Comment l’IA peut vous aider à prendre de meilleures décisions pour vos projets

Galen Low : D’une certaine manière, les projets ne sont qu’un ensemble de décisions. En fait, les décisions jouent un rôle majeur dans l’avancement des projets. Mais comment pouvons-nous espérer que les êtres humains prennent de bonnes décisions lorsque les projets avancent à toute vitesse et qu’il y a une quantité écrasante d’informations et de données à évaluer ? L’IA peut certainement aider, mais elle ne dispose pas toujours du contexte nécessaire, et il n’est de toute façon pas possible de lui faire porter la responsabilité des décisions.

Pendant ce temps, les décisions prises spontanément, à l’instinct, s’avèrent parfois être les meilleures. Alors, quel est le juste équilibre entre une prise de décision fondée sur les données et assistée par l’IA, et le simple fait d’en discuter ? Où observe-t-on des rendements décroissants et, surtout, comment prenons-nous réellement nos décisions ? Pour approfondir cette question, j’ai invité une spécialiste de l’IA et de la gestion des connaissances, dont le parcours comprend la psychologie, l’estimation d’entreprise, l’entrepreneuriat ainsi que des fonctions de responsable produit dans des entreprises du classement Fortune 50 telles que Meta et ExxonMobil.

Ensemble, nous allons examiner plusieurs exemples concrets de la manière dont l’IA peut soutenir une prise de décision de qualité, de la façon dont la traçabilité peut aider les êtres humains à mieux décider, de l’évolution de la responsabilité lorsque l’IA intervient, et de ce que devient le rôle du chef de projet si l’IA facilite les décisions qui relevaient auparavant de notre responsabilité.

J’espère que cet épisode vous plaira.

Bienvenue dans le podcast du Digital Project Manager, l’émission qui aide les responsables de la réalisation à travailler plus efficacement, à fluidifier la livraison et à diriger leurs équipes avec assurance à l’ère de l’IA. Je m’appelle Galen et, chaque semaine, nous explorons des stratégies concrètes, les tendances émergentes, des cadres éprouvés et, à l’occasion, une anecdote de terrain issue des premières lignes de la gestion de projet.

Que vous pilotiez d’immenses projets de transformation, que vous orchestriez des flux de travail liés à l’IA ou que vous essayiez simplement de garder le chaos sous contrôle, vous êtes au bon endroit. Et si vous appréciez ce que vous entendez de notre part ces derniers temps, pensez à nous suivre sur la plateforme que vous utilisez pour écouter ou regarder l’émission, et peut-être même à nous laisser un avis. Très bien, entrons dans le vif du sujet.

Aujourd’hui, nous parlons de la prise de décision assistée par l’IA et des raisons pour lesquelles la qualité des décisions pourrait être l’élément qui fait réussir ou échouer un projet ou une initiative. Nous allons examiner la manière dont des décisions déconnectées créent des risques, comment les responsables de projet peuvent améliorer la qualité des décisions au sein d’équipes complexes, et comment l’IA peut nous aider à prendre de meilleures décisions — et inversement.

Je reçois aujourd’hui Cali Collins, cofondatrice et directrice produit d’Optimality. Cali est une responsable produit expérimentée dont la carrière couvre les infrastructures d’IA, les systèmes de connaissances, la transformation d’entreprise et l’exécution de projets d’investissement de grande envergure. Avant de cofonder Optimality, elle a dirigé le développement produit dans des organisations telles que Meta et ExxonMobil, ce qui lui confère une perspective unique sur la façon dont les décisions sont prises — ou ne le sont pas — au sein d’environnements technologiques évoluant rapidement comme de grandes entreprises complexes du classement Fortune 50.

Aujourd’hui, avec Optimality, elle défend la valeur d’une plateforme d’infrastructure décisionnelle native de l’IA, qui aide les organisations à structurer, optimiser et déployer la prise de décision à grande échelle, à une époque où les données sont écrasantes et les priorités concurrentes.

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

Cali Collins : Absolument. Merci beaucoup de m’avoir invitée.

Galen Low : Je suis ravi de vous recevoir. Je vais commencer par une question un peu provocatrice, en prenant un peu d’élan. De nombreuses organisations ont en réalité très peu de structure ou de discipline autour de la manière dont les décisions sont prises, et il arrive que des décisions lourdes de conséquences soient prises dans une chaîne de courriels ou verbalement sur un terrain de golf.

Et la plupart du temps, les équipes sont simplement trop occupées à réagir à ces décisions pour s’arrêter et se demander : « Est-ce une décision bien informée ? » Elles avancent simplement avec la décision. Ma question est donc la suivante : puisque nous, les êtres humains, ne sommes pas vraiment capables de nous expliquer les uns aux autres comment les décisions sont prises et pourquoi, n’est-il pas un peu illusoire de penser que l’IA pourrait soudainement améliorer la prise de décision organisationnelle ?

Cali Collins : Oui, absolument. Je pense qu’une grande partie du problème vient des biais. Si vous me demandez pourquoi j’ai pris cette décision, la raison que je vous donnerai ne correspondra peut-être pas réellement à la raison pour laquelle je l’ai prise de cette manière. Nous avons tous nos propres perspectives. Vous avez votre propre perspective sur la façon dont vous m’entendriez reformuler cette décision, et je crois que nous en parlions aussi un peu pendant la préparation.

Tout ce que vous faites est une décision. Vous ne pouvez pas tout documenter au moment où vous le faites. J’ai pris la décision de me connecter à cet appel. Est-ce que je vais ensuite l’écrire ? Parce que je dois prendre une décision concernant le moment où je vais noter la décision que je viens de prendre. Nos vies sont une succession de décisions, et le fait d’avoir quelque chose comme l’IA qui les capture automatiquement au moment où nous les prenons, sans devoir les documenter consciemment, est précisément ce qui va nous aider.

