Au-delà des prompts : comment utiliser l’IA pour une gestion de projet plus intelligente

Lisez la transcription :

Nous expérimentons la transcription de nos podcasts à l’aide d’un programme logiciel. Merci de pardonner toutes fautes de frappe car le robot n'est pas précis à 100 % du temps.

Galen Low : Vous êtes à environ 11 mois dans votre parcours avec l’IA générative et vous êtes arrivé à trois conclusions.

Premièrement, les capacités de GenAI sont véritablement sans précédent. Votre oncle Rastin pense vraiment que c’est de la sorcellerie.

Deuxièmement, l’IA générative est un phénomène mondial. Les gens ne vont pas arrêter d’en parler de si tôt — ni à vos dîners, ni, et surtout pas, dans votre fil LinkedIn.

Et troisièmement, même au milieu de toute l’admiration et la ferveur autour de l’IA générative, jusqu’à présent, tout ce que vous en faites, c’est prendre des notes et un peu de planification de repas.

Si vous êtes un chef de projet qui a l’impression de tourner en rond avec vos chatbots IA, ou que vous connaissez quelqu’un dans ce cas, cet épisode est fait pour vous. Nous allons plonger dans la façon de façonner votre état d’esprit et vos réflexes autour de l’IA générative pour éviter de « faire de la GenAI pour faire de la GenAI ». Nous allons parler de l’avenir de l’IA au-delà de l’ingénierie des prompts. Et nous verrons comment élargir votre compréhension de l’IA et du fonctionnement des projets IA pourrait réellement vous ouvrir toute une nouvelle branche professionnelle dont vous ignoriez l’existence. Prêt·e à plonger ?

Salut à toutes et à tous, merci de nous écouter. Je m’appelle Galen Low, pour The Digital Project Manager. Nous sommes une communauté de professionnels du digital en mission pour s’entraider à devenir compétents, confiants et connectés afin d’amplifier la valeur de la gestion de projet dans un monde numérique. Si vous voulez en savoir plus, rendez-vous sur thedpm.com/membership.

Aujourd’hui, nous parlons donc, surprise, d’IA générative, mais aussi d’ingénierie de prompts, et si des pros comme nous, les chefs de projet, ne regarderaient pas le doigt proverbial de Bruce Lee alors qu’il montre la lune. Pour répondre aux questions sur ce que GenAI peut apporter à l’art de la gestion de projet au-delà des simples interfaces de chat et des invites, j’ai fait appel à une experte.

Je reçois donc aujourd’hui Kathleen Walch, Directrice de l’engagement et de la formation en IA à l’Institut de gestion de projet et leader reconnue dans le domaine de l’IA ainsi qu’éducatrice.

Kathleen, merci de me rejoindre aujourd’hui.

Kathleen Walch : Oui, merci beaucoup de m’accueillir. J’ai vraiment hâte d’avoir cette discussion.

Galen Low : Je suis tellement content que tu sois revenue dans l’émission. Kathleen est déjà passée ici avec Ron Schmelzer pour parler de l’IA. Ça doit remonter à deux ans, non ?

Kathleen Walch : Peut-être. Je sais, le temps passe vite, hein ?

Galen Low : Tout va tellement vite. Et je pensais à cette conversation. Il s’est passé tant de choses. Tant de choses ont changé. À l’époque, c’était presque marginal.

Genre : l’IA et la gestion de projet. D’accord. Maintenant, c’est intégré partout, c’est grand public, tout le monde s’y plonge. On ne peut pas y échapper. Je suis ravi d’avoir ton expertise aujourd’hui.

Pour ceux qui ne le savent pas, tu baignes dans l’univers IA depuis un moment, et tu as vu notre compréhension professionnelle de l’IA évoluer ces sept ou huit dernières années. Aussi vertigineux que ce changement puisse paraître aux nouveaux venus, penses-tu que la plupart des professionnels se cantonnent trop à l’usage quotidien des prompts, sans voir le potentiel plus vaste de la technologie ?

Kathleen Walch : Oui, c’est une excellente question, parce que tu as raison, je suis dans ce domaine.

