La directrice de la gestion des programmes technologiques affirme qu’une IA sans contexte suffisant peut mener à des décisions dangereuses
Découvrez comment une responsable de programmes technologiques utilise l’IA pour réduire la charge de reporting, détecter les risques de livraison et aider les équipes à se concentrer sur les décisions plutôt que sur l’administration.
Anika Banakh
Directrice de la gestion des programmes technologiques chez ACV Auctions
Leadership centré sur l’humain: Anika souligne que l’adoption efficace de l’IA commence par l’autonomisation des équipes, pas seulement par la technologie.
Gains d’efficacité: Les outils d’IA ont optimisé les tâches répétitives, améliorant l’efficacité des rapports et la visibilité sur la livraison au sein des équipes.
Éviter la surdépendance: L’intervention humaine est essentielle pour interpréter correctement les résultats de l’IA et assurer la prise en compte du contexte métier.
Simplifier les flux de travail: La sur-ingénierie peut nuire à la clarté ; se concentrer sur les décisions à forte valeur ajoutée facilite une adoption rapide des outils d’IA.
L’importance de la responsabilité: Une répartition claire des responsabilités décisionnelles favorise l’intégration de l’IA, aidant les organisations à éviter la confusion et à améliorer les résultats.
Anika Banakh est la directrice de la gestion des programmes technologiques chez ACV Auctions. Elle a dirigé plusieurs équipes de livraison pluridisciplinaires réparties dans le monde entier. Elle se concentre désormais sur l’adoption non intrusive de l’IA, tout en rendant la livraison plus efficace.
Nous avons rencontré Anika pour découvrir comment elle met en place l’IA dans ses workflows de livraison. Voici ce qu’elle nous a dit.
Direction de l’IA centrée sur l’humain
Je suis une Canadienne d’origine ukrainienne qui fait avancer les choses. La plupart des gens pensent que ma trajectoire vers la transformation guidée par l’IA a commencé par la technologie, mais elle a commencé par l’humain : recrutement de talents, création de confiance au sein d’équipes mondiales, et apprentissage des comportements organisationnels sous pression.
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’ai désormais dirigé plusieurs équipes de livraison pluridisciplinaires réparties dans le monde entier, soutenant des initiatives de transformation opérationnelle et de marketplaces numériques à l’échelle de l’entreprise. Les effectifs allaient de six personnes à quelques milliers. La plupart de ces organisations évoluaient rapidement — appliquant la livraison agile à travers les produits, l’ingénierie, les opérations et les parties prenantes de l’entreprise, tout en gérant des intégrations complexes, une montée en charge rapide et des plateformes axées sur les données pour des clients incluant concessionnaires automobiles, banques, détaillants, associations à but non lucratif et grands groupes internationaux.
Gérer la livraison au sein de différentes organisations m’a appris que le plus grand obstacle à l’innovation n’est que rarement la technologie elle-même ; c’est avant tout la question de savoir si les personnes se sentent suffisamment habilitées à changer leur manière de travailler. Voilà pourquoi mon approche du leadership en IA est peu conventionnelle : l’avenir de la livraison n’appartiendra pas à ceux qui automatisent le plus, mais à ceux qui sauront rendre l’IA profondément humaine, collaborative et source de créativité pour les équipes qui l’utilisent au quotidien.
Comment les outils d’IA améliorent l’efficacité au travail
Au cours de l’année écoulée, j’ai remplacé les tâches les plus répétitives et prévisibles du processus de livraison, libérant du temps pour le « vrai » travail — principalement en intégrant la synthèse et la priorisation basées sur l’IA dans les processus de reporting, de suivi des dépendances et de communication avec les parties prenantes.
Grâce à l’IA, j’ai constaté une amélioration de l’efficacité des rapports, une meilleure visibilité sur la livraison et une identification accrue des risques au sein d’équipes réparties, tout en réduisant les efforts de coordination manuelle et en améliorant la prévisibilité de l’exécution.
Grâce à l’IA, j’ai constaté une amélioration de l’efficacité des rapports, une meilleure visibilité sur la livraison et une identification accrue des risques au sein d’équipes réparties.
Cependant, si je peux compter sur l’IA pour accélérer les tâches de livraison axées sur les données comme la génération d’insights de priorisation, la synthèse des statuts, l’identification de motifs de risques, le suivi des dépendances et le reporting opérationnel, je ne peux pas tout lui confier.
Les décisions impliquant l’alignement des parties prenantes, la dynamique d’équipe, le changement organisationnel, la gestion des conflits et les arbitrages stratégiques restent délibérément pilotés par l’humain. Parce que la réussite de la livraison dépend toujours de la confiance, du contexte, de l’empathie et du jugement — des aspects qu’une IA ne peut pleinement reproduire.
Pourquoi les résultats de l’IA nécessitent une intervention humaine
En fait, mon plus grand défi a été d’empêcher les équipes de se reposer excessivement sur les résultats automatisés sans appliquer le contexte métier. Pour éviter cela, j’ai remis en question leurs livrables et souligné l’importance d’une expérience concrète avec le produit et le contexte de l’entreprise. C’est ce qui fait la différence entre quelque chose de simplement bon et quelque chose d’excellent.
