Un leader PMO explique comment éviter que l’IA crée un chaos plus rapide au lieu d’une meilleure exécution

Relier leadership PMO, excellence de la livraison et IA

Je suis le fondateur et PDG de Parwaaz Consulting, un cabinet de conseil boutique qui aide les organisations à renforcer leur exécution par des PMO plus solides, une gouvernance de portefeuille, un leadership de la livraison et l’intégration de l’IA. Depuis plus de 20 ans, j’accompagne des entreprises du Fortune 500, des sociétés soutenues par le capital-investissement, des startups et des organisations de taille moyenne en croissance dans divers secteurs, tels que la santé, la logistique, les services financiers, le commerce de détail et la technologie.

Aujourd’hui, j’aide les dirigeants à prioriser les bonnes initiatives, améliorer l’exécution des livraisons, renforcer les capacités des PMO et faire évoluer les opérations sans bureaucratie superflue. Cela va de la transformation de PMO et de la priorisation du portefeuille à des sprints d’opportunités sur l’IA, la gouvernance, l'adoption d’outils et le développement des compétences.

Avant de lancer Parwaaz Consulting, j’ai occupé des postes en conseil et en direction de la livraison auprès de sociétés telles que BearingPoint et Diamond Management & Technology Consultants. J’ai également été cofondateur et COO d’une startup, ce qui m’a donné une perspective concrète sur l’exécution et la croissance. Je suis actuellement formateur LinkedIn Learning avec plus de 160 000 apprenants à travers le monde et deux fois finaliste du Global PMO Influencer. Mes réflexions sur les PMO, la livraison et l’intégration de l’IA ont été mises en avant par Gartner et Capterra.

You should also read

• L’IA sur le terrain : comment 3 équipes ont transformé l’IA en véritables réussites opérationnelles

• Ce que les PMO doivent abandonner pour survivre à la transformation par l’IA

• 7 conférences incontournables pour les responsables PMO en 2026

Comment l’IA redéfinit la livraison de projets

L’IA a profondément transformé à la fois ma manière de travailler et l’évolution de la livraison de projets de manière plus générale. Il y a encore quelques années, la plupart des équipes utilisaient l’IA de façon expérimentale. Aujourd’hui, je vois les organisations passer de la curiosité à l’opérationnalisation. La question n’est plus simplement “Qu’est-ce que l’IA ?” mais “Où l’IA crée-t-elle de la valeur mesurable, comment la gouverner de façon responsable et comment assurer son adoption ?”

Dans mon métier, je consacre désormais beaucoup moins de temps à des tâches administratives ou à fort besoin de synthèse qu’auparavant. La rédaction de premiers jets de documentation, la synthèse de réunions, la structuration d’idées, les brouillons de communications aux parties prenantes, la préparation d’ateliers, la narration des rapports ou l’accélération de la recherche sont maintenant largement assistés par l’IA. Tout cela a engendré d’importants gains d’efficacité, notamment dans le conseil PMO, le développement de formations et l’analyse de portefeuille.

Ce qui mobilise plus particulièrement mon attention aujourd’hui, ce sont les activités de leadership et stratégiques à plus forte valeur, que l’IA ne peut pas prendre en charge seule. Par exemple :

• Aider les dirigeants à identifier quels cas d’usage de l’IA valent vraiment la peine d’être explorés, au lieu de suivre le simple effet de mode
• Concevoir des modèles de gouvernance et de supervision permettant l’agilité sans instaurer de lourdeur bureaucratique
• Améliorer l’adoption organisationnelle et accompagner le changement de comportement autour des nouvelles pratiques de travail assistées par l’IA
• Redéfinir le rôle des PMO, en les faisant passer de simples fonctions de reporting à de véritables moteurs de soutien à la décision et de priorisation
• Aider les équipes à renforcer leur jugement, leur communication, leur capacité de priorisation et à s’aligner avec les parties prenantes dans un environnement habilité par l’IA

De manière plus générale, la livraison de projet elle-même évolue sensiblement sur plusieurs axes majeurs. D’abord, les cycles d’exécution s’accélèrent car les équipes peuvent produire des livrables plus rapidement. Ensuite, le nombre d’initiatives augmente car l’IA fait tomber les barrières à l’expérimentation. Enfin, les dirigeants attendent des décisions plus rapides et une visibilité accrue sur le retour sur investissement de la part des équipes delivery. Par conséquent, les PMO et les responsables de la livraison assument un rôle de plus en plus stratégique autour de la priorisation, de la gouvernance, de l’adoption et de la création de valeur métier, bien au-delà du simple suivi de projet.