Je dis toujours que je fais de l’IA depuis avant que GenAI la rende cool. J’appelle ça la plus vieille des nouvelles technologies, car le terme a été officiellement inventé en 1956. Donc c’est plus de 70 ans, pourtant cela donne cette impression de nouveauté. Pourquoi ? Nous avons connu deux « AI winters » précédents : une période de déclin des investissements, de popularité.

La principale raison, c’est qu’on promet trop et on délivre trop peu. Il faut vraiment comprendre l’IA comme un outil. Elle n’est pas bonne à tout faire, mais elle excelle dans certains domaines. Il faut l’utiliser en conséquence. Et aujourd’hui, avec l’IA générative, c’est devenu si excitant parce qu’elle est à portée de tous.

Il y a sept, huit ans, on utilisait déjà l’IA, mais sans toujours s’en rendre compte. Prédiction de texte dans nos e-mails, filtres anti-spam, GPS ou Google Maps pour l’optimisation de trajets… Tout ça, c’est l’IA, mais on ne s’en apercevait pas, car elle était cachée dans nos applis. Et puis l’IA générative, surtout ChatGPT, qui a été la première à sortir, l’a mise dans toutes les mains. Cela s’appelle « intelligence augmentée ». Ça ne remplace pas l’humain, ça l’aide à mieux faire son travail.

On le ressent au quotidien. Elle aide à écrire un meilleur e-mail, brainstormer, traduire, créer des images pour des présentations PowerPoint… On voit directement son bénéfice. C’est là que le monde entier est allé, et c’est super. Mais il faut toujours garder en tête que c’est un outil, et savoir quand l’utiliser ou pas.

Galen Low : J’adore cette vision de l’IA en arrière-plan, et maintenant l’IA, c’est comme quelqu’un avec qui on interagit chaque jour, auquel tout le monde a accès. C’est la nouvelle star. J’aime ce que tu dis à propos du « AI winter » — parce qu’on promet et sous-délivre. À l’époque, la techno n’était peut-être pas prête, maintenant, peut-être que oui. Nous parlons de ChatGPT, des grands LLMs, mais aussi — ici en février 2025 — de DeepSeek.

Des technos époustouflantes qui n’ont peut-être plus besoin d’autant de ressources qu’on le croit. Je m’éloigne un peu, mais j’aime le potentiel. Les gens en parlent, s’en emparent. Mais ça peut devenir compliqué : tout le monde est dedans, tout le monde a un avis, tout le monde croit savoir, et tout le monde pense que ça sert à tout faire. Peut-être que non.

Si je devais le voir sous un angle gestion de projet, quels sont tes cas d’usage préférés des interfaces conversationnelles IA pour la gestion de projet ?

Kathleen Walch : Oui, bonne question.

À l’Institut de gestion de projet, nous avons beaucoup de formations gratuites pour les membres ou peu chères pour les non-membres. Nous abordons de nombreux cas d’usage. Je dis souvent : dressez une liste de tous vos points de douleur, les sujets sur lesquels vous avez besoin d’aide ou que vous aimeriez voir s’améliorer.

Puis, voyez lesquels peuvent être facilement traités par une IA générative. Pour les chefs de projet, on pense toujours aux comptes-rendus de réunion. C’est l’exemple stéréotypé. Si c’est un point douloureux pour vous, comment l’IA peut-elle vous aider ?

Beaucoup d’outils existent pour ça. Mais je dis aussi : c’est bien d’avoir un outil pour une fois, genre pour le projet charter. Très bien, mais combien de fois faites-vous cela dans un projet ? Une fois peut-être. Ce n’est pas une tâche récurrente chaque semaine.

Ce qu’il faut, c’est un outil qui vous aide régulièrement, au jour le jour ou chaque semaine. Par exemple, l’engagement des parties prenantes, ou la communication. Comment rédiger des emails ou des documents adaptés aux différents niveaux : résumé exécutif, ou pour parties prenantes, internes vs externes…

Repérez vos points de douleur et traitez-les : vous verrez l’amélioration incrémentale. Il faut aussi s’entraîner, car on progresse en pratiquant. Peu de risques d’échec en prompt engineering, il suffit de recommencer.

