Suivez-vous les mauvais indicateurs ? Comment l’IA peut réduire les risques de livraison

Lisez la transcription :

Nous expérimentons la transcription de nos podcasts à l'aide d'un programme informatique. Merci de pardonner toute faute de frappe, le bot n'est pas précis à 100% du temps.

Galen Low : Comment une organisation ou une équipe peut-elle déterminer si elle suit les bons indicateurs et que faire si elle se rend compte qu'elle a mesuré la mauvaise chose tout le temps ?

Lior Gerson : Vous devez suivre tout ce qui va vous aider à atteindre votre objectif. Tout le reste n'est que du bruit.

Galen Low : Faites-nous part d’un exemple, soit d’un indicateur qui était peut-être le mauvais, et du processus qui a permis de passer à la mesure de la bonne chose.

Lior Gerson : Un de nos clients voulait améliorer la façon dont il prédit ce qu'il va livrer chaque trimestre. Il a pu prendre notre plateforme et l'automatiser, cela lui a pris une journée. Mais désormais, quand il le souhaite, il a tout sous les yeux, il sait ce qu'il va livrer ce mois-ci.

Penses-tu qu’il y a un moment où un agent IA deviendrait chef de projet ou remplacerait complètement le chef de projet ?

Galen Low : Je pense que selon la définition que certains ont du chef de projet, oui.

Bienvenue dans le podcast du Digital Project Manager — l'émission qui aide les leaders de la livraison à travailler plus intelligemment, livrer plus rapidement et mieux diriger à l'ère de l'IA. Je suis Galen, et chaque semaine, nous plongeons dans des stratégies concrètes, de nouveaux outils, des cadres éprouvés et parfois des histoires de terrain issues de la gestion de projet.

Que vous pilotiez d’énormes projets de transformation, que vous gériez des workflows IA, ou que vous essayiez simplement de contrôler le chaos, vous êtes au bon endroit. Allons-y.

Aujourd’hui, nous allons parler de la manière dont les méthodes traditionnelles de mesure du succès des projets sont remises en question, et pourquoi des outils de gestion de KPI pilotés par l’IA pourraient être votre seule chance de suivre la cadence face à la croissance du nombre de variables qui peuvent déterminer le succès ou l’échec d’un projet.

Je reçois aujourd’hui Lior Gerson, cofondateur et PDG de TargetBoard.ai. Lior a commencé sa carrière chez mySupermarket, le plus grand site britannique de comparaison de prix, desservant des dizaines de millions d'utilisateurs chaque mois. Là-bas, il était responsable de projets de plusieurs millions de dollars, en collaboration avec des géants comme Walmart, WPP et Dentzu.

Puis il a cofondé Vroom.com en tant que CTO, une concession automobile en ligne qui est entrée en bourse pour 2,5 milliards de dollars. Après cela, il a dirigé le produit chez Placer.ai, une licorne de l’analytique géolocalisée analysant des pétaoctets de données. Et bien sûr aujourd'hui, il dirige TargetBoard, un outil de gestion de KPIs piloté par l'IA.

Lior, merci beaucoup d’être avec nous aujourd’hui.

Lior Gerson : Merci, Galen, le plaisir est pour moi.

Galen Low : Je suis vraiment ravi de discuter avec toi parce que tu es quelqu’un qui baigne vraiment dans l’univers des KPIs et des décisions informées par les données pour réussir. Honnêtement, j’espère que cette conversation nous emmènera plus loin que ce que j'avais prévu, mais voici la feuille de route que j’ai dessinée pour nous. Pour commencer, je voulais faire sortir une grande question brûlante du chemin, LA question chaude que tout le monde se pose.

Mais ensuite, j’aimerais qu’on prenne plus de hauteur et aborde trois aspects. D’abord, parler du décalage culturel autour des KPIs et de la traduction des indicateurs à travers différents niveaux d’une organisation. Ensuite, évoquer l’évolution des KPIs projets et la direction que tu leur vois prendre. Enfin, nous pourrions nous concentrer sur des moyens concrets pour les entreprises et les équipes projets d’exploiter le suivi de KPIs amélioré par l’IA et voir l’impact sur leurs workflows en positif ou en négatif.