Galen Low : J’aime beaucoup cette idée, parce que vous commencez par parler des biais, et je suis quelqu’un qui croit que les biais peuvent être positifs comme négatifs. Nous avons des biais inconscients qui nous freinent clairement en tant qu’espèce, mais il existe aussi le biais lié au fait de savoir ce que l’on sait. Nous parlons souvent de prendre des décisions à l’instinct et de déterminer si c’est une bonne ou une mauvaise chose, mais fondamentalement, beaucoup de décisions sont prises avec une certaine logique derrière elles, même si les gens ne montrent pas leur raisonnement.

Bien sûr, il y a aussi les décisions spontanées qui tournent mal. Mais je pense que nous passons un peu rapidement dessus parce que nous n’avons ni le temps de tout reconstituer ni celui d’expliquer chaque élément. Nous devons faire confiance aux décideurs pour prendre de bonnes décisions. Et il y a aussi beaucoup de facteurs qui interviennent, ce qui n’est pas nécessairement la pire chose au monde.

Cali Collins : C’est absolument vrai. Il existe une base scientifique concernant la partie du cerveau utilisée pour prendre différents types de décisions. Ce n’est pas la même partie du cerveau qui prend les décisions rapides et irréfléchies fondées sur l’instinct que celle qui intervient lorsque vous prenez le temps de réfléchir. C’est intéressant.

Galen Low : J’aime beaucoup cela. Et c’est peut-être un bon point de départ pour approfondir, car j’aime l’idée de ces deux modes de prise de décision. D’un côté, il y a ce qui ressemble à une réaction de lutte ou de fuite : l’urgence de prendre une décision rapide peut contourner toute la logique et tous les fondements dont nous disposons.

Et de l’autre, il y a cette idée d’un état de calme permettant de prendre une décision éclairée en évaluant et en analysant. D’une certaine manière, le fait de disposer des informations nous ramène à ce niveau et nous évite de prendre des décisions impulsives, parce que nous savons que nous pouvons prendre notre temps.

Nous avons accès à des informations qui peuvent nous parvenir rapidement, et nous pouvons prendre une décision de manière éclairée. Permettez-moi d’élargir encore la perspective, car ce que j’aime dans votre expérience, c’est que vous venez du monde produit. Vous êtes une spécialiste produit très expérimentée qui a pris un virage pour quitter des organisations comme Meta et ExxonMobil afin de construire essentiellement un système d’exploitation décisionnel natif de l’IA.

J’espère que cette caractérisation vous convient.

Cali Collins : Oui.

Galen Low : Je voulais donc vous demander : pourquoi les décisions ? Où avez-vous vu une mauvaise prise de décision faire échouer un projet ou un plan stratégique, et quelles sont certaines des causes sous-jacentes qui vous ont poussée à concevoir une solution à ce problème ?

Cali Collins : Tout ce que vous faites repose sur des décisions. C’est un problème qui concerne l’humanité entière, et je voulais faire quelque chose qui aurait un véritable impact sur notre manière de travailler au quotidien. Comme vous commenciez à le dire, il y a les décisions fondées sur les données auxquelles on réfléchit, puis les décisions immédiates et rapides.

Vous avez parlé de sécurité, et cela m’a fait penser à la sécurité d’une manière un peu différente. Comme je viens de la gestion de projet, je pense à la sécurité HSE lorsqu’une personne est sur le point d’être blessée.

Galen Low : Tout à fait.

Cali Collins : Certaines décisions exigent d’intervenir immédiatement lorsqu’on observe une activité dangereuse. Mais pour d’autres décisions, il faut prendre du recul, les analyser et y réfléchir davantage.

J’ai travaillé de nombreuses années dans l’estimation. J’ai commencé dans ce domaine. J’ai toujours eu également une activité liée aux produits, mais l’estimation constituait mon travail quotidien. J’ai ainsi été exposée à de nombreux cadres dirigeants et responsables. Je participais aux négociations et je comprenais ce qui entrait dans ces grandes décisions.

Je voyais ces dirigeants que les gens plaçaient sur un piédestal, en leur demandant : « Qu’en pensez-vous ? Que devrions-nous faire ? » Après avoir eu plusieurs occasions de m’entretenir seule avec certains d’entre eux, je leur ai demandé : « Comment savez-vous quelle est la bonne décision ? Est-ce toute cette quantité de données dont vous disposez ? À quel moment le rendement devient-il décroissant ? » Et même ces dirigeants me répondaient : « Vous savez quoi ? Je vais vous révéler un secret. La moitié du temps, je ne sais pas. Je me débrouille au fur et à mesure. » Ils occupent cette position parce qu’ils y sont arrivés en prenant de très bonnes décisions. Mais les gens attendent cela d’eux, alors qu’ils ne disposent pas toujours des connaissances et des données nécessaires pour prendre la bonne décision.

Je me suis dit que si je pouvais aider ces personnes à prendre de grandes décisions qui changent la donne — dépenserons-nous ces milliards de dollars pour ceci ou pour cela ? —, comment pourrais-je les aider à comprendre où se situe le point de rendement décroissant ? Où les données peuvent-elles les mener ? Et comment les leur fournir rapidement afin qu’elles puissent prendre ces décisions rapides, s’appuyer sur leur instinct tout en disposant de données décisionnelles ?

Galen Low : J’aime beaucoup ce moment de vulnérabilité. Il est logique que ce soit similaire pour beaucoup d’entre nous : « Je ne sais pas, mais je suis sous pression pour prendre une décision. J’ai déjà pris de bonnes décisions. Je n’ai aucune garantie de toujours prendre la bonne décision, mais ma probabilité de réussite est plutôt bonne, et c’est la raison pour laquelle j’ai obtenu ce poste. Pourtant, parfois, je me débrouille simplement au fur et à mesure. »

J’aime l’idée que nous puissions améliorer notre probabilité de prendre la bonne décision. Et même l’anxiété liée au fait de se dire : « Je suis dans cette position », avec peut-être un peu du syndrome de l’imposteur, mais certainement beaucoup de pression. Vous parlez parfois de milliards de dollars et vous vous dites : « Je dois prendre une décision. Je dois m’appuyer sur ce que je sais, mais je peux aussi l’étayer avec d’autres données pour éclairer ma décision. »

Je pense que c’est l’un des atouts de l’IA aujourd’hui : sa capacité à rassembler de grandes quantités d’informations et de données, puis à les synthétiser en fonction de nos besoins.