Ça amène aussi, chez PMI on parle de power skills, c’est-à-dire les « soft skills » : pensée critique, collaboration, communication. Comment utiliser GenAI pour améliorer vos soft skills, et comment ces compétences améliorent vos prompts ? Par exemple, en communication, elle peut vous aider à être plus efficace : rédiger un mail, adapter le ton, raccourcir, résumer… Et la compétence communication vous aide à ajuster votre prompt, à changer sa longueur, le modifier dans le temps.

J’aime voir ces deux aspects, comment elle aide vos soft skills et comment ces soft skills vous rendent meilleur·e dans l’ingénierie de prompts.

Galen Low : Je veux y revenir plus tard. Mais est-ce qu’on peut prendre un peu de recul ? Tous nos auditeurs n’ont pas le contexte.

Pendant que tu étais Managing Partner chez Cognilytica, tu as co-développé la certification CPMAI, un cadre de gestion de projets pour spécialistes. De ce que j’ai compris, elle visait des spécialistes comme data scientists et analystes travaillant sur des projets IA.

Plus récemment, Cognilytica a rejoint PMI, faisant de CPMAI une partie officielle de leur portfolio de certifs. Comme tu parlais de formations et PMI, peux-tu me dire qui est concerné par cette certif aujourd’hui, et en quoi elle diffère d’une formation en prompt engineering gratuite de PMI, ou sur Udemy, par exemple ? Qu’est-ce qui la rend importante et différente ?

Kathleen Walch : Très bonne question. La certification CPMAI, je vois ça comme les deux faces d’une pièce. 95 % des discussions portent sur « comment utiliser les outils IA pour mieux travailler ».

Il existe plein d’outils. On me demande souvent : quel est le meilleur ? Ça dépend de l’usage — il en sort de nouveaux chaque jour. Mais comprendre leur utilisation, s’améliorer, c’est là qu’interviennent beaucoup de modules e-learning du PMI : vue d’ensemble de l’IA générative, la gestion des données, cours sur le prompt engineering, applications de l’IA… Cela vous rend plus efficace dans votre job.

Mais parallèlement, en tant que chef de projet, professionnel ou personne proche des projets (data scientist, data engineer, ingénieur ML/IA…), vous pouvez être chargé de gérer un projet IA. Il faut comprendre que les projets IA sont centrés sur la donnée. On ne peut pas appliquer une méthode de développement logiciel classique, sinon on fonce vers l’échec.

Il y a quelques années, c’est pourquoi nous avons conçu la méthodologie CPMAI : des organismes (en 2016-2017, avant l’IA générative) voulaient qu’on monte ces systèmes de zéro, qu’on choisisse les algorithmes, qu’on définisse tous les besoins en données… Beaucoup de choses n’ont pas changé, même si on utilise aujourd’hui d’autres briques. Mais ils se demandaient : par où commencer ? Rien n’existait de vraiment étape par étape. On a donc créé CPMAI, avec l’aide d’une grande banque et d’une administration, pour fournir cette démarche.

Depuis septembre 2024, Cognilytica a rejoint PMI, CPMAI est une certification officielle PMI, c’est génial. Elle vise toujours chefs de projet, pros de projet, managers produit, mais aussi les métiers adjacents. Par exemple, mon mari est développeur depuis deux décennies : parfois, il doit gérer des projets. Il ne se définit pas comme chef de projet, mais il doit prendre ce rôle, surtout en IA. C’est de plus en plus fréquent. Cette certif touche tous ces profils.

Galen Low : Ce que tu viens de dire est super important. J’ignorais que tu l’avais développée avec une banque et une structure publique. Quand tu parles de la différence entre projet logiciel et projet data, en pensant à la quantité de données détenues par une banque ou un ministère, ça change la perspective. On ne peut pas piloter ça comme un projet classique. Il y a des considérations éthiques, des dérives possibles si ça va trop vite ou si la culture change trop rapidement autour de l’IA.

J’aime vraiment l’idée que c’est penser « comment faire réussir un projet data intégrant IA ou Machine Learning ». L’approche traditionnelle ne marche pas toujours.

Kathleen Walch : J’aime bien cadrer ça ainsi : dans le développement logiciel, le code est le plus précieux : on ne donne jamais son code, c’est le cœur. Mais dans l’IA, c’est la donnée qui prime. Coder, c’est secondaire, ce n’est pas le plus critique. C’est la donnée, ce qui fait ou défait un projet. On dit « garbage in, garbage out » : si t’as de mauvaises données, ton projet est mauvais.