Qu’en penses-tu ?

Lior Gerson : Cela me semble bien. Je pense que ce sera une discussion fascinante.

Galen Low : Génial. Moi aussi. C’est parti pour la question brûlante. Récemment, beaucoup estiment que de nombreux projets, voire des organisations entières, pourraient en réalité mesurer et suivre la mauvaise chose.

Sur les projets, j’ai vu des débats remettant en cause tout, du fameux Triangle d’or (portée, planning, budget), jusqu’aux indicateurs agiles comme la vélocité. À l’échelle organisationnelle, j’ai vu aussi des critiques sur des indicateurs comme le revenu par FDE, la marge brute et l’utilisation. La grande thématique du moment, au moins dans mon monde (gestion de projets), c’est que les chefs de projets ne devraient pas juste mesurer la santé du projet, mais aussi son impact.

Dans ce contexte, ma question brûlante c’est : comment une organisation ou une équipe peut-elle déterminer si elle suit les bons indicateurs, et que faire si elle se rend compte qu'elle mesure la mauvaise chose

Lior Gerson : Oui, c’est une excellente question. L’initiative de projet que vous mettez en œuvre doit être alignée avec la stratégie de l’entreprise, avec la stratégie produit.

Où l’entreprise veut aller. Mais si on se place dans le cadre de la gestion de projet, tout ce qui compte c’est d’atteindre les jalons à temps, dans le budget, avec le moins de friction possible et la plus grande précision et prévisibilité possible. Tous les indicateurs à suivre doivent vous aider à atteindre cet état.

Cela peut être n’importe quoi : la vitesse à laquelle avancent les tâches, où ça bloque, les jours de congé, comment les gens utilisent l’IA… On peut tout suivre tant que cela reste centré sur ce que vous voulez réellement accomplir. Si on ne suit pas ce qui va aider à atteindre l’objectif, alors on mesure les mauvaises choses.

Galen Low : J’aime cette approche. On a tendance à vouloir trouver la meilleure chose à mesurer. Je l’ai moi-même dit dans la question : quelle est la bonne chose à mesurer ? Mais ce que tu dis, c’est que peu importe, tant que ça fait avancer, c’est la bonne chose à mesurer. Même si c’est très différent de ce que fait une autre équipe.

Même si c’est très différent de ce qu’on faisait dans une autre organisation. Cela doit être aligné avec la mission.

Lior Gerson : Vous devez suivre ce qui va vous aider à avancer. Le reste, c’est du bruit.

Galen Low : C’est juste. Pour ceux qui se disent, oh, Lior, tu parles ma langue, on ne suit clairement pas les bons indicateurs…

On devra s’y mettre. Mais comment déterminer quelles choses exactes il faut suivre ? Existe-t-il de bonnes pratiques ou un processus ?

Lior Gerson : Il faut comprendre son entreprise. Comprendre le projet. Savoir ce qui fait la différence. Qui sont les moteurs ? Les points d’influence ? Ce qui va avoir de l’impact ?

S’agit-il des personnes, des ressources, de la complexité ? Comment tout décortiquer ? Voici les composants. Voici ce qu’il faut désormais suivre pour constater que ça avance, que rien ne passe entre les mailles. Public. Il y a des outils partout.

Les données sont éparpillées, pas forcément à jour. On se dit : les gens ne mettent pas leurs systèmes à jour, alors c’est du déchet à l’entrée, déchet à la sortie, et on n’y arrive pas, on passe beaucoup de temps sans résultat… Il y a mille raisons pour lesquelles ça ne marche pas, mais il faut que ça marche. C’est à vous de faire en sorte que ça fonctionne.

Galen Low : Compris. Peux-tu donner un exemple concret ? D’un indicateur qui était mauvais puis du processus pour arriver à surveiller le bon, ou alors un indicateur inhabituel (hors des sentiers battus) qui s’est révélé déterminant ?