Et c’est peut-être une bonne transition, car j’aime beaucoup l’idée d’Optimality. Pourriez-vous nous expliquer ce que fait Optimality, comment la plateforme aide les utilisateurs et quels sont certains des cas d’usage qui permettent de réduire, ou au moins de minimiser, les risques liés à la prise de décision ?

Cali Collins : Absolument.

Nous travaillons sur Optimality depuis environ deux ans et demi. La plateforme s’est transformée et a beaucoup évolué pour devenir ce qu’elle est aujourd’hui. L’idée centrale a toujours été d’améliorer la prise de décision, puis elle est devenue l’optimisation de la prise de décision — ce qui a donné son nom à Optimality. Il existe en mathématiques une théorie de l’optimisation qui décrit notamment ce point de rendement décroissant.

Quelle est la décision optimale à prendre ? Nous avons véritablement intégré cette idée dans notre travail. Optimality repose sur un graphe de contexte. Lorsque vous collaborez dans Optimality, vous utilisez le système pour comprendre sur quoi vous devriez travailler aujourd’hui et ce que vous avez fait hier.

Mais c’est beaucoup plus vaste que cela. Le système englobe le contenu et les livrables que vous produisez, ainsi que toutes les décisions sur lesquelles vous travaillez. Nous avons d’ailleurs lancé aujourd’hui, il y a quelques heures, un nouvel assistant de décision. Si vous devez prendre une décision complexe, il vous guide étape par étape dans le processus.

Pendant que vous utilisez cet assistant, Opti Chat est à vos côtés et vous pouvez lui poser des questions : « J’hésite entre ceci et cela. Qu’en penses-tu, Opti ? » Il vous aide à formuler le problème. Puis vous passez à l’étape suivante : « Quelles sont les incertitudes liées à la décision que j’essaie de prendre ? Où intervient mon biais personnel ? Avons-nous déjà pris une décision similaire et quel en a été le résultat ? »

Vous disposez toujours de la puissance d’Opti pour discuter et comprendre. Il examine votre graphe de contexte afin de déterminer quand vous avez déjà travaillé sur cette décision.

Vous cartographiez votre intelligence organisationnelle et votre intelligence d’exécution dans le système. Celui-ci absorbe constamment toutes ces informations dans le cerveau d’Opti, en arrière-plan, afin de devenir plus intelligent et de fournir de meilleures indications lorsque vous devez décider entre A et B — ou lorsqu’il existe une option C à laquelle vous n’aviez même pas pensé.

Galen Low : J’aime beaucoup cela. Pour revenir au début, j’apprécie aussi le caractère très technique du nom. Il ne s’agit pas seulement d’optimiser la prise de décision : il existe effectivement une théorie mathématique qui permet de déterminer le point où les rendements deviennent décroissants. Je trouve cela très intéressant. Et vous m’avez expliqué, pendant la préparation, cette idée du graphe de contexte, qui constitue en quelque sorte le réseau neuronal de certains outils d’IA que nous utilisons.

Je crois que vous avez parlé de contexte décisionnel, et je commence vraiment à en comprendre l’idée. Opti absorbe toutes ces informations au fil du temps. Ce n’est pas comme si nous disions : « Nous devons prendre une décision. Pouvez-vous rassembler toutes les informations et interroger ces personnes ? » afin de préparer des recommandations pour un décideur, ce qui pourrait prendre plusieurs jours. Les informations sont déjà disponibles.

En dehors même de l’IA, que signifie réellement le contexte décisionnel dans un environnement de projet ? Que manque-t-il parfois aux équipes dans leur processus de prise de décision et que cette approche peut-elle contribuer à soutenir ?

Cali Collins : Le cerveau humain est excellent pour certaines choses, mais il a aussi des limites. Vous ne pouvez pas participer à toutes les réunions pour recueillir toutes les informations que chacun partage. Imaginez si vous pouviez avoir un délégué présent dans ces autres réunions, qui absorberait également ces informations.

C’est là que l’IA intervient. Du côté humain, nous sommes fondés sur la collaboration et la communication. C’est une grande partie de ce qui m’a attirée chez Meta, qui cherchait à construire une plateforme de collaboration pour le monde. Les gens s’y rendent pour partager et devenir membres d’une communauté. C’est une composante essentielle de l’humanité, même si cela peut sembler étrange de le dire aujourd’hui, dans ce monde où l’IA s’oppose parfois à l’humain.

En tant qu’être humain, ma force est de pouvoir échanger avec d’autres personnes, confronter mes idées aux leurs et faire évoluer ma réflexion en fonction de ce qu’elles me disent. Il faut donc conserver l’humain au cœur de la prise de décision. Nous devons réunir nos expériences respectives et collaborer pour déterminer quelle est la meilleure décision possible.

Galen Low : J’aime beaucoup cette interaction. L’idée n’est pas de dire que les êtres humains sont mauvais pour prendre des décisions parce qu’ils ne peuvent pas absorber toutes ces informations et prédisent très mal l’avenir. Tout cela est probablement vrai, mais il s’agit plutôt de reconnaître que nous sommes des êtres qui dialoguent, qui ont des émotions et qui prennent des décisions en fonction de celles-ci, tout en disposant de technologies — et aujourd’hui, en particulier de l’IA — capables de faire ce que notre cerveau ne peut pas faire.