Cela aide à faire changer de paradigme, surtout pour les non-chefs de projet : ce n’est pas le code, c’est la donnée qui compte. Voilà pourquoi il faut une méthodo centrée sur la donnée.

Galen Low : Il y aurait tant à dire, mais je vais essayer de rester centré ! Ce point est important, et assez renversant : dans un projet data, la donnée, c’est la clé, le code est presque accessoire. Pour moi qui viens du numérique, c’est très contre-intuitif…

Je voudrais revenir aux carrières et certifications. Beaucoup dans ma communauté considèrent le PMP comme l’étalon or du secteur. On l’obtient souvent après de l’expérience, en gestion de projet ou à l’accumulation d’heures en mode « projet adjacent ». Le PMP, c’est la reconnaissance : CV, profil LinkedIn, entretiens… on est « dans la cour des grands ». On mérite d’être mieux payé. CPMAI ajoute-t-elle une vraie valeur ? Les employeurs la recherchent-ils ? Ou est-ce plus pour niveau pratique, sur le terrain, pour quelqu’un déjà sur des projets IA/data ? Est-ce que ça fait ressortir un chef de projet ?

Kathleen Walch : Oui, absolument. Le PMP, c’est l’or, la référence du PMI. On travaille à faire d’autres certificats du même niveau. C’est très complet, exigeant, avec de nombreux critères. On compte faire monter CPMAI de la même façon. Cela montre à un employeur que vous savez piloter un projet IA : vous avez le langage, les limites, les six phases CPMAI, la gestion « data centric », l’approche étape par étape.

Bien trop d’entreprises foncent sans plan, soit par FOMO (« peur de rater le train »), soit parce que la concurrence avance. On va de l’avant, mais il faut un plan. C’est ce que CPMAI propose : étape par étape. Phase une : compréhension métier, quel problème cherche-t-on à résoudre ? Cela paraît évident mais beaucoup oublient ce point. Est-ce que l’IA est la bonne réponse ? On a ensuite une analyse IA go/no go : faisabilité data, métier, et implémentation, vues comme des feux de signalisation. Tout est vert : succès probable. Jaune ou rouge : risques accrus, prudence.

Un des points : le ROI, retour sur investissement, trop de projets ne le mesurent jamais. Peu importe s’il est financier ou non, mais il doit y en avoir un. Sinon, le projet a l’air réussi, mais il a coûté trop cher, et est en négatif. Et on ne comprend pas pourquoi… CPMAI vous aide à anticiper, à mesurer, à piloter le succès réel du projet. Cela montre à l’employeur que vous savez y faire, que vous avez suivi une formation sérieuse.

Galen Low : C’est drôle, j’ai envie d’applaudir, comme sur Zoom ou Meet !

D’ailleurs, si vous souhaitez valoriser le CPMAI en entretien devant quelqu’un qui ne connaît pas cette certif, prenez juste ce passage de Kathleen, transcrivez-le : voilà pourquoi c’est important, ce qui fait la différence.

Beaucoup de choses paraissent peut-être « de bon sens » ou communes à d’autres méthodes, mais quand il s’agit de data, de techno évoluant vite avec des entreprises qui veulent rester compétitives, elles courent souvent sans savoir pourquoi, ou comment l’IA s’intègre. J’aime qu’il existe un cadre autour de tout cela.

Je suis curieux : les chefs de projet aiment les cadres, les méthodos, les certifs. Puis on s’affronte, on les met en concurrence. On arrive dans une boîte : « Nous, on fait comme ça. » Ça peut être un vrai bras de fer. Est-ce pareil avec CPMAI ? Une fois certifié, est-ce difficile de convaincre son équipe, qui veut garder « sa » méthode, de suivre le nouveau cadre en six phases ?

Kathleen Walch : Ceux qui suivent la formation voient la lumière et trouvent ça génial. Il faut parfois convaincre sa structure, car c’est nouveau : prédictif, waterfall, hybride, agile… tant de méthodes. La gestion de projet IA, si on la traite comme du développement logiciel classique, ça ne fonctionne pas. Il faut un autre bagage, une démarche pas à pas.

