Comment l’IA peut vous aider à prendre de meilleures décisions de projet

Galen Low : D’une certaine manière, les projets sont simplement une collection de décisions. En réalité, les décisions sont un moteur essentiel dans l’avancement des projets. Mais comment peut-on espérer que les humains prennent de bonnes décisions lorsque les projets s’accélèrent et que la quantité d’informations et de données à analyser devient écrasante ? Bien sûr, l’IA peut aider, mais elle n’a pas toujours le contexte nécessaire et il n’est de toute façon pas possible de lui confier la responsabilité des décisions.

Pour autant, parfois, les décisions prises sur le vif, par instinct, se révèlent être les meilleures. Alors, quel est le bon équilibre entre une prise de décision assistée par les données et l’IA, et le simple fait d’en discuter ensemble ? Où se situent les rendements décroissants et, surtout, comment prenons-nous réellement nos décisions ? Pour explorer cela, j’ai invité une spécialiste de l’IA et de la gestion des connaissances, dont le parcours inclut aussi bien la psychologie, l’estimation en entreprise, l’entrepreneuriat et des rôles de responsabilité produit dans des sociétés du Fortune 50 telles que Meta et ExxonMobil.

Ensemble, nous allons détailler des exemples concrets de la façon dont l’IA peut soutenir la prise de décisions de qualité, comment la traçabilité peut aider les humains à s'améliorer dans leur façon de décider, comment l'introduction de l’IA dans l’équation modifie la notion de responsabilité, et enfin ce que devient le rôle du chef de projet si l’IA facilite les décisions qui, auparavant, nous revenaient.

J’espère que vous apprécierez cet épisode.

Bienvenue dans le podcast du Digital Project Manager — l’émission qui aide les leaders de la gestion de projet à travailler plus intelligemment, à livrer plus sereinement, et à diriger leurs équipes avec assurance à l’ère de l’IA. Je m’appelle Galen, et chaque semaine, nous explorons des stratégies ancrées dans le réel, des tendances émergentes, des cadres éprouvés et parfois quelques anecdotes de la « ligne de front » des projets.

Que vous pilotiez d’énormes projets de transformation, que vous manœuvriez à travers des workflows IA, ou que vous essayiez simplement de dompter le chaos, vous êtes au bon endroit. Et si ce qu’on fait vous plaît, pensez à vous abonner où que vous nous écoutiez ou regardiez, et laissez-nous un avis. Allons-y !

Aujourd’hui nous parlons de la prise de décision assistée par l’IA et pourquoi la qualité de ces décisions peut faire ou défaire la réussite d’un projet ou d’une initiative. Nous allons analyser comment des décisions déconnectées génèrent des risques, comment les chefs de projet peuvent améliorer la qualité des décisions au sein d’équipes complexes, et comment l’IA peut justement nous aider à mieux décider — et vice versa.

Je reçois aujourd’hui Cali Collins, cofondatrice et directrice produit d’Optimality. Cali est une experte en gestion de produit dont la carrière s’articule autour de l’infrastructure IA, des systèmes de connaissance, de la transformation d’entreprise et de l’exécution de projets industriels d’envergure. Avant de cofonder Optimality, elle a piloté le développement de produit chez des organisations telles que Meta et ExxonMobil, ce qui lui apporte un regard unique sur la façon dont les décisions sont prises — ou non — au sein aussi bien de l’univers rapide des technologies que des grandes entreprises du Fortune 50.

Depuis, avec Optimality, elle défend la valeur d’une plateforme native IA pour la prise de décision, aidant les organisations à structurer, à optimiser, et à généraliser ce processus à l’ère de l’excès de données et des priorités concurrentes.

Cali, merci d’être avec moi aujourd’hui.

Cali Collins : Absolument. Merci beaucoup de m’accueillir.

Galen Low : Je suis ravi de t’avoir ici. Je vais commencer avec une question un peu piquante, et je vais prendre un peu d’élan. Il y a tant d’organisations qui n’ont aucune structure ni discipline autour de leur processus de décision, et parfois, des décisions majeures sont prises dans un fil de mails ou verbalement sur un parcours de golf.