L’IA peut rassembler toutes les informations, les conversations qui ont eu lieu, puis les synthétiser afin que nous n’ayons pas à nous souvenir d’une réunion de quinze minutes tenue un mardi de décembre et des mots exacts prononcés par quelqu’un.

J’aime l’idée que l’IA conseille et informe sans remplacer la conversation sur la manière dont nous allons prendre cette décision. Nous devons discuter pour prendre une bonne décision, tout en la soutenant avec des éléments que notre cerveau ne peut tout simplement pas traiter.

Cali Collins : Exactement. Je discute tout le temps avec Opti. Dans une jeune entreprise, l’équipe est réduite, et il est parfois utile de réfléchir à voix haute avec l’IA et de lui faire rebondir des idées. Opti sait sur quoi vous travaillez parce qu’il repose sur un graphe de contexte. Il sait ce que vous et les membres de votre équipe faites.

Galen Low : Peut-être pouvons-nous approfondir ce point. Pour beaucoup de personnes de ma communauté, l’IA est là. Disons-le simplement : l’IA est là. Elle s’impose parfois d’une certaine manière, comme si nous n’avions pas le choix de l’utiliser. Il existe aussi un aspect de type « grand frère », car plus la technologie dispose de contexte et plus elle en sait, mieux elle peut accomplir sa tâche et nous aider.

Les personnes qui nous écoutent pourraient se dire : « Cela semble vraiment inquiétant qu’Opti écoute tout et absorbe toutes ces informations. Est-ce une forme d’orwellisme ? » Dans le contexte décisionnel et la création de graphes de contexte, peut-on choisir ce que l’on partage avec l’IA afin qu’elle nous conseille mieux ? Est-ce tout ou rien ? Et si ce n’est pas tout ou rien, quelles informations devrions-nous fournir à l’IA, même sans lui donner accès à chaque touche saisie et à toutes les conversations que nous avons sur nos ordinateurs ?

Cali Collins : Lorsque nous avons commencé à construire Optimality, nous avons connecté mes courriels et mes discussions via des API. Nous avons commencé ainsi, puis nous avons rapidement compris que cette approche était inquiétante si nous voulions déployer la solution à grande échelle. Les gens veulent davantage de contrôle sur ce qu’ils partagent.

Cela nous ramène également à la gouvernance de l’IA. Vous ne voulez pas nécessairement qu’elle prenne vos informations, prenne des décisions et envoie des courriels à votre place. Si vous donnez à Opti — ou à l’IA — accès à votre gestionnaire de mots de passe, à l’envoi de courriels et à votre compte bancaire, vous ouvrez la porte à une multitude de problèmes.

Et si une information confidentielle est divulguée dans un courriel, la personne qui a lancé cet agent et déclaré : « Oui, tu peux faire cela » en est légalement responsable du point de vue de la gouvernance, même si elle n’a jamais vu le courriel avant son envoi. Il est donc essentiel de rester maître de ce que vous lui donnez et de ce que vous l’autorisez à faire.

C’est pourquoi nous avons mis en place un système qui vous permet de choisir : à la fin de cette réunion, voulez-vous intégrer la transcription ou non ? Vous pouvez choisir d’intégrer une conversation par courriel ou non. Cela vous permet également de mieux contrôler les informations pertinentes que vous lui fournissez. Lorsqu’elle est entraînée uniquement sur les contenus médiocres d’Internet, l’IA ne sait pas ce qui est fiable et ce qui ne l’est pas.

En conservant un ensemble de données propre et en lui fournissant uniquement des informations de qualité, vous augmentez aussi ses capacités. Nous maintenons par ailleurs un humain dans la boucle. Optimality peut générer des documents, rédiger des courriels et mettre à jour des statuts, mais une personne intervient toujours à la fin pour dire : « C’est bien ce que je veux qu’il fasse. »

Nous pensons qu’il doit exister une collaboration entre les êtres humains et l’IA. Si vous voulez travailler sur le marketing, vous mettez votre casquette de responsable marketing et vous disposez d’un assistant spécialisé en marketing qui vous guide, mais c’est toujours vous qui prenez les décisions.

Galen Low : J’aime beaucoup cette idée, et je pense que nombre de mes auditeurs l’apprécieront également. C’est encore une fois cette interaction entre la technologie et notre humanité. Je voudrais revenir plus tard sur l’idée de sélectionner ce que l’on partage avec le graphe de contexte, car elle est très intéressante concernant la manière dont les êtres humains prennent des décisions.

Mais avant cela, vous avez décrit un cas d’usage très pertinent. Comment l’IA et Optimality peuvent-ils nous aider à prendre de meilleures décisions ? J’aime l’idée d’avoir un partenaire de réflexion avec lequel discuter de notre marketing. Pouvez-vous nous expliquer étape par étape comment cela fonctionne, avec Optimality qui recueille des informations en arrière-plan, puis nous aide lorsque nous devons élaborer une campagne ou publier notre contenu hebdomadaire sur LinkedIn ? À quoi ressemble cette interaction et en quoi améliore-t-elle le travail par rapport à une situation où nous n’aurions pas d’IA derrière nous ?

Cali Collins : L’un des cas d’usage vers lesquels nous évoluons est celui d’un système d’exploitation d’entreprise reposant sur Optimality. Vous pouvez considérer Optimality comme une plateforme qui permet différents cas d’usage, un peu comme Excel. Excel permet de faire toutes sortes de choses, mais ne vous impose pas d’utiliser des formules pour créer un budget.

La plateforme rend cette capacité possible. Elle offre davantage de structure qu’Excel, tout en permettant de nombreux cas d’usage différents. L’un de ceux sur lesquels nous commençons actuellement à travailler est un système d’exploitation d’entreprise.

De nombreuses personnes essaient de lancer une activité parallèle, particulièrement à l’ère de l’IA, où il est possible de créer rapidement une application. Mais construire réellement sa propre entreprise est aujourd’hui beaucoup plus accessible. Il existe de nombreuses possibilités pour les entrepreneurs. Vous pouvez connaître parfaitement le type d’application que vous voulez créer sans rien savoir du marketing, des réseaux sociaux ou de l’élaboration d’un plan d’affaires. Vous pouvez aussi être excellent en marketing tout en manquant de connaissances en finance, fiscalité et autres domaines.

