Pourquoi les personnes intelligentes obtiennent des résultats génériques avec l’IA

Galen Low : Il faut être honnête, on en a tous assez de passer en revue des livrables, des rapports et des comptes-rendus qui portent tous la marque générique de l’IA. Il est facile de blâmer la technologie et d’en rester là, mais il y a autre chose en jeu. La plupart des gens obtiennent des résultats génériques avec l’IA parce qu’ils posent des questions génériques. Et s’ils posent des questions génériques, c’est bien souvent parce qu’ils ne comprennent pas vraiment le fonctionnement de la technologie, n’ont pas la confiance nécessaire pour challenger l’IA, ou se sentent imposteurs face à leurs collègues, parfois tout cela à la fois.

La conséquence, c’est que beaucoup perdent justement les compétences dont nous avons le plus besoin aujourd’hui : la curiosité et la pensée critique. Pour changer cela dans nos équipes, j’ai invité un expert et formateur en IA qui s’est donné pour mission d’élever collectivement le niveau, pour que le syndrome de l’imposteur, les prompts fades et les sorties d’IA sans originalité disparaissent, et que ce qui rend l’humain unique reprenne le dessus. J’espère que cet épisode vous plaira.

Bienvenue sur le podcast Digital Project Manager—l’émission qui aide les leaders de la livraison à travailler plus intelligemment, livrer plus sereinement et guider leurs équipes avec assurance à l’ère de l’IA. Je suis Galen, et chaque semaine nous décortiquons des stratégies concrètes, les tendances émergentes, des cadres éprouvés et parfois des histoires de guerre du front des projets. Que vous pilotiez d’immenses projets de transformation, tentiez dompter des workflows pilotés par IA, ou que vous essayiez simplement de limiter le chaos, vous êtes au bon endroit. C’est parti.

Aujourd’hui, nous allons parler de la manière dont le syndrome de l’imposteur autour de l’IA peut freiner nos équipes, parfois de façon subtile, parfois moins. Et nous verrons quelles actions concrètes peuvent les aider à trouver l’équilibre entre une saine curiosité et la capacité à interroger stratégiquement les résultats générés par leurs outils d’IA.

Nous allons passer en revue un cadre pratique pour aider nos équipes à poser de meilleures questions et à évaluer les réponses de façon critique, et quel impact cela peut avoir sur la stratégie d’IA globale d’une entreprise. Nous parlerons aussi de l’attrition des compétences et de comment maintenir nos équipes en phase avec l’évolution du monde.

Avec moi aujourd’hui, Mashhood Ahmed, Directeur de projets en conseil chez M1 Consultants. Mashhood aide les entreprises à concevoir et déployer des programmes d’acculturation à l’IA générative qui créent un impact concret. À l’aide d’un cadre d’adoption de l’IA générative en quatre niveaux couvrant la culture générale d’IA, les workflows départementaux, l’automatisation agentique et les programmes de formation, Mashhood fait avancer les équipes dans une démarche où l’ingéniosité humaine reste au cœur de l’IA.

Pour cela, Mashhood met à profit ses plus de 20 ans d’expérience en management de programmes, de projets et de conduite du changement. Pour lui, l’IA ne se limite pas à des outils. Il s’agit d’intégrer l’IA dans la réalité de la production du travail.

Mashhood, merci beaucoup d’être avec moi aujourd’hui.

Mashhood Ahmed : Merci beaucoup. Merci pour l’invitation.

Galen Low : Je suis ravi d’entrer dans le sujet.

J’ai suivi plusieurs de vos interventions sur ce thème, et j’ai trouvé que votre approche est extrêmement équilibrée ; elle a vraiment résonné chez moi, notamment votre vision sur la façon d’aborder l’IA, tant pour sa mise en œuvre que son infusion concrète dans notre travail. C’est d’un pragmatisme rare, et j’ai hâte d’approfondir avec vous aujourd’hui.

Vous avez d’ailleurs collaboré plusieurs fois avec nous au Digital Project Manager. Votre message trouve toujours un écho. Je me suis donc dit qu’on pouvait commencer avec une grande question, puis laisser la discussion évoluer librement. J’aimerais aborder ce que signifie avoir un état d’esprit curieux face à l’IA et pourquoi c’est essentiel, voir comment encourager nos équipes à équilibrer cette curiosité par une interrogation stratégique des réponses issues de l’IA, et ce qui est en jeu pour l’avenir si nos équipes se contentent de questions superficielles et acceptent les sorties génériques d’IA sans les remettre en question.

