vers des systèmes intelligents comme notre concept de MVP, permettant que l’assurance qualité s’opère de façon invisible, intégrée au flux du travail.
D’ici cinq ans, la plupart des organisations projets auront des copilotes IA intégrés à tous les niveaux, qui feront émerger des analyses, orchestreront les tâches et remettront en question les présupposés en temps réel. Les meilleurs leaders seront ceux qui sauront collaborer avec l’IA, et non lui faire concurrence.
En fin de compte, la livraison de projet passera de la gestion de l’incertitude à la maîtrise de l’anticipation. Ceux qui adopteront l’IA tôt livreront non seulement de façon plus prévisible, mais modifieront en profondeur la façon dont la valeur, l’impact et la réussite sont définis.
La livraison de projet passera de la gestion de l’incertitude à la maîtrise de l’anticipation. Ceux qui adopteront l’IA tôt livreront non seulement de façon plus prévisible, mais modifieront également en profondeur la façon dont la valeur, l’impact et la réussite sont définis.
Pourquoi la maturité des données et la conscience humaine sont essentielles à la réussite de l’IA dans la livraison
Mon conseil aux responsables de la livraison : concentrez-vous avant tout sur deux aspects : la maturité de vos données et la conscience humaine.
La maîtrise de la donnée est la clé de voûte de toute initiative IA réussie. La plupart des organisations sous-estiment la valeur inexploitable déjà présente dans leurs données projets actuelles, mais celles-ci sont souvent éclatées, incohérentes ou enfermées dans des systèmes qui ne communiquent pas. Mettre ces données en état ne nécessite pas un programme de transformation massif : il s’agit d’abord de savoir ce dont vous disposez, d’améliorer la qualité là où c’est crucial et de bâtir la confiance dans leur utilisation. Dès lors que vos données sont fiables, l’analyse prédictive s’impose naturellement.
Le deuxième élément est la sensibilisation humaine, aidant les équipes à comprendre ce que l’IA peut leur apporter plutôt que ce qu’elle risque de leur enlever. Les transitions les plus réussies que nous avons observées se produisent lorsque les professionnels de la livraison se sentent valorisés par l’IA, et non menacés par elle. Il s’agit de développer de nouveaux réflexes, d’apprendre à remettre en question les tendances, à interpréter les prévisions et à utiliser l’IA comme un partenaire stratégique plutôt qu’un simple outil de reporting.
Si les responsables investissent tout autant dans ces deux dimensions — la préparation des données et la sensibilisation humaine — ils créeront une culture où l’IA améliore réellement la performance de livraison, au lieu d’ajouter une couche technologique supplémentaire.
C’est là que la transformation commence réellement.
Suivez-nous
Vous pouvez suivre Lloyd sur LinkedIn alors qu’il transforme la gestion de projet en une discipline proactive. Et découvrez greyfly.ai, où il met cela en pratique.
D’autres interviews d’experts à venir sur The Digital Project Manager.