Nous cherchons donc à vous permettre d’utiliser Optimality pour lui parler de vos objectifs et de ce que vous souhaitez accomplir. La plateforme recueille ces informations, les documente, crée une stratégie et vous demande : « Est-ce bien ce que vous voulez faire ? » Vous échangez avec Opti, vous répondez : « Oui, c’est exactement ce que je veux. Enregistre-la », puis il établit automatiquement le plan nécessaire pour atteindre vos objectifs.

Vous pouvez modifier ce plan et faire ce que vous voulez, mais Optimality vous aide à structurer la création d’une entreprise. La création d’une entreprise n’est qu’un cas d’usage parmi d’autres. Il est également possible de gérer la construction d’une raffinerie, comme nous le faisons avec Chevron, par exemple.

À mesure que vous avancez dans les différentes étapes, le système peut vous demander : « Voulez-vous qu’Opti vous aide avec votre plan marketing ? Voulez-vous qu’Opti vous aide à développer du contenu ? Voulez-vous qu’Opti réalise toutes ces tâches que les agents peuvent effectuer ? » Vous travaillez côte à côte avec l’IA, ce qui rend ces possibilités accessibles.

Beaucoup de petites et moyennes entreprises sont dirigées par des personnes qui souhaitent lancer une activité parallèle. Elles sont curieuses vis-à-vis de l’IA, mais ne savent pas vraiment par où commencer. Nous cherchons à leur simplifier la tâche sans les obliger à ouvrir Claude, à comprendre comment exécuter des agents et à consommer un grand nombre de jetons. J’utilise moi-même beaucoup Claude et je l’apprécie, mais il faut du temps pour parvenir à ce résultat, et cela reste difficilement accessible à la plupart des gens.

Galen Low : C’est formidable. Merci pour toutes ces explications. Les barrières à l’entrée, notamment pour créer une entreprise, sont beaucoup plus faibles, même s’il existe aussi tout un battage médiatique autour de l’idée que l’on pourrait coder un produit et une plateforme complets en une journée. Non, ce n’est pas possible. Mais c’est probablement beaucoup plus facile qu’auparavant. Il existe donc un juste milieu.

Comme vous l’avez dit, Excel est un outil très généraliste, alors qu’Optimality structure davantage le travail et le guide. Si Claude était Excel, Optimality serait une solution plus spécialisée et mieux adaptée à certaines tâches qu’un simple agent conversationnel généraliste.

Certains auditeurs pourraient dire : « Je peux déjà faire cela dans Claude. Claude m’aide avec mon marketing, je lui pose simplement des questions. » Mais ce qui semble différent, c’est que le travail est réellement effectué dans Optimality. Il ne s’agit pas seulement d’aller chercher des conseils dans une conversation, d’exporter un document ailleurs, puis de devoir se rappeler la date d’échéance, publier le contenu ou prendre les décisions suivantes.

Est-ce bien le cas ? Le travail est-il réellement réalisé ? Optimality est-il non seulement une plateforme d’optimisation des décisions, mais aussi une plateforme de travail et de collaboration ?

Cali Collins : C’est absolument une plateforme de collaboration. C’est là que vous voyez sa véritable valeur. Après avoir aidé une personne qui souhaite créer une entreprise sans savoir exactement quoi faire à structurer son activité, le domaine suivant concerne les petites entreprises qui grandissent au point où il devient difficile de savoir précisément ce que fait chacun.

Si vous intégrez ces informations dans le système, que les personnes y collaborent et que vous indiquez qui travaille sur quel sujet, vous construisez en même temps votre graphe de contexte. Quelle est la vision de votre entreprise ? Quelle est sa mission ? Quels sont ses principes ? Tout cela devient une partie du cerveau d’Opti.

Lorsqu’il propose une stratégie marketing et différentes options, il s’appuie sur ce que vous lui avez indiqué. Il sait ce qui est important et ce qui a de la valeur pour vous. Construisez-vous une boutique de fleurs pour en faire la plus grande du monde et prendre le contrôle de toutes les autres, ou votre ambition est-elle de devenir la meilleure boutique de fleurs de votre petite ville parce que vous y avez trouvé une niche et que cette activité vous passionne ?

Le contexte permet de mieux formuler les recommandations. Vous pouvez demander à Claude de vous créer un plan marketing, mais il vous fournira quelque chose de générique. Il ne comprend pas tous les éléments et toutes les pièces mobiles de ce qui se passe au sein de votre système et de votre écosystème.

Galen Low : J’aime beaucoup cette idée. Vous avez mentionné qu’à mesure que l’entreprise grandit, la visibilité diminue parfois parce que nous ne construisons pas toujours ces systèmes dès le départ. Traditionnellement, nous commençons de manière assez improvisée, puis nous nous retrouvons avec quinze ou cinquante employés et nous ne savons plus ce qui se passe, ni même parfois le deuxième prénom de certains d’entre eux.

Nous devons aussi nous demander si nos processus fonctionnent toujours correctement et si les équipes agissent conformément à nos valeurs et à notre mission.

Je voudrais revenir à mon point de vue d’avocat du diable concernant les informations que nous choisissons de donner à l’IA — et peut-être aussi aux personnes — afin de nous aider à prendre des décisions. Avons-nous besoin de savoir qu’un collègue avait rendez-vous chez le dentiste vendredi dernier ? Peut-être n’ai-je pas besoin d’un accès complet à son calendrier.

Mais j’ai aussi été dans des salles où des décisions sont prises en partant du principe qu’il ne faut pas donner à tout le monde une vision complète, en masquant certaines informations ou en en laissant de côté. De nombreuses décisions sont prises de cette manière, parce que nous n’avons pas partagé certaines données.