L’IA oblige aussi les chefs de projet à évoluer. Les meilleurs professionnels du secteur ne seront plus de simples coordinateurs de tâches. Ils devront devenir de meilleurs facilitateurs, stratèges d’affaires, communicants et leaders du changement, capables de combiner jugement humain et exécution assistée par l’IA.

Les réflexions de Hussain

Ce qui retient aujourd’hui davantage mon attention, ce sont les activités de leadership et stratégiques à plus forte valeur ajoutée que l’IA ne peut pas gérer seule.

Pourquoi l’IA pratique est supérieure à l’automatisation totale dans la livraison

Actuellement, je me concentre davantage sur la mise en œuvre pratique de l’IA et l’accélération des workflows plutôt que sur l’orchestration entièrement autonome. Cela dit, j’expérimente de façon ciblée dans des domaines comme la synthèse de réunions, l’extraction d’actions, la rédaction de rapports préliminaires, l’automatisation de workflows et la réduction des efforts de coordination entre les outils collaboratifs et les systèmes de livraison. Des outils tels que Make.com et les fonctionnalités alimentées par l’IA des plateformes de gestion de portefeuilles de projets (PPM) modernes rendent tout cela de plus en plus accessible.

J’ai constaté que la plus grande valeur n’est pas forcément de remplacer les activités de livraison en gestion de projet, mais de réduire les frictions manuelles autour de celles-ci. En même temps, les organisations ont toujours besoin d’une supervision humaine forte, car les environnements de livraison impliquent trop de nuances, de priorisation, de gestion des parties prenantes et de jugement contextuel pour être automatisés efficacement aujourd’hui.

Comment l’intégration de l’IA accélère les workflows quotidiens des projets

J’ai animé un sprint d’opportunités IA-au-travail lors duquel nous avons aidé des équipes à cartographier leurs responsabilités quotidiennes sur des workflows appuyés par l’IA concrets. Plutôt que de parler théoriquement de l’IA, nous nous sommes concentrés sur des tâches concrètes déjà réalisées par les collaborateurs et avons identifié là où l’IA pouvait réduire les frictions.

Par exemple, nous avons aidé des consultants à utiliser l’IA pour résumer de longs appels d’offres, extraire risques et livrables, générer des présentations de synthèse prêtes pour la direction, rédiger des messages aux parties prenantes et organiser les tâches de suivi à travers des outils comme Word, PowerPoint, Outlook, Teams et Planner.

Les équipes ont ainsi commencé à percevoir l’IA moins comme un « chatbot » et davantage comme un accélérateur de flux de travail intégré à leur quotidien.

Pourquoi les humains doivent se concentrer sur le relationnel et le jugement

L’IA soutient au mieux le travail de livraison qui est répétitif, lourd en coordination et en synthèse.

Par exemple :

• Rapports d’avancement et synthèses pour la direction
• Compte-rendus de réunion, actions à suivre et suivi des suites
• Plans de projet initiaux, registres RAID et premiers jets de documentation
• Analyse du portefeuille et appui à la priorisation
• Visibilité sur la disponibilité et la capacité des ressources
• Automatisation de workflows entre outils
• Recherche de connaissances et perspectives transverses aux projets

Les organisations mettent cela en œuvre grâce à des outils comme Microsoft Copilot, ChatGPT, plateformes de PPM alimentées par l’IA, outils d’automatisation de workflows et intégrations logicielles qui viennent s’ajouter aux écosystèmes de livraison existants, plutôt qu’avec de vastes programmes d’IA autonomes. Souvent, les plus grands bénéfices proviennent de cas d’usage simples permettant de faire gagner beaucoup de temps à de larges équipes chaque semaine.