On peut l’appliquer en mode agile : petites itérations courtes. Surtout, pas du waterfall. Ceux qui cherchent ce méthodo l’ont bien souvent découverte après des échecs. Parfois, des gens veulent s’y préparer en avance : monter en compétence. C’est ouvert à tous : pas besoin d’avoir déjà conduit un projet. Pas d’exigence a priori (le PMP, oui, c’est exigeant, le CPMAI vise à l’être, mais pour l’instant accessible). La formation pose d’abord le vocabulaire : beaucoup croient tout savoir, découvrent leurs lacunes, apprécient cette « remise à plat ».

C’est pareil pour les équipes : d’où l’intérêt d’avoir une référence commune, comme le PMP. Même langage, même compréhension de base. Pour CPMAI, c’est la même chose.

Galen Low : J’aime beaucoup ta vision, ce n’est pas forcément une méthodologie stricte : ça se superpose à une manière de travailler, on intègre des étapes, des considérations.

Kathleen Walch : Oui, on parle de méthodologie, mais ça coince souvent sur le terme. N’en faites pas un débat de mots. Il s’agit d’une démarche en six phases, donc vous pouvez dire « cadre », « étape par étape », « méthodologie »… mais le point clé est : c’est itératif. On peut revenir en arrière d’une phase ou deux, si besoin. On commence par la compréhension métier, puis la compréhension des données : quelles données, quelles sources, internes, externes, y a-t-il accès ? Ensuite vient le nettoyage des données, car elles sont rarement propres, surtout non structurées. Ensuite, le développement du modèle, « les choses marrantes », c’est souvent là que tout le monde veut commencer, en sautant les étapes critiques d’avant. Puis on teste, vérifie la performance — étape clé parfois zappée, d’où hallucinations ou mauvais résultats. Enfin on opérationnalise.

Le cycle CPMAI est court : chaque itération dure environ deux semaines, comme un sprint. Pas sept mois ou un an, ça c’est du waterfall, et le monde change trop en sept mois. Parfois, on cale sur la data : accès, propreté, quantité. On conseille de penser grand, mais de commencer petit, d’itérer souvent. Restreindre le scope, cibler l’incrément de valeur, montrer des victoires. Puis élargir au fil des phases.

Trop souvent, tout le monde lâche à la phase 2, faute de données…

Galen Low : C’est l’hiver du projet !

Kathleen Walch : Beaucoup de belles choses restent inachevées…

Galen Low : On se lasse, on arrête. Je voulais savoir à quoi ressemble un projet « wonky », mais tu l’as bien défini : hallucinations, mauvais résultats, et parfois, il faut tout remonter pour trouver l’erreur à la source… Souvent la propreté des données, n’est-ce pas ?

Kathleen Walch : Sans doute. Accès, propreté, suffisance en volume aussi. Parfois, on croit que « plus de data, mieux c’est » : pas toujours, on peut surcharger le modèle avec du bruit. Les données coûtent : les nettoyer, les traiter. Donc, plus n’est pas toujours mieux.

Galen Low : Intéressant. Au début, je posais la question de ce qu’il y a au-delà du prompt engineering, mais ce qui me fascine c’est tout un monde que beaucoup de chefs de projet ignorent : ils sont peut-être dans le digital ou la tech, parfois totalement hors de ces secteurs… Ils se demandent s’il y aura encore du management de projet. On en reparlera, mais il se passe des choses dans l’IA/data, parfois menées par des profils « project adjacent ». Il y a là des opportunités.

Kathleen Walch : Oui, l’apprentissage coûte peu, l’échec beaucoup plus. Se former à CPMAI, passer la certif, c’est très accessible financièrement à côté d’un raté. Ayez le PMP ET le CPMAI. Apprenez plusieurs méthodes et adaptez-les à votre organisation, mais gardez la démarche globale.

Galen Low : J’adore. On a ouvert sur les prompts. J’avais en tête l’usage de ChatGPT, Gemini, Copilot, Claude, Perplexity, DeepSeek, etc. Mais il y a un monde au-delà.

Quelles sont les prochaines étapes de l’IA dans la vie professionnelle d’un chef de projet ? Comment peut-on rester à jour ?