D’un autre côté, si nous ne donnons pas à l’IA tout le contexte, ne limitons-nous pas ses capacités ? Il semble y avoir un équilibre à trouver entre lui fournir trop d’informations — au risque que certaines nuances humaines la perturbent — et la manipuler pour obtenir un résultat précis en omettant volontairement certains éléments.

Comment éviter que certaines personnes utilisent l’IA pour orienter les décisions dans une direction donnée ? Et existe-t-il des décisions qui nécessitent une nuance humaine et qui devraient être guidées davantage par des personnes, plutôt que d’appliquer systématiquement la même méthode à chaque décision ?

Cali Collins : En ce qui concerne les informations que l’on donne à l’IA, elle ne sait pas déterminer ce qui est important ou non. Si vous lui transmettez absolument tout sans préciser qu’une transcription provient d’un cadre dirigeant et que certains propos doivent primer sur d’autres, elle risque de mal hiérarchiser les informations.

Il faut lui fournir des garde-fous et ne pas simplement tout lui donner sans distinction, car elle ne sait pas toujours ce qui est important, ni pour qui, à moins que vous ne le lui indiquiez. Concernant les décisions prises par les personnes, nous voulons effectivement que l’humain prenne la décision finale.

Pouvons-nous prendre de meilleures décisions lorsque nous disposons des données nécessaires ? Oui, et nous en avons besoin. Lorsque je travaillais chez ExxonMobil, je construisais un centre d’excellence en gestion des connaissances ainsi qu’une plateforme native de l’IA consacrée à la gestion des connaissances et aux enseignements tirés.

Un cas d’usage important concernait un responsable produit ou un chef de projet en construction qui arrivait en disant : « J’ai participé à cinq projets. Chaque fois que nous avons fait cela, nous avons échoué. Nous ne devrions pas recommencer. » Peut-être que ces cinq projets étaient précisément les seuls cas d’échec, et que dans toutes les autres situations, cela avait fonctionné. Peut-être s’agissait-il des 2 % d’échecs.

Est-ce lié à cette personne ? Peut-être. Est-elle également présente sur ce projet ? Peut-être. C’est là que l’IA peut aider. Elle permet de réduire certains biais, mais l’expérience personnelle de cette personne reste importante. Elle sait peut-être quelque chose que les autres ignorent. Il existe une raison pour laquelle elle pense que cela ne fonctionnera pas.

Il ne faut pas lui répondre : « C’était seulement les 2 %, oubliez-les, votre opinion ne compte pas. » Le fait de savoir qu’il s’agit des 2 % permet à l’équipe de prendre une décision mieux informée qu’elle n’aurait normalement pu le faire.

Galen Low : J’aime beaucoup cette approche. Il ne s’agit pas de dire que quelqu’un a raison ou tort. Il y a quelque chose à apprendre, et nous pouvons éviter de prendre des décisions très générales à partir d’un échantillon d’une seule personne ou de cinq personnes issues d’une même source.

Mais il existe aussi des informations et des connaissances dont nous devons tenir compte. Si une situation s’est produite cinq fois, il doit y avoir quelque chose à examiner. Ce que j’aime dans ce cas d’usage, c’est qu’il peut intervenir avant comme après la décision. Nous pouvons rassembler toutes les informations disponibles avant de décider, ou simplement discuter entre humains puis demander à l’IA de vérifier les faits et d’appliquer une dose d’esprit critique afin d’améliorer la qualité de notre décision.

Cela nous aide à nous appuyer davantage sur les données et à ne pas écouter uniquement les voix les plus fortes de la pièce. Cela permet aussi d’éviter qu’un responsable de projet très expérimenté et très influent impose une décision qui pourrait entraîner des années de mauvaises décisions alors que les enjeux sont extrêmement élevés.

Cali Collins : Exactement. Certaines personnes sont très douées pour prendre des décisions rapides, tandis que d’autres ont besoin de temps pour réfléchir, examiner la situation et tout cartographier sur un tableau blanc. Nous ne prenons pas tous nos décisions de la même manière et nous ne sommes pas tous aussi performants dans chaque mode de décision. L’IA peut contribuer à rééquilibrer un peu les choses et à nous faire prendre conscience que nous ne sommes peut-être pas très bons pour prendre des décisions impulsives.

Galen Low : J’ai abordé cette discussion sous un angle tellement technologique que je n’ai même pas pensé à vous poser cette question : qu’avez-vous appris sur la prise de décision humaine en construisant ce produit ?

J’aime l’idée que certaines personnes soient douées pour prendre des décisions spontanées, que d’autres le soient moins, et que certaines personnes soient mauvaises dans ce domaine tout en pensant être bonnes. Pour les chefs de projet, nous avons parfois la responsabilité peu séduisante de faciliter les décisions plutôt que de toujours les prendre nous-mêmes.

Nous voulons que ces décisions soient de qualité, mais aussi qu’elles soient prises à temps. Nous devons composer avec des personnalités fortes, des parties prenantes et des sponsors exécutifs. Sans même parler de l’IA, quelles habitudes ou tactiques concrètes les chefs de projet peuvent-ils développer pour aider les personnes impliquées dans leurs projets à prendre de bonnes décisions sans sacrifier la rapidité ?

Cali Collins : Plusieurs aspects entrent en jeu. J’ai obtenu un diplôme de premier cycle en psychologie, puis un deuxième en gestion de la construction, car mon diplôme de psychologie ne me permettait pas vraiment de travailler dans ce domaine. J’ai ensuite obtenu un MBA. Cela m’a permis de croiser plusieurs perspectives.

Je suis également passionnée par les livres de développement personnel, aujourd’hui surtout sous forme de livres audio, ainsi que par les podcasts qui parlent de la psyché humaine, de nos pensées et de nos comportements.

