Un consultant avec des décennies d’expérience explique pourquoi l’IA doit être un partenaire de réflexion stratégique, pas un moteur de projet
Mike Hannan est le fondateur et consultant principal chez Fortezza Consulting. Fort de plusieurs décennies d’expérience à coacher des responsables de projet à tous les niveaux, il a consacré sa carrière à aider les organisations à naviguer dans des systèmes de livraison complexes, optimiser des portefeuilles, et remettre en question la sagesse conventionnelle.
Mike Hannan
Fondateur et consultant principal chez Fortezza Consulting
L’IA doit agir en tant que partenaire de réflexion stratégique, et non comme pilote de livraison: Hannan affirme que l’IA excelle dans la génération de modèles, la synthèse de contenus et l’évaluation de scénarios alternatifs, mais elle ne comprend pas réellement la complexité profonde.
Le jugement humain reste essentiel dans les projets complexes: Si l’IA peut prendre en charge les tâches routinières (comme la prise de notes ou la modélisation de base), l’humain est encore indispensable pour le travail social, émotionnel et stratégique approfondi.
Maîtriser l’orchestration de l’IA et la pensée systémique définira les futurs leaders: Selon Hannan, la vraie valeur réside chez ceux capables d’orchestrer l’IA intelligemment, en utilisant une compréhension systémique large pour maximiser le ROI de portefeuille et résoudre des problèmes complexes de manière plus efficace que les spécialistes focalisés sur une expertise technique étroite.
Mike Hannan est le fondateur et consultant principal chez Fortezza Consulting. Fort de plusieurs décennies d'expérience en accompagnement des chefs de projet à tous les niveaux, il a consacré sa carrière à aider les organisations à naviguer dans des systèmes de livraison complexes, à optimiser les portefeuilles, et à remettre en question les idées conventionnelles.
Dans cet échange, Mike explique comment il utilise l’IA, non pas pour remplacer les pratiques de gestion de projet, mais pour amener les équipes à poser de meilleures questions, éviter les fausses certitudes, et se rapprocher des véritables leviers de performance.
Comprendre les facteurs de performance au niveau système est encore plus crucial à l’ère de l’IA
Je suis le fondateur et consultant principal chez Fortezza Consulting, où j'accompagne les dirigeants à tous les niveaux pour améliorer la performance de leur portefeuille de projets. Cela consiste à leur apprendre à penser de manière plus systémique, surtout dans des environnements marqués par les contraintes, les interdépendances – et désormais, l’IA.
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
À mon avis, dans un monde où l’IA prime, le besoin de comprendre réellement ce qui drive la performance au niveau du système est plus fort que jamais. C’est encore la seule façon de gérer la complexité mieux que les concurrents.
L’IA n’est pas encore capable de faire cela. Et elle n’y arrivera que lorsqu’elle saura mieux distinguer le bon grain de l’ivraie.
Comment utiliser l’IA pour les modèles de projet, la livraison et l’optimisation de portefeuille
Ceci dit, la gestion de projet évolue. Je trouve que le besoin de modèles standards a beaucoup diminué. La plupart des modèles de langage actuels peuvent maintenant générer de bons modèles, et même les adapter à des situations spécifiques.
Par exemple, Claude fait cela plutôt bien. Je peux lui demander :
- « Donnez-moi un modèle de charte de projet adapté au secteur des cosmétiques. »
- « Donnez-moi un modèle de registre des risques adapté à l'industrie de l'énergie nucléaire. »
Ensuite, je le précise davantage : « Concentrez-vous sur les projets informatiques dans les cosmétiques », ou « Concentrez-vous sur les risques liés à la gestion des déchets nucléaires. » Les réponses sont rapides, flexibles et étonnamment précises.
Je suis également très impressionné par les nouvelles capacités de l’IA qui peuvent évaluer des centaines, voire des milliers de scénarios pour trouver la solution optimale selon les contraintes réelles – par exemple, identifier la baseline de projet à plus forte valeur.
Un exemple que j’apprécie vient de Lightning Motorcycle, qui a utilisé les outils de CAO boostés à l’IA d’Autodesk pour concevoir des pièces bien plus optimisées que ce que les ingénieurs humains auraient pu faire seuls.