Alors, ça vous convient ?

Mashhood Ahmed : Ça me va parfaitement.

Galen Low : Parfait, allons-y. Je commence par une question large, car vous intervenez dans de nombreuses organisations pour les aider à devenir fluides avec l’IA et à l’intégrer à leur quotidien.

Mais je vous ai entendu évoquer le fait que beaucoup se contentent de poser des questions génériques à l’IA et en acceptent les réponses telles quelles. Si vous deviez estimer, quel pourcentage des professionnels utilisant l’IA n’obtiennent que des résultats moyens et pensent que c’est le maximum possible ?

Mashhood Ahmed : C’est une excellente question. Combien de personnes l’utilisent de façon générique et obtiennent des réponses génériques ? À mon avis, environ 40 à 50 % des utilisateurs sont dans ce cas. Et je propose un petit test à votre audience pour illustrer ce qu’est une réponse générique produite par l’IA. La plupart d’entre nous avons déjà joué avec des dés.

Essayez ceci : j’ai mené l’expérience avec des centaines de participants, aussi bien en grande qu’en petite salle, le résultat est toujours similaire, avec quelques variations. Ouvrez Copilot dans un onglet, ChatGPT dans un autre, Gemini ailleurs, puis un autre outil si possible.

Essayez sur quatre ou cinq plateformes. Généralement lors d’un atelier, je le fais avec un seul outil, mais là, testez par vous-même. Posez une question simple à chaque IA : « Lance un dé à six faces pour moi. » La plupart du temps, l’IA va répondre « 4 ».

Comme je l’ai dit, je l’ai testé devant des centaines de personnes : dans 85 à 90 % des cas, la réponse est 4. Parfois, certains ont une réponse différente. J’ai eu ce retour sur ChatGPT, Gemini, Claude, Groq, Perplexity et d’autres. Tous font la même erreur.

Quand vous demandez à l’IA de lancer un dé, elle ne sait pas vraiment ce que cela implique. Les statisticiens et mathématiciens ont enseigné aux modèles d’IA que pour effectuer ce type de requête, on prend les six options, on fait la moyenne, on arrondit, et on donne la réponse médiane.

Donc la moyenne de 1 à 6, c’est 3,5 ; on arrondit à 4. Voilà pourquoi dans 80 à 90 % des cas, c’est la réponse obtenue. Maintenant, poussez l’expérience : tapez à présent « Lance un dé à six faces pour moi en veillant que chaque face ait une probabilité égale », ou bien apportez d’autres précisions (« Favorise le chiffre le plus haut ou le plus bas », etc.).

J’ai vu des prompts très variés, je les collecte parfois. Dès lors, la réponse devient plus équilibrée car vous explicitez le besoin d’un tirage aléatoire. Ce qui démontre bien que lorsqu’on pose à l’IA une question générique, la réponse sera « 4 » huit à neuf fois sur dix.

La raison ? L’IA ne comprend pas le contexte. Elle ne connaît ni votre projet, ni votre jugement, ni vos intentions, comme un humain le ferait. Voilà pourquoi il est crucial d’ajouter du contexte et des contraintes dans vos prompts, pour obtenir un résultat pertinent.

Galen Low : J’adore cette illustration. D’ailleurs, j’ai ouvert plusieurs LLMs à l’instant, et vous avez raison : trois onglets, deux « 4 », un « 6 ». Je n’ai pas encore testé la version précisée, mais c’est très parlant. Bien sûr, ni vous ni moi n’avons mené d’étude profonde ou n’avons la formation de statisticiens à ce propos.

Mais ce 40–50 %, cette fourchette me semble juste. Beaucoup utilisent encore l’IA comme un moteur de recherche, avec des requêtes de quatre ou cinq mots, ce qui n’est pas forcément inefficace dans certains cas. Mais pour la complexité de nos projets, des équipes, et la masse de connaissances qu’on possède nous-mêmes, bien au-delà des données sur lesquelles le LLM s’est entraîné... tout ce qui n’est pas dit à l’IA, elle ne peut pas le deviner.

Sans cela, on récupère du générique. Ce que j’aime et déteste à la fois avec l’IA générative aujourd’hui, c’est à quel point cela paraît convaincant. Les gens publient cela, rien de nouveau ; mais ça a l’air si léché, si convaincant, que l’on s’y fie.