L’intervention humaine est essentielle dans la formulation des requêtes et dans l’interprétation des résultats. Il faut une demande solide et structurée, avec une bonne compréhension de la corrélation et de la causalité, ainsi qu’une connaissance poussée des processus et des facteurs pour interpréter les réponses obtenues.
Par exemple, un outil peut vous indiquer que le livrable est à risque, mais la cause peut être que l’ingénieur a un enfant malade : il faut donc aller plus loin pour comprendre la logique qui se cache derrière les données, et la personne humaine derrière chaque tâche.
Mon plus grand défi a été d’empêcher les équipes de trop s’appuyer sur les résultats automatisés sans appliquer le contexte métier. L’intervention humaine est cruciale pour l’élaboration des requêtes et l’interprétation.
Comment la sur-ingénierie nuit aux flux de travail
En ce qui concerne les outils, nous utilisons actuellement Omni pour les tableaux de bord, Rovo sur Jira pour la gestion de l’ingénierie, et un chat IA interne pour les mises à jour et la synthèse d’équipe.
Au début, nous aurions pu éviter de sur-architecturer notre flux de travail avec trop de signaux et de tableaux de bord. Cela a engendré plus de travail d’interprétation que de clarté. Un cas d’utilisation plus simple et bien ciblé — centré sur une ou deux décisions à forte valeur ajoutée — aurait permis une adoption plus rapide et moins de scepticisme de la part des équipes.
Pourquoi l’IA ne parvient pas à accélérer la prise de décision
L’IA n’a pas eu l’impact escompté d’améliorer l’alignement inter-équipes et la rapidité de la prise de décision simplement en ajoutant davantage d’analyses automatisées et de tableaux de bord.
Oui, l’IA a amélioré la visibilité, mais elle n’a pas réduit l’ambiguïté ni résolu les priorités conflictuelles — dans certains cas, elle a amplifié le bruit, différentes équipes interprétant les mêmes résultats de manière différente.
L’IA a amélioré la visibilité, mais elle n’a pas réduit l’ambiguïté ni résolu les priorités conflictuelles — dans certains cas, elle a amplifié le bruit.
Prenons l’exemple d’un tableau de bord. Chaque équipe se concentre sur ses propres indicateurs clés et besoins métiers, ce qui leur permet d’utiliser les outils pour générer des résultats qui servent leurs objectifs prioritaires. Construire de la cohésion dans ce chaos est essentiel, compte tenu de l’impact pour toutes les équipes.
Pourquoi une meilleure planification ne mène pas forcément à de meilleurs résultats
L’IA m’a fait abandonner l’idée que mieux planifier mène automatiquement à de meilleurs résultats de livraison. Même des plans très détaillés deviennent moins fiables dès lors que l’IA met en lumière le véritable rythme des changements et fait évoluer en temps réel les priorités et la volatilité des dépendances.
Réajuster en continu la planification sur la base de signaux en direct, plutôt que de miser sur plus de certitude en amont, a permis d’améliorer les résultats. La livraison n’était plus une question d’avoir le plan parfait mais d’y réagir rapidement.
Notre flux de livraison propulsé par l’IA ingère les tâches et mises à jour d’équipe, où l’IA regroupe les thèmes, signale les risques et réalise des synthèses automatiques de l’avancement des équipes. Ces informations alimentent une session de priorisation pilotée par l’humain, où les décisions se transforment en plans de sprint. Pendant l’exécution, l’IA signale en continu les écarts et les problèmes émergents.
Le résultat net : moins de temps passé à faire du reporting, plus de temps pour résoudre les problèmes de livraison.
Pourquoi le reporting de statut doit être repensé grâce à l’IA
Un domaine que davantage de responsables de livraison devraient repenser activement est le reporting de statut et la gouvernance de la livraison — cela reste l’une des parties les plus manuelles, à faible valeur ajoutée et sujettes à la distorsion dans la plupart des organisations.
Je travaille à remplacer les tableaux de bord traditionnels et les consolidations manuelles par un flux de travail augmenté par l’IA, qui synthétise en continu les mises à jour issues des outils de suivi de livraison, signale les risques et génère des synthèses concises « prêtes à la décision » pour la direction. Le changement n’était pas uniquement une question d’efficacité — il a radicalement modifié la nature même des discussions de gouvernance, passant de « quel est le statut ? » à « quelles décisions devons-nous prendre maintenant ? »
Le résultat : moins de temps consacré à compiler des mises à jour, plus de temps à lever les vrais blocages, avec une remontée accélérée des risques réels — mais uniquement après avoir resserré l’appropriation des décisions, pour que les résultats IA ne deviennent pas une nouvelle couche d’interprétation.
Pourquoi une responsabilité claire est la véritable clé avec l’IA
Voici mon conseil :
Ne confondez pas une production accrue de l’IA avec de meilleures décisions : cela ne fait que générer de nouveaux motifs de désaccord. Ce qui libère vraiment le potentiel, c’est la clarté sur la responsabilité. L’IA suggère, l’humain décide, sans le drame du comité.
Gardez également ceci à l’esprit : si l’adoption vous paraît lente, ce n’est généralement pas le modèle en cause — ce sont les humains qui l’ignorent poliment.
Suivez-nous
Vous pouvez suivre le travail d’Anika Banakh sur LinkedIn.
D’autres entretiens avec des experts seront prochainement publiés sur The Digital Project Manager.