Lior Gerson : Je vais parler d’un de nos clients qui s’appelle Versa P. Ce sont des prestataires d’opérations produits. C’est Bu. Il est brillant, on adore travailler avec lui. Il voulait améliorer la prévision de ce qu’ils livrent chaque trimestre. Le plan VS le réalisé, améliorer la précision, la fiabilité des prévisions.

Ils allaient très vite, tout changeait constamment : priorités, capacité, mobilité des équipes. C’était donc compliqué. Il a trouvé une formule pour réutiliser la performance précédente de chaque contributeur et équipe, et l’ajouter à la capacité actuelle de l’équipe/groupe.

Au lieu de tout croiser dans Excel (chronophage, récupération des congés, tâches, priorités, etc.), il a utilisé notre plateforme et automatisé le tout en une journée. Et maintenant il a ça sous les yeux en temps réel : que va-t-on livrer ce mois-ci ? Ainsi, quand le CEO ou le CPO demande à changer une priorité ou réajuster, c’est clair ce qui va changer et l’impact sur toutes les actions menées.

J’ai trouvé ça brillant car il contextualise les données pour raconter l’histoire dont il a besoin.

Galen Low : Je rentre d’une conférence Agile. J’ai parlé de la vélocité. Beaucoup trouvent que c’est un mauvais indicateur d’impact. Et parfois un mauvais indicateur tout court, parce que la théorie, c’est une équipe dévouée à plein temps (en pratique, c’est rare). Les gens partent en congé, interviennent sur d’autres projets. Le chiffre de vélocité oscille sans cesse, on essaie d’anticiper mais on ne comprend pas. Le KPI n’est pas fiable. Peu de gens oseraient calculer un indicateur agrégé basé sur des données dynamiques ou sauraient comment l’établir. Mais ça a du sens. On passe à une “gestion temps réel des effectifs” : ah, telle personne n’est pas là ? Il faut prévoir une baisse des output, de la performance, de l’impact – c’est en croisant des données ailleurs, pas avec un seul chiffre. C’est un agrégat. C’est original.

Lior Gerson : C’est pertinent. Pensez à la circulation de l’information dans l’entreprise : cette personne part en congé, il faut du temps pour que tout le monde sache. Son manager sait, mais il faudra des jours/semaine pour que l’impact soit compris par tous ceux qui en subissent les effets — du temps perdu à jamais. Ajouter des ressources n’accélérera pas le projet, il y a la courbe d’apprentissage. Plus vite on fait circuler la donnée, plus c’est bénéfique, démultiplicateur d’intérêt composé !

Galen Low : Ce décalage est très réel. On parle toujours dans la communauté du classique : “si seulement on m’avait dit que le lead dev partait trois semaines…” Et ce délai, je le vis, on reçoit le formulaire de demande de congé mais entre-temps le process, les validations, font que personne n’est au courant à temps. Sans parler de la date exacte… j’aime l’idée que l’outil fait remonter ce type d’info.

Lior Gerson : Les vacances, c’est simple. Pensez au full remote : Zoom, quelqu’un disparaît. Qui est parti ? Il a été remercié, on ne vous l’a pas dit.

Galen Low : J’imagine, oui.

Lior Gerson : Deux semaines après, il ne répond pas, j'appelle, personne. Ah, il n’est plus là !

Galen Low : On a aussi ce genre de chose dans la communauté. Production en force sans communication autour… Et sinon, pour revenir aux intégrations, peux-tu expliquer le mécanisme ?

Je me vois ouvrir Excel, passer par Zapier ou Make, faire une transformation, coller dans un tableau, écrire une formule… Faut-il faire ça dans TargetBoard, ou c’est plus automatique ?

Lior Gerson : TargetBoard.ai fonctionne très différemment. On se connecte à votre source de données, et on construit automatiquement tous les indicateurs et KPIs pertinents selon votre activité.