On se dit : « C’est bon, je valide ». C’est mieux présenté que ce que j’aurais fait, alors je m’en contente. On va aborder les raisons de ce phénomène. Mais aussi, peu importe la qualité intrinsèque, c’est présenté de façon très crédible même quand c’est moyen.

Mashhood Ahmed : Oui. J’utilise un truc : le « persona switching ». L’idée : une fois votre rapport ou document prêt, vous ajoutez un prompt de changement de perspective, du style : « Lis ce document comme si tu étais telle personne, favorable ou non à ce projet », en précisant le contexte du personnage.

Observez alors la réponse. Vous pouvez décider de modifier votre document ou préparer les réponses à d’éventuelles questions, s’il devait y avoir des objections lors d’une prochaine réunion ou présentation devant un large public ou le comité de direction.

C’est très utile car dans la gestion de projet, on est vite submergé par le bruit environnant. On peut exploiter l’IA pour changer de perspective. Par exemple : adopter celle du DAF, pas convaincu de dépenser 1,4 million pour sauver ce projet – un autre contexte.

Et parfois, on n’y pense même pas en tant que chef de projet, pris par le quotidien. Si l’IA peut automatiser certaines tâches, cela permet au chef de projet de se concentrer sur ces compétences de pensée critique, et de poser les bonnes questions, ce que j’appelle un état d’esprit curieux — nous y reviendrons tout à l’heure.

Galen Low : Top, creusons ce point. Ce que j’aime, c’est que ce n’est pas l’IA qui fait le boulot à votre place, elle vous aide à développer l’empathie vis-à-vis des parties prenantes, à anticiper leurs réactions.

Souvent, se faire surprendre, c’est le résultat d’un manque d’anticipation du raisonnement d’autrui.

On y vient, mais d’abord, j’aimerais prendre du recul. Vous utilisez le terme « syndrome de l’imposteur » dans vos interventions ; pour ceux qui ne connaissent pas, il s’agit du sentiment, même chez des professionnels expérimentés, de ne pas mériter son succès, d’avoir dupé son entourage.

Avec l’IA, ce phénomène prend une autre tournure : je vous laisse expliquer pourquoi l’IA déclenche ce sentiment, et en quoi cela impacte notre approche.

Mashhood Ahmed : Plusieurs causes expliquent le syndrome de l’imposteur, ce sentiment de ne pas être à la hauteur ou de ne pas tout comprendre alors que « tout le monde » y arrive. D’abord, l’IA est invisible. On est habitués à l’enchaînement « input – process – output », à comprendre les workflows métier. Or, en IA, le fonctionnement varie selon le contexte et le prompt que vous fournissez.

C’est comme une boîte noire, ce qui déstabilise parfois, moi y compris : en démonstration live, il m’est arrivé que l’IA ne réponde pas comme prévu (3 fois sur 10). Ce côté opaque met mal à l’aise.

Ensuite, sur LinkedIn et les réseaux, on a l’impression que tout le monde maîtrise le sujet alors que, dans la réalité, peu de gens l’exploitent vraiment bien. Moi-même, je continue à apprendre !

En tant que chef de projet ou manager PMO, on est habitué à tout contrôler : les risques, incidents, fournisseurs… On possède l’historique. Mais ici, tout est invisible, ce qui nourrit l’inconfort et le syndrome de l’imposteur, car on perd la maîtrise.

L’être humain aime garder la main… C’est dans notre nature ! Mais quand la « main » passe à la machine, ça nous effraie.

C’est là que le syndrome de l’imposteur s’active : on ne sait pas à quoi s’attendre, on doit tout revérifier, ce qui parasite la valeur ajoutée initiale et génère du bruit. D’où l’importance de nos prochaines thématiques : qualité des questions, bruit, etc.

Galen Low : C’est passionnant, car il y a deux dimensions. D’abord, la définition populaire du syndrome de l’imposteur : se sentir comme un imposteur parce que les autres semblent meilleurs. Les fils LinkedIn sont le pire endroit pour prendre confiance en IA ! « Les 7 erreurs à éviter dans vos prompts » ; « Pourquoi votre agent échoue ». La spirale : « Je fais n’importe quoi, je suis nul. » Ensuite, comme vous l’avez dit, difficile de critiquer en face une sortie IA : cela a l’air abouti, presque fini. Donner du feedback alors qu’il ne reste qu’un jour de délai, c’est relancer la machine et tout reconstruire.