Un autre est TransparentChoice, qui utilise l’IA pour aider ses clients à trouver le modèle de flux différé qui maximise la capacité de réalisation avec les ressources disponibles. Cela simplifie une question difficile : « Combien de projets pouvons-nous accepter tout en atteignant le meilleur taux d’aboutissement possible ? »
Là où l’IA apporte de la valeur dans la gestion de projet — et là où les humains restent essentiels
Les tâches répétitives comme la prise de notes, les points clés et la synthèse de contenus volumineux sont également gérées très efficacement par l’IA. Rien que ça me fait gagner plusieurs heures chaque semaine.
Pour cela, j’utilise principalement Otter.ai, qui est mon outil de prédilection pour la capture et la synthèse des discussions. Mais des solutions comme Copilot fonctionnent aussi très bien.
Les domaines qui demandent encore une touche humaine sont variés. Tout ce qui relève du social ou des services à la personne — où le mentorat, l’empathie ou la confiance priment — dépend encore largement des individus. Idem pour tout ce qui demande une réflexion systémique profonde ou un jugement critique.
Ce sont encore des champs spécifiquement humains.
Comment intégrer l’IA dans des workflows complexes tout en gardant le jugement humain central
Il m’arrive parfois d’aller plus loin et de définir un modèle qui spécifie tout ce qu’il faut pour synchroniser le travail entre personnes, fonctions et même partenaires de la chaîne d’approvisionnement.
Parce que l’IA peut s’intégrer dans ce modèle partout où c’est pertinent. Les humains devront ensuite ajuster selon la performance de ce mix homme-IA.
Voici une simple analogie : imaginez qu’une assistante de direction parte à la retraite et que le dirigeant soit bouleversé de perdre ce précieux soutien. Plutôt que de recruter, on construit un modèle qui encode les préférences :
- « Toujours 15 minutes entre les réunions »
- « Préférer la compagnie aérienne A sauf s’il n’y a pas de vol direct »
- « Le temps de concentration ne peut être interrompu que si le dirigeant A ou le client B insiste »
Au fil du temps, le modèle s'affine et couvre bien 95 % des scénarios.
Mais il y a toujours un moment où le jugement humain est indispensable : lire les signaux émotionnels, les nuances culturelles, ou saisir l'évolution des priorités. Et si une visite familiale n'est pas souhaitée ? Et si un client commence à être trop insistant ? Et si l'urgence d'un supérieur monte de façon subtile ? C'est là que la combinaison entre l'humain et l'IA prend tout son sens.
Dans les projets, le modèle est plus complexe, mais le principe reste le même : Concevez-le, affinez-le, et orchestrez le mélange entre IA et agents humains afin que chacun joue sur ses points forts.
L’IA ne comprend pas réellement la complexité
Bien que l’IA m’aide à passer moins de temps à résumer ou à synthétiser l’information, elle crée également une illusion dangereuse : celle que les modèles « comprennent » réellement la complexité profonde. Ce n’est pas le cas.
À cause de cette illusion, de nombreux clients recherchent des résultats plus rapides, espérant que l’IA leur apportera ce qu’ils considèrent comme des « solutions rapides ». Pour les aider à y parvenir, je me concentre sur des techniques d'accélération de flux fondées sur la Théorie des Contraintes et le Lean. Ces approches permettent aux projets d’avancer plus vite sans sacrifier la qualité.
Et quand il s'agit de fixer des attentes, j'incite généralement les clients à viser plus haut — à espérer encore plus d’accélération. Fixer des objectifs modestes conduit le plus souvent à des résultats modestes.
Ainsi, mon rôle aujourd’hui consiste moins à résumer ou livrer des constats, qu’à aider les dirigeants à marquer une pause, prendre du recul et remettre en question leurs suppositions. C’est là que résident les vrais gains de performance.
Comment utiliser l’IA pour remettre en question les suppositions et améliorer l’esprit critique
J’utilise l’IA comme une cible ; pas comme une solution. Elle est là pour être remise en question. C’est un partenaire de réflexion, pas un moteur de décision.
J’utilise l’IA comme une cible ; pas comme une solution. Elle est là pour être remise en question. C’est un partenaire de réflexion, pas un moteur de décision.
Un bon exemple consiste à prendre les réponses génériques et superficielles que génèrent les LLM et à les utiliser comme point de départ pour une critique. Je demande alors aux clients de décortiquer ces réponses :
- « Qu'est-ce qui devrait être vrai pour que ceci soit faux ? »
- « Dans quel contexte cela pourrait-il être totalement erroné ? »
Ces questions les entraînent à concevoir des demandes de suivi plus pertinentes, qui mènent souvent à de réels éclairages.