Cependant, les domaines nécessitant encore une intervention humaine sont ceux qui reposent fortement sur le jugement et la dimension relationnelle. Cela inclut :

• Gestion des parties prenantes exécutives
• Naviguer dans la politique de l’organisation
• Résolution de conflits
• Discussions sur l’arbitrage des priorités
• Conduite du changement et obtention de l’adhésion
• Accompagnement d’équipes en contexte d’incertitude
• Prise de décision en situation d’information incomplète

L’IA peut soutenir ces domaines par des données et de la structure, mais elle ne remplace pas la confiance, l’influence, la présence de leadership ou le jugement contextuel. En réalité, je soutiens que ces compétences humaines deviennent encore plus essentielles à mesure que l’IA automatise le versant administratif de la livraison.

Comment l’IA élève les conversations de leadership

Si elle est utilisée correctement, l’IA peut également améliorer la qualité des conversations de leadership.

Par exemple, les équipes peuvent désormais synthétiser rapidement les mises à jour de projet, les risques, les comptes rendus de réunions et les retours des parties prenantes en résumés concis, au lieu de passer des heures à préparer manuellement des rapports de suivi. Cela permet aux dirigeants et aux PMO de passer plus de temps à discuter des arbitrages, des priorités, des dépendances et de l'impact sur l’entreprise plutôt qu’à simplement recueillir des informations.

Les conversations évoluent de « Quel est l’état d’avancement ? » à « Quelle décision devons-nous prendre et quels en seront les impacts en aval ? » Cela a véritablement transformé la façon dont se déroulent les discussions sur la livraison.

Les conversations évoluent de « Quel est l’état d’avancement ? » à « Quelle décision devons-nous prendre et quels en seront les impacts en aval ? »

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Hussain BandukwalaOpens new window

Fondateur et PDG de Parwaaz Consulting

Un exemple concret de complexité dans l’IA

Voici un exemple des complexités qui peuvent survenir lors de la mise en œuvre de l’IA en entreprise. Cette organisation était particulièrement intéressée par l’IA, mais à l’image de beaucoup d’autres, elle faisait face à trois problèmes simultanés :

1. Trop d’idées déconnectées les unes des autres
2. Pas de modèle cohérent de réception ou de hiérarchisation des priorités
3. Des équipes expérimentant de manière autonome sans gouvernance ni résultats mesurables

Cela exposait l’organisation au risque de pilotes dispersés, d’efforts dupliqués et à un scepticisme croissant de la part des dirigeants, car personne ne pouvait exprimer clairement la valeur apportée. Nous avons donc abordé le sujet à la fois comme un défi de modèle de livraison et de fonctionnement, et non simplement comme un exercice technologique.

Nous avons d’abord mis en place un processus agile d’identification des opportunités en IA. Nous avons organisé des ateliers structurés entre services afin d’identifier les points de douleur, les tâches répétitives, les goulots d’étranglement dans les reportings, les écarts de coordination et les points de friction dans la prise de décision. Au lieu de demander « Où peut-on utiliser l’IA ? », nous avons interrogé les équipes :

• Où les gens perdent-ils du temps chaque semaine ?
• Quelles tâches sont hautement répétitives ?
• Où les retards sont-ils causés par des coordinations manuelles ou la collecte d’informations ?
• Où les dirigeants attendent-ils trop longtemps pour avoir des analyses ou de la visibilité sur les statuts ?

Nous avons alors créé un processus d’intake et de notation standardisé pour évaluer les initiatives IA au même titre que les initiatives non-IA, évitant qu’elles ne deviennent des projets d’innovation à part.

Pour l’outillage, nous avons volontairement gardé l'approche pragmatique et légère :

• Microsoft Copilot et ChatGPT pour accélérer les workflows et synthétiser des contenus
• Outils de collaboration existants comme Microsoft Teams pour les ateliers et les sessions de priorisation
• Modèles d’intake structurés et grilles de notation
• Tableaux de bord simples et suiveurs de priorisation
• Points de gouvernance PMO intégrés dans les processus de revue du portefeuille existants, sans création de structures parallèles

Une leçon clé a été que la complexité ne vient pas des outils IA eux-mêmes, mais de la coordination, de la responsabilité, des attentes et de l’adoption.