Et la plupart des équipes sont simplement trop occupées à réagir aux décisions pour s’arrêter et réfléchir : « Est-ce une décision bien informée ? » Elles suivent le mouvement. Ma question, donc, est la suivante : Étant donné que nous, en tant qu’humains, ne sommes déjà pas capables d’expliquer comment et pourquoi nous prenons certaines décisions, n’est-il pas un peu utopique de croire que l’IA puisse soudainement améliorer la prise de décision organisationnelle ?

Cali Collins : Eh bien oui, absolument. Beaucoup de choses reviennent au biais. Si tu me demandes pourquoi j’ai pris telle décision, la raison que je vais te donner n'est peut-être pas la véritable cause. Chacun a son point de vue. Tu as ta propre perception quand tu m'entends exposer cette décision, et c’est ce dont on discutait aussi en préparation.

Tout ce que tu fais est une décision. Tu ne peux pas tout documenter au fur et à mesure. J’ai décidé de participer à cet appel. Est-ce que je vais ensuite écrire que j’ai pris cette décision ? Parce qu’ensuite je dois décider quand consigner la décision que je viens de prendre. Nos vies sont une succession de choix, et le fait d’avoir une IA qui capte automatiquement ce qui se passe, pendant que tu agis, sans que tu aies à le documenter consciemment, c’est tout l’intérêt, c’est là qu’elle va nous être utile.

Galen Low : J’aime bien ça, car tu pars du biais, et je fais partie de ceux qui pensent que le biais peut être positif ou négatif. Oui, certains biais inconscients nous freinent en tant qu’espèce, mais il y a aussi ce biais qui consiste à décider en fonction de ce qu’on sait. Et on parle beaucoup de l’instinct, bon ou mauvais, mais fondamentalement, souvent, surtout à un certain niveau de décision, même si ça peut concerner n'importe qui, il serait fastidieux d’avoir à expliquer chaque détail. Pourtant, ça arrive tout le temps.

Tu sais, je pense que très peu de décisions… D’ailleurs en disant ça, une part des décisions est prise avec une certaine logique, même si on ne montre pas le raisonnement. Les auditeurs doivent se dire : « Et ce choix irréfléchi où tout a mal tourné alors ? »

Oui, il y a de ça aussi. Mais on passe dessus rapidement car on n’a pas le temps de tout cartographier et d’expliquer chaque détail. On doit faire confiance aux décisionnaires pour qu’ils fassent de bons choix. Et il y a beaucoup de facteurs, ce qui n’est pas forcément une mauvaise chose.

Cali Collins : C’est exactement ça. Il y a des études sur la partie du cerveau qui gère différents types de décisions. Ce n’est pas la même zone qui est sollicitée pour une décision rapide et instinctive que pour une décision mûrement réfléchie. C’est intéressant.

Galen Low : J’aime vraiment cette idée, et c’est peut-être l’occasion de zoomer là-dessus. Ces deux modes de prise de décision. L’un, c’est un peu, je ne sais pas si on peut comparer à la réaction combat-fuite, mais c’est cette urgence qui fait que l’on court-circuite toute la logique et les fondements habituels.

Et ensuite, l’état de calme — revenir à la sérénité pour prendre une décision informée, en évaluant et analysant. D’une certaine manière, le fait d’avoir les informations disponibles permet de ne pas décider sur un coup de tête et de prendre le temps qu’il faut.

On a accès à l’info, elle arrive vite, et on peut décider de façon éclairée. Je vais prendre un peu de recul, car j’aime beaucoup ton parcours produit. Tu viens vraiment de là, et tu as pris un virage, visiblement, après des expériences chez Meta et ExxonMobil, pour développer ce que l’on pourrait qualifier de système d’exploitation décisionnel natif IA.

J’espère que cette définition te convient !

Cali Collins : Oui.

Galen Low : Je me demandais, pourquoi les décisions ? Où as-tu vu des prises de décisions défaillantes ruiner un projet ou un plan stratégique, et quelles causes t’ont poussée à concevoir une solution à ce problème ?

Cali Collins : Tout dans notre activité est décision. C’est un problème universel, et je voulais vraiment apporter un changement dans notre quotidien de travail, avoir un impact. Tu y as fait allusion : il y a les choix mûrement réfléchis avec données à l’appui, et puis les décisions immédiates.