Pour savoir si une décision était bonne ou mauvaise, il faut être capable de capturer les connaissances, le résultat obtenu et la raison pour laquelle la décision a été prise. L’IA pourra ensuite revenir sur cette décision et y réfléchir, car les gens ne prennent généralement pas le temps de le faire, surtout lorsque le résultat n’a pas été bon.

Nous examinons également la provenance de l’IA et la lignée des données : comment les données se déplacent-elles dans le système ? Chez Meta, j’ai construit une plateforme de traçabilité de l’IA afin de cartographier toutes les données d’entraînement des modèles d’IA de l’entreprise. Nous avons intégré une partie de cette logique dans Optimality.

Lorsqu’un document est généré, vous pouvez l’ouvrir et voir d’où vient chaque élément : « Ce paragraphe provient de ces transcriptions. Celui-ci provient de ce qu’une personne m’a indiqué. » L’IA ne veut pas être une boîte noire. Elle vous montre l’origine de ses résultats.

Cela peut être déstabilisant, car si elle intègre une décision que vous avez prise et que celle-ci ne fonctionne pas, elle sait que c’est vous qui l’avez prise. Mais nous ne pouvons pas améliorer nos décisions si nous ne savons pas ce qui les a causées ou si nous ne sommes pas conscients de nos erreurs. Nous devons accepter de changer pour progresser, faire preuve de vulnérabilité et comprendre comment nous améliorer. L’IA peut nous aider à faire émerger ces éléments, même si cela peut être inconfortable.

Galen Low : Lorsque je me demandais comment l’IA pouvait nous aider à prendre de meilleures décisions, je pensais immédiatement aux données. Mais le fait de pouvoir rétrospectivement examiner les décisions que nous prenons, d’en assurer la traçabilité et d’utiliser cette visibilité pour progresser est tout aussi important.

Nous ne disons pas que l’IA prendra un jour de meilleures décisions que les humains et que ces derniers n’auront plus à décider. La décision humaine devient au contraire de plus en plus importante. Nous avons parfois tendance à penser que les grands leaders sont ceux qui prennent toujours de bonnes décisions. Pourtant, comme nous l’avons dit au début, beaucoup ont simplement l’impression de se débrouiller au fur et à mesure et bénéficient d’un bon taux de réussite.

Cali Collins : De l’intuition.

Galen Low : Oui, de leur intuition. Même lorsqu’ils se sentent très incertains face à toutes les décisions qu’ils prennent, l’IA peut leur fournir un moyen de s’améliorer. Vous avez également évoqué la sécurité physique et la possibilité de faire une analyse rétrospective de certaines situations et d’en assurer la traçabilité.

Il ne s’agit pas de chercher quelqu’un à blâmer en retraçant une erreur dans le graphe de contexte, mais d’utiliser ces informations pour améliorer la manière dont nous prenons tous nos décisions. Aucun être humain ne prend toujours d’excellentes décisions ou ne comprend toujours pourquoi il a pris une décision donnée.

Cali Collins : Oui.

Galen Low : Je voudrais revenir à la gouvernance et à la responsabilité, car c’est un sujet important. Comme vous l’avez dit, aujourd’hui, c’est l’être humain qui sera responsable d’une bonne ou d’une mauvaise décision, même si l’IA a déclenché l’action.

Quelles précautions devons-nous mettre en place pour que l’IA évite les erreurs, renforce les bons comportements et améliore progressivement sa capacité à prendre des décisions ? Pourrait-on un jour atteindre un point où elle serait suffisamment fiable pour prendre des décisions et en être responsable ? À quoi ressemblerait cet avenir ?

Cali Collins : Beaucoup de travaux de recherche et de communication sont consacrés à cette question. Si nous considérons les grands modèles de langage, l’IA est une succession de décisions. Elle détermine quel sera le mot suivant le plus probable et le plus pertinent. Elle prend une série de décisions en fonction de ce pour quoi elle a été entraînée.

Vous pouvez commencer par lui demander de rédiger des courriels. Elle ne sera peut-être pas très bonne au début, mais elle s’améliorera progressivement. Pour certaines tâches présentant peu de risques, il est probablement acceptable de la laisser répondre à des demandes simples. Si vous vendez des t-shirts et qu’un client demande si un modèle existe dans une certaine taille, l’IA peut probablement vérifier l’information et lui répondre.

En revanche, vous ne voudrez peut-être pas qu’elle réponde à certains autres courriels. Il faut donc définir des garde-fous. Notre philosophie consiste à maintenir l’humain dans la boucle, puis à déléguer progressivement certaines tâches à faible risque à l’IA.

Je ne veux pas transférer ma responsabilité juridique et mes obligations fiduciaires à Optimality, qui pourrait accéder à mes courriels et répondre à quelqu’un en divulguant une information susceptible de nuire à l’entreprise. Ce n’est pas un risque que je suis prête à prendre. Je resterai dans la boucle et je laisserai l’IA m’aider à optimiser ma journée.

Galen Low : Nous avons des exemples en dehors de l’IA, notamment les dispositifs médicaux qui fournissent un diagnostic dans une certaine marge de tolérance. La question de savoir si le développeur du logiciel est responsable se pose également. Dans certains cas, l’entreprise qui fabrique le dispositif assume effectivement la responsabilité du diagnostic, mais ce n’est pas toujours le cas.

Cela nous ramène à l’humain dans la boucle. Nous pouvons aussi penser à la formation de jeunes coordinateurs de projet, à qui l’on donne des scénarios sans risque permettant d’apprendre et de s’améliorer. Répondre à un courriel concernant une taille de t-shirt, une échéance ou la clarté d’un livrable peut être acceptable, même si la réponse n’est pas parfaite et qu’aucune catastrophe ne se produit.

En revanche, il ne faut pas promettre une nouvelle date à un client sans me consulter. Il existe des niveaux de responsabilité. Je serais responsable si mon coordinateur de projet junior promettait quelque chose à un client ou à un sponsor sans vérifier, même si cela constitue aussi une occasion de formation. La logique est finalement assez similaire avec l’IA.