Dans le cas de l’IA : c’est une boîte noire, ça paraît prêt, et on doute de sa légitimité : « L’IA doit être plus intelligente que moi — que pourrais-je lui apprendre puisque, elle, a assimilé tout Internet, toute l’histoire humaine depuis l’ère de l’information ? » Et pourtant, sa faiblesse est justement le manque de contexte. Elle ignore vos réunions, les hostilités de certains acteurs, vos risques. Il y a tant d’éléments dans votre tête que l’IA ignore : voilà pourquoi ce partenariat est fondamental.

Mashhood Ahmed : Il y a un vieux dicton qui dit : « Le diable est dans les détails ». Un livrable a beau sembler achevé, c’est dans le détail que ça se joue. Par exemple, lors d’une gestion de projet, vous pouvez disposer d’une transcription de réunion. Mais vous savez, en tant que PM, que tel acteur pourtant d’accord ne l’est qu’en apparence, ou que tel directeur va signer le PV ou le go live mais n’accompagnera pas vraiment le projet. Parfois, il s’agit d’un « analyste » dont il faut obtenir l’adhésion, pas uniquement celle du directeur. Cela relève de l’expérience, de la pensée critique.

Nous expliquerons pourquoi la pensée critique est, à mon avis, plus essentielle que jamais : comprendre la politique, les individus, les dynamiques. Ce qui marche dans une organisation ne marche pas forcément ailleurs. On a le PMO, les modèles, le PMI… mais aucun projet ne colle à une seule méthodologie — jamais… Car la spécificité prime toujours, d’où l’importance de l’humain : « Est-ce pertinent ici ? Je connais mes parties prenantes, mon sponsor, mon équipe, mes propres risques (restés parfois dissimulés en ligne 14/15 du registre), ceux qui peuvent tout bouleverser. » Tout cela relève de l’intelligence humaine.

Galen Low : J’adore cette remarque. Et c’est important de le rappeler, surtout si vous encadrez des PM, métier déjà politique et complexe, déjà sujet au syndrome de l’imposteur. Nombreux sont ceux qui ont atterri « par hasard » dans cette fonction, n’appliquent pas la théorie au pied de la lettre, improvisent parfois — et en tirent de la culpabilité. Mais justement, c’est là votre valeur ajoutée : le contexte, votre expertise — et l’IA n’est qu’un allié pour amplifier votre savoir et votre productivité. Cela nous amène justement à la relation yin/yang entre curiosité et interrogation stratégique. Vous l’avez bien formulé : c’est la clé d’un bon usage de l’IA.

Pour commencer, la curiosité : qu’est-ce que cela signifie pour vous d’avoir ce « mindset » curieux ? Et quel est l’enjeu vis-à-vis de l’IA ?

Mashhood Ahmed : On disait autrefois : « L’information est le pouvoir, ceux qui détiennent les données iront le plus loin. »

Je pense aujourd’hui que c’est l’inverse. Trop de données ou de savoir peut devenir un handicap — il faut de la pertinence. Je peux trouver des quantités de données sur tout sur Internet, générées via l’IA générative. Or, ce qui compte, c’est ce qui est utile. Beaucoup de bruit : un prompt de trois lignes donne cinq pages à lire et à disséquer. Prendre du recul pour identifier ce qui importe, c’est cela le défi. Comprendre que le bruit, c’est de l’entrée.

L’interrogation stratégique, selon moi, c’est la question clé à poser à l’IA pour qu’elle m’aide vraiment. Pourquoi est-ce important ? Car à défaut, l’IA donne raison à l’utilisateur : une réponse « oui ». Il faut faire du « persona switching » : « Que penserait telle personne dans ce contexte ? » Envisager des scénarios « Et si... ». Pousser l’IA nécessite de l’énergie cognitive : après deux ou trois heures de travail avec une IA générative, je suis épuisé, littéralement ! Mon cerveau sature, il faut faire une pause. Mais continuer de questionner car sans la bonne question, on obtient des réponses superficielles.

Autre aspect : en tant que PM, on a traité avec des DSI, DAF, DG, VPs… Les leaders qui progressent sont ceux qui savent poser la question vraiment intéressante qui va droit au but. Bien y répondre crée une relation de confiance. Sinon, on n’est jamais le PM préféré ! Ces dirigeants avancent car ils posent la bonne question au bon moment.