Et tu as dit « sécurité », moi, ça m’a fait penser à la sécurité HSE, car issue de projets industriels : si quelqu’un est en danger il faut agir sur-le-champ.

Galen Low : Oui.

Cali Collins : Il y a donc des cas où l’on doit intervenir tout de suite, d’autres où il faut prendre du recul et analyser. En ayant passé des années à faire de l’estimation, j’ai souvent été à la table des négociations avec la direction, et j’observais le processus décisionnel des dirigeants.

On les place sur un piédestal, on attend leur verdict… Un jour, j’ai eu la chance de discuter en tête-à-tête avec certains. Je leur ai demandé comment ils savent que c’est la bonne décision, si tout relève des données, où se situe le point de rendement décroissant. Et même eux m’ont dit : « Je vais te confier un secret : la moitié du temps, j’improvise. C’est mon parcours qui m’a menée ici parce que j’ai pris de bonnes décisions, mais je n’ai jamais la garantie d’avoir raison. »

Alors, j’ai voulu aider toutes ces personnes qui prennent des décisions majeures — d’investissements de plusieurs milliards — à comprendre le point de rendement décroissant. Où les données suffisent-elles ? Comment leur fournir l’information adéquate rapidement pour qu’ils puissent s’appuyer à la fois sur l’instinct et sur la donnée ?

Galen Low : J’adore ce moment de vulnérabilité. J’imagine qu’on est nombreux à ressentir ça : « Je suis sous pression pour décider. J’ai fait mes preuves, mais rien ne garantit que je vais encore bien décider. J’ai une bonne moyenne sur le passé, c’est tout. Mais je n’en sais rien, parfois je fais juste au feeling. » Cette idée qu’on pourrait améliorer notre taux de bonnes décisions, diminuer l’anxiété qui va avec, même si on est dans le poste à cause de nos succès. Et soutenir notre intuition avec d’autres données, c’est justement ce qu’offre l’IA, en agrégeant d’immenses volumes d’informations et en les raffinant selon les besoins.

C’est donc une bonne transition pour parler d’Optimality. Peux-tu nous expliquer ce que propose Optimality, comment cela aide et, pourquoi pas, quelques cas d’usage sur la réduction ou la maîtrise du risque dans la prise de décision ?

Cali Collins : Bien sûr.

Nous travaillons sur Optimality depuis environ deux ans et demi. Ça a beaucoup évolué pour devenir ce que c’est aujourd’hui. Dès le départ, l’objectif était d’améliorer la prise de décision, puis d’optimiser ce processus, d’où le nom « Optimality » — il y a d’ailleurs une vraie théorie mathématique de l’optimisation derrière, liée à ce fameux point de rendement décroissant.

L’idée, c’est qu’Optimality fonctionne sur un contexte graph. Vous collaborez dans l’outil, il vous aide à savoir sur quoi travailler, ce que vous avez fait la veille… Mais c’est bien plus que ça. Il gère aussi vos livrables, inclut toutes les décisions prises. Aujourd’hui, nous avons sorti un nouvel assistant à la décision : si vous faites face à une décision complexe, passez par notre assistant — il vous guide étape par étape.

Pendant ce processus, vous avez Opti Chat à côté. Vous pouvez demander à Opti : « J’hésite entre ça et ça, tu en penses quoi ? » L’outil vous aide à structurer votre raisonnement. Il vous interroge sur les incertitudes, sur vos biais personnels, sur l’historique des décisions similaires et leurs résultats. Opti utilise le contexte graph pour comprendre quand une décision semblable a déjà été prise, compile votre intelligence collective et opérationnelle, et s’en nourrit pour vous donner de meilleurs conseils — que vous hésitiez entre A ou B, ou qu’il vous propose même une option C à laquelle vous n’aviez pas pensé.