Kathleen Walch : Excellente question. On entend souvent : « L’IA ne va pas prendre votre job, mais une personne qui sait manier l’IA, si. » C’est là pour durer. J’espère qu’on a dépassé le gouffre, et qu’on n’aura plus d’AI winter. Mais comment l’utiliser ? Je reviens à l’intelligence augmentée : l’IA ne me remplace pas, elle me rend meilleure. On peut remplacer une tâche ou un rôle, mais pas la personne. Beaucoup de pros s’inquiètent. Mais vu que beaucoup de projets deviennent des projets IA, les chefs de projet vont rester essentiels.

Comment apprendre ? Commencez par lister tout ce que vous trouvez pénible. Pour tout le monde la liste est différente : gardez ce qui vous motive, automatisez ce que vous détestez. Regardez du côté des communautés. PMI offre beaucoup de ressources, mais on peut aussi avoir des groupes internes, prompt libraries partagées… Documentez le prompt, la plateforme, le moment. Les prompts doivent évoluer et être testés. En interne, collaborez avec les autres : un mot ou deux changent tout.

Certaines boîtes s’orientent vers l’IA-first, d’autres moins. Commencez petit, améliorez étape après étape. Si vous êtes membre PMI, allez dans la communauté, dans les chapitres locaux. Cherchez à collaborer, demandez de l’aide. Si on n’apprend pas, on stagne, alors que la techno va vite ! N’ayez pas peur de demander : c’est le meilleur moyen de progresser.

Galen Low : J’adore l’idée du répertoire à prompts, le partage. C’est le partage qui nous fait avancer. La techno avance vite, il faut que les gens avancent vite aussi. Il faut partager les connaissances.

Kathleen Walch : Partager, c’est aimer !

Galen Low : Parfait ! J’ai deux questions pour conclure.

On a parlé de lister les irritants, d’utiliser les outils GenAI pour la gestion pro/perso. Certains trouvent ça super, c’est de la techno de pointe, l’interface chat avec traitement du langage. Mais parfois, j’ai l’impression que ce n’est qu’un tour de passe-passe, une reformulation langagière qui nous épate… Est-ce qu’on ne se sous-estime pas en n’utilisant pas assez l’IA ? Ou au contraire, existe-t-il un risque de croire que l’IA fait des choses magiques, qu’elle peut tout faire, alors qu’elle est limitée à certains usages ? Est-ce dangereux ou inspirant ?

Kathleen Walch : C’est dangereux, car on promet trop et on délivre moins. En 2019 déjà, on a cherché à clarifier : « IA » est un terme parapluie, aujourd’hui avec les LLMs, on la croit capable de tout, on lui demande tout, on se demande « pourquoi elle ne peut pas résoudre ce problème ? ». Il faut donc clarifier ce qu’elle sait ou pas faire.

On a passé au crible des centaines, voire milliers de cas d’usage, pour aboutir à sept grands modèles (« patterns ») de l’IA : hyperpersonnalisation (pour chaque individu), reconnaissance (faire sens de données non structurées, images, sons…), analyses prédictives/d’aide à la décision, détection de tendances/anomalies (ex : lutte contre la fraude), systèmes à objectif (apprentissage par renforcement/optimisation), autonomie (étape la plus difficile, retirer l’humain du loop : véhicules autonomes, bots de livraison, processus métiers automatisés), et enfin l’automatisation (qui n’est pas forcément intelligente : la RPA, par ex, est utile mais pas intelligente). Ce qui arrive bientôt, ce sont les agents IA, autonomes, capables de travailler ensemble.

Identifier ces sept modèles aide à repérer où appliquer l’IA et où ce n’est pas pertinent. À la phase une de CPMAI (« comprendre le métier »), on les parcourt systématiquement. Si IA conversationnelle avec LLM/chatbot, c’est un seul modèle. Les LLMs n’ont pas vocation à tout faire : on ne leur demandera pas de piloter un véhicule !

Galen Low : Génial, merci pour ce crash course, ça clarifie beaucoup. Et la transition parfaite vers ma dernière question : l’IA qui assiste au quotidien.

Kathleen Walch : Oui, l’intelligence augmentée.

