La directrice de la gestion des programmes technologiques déclare que l’IA sans suffisamment de contexte peut entraîner des décisions dangereuses
Découvrez comment une responsable de programme technologique utilise l’IA pour réduire la charge liée aux rapports, mettre en lumière les risques de livraison et aider les équipes à se concentrer sur la prise de décision 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, et non pas uniquement par la technologie.
Gains d’efficacité: Les outils d’IA ont rationalisé les tâches répétitives, améliorant l’efficacité des rapports et la visibilité des livraisons entre les équipes.
Éviter la dépendance excessive: L’intervention humaine est essentielle pour interpréter correctement les résultats de l’IA et assurer le maintien 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 plus rapide des outils d’IA.
L’importance de la responsabilisation: Une attribution 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 directrice de la gestion des programmes technologiques chez ACV Auctions. Elle a dirigé plusieurs équipes de livraison distribuées à l’échelle internationale et interfonctionnelles. Elle se consacre aujourd’hui à rendre l’adoption de l’IA non intrusive et à accroître l’efficacité des livraisons.
Nous avons échangé avec Anika pour découvrir comment elle met en œuvre l’IA dans ses workflows de livraison. Voici ce qu’elle nous a confié.
Leadership de l’IA centré sur l’humain
Je suis une Canadienne d’origine ukrainienne qui aime accomplir les choses. Beaucoup pensent que mon parcours vers la transformation portée par l’IA a commencé avec la technologie, mais il a en réalité commencé avec les gens : recruter des talents, instaurer la confiance au sein d’équipes mondiales et apprendre comment les organisations réagissent sous pression.
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
J’ai désormais dirigé plusieurs équipes de livraison internationales et interfonctionnelles, accompagnant des projets de transformation opérationnelle et des places de marché numériques à l’échelle d’entreprise. Les équipes étaient de six personnes à plusieurs milliers. La plupart de ces organisations allaient vite — pratiquant une livraison agile réunissant produit, ingénierie, opérations et métiers, tout en gérant des intégrations complexes, un passage à l’échelle rapide, et des plateformes axées sur les données pour des clients allant de concessionnaires automobiles à des banques, des enseignes de la grande distribution, des associations et des groupes internationaux.
Ce rôle de responsable de livraison au sein de différentes organisations m’a appris que le principal obstacle à l’innovation n’est presque jamais la technologie en elle-même, mais réside dans le fait que les équipes se sentent assez autonomes pour changer leur façon de travailler. C’est pourquoi ma vision du leadership en IA est non conventionnelle : l’avenir de la livraison ne reviendra pas aux dirigeants qui automatisent le plus, mais à ceux qui rendent l’IA profondément humaine, collaborative et source d’énergie créative pour les équipes qui l’utilisent au quotidien.
Comment les outils d'IA augmentent l'efficacité au travail
Au cours de l’année passée, j’ai remplacé les tâches les plus répétitives et prévisibles du processus de livraison, libérant ainsi du temps pour se consacrer à la vraie valeur ajoutée — principalement en intégrant la synthèse et la priorisation assistées par IA dans les rapports d’avancement, le suivi des dépendances et la communication avec les parties prenantes.
Grâce à l’IA, j’ai constaté une amélioration de l’efficacité des rapports, de la visibilité sur la livraison, et de l’identification des risques au sein d’équipes distribuées, tout en réduisant l’effort manuel de coordination et en augmentant la prévisibilité de l’exécution.
Grâce à l’IA, j’ai constaté une amélioration de l’efficacité des rapports, de la visibilité sur la livraison, et de l’identification des risques au sein d’équipes distribuées.
Cependant, si je peux compter sur l’IA pour accélérer les tâches de livraison centrées sur les données telles que les analyses de priorisation, la synthèse des statuts, l’identification des motifs de risque, le suivi des dépendances et le reporting opérationnel, je ne peux pas m’y fier pour tout.
Les décisions impliquant l’alignement des parties prenantes, la dynamique d’équipe, le changement organisationnel, la résolution de conflits et les arbitrages stratégiques demeurent volontairement sous responsabilité humaine. Car la réussite de la livraison reste conditionnée à la confiance, au contexte, à l’empathie et au discernement, que l’IA ne peut pas totalement reproduire.
Pourquoi les résultats de l’IA nécessitent une intervention humaine
En réalité, mon principal défi a été d’éviter que les équipes ne s’appuient trop sur les résultats générés automatiquement sans apporter de contexte métier. Pour y remédier, j’ai remis en question leurs livrables et souligné l’importance de l’expérience terrain et de la compréhension du contexte produit et business. C’est ce qui différencie un résultat correct d’un résultat excellent.