Et c’est encore plus critique aujourd’hui, car si les agents IA sont bien configurés, ils peuvent en faire beaucoup en arrière-plan. Mais la question, le contexte, le moment… cela reste du ressort de l’humain.

Lire un rapport, c’est bien, mais qu’en faire ? Changer quelque chose ou non ? Dans tous les cas, il faut savoir quels sont les points cruciaux à aborder. Je vous invite à faire un stop pour réfléchir : « Quelles questions essentielles devrais-je poser lors de ma prochaine réunion ? » Si la réponse est « aucune », annulez simplement la réunion : les gens détestent les réunions inutiles !

Galen Low : J’aime beaucoup ce point. Et si on le mettait en pratique à travers un scénario ? Envisageons qu’on a une session de 30 à 45 min avec un LLM pour poser les bonnes questions : à quoi pourrait ressembler ce processus ?

Mashhood Ahmed : Par exemple, je démarre un nouveau projet. Je donne accès à mes documents à l’IA — par exemple via Copilot dans Office. Beaucoup d’entreprises l’ont déployé sans en exploiter tout le potentiel. Soyez celui ou celle de votre équipe qui le fait.

Partagez vos documents en indiquant bien « seulement ceux-ci ». Ensuite, demandez-lui : « Qu’est-ce qui manque ? Quelles sont les incohérences ? Qu’est-ce qu’une autre personne pourrait relever ? » — par exemple, via le persona switching.

Vous demandez un budget supplémentaire : « Quelles questions le DAF va-t-il poser ? » Le DAF se fiche que le projet soit dans les temps : il veut savoir si le budget est respecté. Le business owner s’intéresse à la mise en production dans les temps, le DSI à l’intégration et la sécurité des données. Chacun voit midi à sa porte : le persona switching est crucial.

Sur du contenu, demandez à l’IA de pointer les incohérences, les redites inutiles… Puis demandez-lui : « Aide-moi étape par étape ». Une technique efficace : on lui demande de nous interviewer, de poser des questions de clarification une à une. Pourquoi ? Parce que les hallucinations IA sont dues au manque de contexte : elle comble les blancs par des hypothèses, parfois fausses, et produit alors des résultats à côté de la plaque. Réfléchissez à l’IA comme un stagiaire très brillant mais qui commet des erreurs d’apprenti. D’où : « Pose-moi tes questions de clarification une par une » (insister sur « une par une »), pour qu’elle n’assume rien sans vous consulter.

Autre bonne pratique : fixer les contraintes (« guardrails »). L’être humain sait ce qu’il faut faire, mais a du mal à lister ce qu’il ne faut pas faire ! Pourtant il est essentiel, à l’ère de l’IA, de fixer une « liste à ne pas faire » à intégrer dans les prompts ou les agents, pour éviter que l’IA n’enfreigne ces consignes. D’où l’importance du « constraint stacking » : « Donne-moi la réponse en trois puces », « Organise le résultat en tableau de cinq colonnes », « Limite la réponse à 50, 200 ou 1 000 mots », etc. Je préfère souvent de petites réponses, puis je construis progressivement.

Sous Copilot, il existe une fonction « autoriser la modification ». Soyez précis si vous demandez à Copilot d’éditer un document. N’accordez pas un « chèque en blanc » : il faut toujours vérifier. Rappelez-vous, c’est votre nom qui apparaîtra sur le rapport ! Quand une sortie IA affiche « Générée par IA, vérifiez l’exactitude », ce type de disclaimer ne passe pas sur un livrable signé Mashhood Ahmed, par exemple ! Le contrôle reste humain.

On ne pourra jamais se passer de l’humain dans la boucle, même avec l’IA agentique. Il faut des étapes de validation, des points de contrôle, pour garantir la qualité à toutes les étapes.

Galen Low : Excellent ! Passons à l’interrogation stratégique. Mais d’abord, j’aime cette idée : la curiosité et les bonnes questions sont un processus d’apprentissage. Souvent, on cherche à faire vite, croyant que l’IA doit tout accélérer — or ce temps d’exploration, d’apprentissage, est justement précieux.

Parfois, c’est aussi savoir pointer ce qui manque : ne pas seulement critiquer l’existant, mais relever les angles morts. Les humains sont plutôt mauvais pour voir ce qui n’est pas là. Résultat : on comble les vides par défaut, ou on se perd dans les détails pour « ajouter de la valeur » — alors qu’il vaudrait mieux prendre du recul, définir les contraintes… j’aime beaucoup votre approche « construction séquentielle » avec l’IA.