Galen Low : J’adore ce nom, même d’un point de vue geek, avec cette théorie mathématique qui détermine où s’arrête la rentabilité dans la prise de décision. Et tu m’as ouvert les yeux, en préparation, sur cette notion de graphe de contexte, cœur neural du système. Tu parlais de « contexte de décision », et je commence à entrevoir comment Opti absorbe toutes ces informations en continu. Pas besoin de demander à réunir toutes sortes de pièces et d’aller interroger les collaborateurs, parfois au prix de plusieurs jours. Toutes les infos sont là. En dehors de l’IA, qu’est-ce que cela veut dire, un contexte de décision, dans un environnement projet ? Qu’est-ce qui manque souvent dans les processus, et comment ce type d’outil peut-il y remédier ?

Cali Collins : Le cerveau humain a ses forces et ses limites. On ne peut pas assister à toutes les réunions et absorber toutes les données qui y circulent. Imaginez pouvoir déléguer ça à une entité présente partout. C’est là que l’IA entre en scène. Mais côté humain, tout repose sur la collaboration et la communication — c’est ce qui m’a attirée chez Meta, qui voulait construire une plateforme collaborative à l’échelle du monde. Les liens sociaux, le partage, la communauté, c’est fondamental. C’est étrange à dire aujourd’hui, dans ce monde humain versus IA, mais la force humaine, c’est d’échanger, de rebondir sur les idées des autres, d’évoluer au contact d’expériences diverses. La prise de décision doit donc garder une dimension humaine, pour collaborer et décider au mieux ensemble.

Galen Low : J’aime cette notion d’interaction homme-machine. L’idée n’est pas de dire : « Les humains sont nuls en décision » — même si on prédit mal l’avenir et qu’on est limités. Tout ça est sans doute vrai, mais on est des êtres de dialogue, d’émotion, et de décision fondée là-dessus ; tandis que la technologie — aujourd’hui l’IA — fait ce que notre cerveau ne peut pas : rassembler toutes les infos, résumer des discussions déjà eues, restituer des éléments clés sans besoin de mémoire absolue ni d’une culture du tout-documenter. Mais il s’agit de conseiller et d’éclairer, pas de remplacer la discussion fondamentale : « Qu’est-ce qu’on décide ? »

Et puis, il y a tant à tirer de la collaboration purement humaine… mais appuyée sur ce que notre cerveau est incapable de faire !

Cali Collins : Exactement, et je dialogue souvent avec Opti. Comme c’est une petite équipe de start-up, parfois discuter avec l’IA permet aussi de se confronter à ses idées, et Opti sait sur quoi tout le monde travaille — grâce au contexte graph.

Galen Low : Allons sur ce sujet, car dans ma communauté, l’IA, c’est là, qu’on le veuille ou non. Mais il y a aussi un côté « Big Brother » : plus la technologie a accès au contexte, plus elle est utile, mais certains craignent qu’Opti soit à l’écoute permanente. Dans la pratique, peut-on choisir ce qu’on donne à l’IA pour qu’elle nous conseille mieux, ou c’est tout ou rien ? Et si ce n’est pas du tout ou rien, que faut-il partager avec l’IA, sans pour autant lui donner chaque frappe du clavier et chaque conversation ?

Cali Collins : Quand nous avons commencé à développer Optimality, nous avons APIé tout : mails, chat… Mais on a compris que, pour passer à l’échelle, c’était effrayant ; on a besoin de garder la main sur ce qu’on partage. C’est aussi une question de gouvernance : on ne veut pas que l’IA prenne les infos, décide et envoie des mails à notre place. Si vous donnez à Opti ou toute IA votre gestionnaire de mots de passe, vos mails, votre compte bancaire… ça peut vite devenir un gros problème. Si quelque chose de confidentiel fuit, vous (en tant que déclencheur de l’agent) êtes légalement responsables, même sans avoir vu le mail. Il faut donc contrôler ce qu’on lui donne et ce qu’on lui permet de faire.

C’est pourquoi nous avons choisi que vous puissiez décider, en fin de réunion, d’intégrer ou non la transcription, ou d’ajouter ou non une conversation mail. Cela permet de garder la maîtrise et de n’ajouter que de la bonne information, d’éviter que l’IA soit « nourrie » par le pire de l’Internet sans distinction. Le fait de garder le contrôle humain permet à Optimality de générer des documents, de rédiger des mails ou des suivis, mais c’est toujours une personne qui, à la fin, valide l’envoi. Là où d’autres veulent tout automatiser — « votre équipe marketing IA gère tout pour vous » —, nous préférons la collaboration homme/IA. Vous enfilez votre casquette marketing, vous avez avec vous un assistant expert qui vous guide, mais vous restez décideur.