Un aspect délicat de cet accompagnement a été que beaucoup de dirigeants surestimaient initialement la maturité de leur organisation quant à l’IA. Les équipes voulaient des automatisations avancées, alors même que leurs processus de base restaient incohérents ou non documentés. Dans plusieurs cas, nous avons d’abord mis en pause les discussions IA afin de stabiliser les workflows, clarifier la responsabilité ou améliorer la qualité des données. Ce fut l’un des plus grands facteurs de succès. Nous avons traité la préparation à l’IA comme une discussion sur la maturité opérationnelle, au-delà de la simple mise en œuvre technologique.

Nous avons également mis en place un modèle de gouvernance et de supervision léger, avec des points de passage clairs pour l’intake, la prise de décision, les voies d’escalade et la responsabilisation des rôles. L’objectif était de permettre la rapidité sans instaurer de lourdeur administrative.

La phase initiale de sprint et de priorisation a duré quelques semaines, suivie d’une montée en puissance progressive et d’un accompagnement à l’adoption. Le plus gros chantier n’était pas la configuration technique, mais bien l’alignement des parties prenantes, l’accompagnement au changement et l’aide à la redéfinition des modes opératoires.

Les résultats ont été significatifs :

• La direction a obtenu une vision bien plus claire des domaines où l’IA pouvait réellement créer de la valeur.
• Les équipes sont passées d’expérimentations aléatoires à une exécution structurée.
• Nous avons identifié plusieurs cas d’usage simples permettant de réduire les tâches administratives manuelles et la surcharge liée aux reportings.
• Les discussions autour de l’IA étaient reliées à des résultats métiers mesurables, et non à un effet de mode.
• Le PMO a évolué pour devenir une fonction de coordination, de hiérarchisation des priorités et de gouvernance pour la livraison pilotée par l’IA.

Fait intéressant, les organisations ayant réussi n’étaient pas forcément les plus avancées techniquement. Elles combinaient une gouvernance pragmatique, une discipline opérationnelle et un leadership fort dans la conduite du changement avec une exécution facilitée par l’IA.

Réflexions de Hussain

Une leçon essentielle a été que la complexité ne venait pas des outils d’IA eux-mêmes, mais de la coordination, du partage des responsabilités, des attentes et de l’adoption… Les équipes souhaitaient une automatisation avancée, mais leurs processus sous-jacents restaient incohérents ou non documentés.

Comment constituer une pile technologique dédiée à la livraison avec l’IA

Ma pile technologique dédiée à la gestion de livraison s’est considérablement enrichie au cours des 6 à 12 derniers mois, à mesure que l’IA est passée de l’expérimentation à un véritable soutien dans l’exécution quotidienne.

Les outils IA que j’utilise aujourd’hui le plus activement incluent :

• OpenAI ChatGPT pour la synthèse, la communication exécutive, l’affinage des ateliers, l’idéation de cadres, l’aide à la priorisation et la structuration de la réflexion
• Anthropic Claude pour l’analyse longue, l’amélioration de la rédaction et le raisonnement contextuel approfondi
• Gamma pour structurer rapidement des présentations, raconter une histoire visuelle et produire des ébauches prêtes pour la direction
• Canva pour la communication visuelle, les supports de formation, les schémas et la création légère de contenus

L’impact majeur de ces outils concerne la rapidité, la capacité de synthèse et l’accélération des premiers jets. Ils réduisent considérablement la charge administrative et le temps consacré à la mise en forme, permettant de dégager plus de temps pour la réflexion stratégique, l’engagement des parties prenantes, la priorisation et la prise de décision.

Pourquoi l’IA doit être intégrée à l’environnement de travail actuel d’une équipe

Ce qui me semble étonnamment sous-estimé aujourd’hui, ce n’est pas un outil d’IA en particulier, mais l’intégration directe de l’IA dans l’écosystème de travail quotidien que les gens utilisent déjà — tout spécialement dans l’environnement Microsoft.

Pour de nombreuses équipes, les gains de temps quotidiens proviennent d’accélérations mineures dans les flux de travail qui se déroulent en continu au fil de la journée. Cela inclut la synthèse de réunions Teams, la rédaction de mails de suivi dans Outlook, l’extraction de points d’action, la génération de premiers jets dans Word, l’élaboration de plans de présentation dans PowerPoint ou l’organisation de tâches dans Planner sans avoir à changer sans cesse de contexte.