On utilise l’IA pour les générer. Peu importe que vous suiviez la capacité, la vélocité, la qualité, qu’il s’agisse d’un ou de plusieurs projets, voire de différentes méthodes de travail. Vous n’avez rien à changer : on apprend automatiquement comment vous travaillez, quels systèmes vous utilisez (Monday, Jira ou autre…), puis tous vos indicateurs, rapports, insights sont générés automatiquement, personnalisables, seuls ou en équipe.

Vous avez vos métriques et un suivi sur mesure sans effort. Jour 1, vous êtes opérationnels, confiants que vos données sont exactes, sans manipuler d’Excel. Si la source c’est Excel, pas grave, on s’y connecte aussi. Plus besoin de mise à jour manuelle ensuite, tout est expliqué dans la plateforme. Vous partagez avec la direction, les réponses sont là, tout est justifié. Fini la réunion où on ne peut pas répondre et on doit chercher après coup. En un clic, la suite est à disposition.

Galen Low : Ce que j’aime aussi, c’est la suppression de l’erreur humaine. Je suivais, par exemple, les pages vues dans Google Analytics, quelqu’un d’autre saisissait les utilisateurs, on croyait mesurer la même chose mais les sources étaient différentes, d’où des écarts. Cette idée qu’on peut avoir une interprétation différente de la donnée de référence est vraie. Là, tout est extrait de la source vive. Et parfois, l’IA suggère des mesures à suivre en fonction des besoins. Cela clarifie et intègre la donnée. Beaucoup de discussions achoppent sur le bon KPI, faute de savoir ce qu’on peut réellement mesurer. On ne pioche que dans ce qu’on maîtrise, alors qu’il y a beaucoup plus.

Lior Gerson : Très fréquent. J’ai travaillé dans une boîte, on annonçait 100 000 visites/mois… J’ai demandé d’où vient ce chiffre : il était faux. J’avais en charge le produit et en réalité, le site n’en recevait que 10 000 (les autres 90 % ? des robots !). L’entreprise ne savait pas. Le problème, c’est qu’ensuite il faut expliquer à la direction, notamment au CMO, que le coût d’acquisition a été surévalué de 90 % sur toute une année.

Galen Low : Pas simple à annoncer… Mais c’est l’occasion de prendre de la hauteur, parce que les KPIs sont une chose, mais il y a souvent ce besoin de “traduction” entre les niveaux d’une organisation, par exemple une équipe Scrum suit la satisfaction client (CSAT) à chaque release, alors que la direction regarde plutôt le revenu récurrent, la rétention ou le churn. Un outil comme TargetBoard peut-il faire le lien et traduire ces KPIs d’un niveau à l’autre pour qu’ils soient pertinents partout, ou est-ce une limite intrinsèque des outils ?

Lior Gerson : Je prends du recul sur cette question. Traditionnellement, faire du BI, c'est construire chaque indicateur un par un. Il y a donc un coût à chaque mesure si vous devez la développer.

Des programmes comme les OKR ou QBR sont très descendants : on vous impose exactement quoi suivre, ce qui crée des œillères. On peut manquer des indicateurs importants, non suivis, faute de ressources. Avec TargetBoard, on capte tout et il est facile de sélectionner ce qu’on veut prioriser (l’outil propose même des focus). Ensuite, vous avez des alertes, notifications, insights, etc. pour rester vigilant.

On facilite aussi l’explication car il y a une fonction pour cela : expliquer à la hausse, expliquer à la baisse. L’IA aide à vulgariser l’indicateur au manager, au dev, au commercial, peu importe l’audience, et pourquoi c’est important pour vous. On vous protège aussi en évitant que les noms de KPI changent au hasard. Si le nom ne correspond pas, impossible de le modifier. Tout est fait pour garantir que ce qu’on suit correspond bien à la réalité et que ça soit compréhensible.