Galen Low : J’adore ça, et je pense que beaucoup de mes auditeurs vont aussi aimer. On retrouve cette complémentarité homme-machine. Je reviendrai sur la notion de curation du graphe de contexte, mais d’abord, tu as décrit un beau cas d’usage : comment l’IA, Optimality, peut-elle concrètement améliorer la prise de décision ? Par exemple, j’ai besoin de réfléchir à mon marketing, Opti est mon partenaire… Peux-tu détailler comment ça se passe, étape par étape ? Qu’est-ce que ça change vraiment par rapport à l’absence d’IA ?

Cali Collins : Oui, tout à fait. L’un des nouveaux cas d’usage, c’est un système d’exploitation business sur Optimality. Vous pouvez voir Optimality comme une plateforme qui permet de multiples usages, comme Excel où l’on peut tout faire. Mais nous proposons plus de structure que ça. Par exemple, quelqu’un qui veut lancer un side project pourra expliquer ses objectifs à Optimality, qui les documente, crée une stratégie, la lui soumet, on ajuste ensemble… Puis la plateforme établit le plan pour atteindre vos buts. L’IA formalise le processus, vous pouvez modifier, ajuster à votre guise.

Créer une entreprise n’est qu’un exemple. On peut aussi gérer des chantiers industriels – c’est ce que nous faisons pour Chevron, par exemple. Mais sur la partie « je veux créer une entreprise », à chaque étape du plan, Opti demandera : « Voulez-vous que je vous aide pour le marketing ? Pour rédiger du contenu ? Pour automatiser ceci ? » Vous travaillez côte à côte avec l’IA. Beaucoup de gens, parfois déjà entrepreneurs, sont « IA-curieux », mais ne savent pas par où commencer. Comment rendre tout cela accessible, alors qu’ouvrir Claude (l’IA) et créer des agents peut effrayer et faire exploser les jetons ?

J’adore Claude et l’utilise tous les jours — pas de critique — mais ce n’est pas accessible pour tout le monde. Optimality est donc là pour faciliter l’usage de l’IA sans barrière technique.

Galen Low : Merci pour ces précisions ! Tu as bien pointé que les barrières à l’entrée sont plus faibles pour entreprendre, mais le mythe du « vibe code » en une journée, non… même si c’est plus facile qu’avant. Et tu as raison : alors que Claude serait comme un Excel généraliste, Optimality met le tout sur des rails. Certains diront « Je le fais déjà dans Claude », mais la vraie différence, si j’ai bien compris, c’est que le travail se fait dans Optimality même : tout n’est pas à exporter ni à suivre manuellement ensuite. Ce n’est donc pas seulement une plateforme d’optimisation décisionnelle, mais aussi de travail collaboratif ?

Cali Collins : Tout à fait, c’est une plateforme collaborative avant tout. À partir du moment où une petite entreprise grandit et qu’on ne sait plus ce que tout le monde fait, si l’équipe collabore dans Optimality, le graphe de contexte s’alimente et le système sait qui fait quoi, quelles sont la vision, la mission, les principes de l’entreprise. Opti s’en sert pour suggérer des stratégies marketing ou autres, proposer des options pertinentes selon ce qui compte pour vous. Selon que vous voulez devenir la plus grande boutique de fleurs du monde ou juste la préférée de votre village, Opti adapte ses recommandations. Claude va vous générer un plan générique ; Optimality comprend tous les tenants et aboutissants du système.

Galen Low : Intéressant, surtout quand, à la croissance de l’entreprise, la visibilité diminue naturellement. Cette dimension, qui permet de garder l’alignement des process et la vision, est précieuse. Je voulais revenir à une posture un peu d’avocat du diable : on peut choisir ce qu’on donne à l’IA, mais aussi, historiquement, on a souvent manipulé les infos volontairement — en omettant des éléments à d’autres humains, ou à l’IA… Est-ce qu’un processus de décision biaisé volontairement (par dissimulation d’information) ne nuit pas à l’intelligence de l’IA ? N’est-ce pas manipuler l’outil pour aboutir à une réponse pré-faite ? Comment éviter ces abus et, à l’inverse, existe-t-il des décisions qui gagnent à garder une part de nuance humaine ?