Et ces questions aiguisent aussi leur esprit critique, ce qui est particulièrement important aujourd’hui. C’est étonnant de voir à quel point la plupart d’entre nous sommes sujets au biais de confirmation. Lorsque l’IA donne aux gens une réponse qui va dans le sens de ce qu’ils croient déjà, ils se sentent validés — et arrêtent alors de réfléchir de façon critique.
Ce n'est pas seulement étonnant : c’est inquiétant.
Moderniser la gestion de projet tout en maximisant le ROI
Pour moi, toute technique ou approche qui permet de maximiser le ROI d’un portefeuille de projets — au lieu de simplement gérer les références sans chercher d’alternatives à plus forte valeur ajoutée — est une véritable pépite. Elles ne sont pas toujours « légères », mais elles soulagent un peu les équipes tout en augmentant leur impact global.
Quelques exemples que j’utilise avec mes clients — et qui figureront tous dans la prochaine édition PMBOK 8 (à laquelle j’ai contribué) — incluent les Structures de Répartition de la Valeur, le Critical Path Drag et le Critical Path Drag Cost.
Ces outils étendent le concept traditionnel du chemin critique au volet valeur de l’équation. Par exemple, si je peux accélérer le chemin critique d’un mois mais que cela coûte 200 K$, la valeur ajoutée sera-t-elle supérieure au coût ?
D’autres approches puissantes comprennent :
- Critical Chain Project Management (CCPM) à la fois au niveau du projet et du portefeuille — pour maximiser le flux et le respect des délais.
- Analytic Hierarchy Process (AHP) — afin de sélectionner les projets à plus forte valeur ajoutée.
Chacune de ces techniques vise à maximiser le ROI, et pas simplement à gérer la livraison.
Les workflows agentiques ne valent pas l’effort — pour l’instant
Si l’IA pouvait être entraînée à proposer de manière proactive des alternatives à plus forte valeur ajoutée au fur et à mesure qu’elles apparaissent—sans être sollicitée—ce serait une vraie avancée. C’est à ce moment-là que l’IA cesserait d’être un simple outil pour devenir un véritable membre contributif de l’équipe.
J’ai commencé à expérimenter ce concept de manière conceptuelle. Certains modèles prometteurs émergent et pourraient rendre les workflows agentiques plus conviviaux et répandus, mais ils exigent encore beaucoup d’efforts initiaux pour les adapter au contexte unique de chaque organisation.
Même quelque chose de simple—comme enseigner à un agent à comprendre mes préférences de voyage et à suggérer des itinéraires complets—a pris plus de temps à former que cela ne m’en a fait gagner jusqu’à présent. Mais une fois que l’agent aura vraiment appris, je suis convaincu(e) que le retour sur investissement s’inversera et que ce même principe s’appliquera à la livraison de projet.
Pourquoi ceux qui maîtrisent l’IA vont remodeler la gestion de projet
Au final, je ne pense pas que l’IA va transformer la gestion de projet. Je pense que ce sont les personnes qui apprennent à maîtriser et à orchestrer l’IA qui vont la transformer.
Au final, je ne pense pas que l’IA va transformer la gestion de projet. Je pense que ce sont les personnes qui apprennent à maîtriser et à orchestrer l’IA qui vont la transformer.
Et même les problèmes très complexes — voire « vicieux » — commenceront à générer des solutions plus simples et plus élégantes, produites plus rapidement que jamais grâce à la puissance informatique de l’IA agentique.
Pourquoi la pensée en priorité sur la largeur définira la prochaine génération de leaders en conduite de projet
Mon conseil est simple : d’abord la largeur.
La plupart d’entre nous ont appris que les spécialistes et les experts techniques étaient mieux rémunérés que les généralistes, et cela a été vrai pendant de nombreuses décennies. Mais plus l’IA sera capable de résoudre rapidement et efficacement les problèmes techniques profonds, plus la compréhension globale, de bout en bout, et la vision système prise sous l’angle de la largeur deviendront précieuses.
Plus l’IA sera capable de résoudre rapidement et efficacement les problèmes techniques profonds, plus la compréhension globale, de bout en bout, et la vision système prise sous l’angle de la largeur deviendront précieuses.
Après tout, si vous ne connaissez pas suffisamment l’ensemble du périmètre du problème pour orchestrer un réseau d’agents IA afin de vous aider à le résoudre, alors votre valeur sur le marché de l’emploi sera diluée.
Suivre l’actualité
Vous pouvez suivre le travail de Mike sur LinkedIn et en savoir plus sur son activité de conseil chez Fortezza Consulting.
D’autres entretiens d’experts à venir sur The Digital Project Manager.