Galen Low : C’est une fonctionnalité géniale. J’ai testé beaucoup de solutions de dashboarding, et c’est très souvent ce qui manque. Ce que le dashboard veut dire n’est pas clair, la data storytelling fait défaut. Certains excellent là-dedans, d’autres pas du tout. Mais le fait que l’IA puisse vous aider à expliquer l’utilité, la provenance, les conséquences d’un KPI, c’est précieux. Que l’outil ne soit qu’un support pour renforcer la capacité de l’humain à convaincre, acculturer d’autres équipes, etc. Sinon on se contente d’un chiffre exposant une évolution de 45 % semaine sur semaine et… on passe à autre chose !

Lior Gerson : C’est ce qui se passe la plupart du temps !

Galen Low : Personne ne comprend vraiment le sens de tout ça…

Lior Gerson : On finit par générer des rapports uniquement pour la forme : ils rassurent, mais en réalité, ils ne sont lus qu’exceptionnellement. Nous, on joint une synthèse via IA pour l’utilisateur business.

Galen Low : Oui, la synthèse automatique… Je crois me souvenir que tu m’as parlé d’aspect conversationnel. Par exemple, avec Google Analytics, je rêve de pouvoir demander “Combien de visiteurs uniques ai-je eu sur telle page la semaine dernière par rapport à l’an dernier ?”, ou “explique-moi cet indicateur”. Est-ce déjà une fonction dans TargetBoard ou en développement ?

Lior Gerson : Beaucoup essaient d’y parvenir, comme GA4, MixPanel, Tableau, etc., mais les LLMs sont encore mauvais pour la donnée brute. Donnez-leur un CSV, demandez-leur le taux d’ouverture email, ils y arrivent à peine sauf à tout expliciter colonne par colonne. Nous pensons avoir résolu ça. On l’a intégré : vous posez vos questions, recevez une réponse fiable, vérifiée par l’IA (pas d’hallucination). Ce sera une fonctionnalité clé car la data sera consommée selon plusieurs modes : dashboard, conversationnel, etc. Cela se complète. Un peu comme l’omnicanal dans le retail il y a 10 ans. C’est là que va la data : donner la liberté d’interagir.

Mais formuler la demande n’est pas toujours intuitif — le dashboard est parfois plus rapide.

Galen Low : Pas forcément plus court donc.

Lior Gerson : “Combien d’affaires conclues le mois dernier ?” puis “en dissociant une région”, “affiche-moi par…” C’est beaucoup de texte, d’attente, alors que sur le web, c’est deux clics…

Galen Low : La data n’est pas toujours native pour les IA/LLM : je l’ai testé avec des timesheets et ChatGPT, et parfois il hallucine, confond les colonnes… Alors qu’humainement, c’est facile à suivre. J’aime l’idée de ne pas juste envoyer le rapport dans ChatGPT et exiger des analyses. Le fait de bâtir votre propre système, qui vérifie avant de répondre, c’est rassurant. Peut-être classique pour un data scientist, mais important pour la justesse de l’info remontée.

Lior Gerson : Oui, la confiance est clé. C’est le risque avec les serveurs MCP. Tirer des données d’un autre système, on ne sait pas ce que va en faire l’IA ni la fiabilité de la réponse. Notre MCP server vérifie la donnée recueillie sur vos systèmes, les agrège et garantit des réponses à 100% exactes.

Galen Low : Exactement, le MCP server : contexte, modèle, protocole, c’est l’épine dorsale, qui valide tout ce qui rentre, pas juste un acteur isolé du flux… Très intéressant. J’aimerais parler de l’avenir des indicateurs : quelles sont, selon toi, les métriques inédites qui se profilent pour l’avenir des KPIs, ou comment les organisations vont-elles suivre leurs KPIs dans 3, 5 ou 10 ans ?

Lior Gerson : Au niveau micro, il va y avoir de plus en plus d’indicateurs liés à l’IA : combien d’agents IA, leur efficacité, ce qu’ils produisent comme valeur. Mais au sommet de l’entreprise, je crois que l’essentiel reste stable : ARR, churn, délai de livraison, resteront les étalons. C’est la langue de l’entreprise.