Pris individuellement, ces gains ne représentent que quelques minutes. Mais pour les équipes de livraison qui opèrent toute la journée, tous les jours, l’impact cumulé devient significatif. Je vois des équipes réduire leur charge administrative, améliorer leur réactivité et consacrer davantage de temps à la décision et à l’exécution qu’à la simple coordination.

L’impact le plus fort survient également lorsque les entreprises cessent de considérer l’IA comme une destination à part, pour au contraire l’intégrer naturellement aux processus existants avec lesquels les gens sont déjà à l’aise.

Comment les plateformes PPM pilotées par l’IA transforment la gestion de projet

Je constate que les entreprises délaissent progressivement la gestion de projet très procédurale au profit de systèmes de livraison plus légers et plus agiles, axés sur la visibilité, la priorisation, la rapidité de décision et l’exécution assistée par l’IA.

Concrètement, cela signifie moins de temps passé à compiler manuellement des rapports ou à courir après des mises à jour, et plus de temps à interagir directement, en temps réel, avec les données de livraison grâce aux outils alimentés par l’IA.

Par exemple, avec de nouvelles plateformes PPM enrichies par l’IA comme Celoxis, les dirigeants peuvent désormais utiliser des requêtes en langage naturel pour obtenir rapidement des informations qui nécessitaient auparavant une analyse manuelle fastidieuse. Au lieu de fouiller dans des tableaux de bord et des feuilles de calcul, il leur suffit désormais de commencer leur journée en demandant :

• « Quels sont les trois projets les plus préoccupants aujourd’hui ? »
• « Quels risques provoquent le glissement du planning ? »
• « Quelles initiatives sont en surcharge de capacité ? »
• « Quelles actions correctrices pourrions-nous envisager ? »

En quelques minutes, la plateforme peut identifier les points de friction, résumer les problèmes contributifs, recommander des actions et aider les équipes à avancer directement vers la prise de décision et l’exécution.

Ce changement fait passer la gestion de projets d’un exercice principalement administratif à un environnement beaucoup plus dynamique, guidé par la connaissance et orienté vers l’action.

Comment l’IA redéfinit les principaux rituels de livraison de projet

J’observe un changement majeur dans les rituels de livraison : ils sont de moins en moins centrés sur la « production d’artéfacts » et de plus en plus sur l’accélération de la prise de décision.

Par exemple, les discussions sur le périmètre impliquaient autrefois de longs ateliers de recueil des besoins, suivis de jours ou de semaines de documentation manuelle et d’ajustements. Aujourd’hui, l’IA peut rapidement synthétiser les échanges, générer des projets de cahiers des charges, mettre en évidence les zones d’ambiguïté et même détecter les hypothèses contradictoires en quasi temps réel. Résultat, les équipes consacrent moins d’énergie à documenter ce qui a été dit et plus à débattre de la pertinence stratégique des travaux engagés.

De même, le pilotage de l’exécution devient bien plus conversationnel et orienté vers l’analyse. Plutôt que de voir les chefs de projet rassembler manuellement l’information avant une réunion de pilotage, les responsables interagissent désormais avec les systèmes de livraison à l’aide du langage naturel pour identifier instantanément les risques, dépendances, retards ou goulots d’étranglement de ressources. Cela transforme le rôle du leader opérationnel de « collecteur d’informations » à « facilitateur de décision ».

Les équipes consacrent moins d’énergie à documenter ce qui a été dit et plus à débattre de la pertinence stratégique des travaux engagés… Cela transforme le rôle du leader opérationnel de ‘collecteur d’informations’ à ‘facilitateur de décision’.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Hussain BandukwalaOpens new window

Fondateur et CEO de Parwaaz Consulting

J’observe aussi une évolution des rituels de validation. Les équipes ne se contentent plus de vérifier que les exigences ont été livrées. Elles valident de plus en plus si les productions générées par l’IA sont exactes, non biaisées, complètes, et appropriées au contexte. L’assurance qualité s’étend désormais au jugement lui-même, au-delà des systèmes.