Cali Collins : Oui, il faut en effet guider l’IA dans la priorisation des informations. Lui donner tout sans hiérarchie, elle ne saura pas trier ce qui importe vraiment, ni pour qui. Donc il faut poser des garde-fous, indiquer où sont les infos majeures. Sur l’importance du facteur humain dans les décisions, garder la décision finale à charge humaine me semble essentiel. L’IA peut aider à présenter les données nécessaires.

Chez ExxonMobil, j’ai construit une plateforme d’excellence du knowledge management et une plateforme IA dédiée à la gestion des connaissances/retours d’expérience. Un cas d’usage fréquent : le chef de produit revient en disant, « J’ai fait cinq projets, à chaque fois telle méthode échoue, il ne faut pas la suivre. » Mais peut-être n’a-t-elle échoué que dans ces cinq cas, et partout ailleurs elle marche (c’est les 2% d’échec), et ce n’est pas lié au process, mais au contexte. L’IA aide à neutraliser ces biais, mais la sensibilité humaine doit rester. Ce savoir empirique apporte aussi quelque chose. Donc l’IA permet d’objectiver, mais sans écarter le spécifique.

Galen Low : J’aime l’idée qu’on ne dit pas « Tu as tort ou raison », mais qu’on reconnaît qu’il y a à apprendre, et que prendre des décisions sur la base d’échantillons minuscules, ce n’est pas solide, mais il y a aussi des infos à en tirer. Ce genre d’outil peut donc jouer en amont comme en aval : collecter de l’info avant une décision, ou exiger de fact-checker après une discussion humaine. C’est la possibilité d’être davantage guidés par les données, et de ne pas se fier uniquement aux voix dominantes ou charismatiques de la salle, au risque de reproduire des erreurs pendant des années, sur des projets à gros enjeu. Tu as travaillé sur des projets lourds, médiatiques, avec de gros budgets et des personnalités marquantes. C’est un moyen d’harmoniser le débat, de faire dialoguer humain et technologie pour ne pas céder à la rhétorique ou à la pression du leader.

Cali Collins : Exactement. Certaines personnes sont très douées pour les décisions rapides, d’autres non, certains s’imaginent doués alors qu’ils ne le sont pas. L’outil peut aussi aider à révéler ces différences, à inciter ceux qui réagissent vite à réfléchir davantage – ou inversement.

Galen Low : Je n’avais pas pensé à l’angle « psychologie humaine ». En développant ce produit, qu’as-tu appris sur la façon dont les êtres humains décident ? Et si on songe plus particulièrement aux chefs de projet, qui doivent souvent faciliter la décision (plutôt que la prendre), quelles habitudes concrètes peuvent-ils cultiver pour améliorer la manière collective de décider sans perdre en réactivité ? À quel moment sait-on qu’une décision éclaire (ou précipitée) est mauvaise ?

Cali Collins : Il y a plusieurs axes. J’ai, en plus de la gestion de construction, un bachelor en psychologie, d’où ce background. Je suis aussi accro aux livres et podcasts sur la psychologie, la motivation humaine. Ensuite, j’ai fait un MBA. Tous ces apports m’aident à comprendre pourquoi les gens dans les projets prennent telles décisions. Pour s’améliorer, il faut capturer non seulement la décision, mais ses causes et ses résultats, afin que l’IA puisse ensuite faire une rétro-analyse — car très peu de gens prennent le temps de le faire, surtout si la décision a mal tourné. La « provenance des données » — leur traçabilité — est essentielle. Chez Meta, j’ai bâti une plateforme IA pour cartographier toutes les données de formation des modèles, et j’ai repris cette logique pour Optimality. Si l’IA rédige, disons, un plan marketing, on peut voir quel paragraphe provient de quelle réunion, quel extrait d’untel… Ce n’est pas une boîte noire, on sait d’où viennent les contenus. Ça peut faire peur, car si la décision n’était pas la bonne, on sait de qui elle vient. Mais je pense qu’il faut que chacun prenne conscience de ses schémas de décision défaillants pour progresser. Le changement est parfois inconfortable, mais vital, et l’IA peut le rendre possible.