Dernière question avant la suite ; partagez-vous avec votre LLM ces subtilités humaines (telle personne dit oui mais en réalité…) ?

Mashhood Ahmed : Tout à fait. Lors de la préparation PMP, on aborde la matrice d’influence. Je conseille à tous de créer pour chaque projet les personas détaillés de chaque partie prenante. Vous pouvez développer un agent qui lit toutes vos transcriptions et qui résume ce qu’on sait sur telle personne. Vous pouvez alors valider ou corriger ces informations. L’IA gagnera en contexte et la démarche de persona switching deviendra plus efficace : « Voici mon sponsor — lis la transcription et déduis son profil psychologique ». J’ai même envisagé de faire du « DISC profiling » (John Maxwell) sur les parties prenantes via l’IA, et cela s’affine avec le temps.

Galen Low : J’adore. L’essentiel c’est de donner le contexte à l’IA pour qu’elle analyse, mais aussi de déléguer une partie de la lecture purement utilitaire à l’IA. Comme ça, elle peut mieux alimenter vos décisions et, indirectement, influencer vos recommandations. C’est un bon tremplin vers la partie sur l’interrogation stratégique.

On y a déjà un peu touché : à la fin, c’est l’humain qui doit assumer. Vous ne pouvez pas dire « Si le travail comporte des erreurs c’est que l’IA s’est trompée, mais continuez à me payer ». En pratique, ça ne marche pas…

Qu’entendez-vous par « être stratégique » dans l’interrogation des sorties IA, et en quoi cela équilibre-t-il la curiosité ?

Mashhood Ahmed : C’est très lié. Être stratégique, c’est se concentrer sur l’essentiel et éliminer le superflu. Dans tout document stratégique, on retrouve souvent 3 à 5 points clés — notre mémoire ne permet pas d’en retenir plus.

Il faut donc cerner ce qui importe ou non dans un contexte donné. Cela fait la différence : l’IA réalise les tâches lourdes, mais vous, vous choisissez ce qui mérite d’être présenté, stocké dans la base de connaissances, ajouté à votre analyse de parties prenantes, ou ce qui vous faut préparer car telle question va sûrement surgir en réunion. Là réside la balance entre interrogation stratégique et curiosité : les bonnes questions au bon moment, ce qu’il faut/doit présenter au board. L’IA n’est pas là pour défendre le dossier devant la direction, c’est vous le pilote.

D’où l’importance capitale de la maîtrise du questionnement stratégique et de la pertinence — car l’IA peut (techniquement) tout faire, mais c’est à vous de cibler ce dont vous avez besoin pour chaque projet, chaque instant.

Galen Low : C’est frappant, car cette logique s’applique à la relation manager–collaborateur au moins autant qu’à l’IA ! Je remarque qu’on soigne parfois plus nos prompts que nos briefings humains, alors qu’on devrait briefer aussi bien une personne qu’un agent IA : expliquer le contexte, la politique, les priorités. Vous aidez nombre d’organisations à progresser sur ce chemin, à développer leur capacité de questionnement et de remise en cause constructive. Du coup, donnez-vous ce feedback à vos LLMs, ou bien vous contentez-vous de faire le tri vous-même sans les « entraîner » davantage ? Et comment amenez-vous les gens de la posture passive à l’état d’esprit curieux et interrogateur ?

Mashhood Ahmed : Pour la première question : oui, il est important de donner du feedback à vos IA génératives. Informez-vous sur « prompt système », « instructions personnalisées », « mémoire » : selon les IA (Outlook, Copilot, ChatGPT, Claude…), renseignez ces paramètres pour ajouter contexte et règles (« Si telle condition, alors fais… »). Mais attention, malgré toutes ces précautions, l’IA commettra encore des erreurs : il faut toujours garder l’œil.

C’est une compétence à renforcer : l’œil avisé pour détecter les problèmes. Pour la seconde question sur ceux qui sont hésitants, c’est fréquent — comme lors de l'arrivée d’Internet il y a 25–30 ans, certains disaient « Je sais déjà tout gérer dans mon entrepôt »… jusqu’à l’arrivée des bases de données en ligne ! On ne se pose même plus la question aujourd’hui.