Les rituels ne disparaissent pas. Ils s’élèvent vers l’alignement, la priorisation, l’interprétation et la qualité des décisions.

Pourquoi une gouvernance commune de l’IA évite une exécution chaotique

Il y a une question que j’aimerais entendre davantage : « Comment éviter que l’IA ne génère un chaos plus rapide au lieu d’améliorer l’exécution ? »

Les organisations doivent consacrer beaucoup plus de temps à définir les droits de décision, la responsabilité, les règles de priorisation et les indicateurs de succès avant de déployer l’IA à grande échelle. Pour l’instant, de nombreuses équipes optimisent leur productivité individuelle sans suffisamment penser à la coordination à l’échelle de l’entreprise.

Si chaque département déploie l’IA de façon indépendante, avec des workflows, des prompts, des modèles de gouvernance et des priorités différents, les organisations risquent de fragmenter l’exécution à une vitesse bien plus rapide.

Les entreprises qui réussiront sont probablement celles qui établiront des principes d’exploitation communs encadrant l’introduction, la gouvernance, la mesure et l’intégration de l’IA à l’échelle de toute l’organisation, et non juste au niveau des outils déployés par chaque équipe.

Honnêtement, c’est l’une des raisons pour lesquelles le rôle de CAIO (Chief AI Officer) risque de devenir beaucoup plus répandu dans les prochaines années : il faut une personne responsable non seulement des choix technologiques liés à l’IA, mais aussi de l’orchestration, la priorisation, la gouvernance et l’adoption à l’échelle de toute l’entreprise.

Comment l’IA change l’avenir des PMO

D’ici cinq ans, de nombreux PMO évolueront soit vers des fonctions de transformation et d’orchestration de l’IA à l’échelle de l’entreprise, soit deviendront obsolètes.

L’IA automatisera massivement et intégrera les tâches traditionnelles du chef de projet, comme le reporting de statut, la coordination manuelle, les mises à jour, la gestion des RAID et le suivi administratif, directement dans les workflows opérationnels et les outils collaboratifs.

Les PMO qui survivront passeront de la gestion de projets à la gestion de la priorisation d’entreprise, de l’exécution de l’IA, de la gouvernance et de l’alignement organisationnel. Ils contribueront à identifier et prioriser les opportunités liées à l’IA, favoriseront l’adoption dans des fonctions telles que la Finance, les RH, le Juridique et les Opérations, et aideront les organisations à passer à des modèles opérationnels « IA-first ».

Le principal risque ne sera pas un manque d’adoption de l’IA, mais le fait que les organisations automatisent le chaos plus vite qu’elles n’améliorent la clarté, le leadership et la qualité des décisions.

Pourquoi les dirigeants doivent voir l’IA comme une évolution opérationnelle

Le conseil de Hussain

Mon conseil : Commencez petit, mais commencez dès maintenant. Surtout, ne sous-estimez pas la rapidité avec laquelle les attentes évoluent.

Ne considérez pas l’IA comme une simple expérimentation ou une initiative technologique réservée au service informatique. Considérez-la comme un changement opérationnel et managérial.

Mon conseil :

• Commencez petit, mais commencez dès maintenant.
• Concentrez-vous sur les points douloureux concrets des processus de travail, pas sur les effets de mode.
• Intégrez des habitudes d’utilisation de l’IA dans le travail quotidien au lieu de vouloir tout transformer radicalement du jour au lendemain.
• Renforcez votre jugement, votre communication, vos capacités à prioriser et votre leadership auprès des parties prenantes, car ces compétences deviendront de plus en plus précieuses.
• N’automatisez pas aveuglément des processus défaillants.
• Apprenez suffisamment sur l’IA pour pouvoir mener la conversation avec assurance, même si vous n’êtes pas un expert technique.

Surtout, ne sous-estimez pas à quelle vitesse les attentes changent. Les responsables qui parviendront à combiner l'accélération offerte par l’IA avec un fort leadership humain auront un avantage considérable dans les prochaines années.

Suivez-nous

Suivez le travail de Hussain sur LinkedIn ou abonnez-vous à le PMO Playbook. Et découvrez Parwaaz Consulting.

D’autres entretiens avec des experts seront publiés prochainement sur The Digital Project Manager !