Galen Low : Au départ, ma question sur l’IA qui améliore la décision renvoyait pour moi à la donnée pure… mais tu viens de me faire voir que la traçabilité et la possibilité de faire un rétro, d’apprendre de ses choix (pas systématiquement, mais quand même) sont tous aussi importants pour progresser. On ne dit pas que l’IA décidera mieux que l’humain ni qu’on cessera de décider, mais les décisions humaines n’ont jamais été si cruciales. Quant au leadership décisionnel, il est souvent très relatif — les décideurs eux-mêmes se sentent « à l’arrache », mais ont un fort taux de succès passé.

Cali Collins : L’intuition.

Galen Low : Oui, l’intuition. Mais même là, tout repose sur l’amélioration continue et la capacité à évaluer les conséquences de ses propres décisions — ce qu’on fait rarement sans outil structurant. Tu évoquais la sécurité au sens HSE : il est pertinent de pouvoir auditer ou tracer ces décisions critiques, pas pour « accabler » une personne, mais pour progresser collectivement. Personne ne prend que de bonnes décisions, ni ne sait toujours pourquoi.

Cali Collins : Exactement.

Galen Low : Parlons de gouvernance et de responsabilité. À l’heure actuelle, même si c’est l’IA qui a « cliqué », c’est l’humain qui reste responsable. Pourtant, l’IA prend aussi des décisions, tout comme chacun de nous, à tous les niveaux. Quelles sont les limites, en termes de garde-fous, à instaurer pour éviter qu’elle fasse n’importe quoi, et pour l’aider à s’améliorer, tout en progressant vers une « responsabilité IA » ? À terme, pourra-t-on confier la décision — et la responsabilité — à l’IA ? À quoi cela ressemblerait-il ?

Cali Collins : Il existe énormément de recherche sur le sujet. Si on considère les grands modèles linguistiques, c’est une série de micro-décisions — choisir le prochain mot le plus pertinent selon l’entraînement. On peut commencer par laisser générer des brouillons de mails, par exemple : l’IA apprend, s’améliore, et on peut graduellement lui confier des tâches de « faible enjeu » (répondre à un client sur la disponibilité d’un t-shirt, etc.), mais pas sur tout. Il faut bien cerner ce qu’on automatise et ce qui doit rester sous contrôle humain. Notre philosophie : garder l’humain dans la boucle et donner petit à petit plus d’autonomie à l’IA sur des tâches peu risquées, en lui refusant ce qui pourrait avoir des conséquences graves.

Je n’ai aucune envie de transférer à Optimality ma responsabilité légale ou fiduciaire. Si l’IA envoie un mail qui nuit à la société, je dois garder la main. Je me décharge sur elle pour ce qu’elle sait faire, pour m’aider à optimiser mes journées… mais pas plus.

Galen Low : C’est vrai qu’on a déjà des exemples hors IA pur, par exemple avec certains dispositifs médicaux qui posent des diagnostics dans une plage de tolérance définie, la question de la responsabilité revient au fabricant. Ce n’est pas demain la veille qu’OpenAI ou Anthropic accepteront la responsabilité en cas d’erreur importante. Donc cela ramène à l’homme dans la boucle. On retrouve la même chose dans l’encadrement de débutants, où le risque est limité : répondre à un mail sur un t-shirt, communiquer une échéance… là, on peut « coacher » l’humain ou l’IA. Mais il y a des choses où on dira : « Pas de promesse de délai sans mon aval », car la responsabilité reste humaine même s’il faudra former/recadrer l’agent fautif.

Cali Collins : Exactement ! On peut voir l’IA comme un « stagiaire » dont on sera de toute façon comptable. L’IA n’a pas de notion de responsabilité, on ne peut ni la licencier ni la rétrograder. Un autre cas où elle peut aider : la conformité contractuelle. Vous pouvez entraîner l’IA sur votre cahier des charges, vos exigences, et elle vous alerte en cas de risque de non-respect. C’est un filet de sécurité, pas un remplaçant.