En dessous, tout évoluera : vélocité, qualité seront des niveaux intermédiaires. Descendez encore d’un cran : de quoi la vélocité se compose ? Du dev, des tâches bloquées, des relectures en attente, des changements de périmètre, des tâches IA partiellement fonctionnelles (ex : GPT-5 qui produit de nouveaux résultats). Le détail de ce qui fait bouger les lignes deviendra critique.

Galen Low : J’aime cette hiérarchie : tant que le modèle d’affaires ne change pas, les indicateurs clés resteront similaires, mais tout le reste peut évoluer énormément sous la surface. Et le vrai défi, c’est de pouvoir mesurer ce qui nous aide vraiment à avancer. Ex : booster l’usage de l’IA, alors on le mesure. Mais ceci implique du changement et de l’adaptation rapide. Or, à chaque nouveau KPI, il faut brancher une nouvelle source, faire de la pédagogie, installer des routines. Est-ce que cela va générer une surcharge opérationnelle à l’avenir, obligeant à avoir un “data manager” par projet rien que pour relier les nouveaux indicateurs à la donnée vive ?

Lior Gerson : C’est déjà le cas depuis longtemps. Un analyste (ou une équipe) par département, dont la mission est de s’assurer que les KPIs sont opérationnels, mais souvent on réinvente la roue alors que tout le monde utilise peu ou prou les mêmes indicateurs. Dans les grandes entreprises, on adore “replatformer” : migrer d’un système à un autre, ce qui génère à chaque fois un projet données pour refabriquer tous les rapports.

Nous proposons que vos rapports et indicateurs restent inchangés et migrent automatiquement. En cas d’évolution, tout le monde est averti et la mise à jour est automatique. Aujourd’hui, le système est brisé, il y a trop de silos et de données inutilisables. Demain, des outils comme TargetBoard donneront un vrai accès et usage à la donnée, sans “hommes du milieu”, qui parfois ne comprennent même pas le métier… J’ai parlé à un chief strategy officer d’un grand groupe : pour avoir la réponse à une nouvelle question, il fallait 6 mois, malgré une équipe de 100 analystes. Nous, on peut le livrer tout de suite, mais parfois il y a de la résistance au changement…

Galen Low : Je l’ai vu dans le secteur financier, l’expérience client… Les boîtes collectent pavés de données, mais personne ne sait traiter ou valoriser cette masse pour générer de l’expérience ou de la valeur. Les gens regardent simplement les chiffres, puis se lassent, puis recommencent une migration de système…

Lior Gerson : Beaucoup de gens suivent le coût IT (cloud, prompts LLMs, etc.), stockent tout ça avec, à la clé, des frais, mais personne ne sait pourquoi. Il y a des sociétés qui accumulent systèmes et données comme d’autres entassent des objets dans leur garage, sans s’en servir…

Galen Low : On nous a appris que le stockage c’était bon marché. Mais aujourd’hui ça ne l’est plus, et on commence à réévaluer le coût des prompts, de la donnée. Je me reconnais là-dedans, je suis conservateur, j’archive tout… mais au final, ça ne sert pas !

Lior Gerson : Peut-être qu’un jour, dans dix ans, tu en auras besoin !

Galen Low : C’est vrai. Pour finir : TargetBoard se définit comme un outil IA de gestion de KPIs. Tu as déjà évoqué beaucoup de fonctionnalités IA : suggestions, synthèses, etc. Y’a-t-il une fonctionnalité IA particulièrement innovante à signaler ? Pourquoi avoir misé aussi franchement sur l’IA dans l’ADN même du produit ? Qu’est-ce qui t’en rend le plus fier ?

Lior Gerson : Question complexe. J’en suis fier car nous avons très tôt su mobiliser l’IA pour enrichir notre vision produit. On ne se demande pas “comment faire X avec l’IA”, mais “en quoi l’IA améliore cette fonction”.