Galen Low : Merci. Et tu as évoqué plus haut l’autonomie, l’agentic, tout le monde en parle : un monde où l’IA fait son chemin, non plus en chat, mais en agents indépendants. Vois-tu cela arriver (dans la gestion de projet ou ailleurs) ? Les craintes sont-elles légitimes ? Ou est-ce qu’on extrapole vers l’AGI, vers l’apocalypse, alors qu’on reste dans le cadre des patterns actuels ?

Kathleen Walch : Si on comprend ce que l’IA sait et ne sait pas faire, on voit qu’on est encore dans la « narrow AI » : un ou plusieurs modèles, mais pas d’Intelligence Artificielle Générale (AGI, l’humain universel). Il manque la capacité à raisonner (« machine reasoning »). J’aime la pyramide DIKUW : Data, puis Information (rapports, dashboards), puis Knowledge (c’est le machine learning), puis Understanding (c’est là qu’on atteint le raisonnement, on n’y est pas), puis Wisdom. L’AGI reste loin. Le débat des experts : dans 10 ans, 1 an, 100 ans, jamais ? Personne ne s’accorde.

Mais on doit appliquer l’IA là où cela fait sens, pas rêver. Les agents autonomes (agentic AI), ce sera le sujet brûlant de 2025. Au PMI, on a Infinity, notre outil IA, qui aura des capacités agentiques. Mais il faut souligner qu’on n’a pas de définition consensuelle de l’IA, donc pas non plus de l’agentic AI. Est-ce de l’autonomie, de l’augmentation, de l’automatisation ? On avance, tout va très vite. Février 2025, on ne sait pas ce que réserve février 2026, ni même juin 2025. Chaque mois, tout évolue, de nouveaux outils débarquent (DeepSeek, il y a un mois n’existait pas…). Les chefs de projet devront adopter ces nouveaux outils, intégrer l’agentic IA dans leurs workflows. Ce sont de grands sujets pour les organisations : comment adopter ces technologies de façon éthique, responsable, avec sécurité et gouvernance (protection des données, confiance, outils internes, externes…). C’est excitant, les outils sont de plus en plus performants ; cela peut être déroutant. Par où commencer ? Comment suivre le rythme ? Apprendre et pratiquer, chaque jour. Cela doit devenir réflexe. Ne commencez jamais d’une page blanche : laissez l’IA brainstormer, rédiger un premier jet, puis affinez. Entraînez-vous sans cesse.

Galen Low : J’adore ! L’état d’esprit et le réflexe. Kathleen, cette conversation était vraiment inspirante.

Je n’ai jamais pris autant de notes dans un épisode ! Et ce n’était pas pour l’édition, mais pour moi, pour retenir ces connaissances. Le PMI a de la chance de t’avoir. J’ai hâte de la suite, et on devrait te réinviter en février 2026 (ou avant), pour voir où on en est dans un an !

Kathleen Walch : Oui, ça évolue si vite… On me demande où on sera dans un an, cinq ans, et je réponds : où serons-nous dans un mois ?

Galen Low : J’adore, j’adore ! Où peut-on en savoir plus sur la certif CPMAI ?

Kathleen Walch : Rendez-vous sur PMI.org, tout est là. J’ai aussi un podcast, AI Today, où on parle de CPMAI. Nous faisons justement une série sur les cas d’usage ; c’est devenu un podcast officiel PMI, j’en suis ravie. Tout migre progressivement vers le système PMI, ça prend du temps comme dans toute acquisition… Mais ça avance ! Retrouvez-moi sur LinkedIn (Kathleen Walch) ou PMI Cognilytica sur LinkedIn aussi.

Galen Low : Parfait, je mettrai tous ces liens dans les notes de l’épisode.

Merci beaucoup d’avoir été parmi nous aujourd’hui Kathleen, c’était un vrai plaisir.

Kathleen Walch : Merci à toi, Galen, toujours un plaisir.

Galen Low : Voilà, c’est tout pour aujourd’hui. Si vous souhaitez échanger avec plus d’un millier de pros de la gestion de projet, rejoignez notre collectif. Rendez-vous sur thedpm.com/membership pour en savoir plus. Et si l’épisode vous a plu, abonnez-vous et restez en contact sur thedigitalprojectmanager.com. À bientôt, merci pour votre écoute.