L’intervention humaine est cruciale lors de la formulation des requêtes comme lors de l’interprétation. Il est essentiel de soumettre une demande structurée, avec un contexte de corrélation et de causalité correct, et de posséder une connaissance approfondie des processus et des leviers pour interpréter les réponses fournies.
Par exemple, un outil peut signaler qu’un livrable est en risque, mais la cause réelle pourrait être qu’un ingénieur a un enfant malade. Il convient donc d’aller au-delà des données pour chercher la raison et comprendre la personne derrière la tâche.
Mon plus grand défi a été d’empêcher les équipes de s’appuyer excessivement sur les résultats automatisés sans appliquer le contexte métier. L’intervention humaine est cruciale tant dans l’impulsion que dans 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 d’équipe et les résumés.
Au début, nous aurions pu éviter de sur-ingénierer le flux de travail avec trop de signaux et de tableaux de bord. Cela a créé plus de charge d’interprétation que de clarté. Un cas d’usage plus simple, bien cadré — ciblant une ou deux décisions à forte valeur — aurait permis une adoption plus rapide et moins de scepticisme de la part des équipes.
Pourquoi l’IA échoue à améliorer la rapidité des décisions
L’IA n’a pas eu l’impact attendu en matière d’amélioration de l’alignement inter-équipes et de la rapidité de décision simplement en ajoutant plus de résultats automatisés 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, chaque équipe interprétant différemment les mêmes résultats.
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 KPIs et besoins métier, donc elle peut utiliser les outils pour générer des résultats au service de ses objectifs clés. Renforcer la cohésion dans ce chaos est essentiel, au vu de l’impact sur toutes les équipes.
Pourquoi une meilleure planification ne conduit 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 prédictifs lorsque l’IA révèle le véritable rythme du changement, et fait évoluer en temps réel les priorités et la volatilité des dépendances.
La replanification continue à partir de signaux en direct, plutôt qu’une certitude accrue en amont, a permis d’obtenir de meilleurs résultats. La livraison n’est plus une question d’exactitude du plan, mais d’adaptation rapide.
Notre flux de travail de livraison guidé par l’IA intègre les tâches et mises à jour d’équipe, l’IA regroupant les thématiques, signalant les risques et résumant automatiquement l’avancement des équipes. Ces insights alimentent une session de priorisation dirigée par l’humain, où les décisions deviennent des plans de sprint. Pendant l’exécution, l’IA signale continuellement les écarts et les problèmes émergents.
L’effet global : moins de temps passé à faire des rapports, plus de temps à résoudre les obstacles à la livraison.
Pourquoi le reporting de statut doit être repensé avec l’IA
Un domaine que davantage de responsables de livraison devraient activement repenser est le reporting de statut et la gouvernance de la livraison — cela reste l’un des aspects les plus manuels, les moins créateurs de valeur et les plus sujets à la distorsion au sein des organisations.
Je travaille à remplacer les supports de statuts traditionnels et les consolidations manuelles par un flux de travail enrichi par l’IA, qui synthétise en continu les mises à jour issues des outils de livraison, signale les risques, et génère des synthèses concises « prêtes à la décision » pour la direction. Le changement n’a pas été qu’une question d’efficacité — il a transformé la nature des discussions de gouvernance : on ne se demande plus « quel est l’état ? » mais « quelles décisions devons-nous prendre maintenant ? »
Le résultat : moins de temps passé à compiler les mises à jour et plus de temps à lever de réelles contraintes de livraison, avec une escalade plus rapide des vrais risques — mais seulement une fois que nous avons renforcé la responsabilisation sur la prise de décision, afin que les résultats IA ne deviennent pas une couche supplémentaire d’interprétation.
Pourquoi une répartition claire des responsabilités est la véritable clé avec l’IA
Voici mon conseil :
Ne confondez pas plus de production de l’IA avec de meilleures décisions : cela donne juste plus de sujets de désaccord. La véritable clé, c’est une attribution claire des responsabilités. L’IA suggère, les humains décident, pas de drame collectif.
Gardez aussi cela à l’esprit : si l’adoption vous paraît lente, ce n’est généralement pas le modèle — ce sont les humains qui l’ignorent poliment.
Suivez l’actualité
Vous pouvez suivre le travail d’Anika Banakh sur LinkedIn.
D’autres interviews d’experts seront bientôt disponibles sur The Digital Project Manager.