Galen Low : Excellent exemple ! J’aime bien cette idée de « feedback », d’apprentissage progressif menant à plus d’automatisation au fil du temps, même si la vraie responsabilité restera humaine. Optimisons ce que l’IA sait bien faire — comme mémoriser l’ensemble des clauses de tous nos contrats, chose impossible à un cerveau humain…

Cali Collins : Exactement.

Galen Low : Pour finir, j’aimerais aborder le futur. L’IA s’améliore chaque jour à rassembler les infos et à déterminer ce qui est important ou pas. Peut-être éprouve-t-elle aussi son propre syndrome de l’imposteur, à douter de chaque choix lexical… Quoi qu’il en soit, elle impacte les décisions, qu’il s’agisse du quotidien ou des grandes décisions stratégiques. J’ai parlé du rôle du chef de projet, souvent facilitateur de la décision et gestionnaire du risque. D’après ton expérience, que devient ce métier si l’IA optimise encore plus la détection des risques et des dépendances, la recommandation de décisions ? Quel impact pour nos rôles humains ?

Cali Collins : Ils sont d’autant plus importants ! Le rôle du chef de projet, du controleur de gestion projet, va croître en valeur. Ayant moi-même été dans l’estimation, mon travail était de réunir les données et de les transmettre aux décisionnaires. Ce « goulot » sera compressé : plus besoin de courir après des infos ou de rédiger des rapports fastidieux — le temps sera libéré pour l’analyse, l’expertise et l’amélioration du process, avant de restituer aux managers.

On observe déjà, surtout en logiciel, qu’il faut moins de développeurs pour un chef de produit (le ratio diminue) car les développeurs produisent plus vite, donc on a besoin de plus de gestion/lead produit pour piloter la direction, la décision. Le flux d’information s’accélère et s’intensifie, donc il faut plus de coordination pour prioriser, arbitrer. Dans mon expérience, les développeurs vont plus vite, et me sollicitent davantage pour valider les idées, prototyper, et accélérer le passage à l’action. Bref, tout cela démocratise la capacité à construire, mais rend les métiers de pilotage et d’accompagnement stratégique encore plus précieux !

Galen Low : C’est formidable comme vision.

Je ne m’attendais pas à une réponse aussi optimiste, mais tu as raison. La vitesse s’accélère, les équipes deviennent plus performantes, mais plus il y aura de « conducteurs » pour guider la décision, mieux ce sera. Et puis rien dans ce que tu viens de dire n’indique que les outils transmettent la donnée brute directement au décideur sans médiation : il faut toujours comprendre, analyser, discuter. Notre processus « discutons-en pour être sûrs de bien décider » reste au cœur du métier humain, l’IA ne fait que l’amplifier !

Cali Collins : Tout à fait.

Galen Low : Cali, c’était passionnant. Merci d’avoir passé ce temps aujourd’hui avec moi. Où peut-on suivre votre actualité et en apprendre davantage sur Optimality ?

Cali Collins : Nous sommes sur LinkedIn, personnellement et pour la société. Le site, c’est optimalitypro.com. Vous pouvez maintenant demander un essai gratuit de 14 jours ou voir nos nouveautés. Tout reste en ligne. Dès que nous développons de nouveaux cas d’usages verticaux, toute la documentation et les démos seront disponibles pour les découvrir.

Galen Low : Parfait, je mets tout ça en lien dans les notes de l’épisode. Merci encore d’avoir participé, ton parcours est fascinant (je ne savais pas pour la psychologie !). Décider, c’est essentiel — et maintenant que l’IA et l’humain sont réunis, c’est une époque enthousiasmante.

Cali Collins : Absolument. C’est excitant.

Galen Low : Merci beaucoup Cali.

Cali Collins : Merci à toi.

Galen Low : Voilà, c’est tout pour cet épisode du Digital Project Manager Podcast. Si cette conversation vous a plu, abonnez-vous où que vous l’écoutiez. Pour davantage d’insights, d’études de cas, de playbooks, créez un compte gratuit sur thedigitalprojectmanager.com. À très vite, et merci de votre fidélité.