Par exemple, pour chaque indicateur, vous pouvez créer des notifications, automatisations, alertes, etc. (pipeline, bug urgent, ticket support hors SLA…). Mais réfléchir à quelles alertes mettre en place est une contrainte pour l’utilisateur. Donc, l’IA, face à chaque KPI, va suggérer les automatisations que vous pouvez créer pour optimiser l’indicateur : d’un clic l’alerte est paramétrée. Avant l’IA, c’était très complexe — maintenant c’est rapide, on avance plus vite que dans toutes mes boîtes précédentes.

Galen Low : C’est très juste et fou vu ton parcours. Ce que j’aime c’est le côté “suggester ce qu’il faut faire ensuite”, comme le fait l’IA générative. On apprend à apprendre. Et ce genre d’aide lève beaucoup de barrières à l’action, au passage à l’échelle…

Lior Gerson : C’est très différent de la data science d’il y a trois ans : typiquement, on avait une équipe sur l’optimisation financière de crédit auto, qui bossait là-dessus à plein temps pour gagner quelques % d’acception de prêts. Maintenant chaque fonctionnalité vise à être optimisée, pour de vrais gains concrets et rapides.

Galen Low : J’adore la vitesse à laquelle tout change. Pour s’amuser, as-tu une question à me poser ?

Lior Gerson : Quelles sont les tendances les plus marquantes que tu observes en gestion de projet ?

Galen Low : La plus forte actuellement, c’est ce que j’évoquais en intro : le chef de projet n’est plus juste gardien du Triangle d’Or (coût, délai, scope), mais devient un stratège de la valeur. On attend de lui qu’il comprenne le business, qu’il sache piloter la valeur — même si le plan ou le périmètre doivent évoluer. L’adoption de l’IA s’inscrit là-dedans, en permettant d’automatiser le reporting, la collecte de données… Ce gain de temps doit alors être réorienté vers la stratégie, la relation avec les partenaires.

En somme, on doit consacrer plus de temps à se demander si ce qu’on fait sert la mission, génère l’impact. Et ça boucle parfaitement avec l’idée de mesurer ce qui fait vraiment avancer.

Lior Gerson : Très riche. J’enchaîne : on parle beaucoup d’IA et d’automatisation du métier de chef de projet. Penses-tu qu’un agent IA remplacera un jour totalement le chef de projet ?

Galen Low : Pour la définition “administrative” du poste (notes, relances, rapports, etc.), l’IA peut déjà le faire. Mais tout ce qui relève de la décision humaine, de l’arbitrage, ou du storytelling devant une direction, reste humain. C’est là que votre outil est fort, car il arme la personne pour “raconter” l’indicateur, pas pour le remplacer mécaniquement. L’innovation viendra encore des humains qui se confrontent, prennent des risques, imaginent le futur… même si l’IA, parfois, saura suggérer l’imprévu ! Mais pour l’instant, on veut encore garder la main sur la décision. Ça évoluera sûrement, mais c’est la situation actuelle.

Lior Gerson : C’est aussi la différence entre un bon chef de projet et un mauvais. On croit parfois pouvoir s’en passer et le confier à tâtons à quelqu’un, mais ça ne marche pas. C’est un métier.

Galen Low : J’aime cette idée : tous ne disparaitront pas, mais les moins bons oui.

Lior Gerson : C’est valable pour tout.

Galen Low : Merci beaucoup, Lior, pour ce partage. J’ai adoré échanger.

Avant de terminer, où peut-on te retrouver ?

Lior Gerson : LinkedIn ! Je réponds à presque tout le monde. Au plaisir.

Galen Low : Bravo, moi ma boîte LinkedIn est ingérable… Merci encore et à bientôt.

Lior Gerson : Merci Galen, au plaisir.

Galen Low : C’est terminé pour cet épisode du podcast Digital Project Manager. Si vous avez aimé la conversation, abonnez-vous sur votre plateforme. Pour encore plus de conseils pratiques, d’études de cas et de guides, rendez-vous sur thedigitalprojectmanager.com.

À la prochaine et merci de votre écoute.