Cali Collins : Oui, c’est comparable à un stagiaire : vous êtes responsable des actions de ce stagiaire en fonction de ce que vous lui avez demandé de faire.

L’IA ne peut donc pas être responsable. Elle n’a pas de sens de la responsabilité. Vous ne pouvez pas la licencier ou la rétrograder parce qu’elle a pris une mauvaise décision. Mais un autre cas d’usage intéressant concerne la conformité contractuelle.

Vous pouvez entraîner l’IA en lui indiquant : « Voici mes exigences contractuelles et nos spécifications. Surveille ce que je fais et alerte-moi si je risque de violer mon contrat. » Elle ne le fait pas à votre place, mais surveille la situation pour vous aider à rester en sécurité, en conformité et dans un cadre de gouvernance approprié.

Galen Low : C’est un excellent cas d’usage. J’aime l’idée de fournir des retours afin que les modèles deviennent plus performants et plus capables. Ils n’atteindront peut-être pas encore le stade où ils pourront être responsables, mais nous pouvons identifier des moments d’apprentissage et exploiter ce que l’IA fait le mieux : traiter une quantité d’informations que je ne peux pas conserver simultanément dans ma tête, comme l’ensemble de nos accords de niveau de service.

J’aimerais terminer en parlant de l’avenir. La technologie de l’IA devient de plus en plus performante pour rassembler les informations, déterminer ce qui est important et ce qui ne l’est pas, et recommander des décisions. Quel sera le rôle du chef de projet si l’IA devient meilleure pour repérer les risques, faire émerger les dépendances et recommander des décisions ? Quel sera l’impact sur les rôles que nous exerçons en tant qu’êtres humains ?

Cali Collins : Le rôle du chef de projet deviendra encore plus important. Mon parcours dans l’estimation et le contrôle de projet m’a appris que mon travail consistait à rassembler les données et à les transmettre à un responsable senior afin qu’il puisse prendre des décisions.

Ce processus sera condensé. Cela ne signifie pas que les professionnels du contrôle de projet vont disparaître. Ils pourront plutôt quitter les tâches répétitives qui consistent à demander sans cesse : « As-tu terminé ceci aujourd’hui ? » Ils pourront consacrer leur temps à des activités plus utiles, analyser les données, mobiliser leur expertise, améliorer les choses et transmettre leurs conclusions au responsable produit.

Nous constatons déjà dans le secteur, notamment dans les logiciels, qu’il y avait autrefois huit à dix développeurs pour un responsable produit. Ce ratio diminue parce que les développeurs construisent plus efficacement. En revanche, il faut davantage de responsables produit et de chefs de projet, car ce sont eux qui orientent le travail et les décisions.

Les données sont disponibles plus rapidement et en plus grande quantité, avec de meilleures informations. Il faut donc davantage de personnes capables de prendre de grandes décisions à partir de ces informations. L’IA réduit les barrières à l’entrée pour créer ses propres outils, mais elle rend les rôles liés au produit, au projet et aux décisions stratégiques encore plus précieux.

Galen Low : Je trouve cela formidable. Je ne m’attendais pas à une réponse aussi optimiste, mais vous avez raison. La vitesse du travail augmente et, parfois, moins de personnes accomplissent davantage de tâches. Cependant, certains rôles — dans le produit, la gestion de projet et d’autres domaines — consistent à diriger, orienter et faciliter la prise de décision.

Si le travail s’accélère, nous aurons peut-être besoin de davantage de personnes dans ces fonctions. J’aime aussi le fait que les données ne passent pas directement de l’IA au décideur. Il faut toujours les comprendre, les analyser et les évaluer. Et comme vous l’avez dit, nous prenons encore nos décisions en en discutant.

Certains pourraient considérer cela comme un défaut humain, mais c’est notre manière d’être. Nous ne voulons pas qu’une machine nous dise comment prendre une décision. Nous voulons qu’il y ait un élément humain, un aspect persuasif, une vérification et une conversation qui nous donnent confiance dans le fait d’être arrivés à une bonne décision. L’IA ne remplace pas ce rôle : elle le renforce.

Cali Collins : Absolument.

Galen Low : Cali, cette conversation a été passionnante. Merci d’avoir pris le temps d’être avec moi aujourd’hui. Où les auditeurs peuvent-ils en apprendre davantage sur vous et sur Optimality ?

Cali Collins : Nous sommes bien sûr présents sur LinkedIn, tout comme moi. Le site est optimalitypro.com. Vous pouvez désormais vous inscrire directement à un essai gratuit de quatorze jours d’Optimality ou découvrir ce que nous faisons.

Nous maintenons la plateforme active et constamment mise à jour. À mesure que nous développerons de nouveaux cas d’usage verticaux, nous publierons également la documentation correspondante. Vous pourrez donc les découvrir sur optimalitypro.com.

Galen Low : Excellent. J’ajouterai les liens vers votre profil et le site d’Optimality dans les notes de l’émission. Merci encore d’avoir participé. Votre parcours est vraiment intéressant. Je ne connaissais pas votre formation en psychologie. Cette conversation était passionnante et très instructive.

Les décisions font tourner le monde. Maintenant, l’IA intervient dans l’équation, mais les êtres humains y sont toujours présents. Quelle époque pour être en vie !

Cali Collins : Exactement. C’est une période passionnante.

Galen Low : Merci beaucoup, Cali.

Cali Collins : Merci.

Galen Low : Très bien, tout le monde. C’est tout pour l’épisode d’aujourd’hui du podcast du Digital Project Manager. Si vous avez apprécié cette conversation, pensez à vous abonner sur la plateforme que vous utilisez pour nous écouter. Et si vous voulez encore plus d’informations pratiques, d’études de cas et de guides opérationnels, créez un compte gratuit sur thedigitalprojectmanager.com. À la prochaine, merci de nous avoir écoutés.