L’autre interrogation : « Est-ce que l’IA va menacer mon emploi ? » Oui… et non. Personne n’a de réponse ferme, cela dépend du contexte. Mais l’histoire prouve que nos métiers évoluent, que de nouveaux métiers apparaissent. Qui parlait d’« ingénieur cloud » il y a 25 ans ? Personne. J’ai conduit un projet de data center il y a 15 ans, aujourd’hui c’est réglé en quelques heures/demande sur AWS ou Azure. Leçon : les projets évoluent, il faut s’y préparer, être en veille sur ses propres angles morts… et ceux de l’outil. Les modèles IA changent sans cesse, certains deviennent meilleurs, d’autres moins. À nous de développer l’œil QA, car il y a beaucoup de bruit — un prompt de cinq lignes donne sept pages à relire… On peut vite y perdre sa journée. Cela reste fondamentalement un travail d’humain, qui connaît la complexité de la nature humaine et de l’organisation, la diversité des stratégies, etc. Les frictions interpersonnelles prendront toujours une place centrale et nécessiteront une approche adaptée.

Galen Low : Super ! Pour illustrer le tout, pouvez-vous partager une histoire — comment détectez-vous que des équipes travaillent de façon trop générique avec l’IA, et comment les faites-vous progresser vers plus de questionnement et d’esprit critique ? Quels sont les symptômes et les bénéfices une fois le bond réalisé ?

Mashhood Ahmed : Je commence souvent par des démonstrations simples. Comme l’expérience du dé : tout le monde peut la réaliser, et on voit vite l’impact. Certains disent « tu as piraté le système » — non, c’est juste de la statistique. Montrer que l’IA fonctionne par patterns.

Pour faire progresser une équipe, il faut identifier les « champions IA » internes qui sont déjà moteurs, les inclure pour animer des ateliers, déjeuners thématiques, etc. Démarrez toujours par du simple. Actuellement, dans une mission d’acculturation IA auprès d’une université américaine, on se concentre sur les bases (prompts, manipulations élémentaires). Après deux heures, 70 % des participants témoignent d’une progression en confiance (on passe de 19 à 70+ %). 90 % recommandent la formation à un collègue. Il faut partir du niveau de chacun — pensez à Suzy des RH, pas geek, ou à Dan aux achats, peu technique mais excellent sur les relations fournisseurs. Pas de cas compliqué au départ, chaque mois une nouvelle astuce, et surtout du feedback. Un simple sondage « Comment vous sentez-vous à l’issue de la session ? Qu’aimeriez-vous apprendre la prochaine fois ? »

Côté technique, il est pertinent de suivre l’usage de Copilot (tokens, coûts, etc.), car si l’adoption explose, attention aux budgets !

Galen Low : Exactement.

Mashhood Ahmed : Tenez aussi compte du contexte — gouvernance, politique, etc. Il y a de nombreuses polémiques dues au manque de garde-fous (par exemple, le chatbot d’Air Canada qui accorde une remise de deuil non prévue, forçant la compagnie à honorer la capture d’écran). Il manquait règles et politique appropriées. Toujours anticiper ce qui peut mal tourner et progresser progressivement — chaque équipe, chaque organisation a ses spécificités.

Galen Low : Ce cheminement vers l’équilibre est marquant. J’aime aussi l’approche par le collectif : plutôt que de cultiver l’individualisme et l’angoisse via LinkedIn, réunissez tout le monde, faites apprendre ensemble, partagez — cela fait chuter le syndrome de l’imposteur. Le « strategic interrogation » et la curiosité, c’est aussi un travail sur soi, qui prend du temps mais booste la confiance. Cela permet de ne plus poser de questions superficielles, ni d’accepter sans recul une sortie IA bien présentée. La qualité l’emporte, on peut signer de son nom, parce qu’on apporte une vraie valeur ajoutée, consciente que l’IA a ses limites. Certains pensent avoir affaire à un tour de magie ou bien croient que l’IA peut tout faire, mais la réalité c’est que les humains et l’IA ont chacun leurs points forts/faibles — il faut trouver l’équilibre entre les deux.

Mashhood Ahmed : Cela me rappelle un de mes discours à propos de l’importance de « désapprendre » et de « réapprendre ». En Lean Six Sigma ou dans d’autres disciplines, on évoque l’inertie (« status quo »), la tendance à continuer « comme on a toujours fait ». Mais ce n’est pas forcément le plus efficace. Or, le vrai défi, c’est de désapprendre, accepter que ce qui m’a aidé il y a 10 ou 15 ans ne me servira plus aujourd’hui. Fixez une stratégie de développement de vos nouvelles compétences, gardez l’ouverture d’esprit — certains seront plus enclins, d’autres non (mon père, architecte, a refusé de passer à AutoCAD, préférant déléguer — cela fonctionnait alors, pas forcément aujourd’hui). L’essentiel est de savoir ce qu’il faut désapprendre et apprendre. C’est difficile, mais il existe maints ouvrages sur la création de nouvelles habitudes.

Galen Low : J’aime beaucoup cette idée : il s’agit parfois d’espace négatif — ce qui manque, ce qui n’a pas été demandé, ce qu’on suppose au lieu de savoir. Désapprendre pour mieux apprendre ailleurs. Vous l’avez bien montré, la pensée critique est justement au cœur des débats sur l’attrition des compétences. Ce n’est pas parce que l’IA donne des réponses qu’on peut faire l’économie de la curiosité ou de l’apprentissage — au contraire, c’est l’occasion d’apprendre plus, de s’élever à ce niveau de leader aux yeux aiguisés, capable de tout remettre en question avant de signer, que ce soit en architecture, gestion de projet ou n’importe quel métier. On reste responsable des décisions prises — il s’agit de développer l’œil du leader, pas de fuir l’apprentissage derrière l’IA.

Mashhood Ahmed : Un dernier point tiré d’un échange sur la gestion des risques IA : la surdépendance à l’IA nuit à notre capacité de réflexion, résolution de problèmes, etc. Ce sont des compétences fondamentales ; ça ne s’apprend pas en MBA mais dès l’enfance. Savoir penser, résoudre, s’éveiller à son environnement — ce n’est pas lié à la technologie, mais à l’éducation humaine. La surdépendance à l’IA peut engendrer plus d’erreurs (ça m’est aussi arrivé de poster sur LinkedIn en oubliant des lignes issues de l’IA...).

Galen Low : C’est vrai.

Mashhood Ahmed : Ce n’est pas grave de se tromper, mais il faut le voir et corriger, car la réputation est en jeu.

Ce qui fait notre valeur, c’est bien ce que l’IA ne peut pas faire.

Galen Low : Justement — pouvez-vous donner un exemple de compétence désapprise ?

Mashhood Ahmed : Accepter que l’IA fasse ce que je faisais avant, parfois mieux. L’anglais n’est pas ma langue maternelle, j’ai longtemps fait beaucoup d’erreurs et utilisé Grammarly, aujourd’hui j’ai arrêté, et j’accepte mes imperfections. Je peux briefer l’IA sur mon style, préférer ou non la virgule d’Oxford : elle s’y adaptera. Mais il faut toujours surveiller. Finalement, il s’agit d’être à l’aise avec l’inconfort, avancer pas à pas, apprendre, désapprendre, réapprendre, se poser les bonnes questions en permanence, et se demander ce qui est pertinent dans mon contexte. Ce sont, selon moi, les clés à retenir.

Galen Low : J’aime ce principe : il n’est pas nécessaire d’être humain et expert en tout.

Mashhood Ahmed : Exactement.

Galen Low : Merci Mashhood pour cet échange passionnant. Où les auditeurs peuvent-ils en savoir plus sur vous ?

Mashhood Ahmed : Tapez mon nom sur LinkedIn, vous me trouverez ; connectez-vous. Je publie régulièrement sur LinkedIn. Il y a aussi mon site web : mashhood.net. LinkedIn reste idéal pour me suivre. Je publie aussi sur TikTok (plus rarement), suivez-moi si vous voulez. Je poste également de courtes vidéos ou extraits de podcasts/conférences, pratiques pour le format « snack content ».

Galen Low : Super, je mettrai les liens LinkedIn, TikTok et site web dans la description. Encore merci, c’était un superbe échange.

Mashhood Ahmed : Merci beaucoup, ravi d’avoir participé, hâte de découvrir ce podcast en ligne.

Galen Low : Et voilà, c’est la fin de cet épisode du podcast Digital Project Manager. Si cet échange vous a plu, abonnez-vous sur votre appli favorite. Pour encore plus de conseils, études de cas et guides pratiques, créez gratuitement votre compte sur thedigitalprojectmanager.com.

À bientôt, et merci pour votre écoute.