Vous n’avez pas besoin d’un nouvel outil IA de gestion de projet : il faut d’abord réparer celui que vous avez

Galen Low : Voilà six mois que vous avez fait l'acquisition de votre nouvelle plateforme de gestion de projet dopée à l’IA, mais quelques lacunes commencent à se dévoiler. Les outils d’analyse du temps sont excellents, mais la planification des ressources n’est pas aussi intelligente qu’annoncée, ou bien les rapports automatiques sur l'état d’avancement sont livrés sans accroc, mais vous ne savez pas si vous pouvez faire confiance aux données sources, ou encore les notifications de risques proactives vous aident à éviter des pièges mais l’identification des risques reste trop générale pour votre secteur.

Faut-il tout jeter et repartir de zéro ? Avant d’en arriver là, écoutez cet épisode. J’accueille aujourd’hui un consultant PMO qui a testé des centaines d’outils IA et construit une activité centrée sur l’optimisation des fonctionnalités des outils de gestion de projet grâce à des assistants, agents et workflows automatisés basés sur l’intelligence artificielle.

Nous allons aborder sa méthode d’évaluation des outils IA dans un univers où des centaines de solutions émergent chaque jour. Nous allons explorer les options possibles lorsqu’une organisation réalise qu’elle a tout misé sur le mauvais logiciel de gestion de projet. Et nous passerons en revue comment enrichir n’importe quel outil de gestion de projet avec un workflow de gestion des ressources à l’aide de solutions prêtes à l’emploi comme NotebookLM et n8n. Bonne écoute.

Bienvenue dans le podcast The Digital Project Manager — l’émission qui aide les responsables delivery à travailler plus intelligemment, livrer plus sereinement et guider leurs équipes avec confiance à l’ère de l’IA. Je suis Galen, et chaque semaine on analyse des stratégies concrètes, des tendances émergentes, des frameworks éprouvés et quelques anecdotes terrain des coulisses du management de projet. Que vous meniez de grandes transformations, que vous domptiez les workflows IA ou que vous essayiez simplement de limiter le chaos, vous êtes au bon endroit. Allons-y !

Aujourd’hui, on va parler des logiciels de gestion de projet boostés par l’intelligence artificielle : que faire quand vous comprenez que l’outil choisi ne fait pas tout ce que vous pensiez ? Nous allons voir comment tester des outils IA, comment intégrer des outils spécialisés dans un écosystème plus large, et nous passerons en revue un exemple concret de création de workflow IA pour un cas d’usage spécifique.

Je suis aujourd’hui accompagné d’Emmanuels Magaya, Directeur Technologie chez Tech Legends et fondateur-CEO de Project Managers Africa. Emmanuels est un leader expérimenté, conseiller PMO et expert IA. Il accompagne des membres de comités de direction et des conseils d’administration pour renforcer la capacité du PMO, la gouvernance de portefeuille et l’assurance delivery, afin de garantir la création de valeur business mesurable. En tant que CEO de Project Managers Africa, il dirige un cabinet continental en forte croissance dédié à l’excellence du leadership de projet.

Il prend la parole lors de tables rondes, master class, sommets et comités d’experts. Très impliqué en faveur de la communauté africaine, il défend l’excellence en gouvernance, le développement des compétences et l’avenir de la livraison pilotée par l’IA sur tout le continent. Et dernièrement, il plonge tête la première dans l’analyse d’outils IA pour la gestion de programmes et de projets à toute échelle organisationnelle. Dans le cadre de son rôle, Emmanuels a testé plus de 100 outils IA pour la gestion de projet, et c’est justement notre sujet aujourd’hui.

Emmanuels, merci d’être avec nous aujourd’hui.

Emmanuels Magaya : Merci, Galen, de m’avoir invité à ce formidable podcast. J’ai hâte d’avoir une discussion constructive aujourd’hui.

Galen Low : J’ai également hâte !

Nous allons tenter un nouveau format cette fois, alors merci d’accepter de te prêter à l’exercice. Je veux absolument échanger sur ton expérience pour aider des équipes à identifier l’ensemble d’outils IA adaptés à leurs projets. J’espère aussi que nous creuserons quelques sujets inattendus. Mais voici la feuille de route que j’ai prévue pour nous aujourd’hui.

Pour commencer, j'aimerais poser une question épineuse que mes auditeurs voudront sûrement t’entendre traiter. Puis je voudrais prendre du recul pour aborder trois points. D’abord, je souhaite revenir sur tes enseignements après avoir testé autant d’outils IA et accompagné tant d’organisations.

Ensuite, passer ensemble à un cas d’usage pratique autour de la façon dont un outil IA spécialisé peut s’intégrer dans un écosystème élargi de gestion de projets. Enfin, recueillir ton point de vue sur l’impact de l’IA pour les marchés émergents à travers le monde, et la façon dont cela va remodeler le paysage mondial de la gestion de projets digitaux.

Qu’en dis-tu ?

Emmanuels Magaya : Ça me plaît beaucoup. Allons-y !

Galen Low : Parfait. C’est parti. Je vais commencer par une vraie grosse question. Lors de notre première rencontre, tu m’as cité un chiffre : il se lancerait aujourd’hui entre 500 et 1 000 nouveaux outils chaque jour. Certains sont probablement conçus pour les grandes entreprises, d’autres pour des usages spécialisés, et beaucoup sans doute sont des applications artisanales locales, codées « sur le pouce ».

La grande majorité intègre des fonctionnalités IA. Ma grande question, c’est : avec autant de nouveautés grâce à la puissance de l’IA, penses-tu qu’on risque de voir s’opérer une saturation vis-à-vis des nouveaux outils ? Quel est le plafond pour ce que le marché, voire même le cerveau humain, peut absorber ?

Emmanuels Magaya : À mon sens, on n’atteindra pas vraiment de plafond, parce que l’humain est attiré par la nouveauté. Nous sommes toujours en quête du prochain « objet brillant ». On appelle ça le syndrome du nouvel objet. Nous aimons essayer de nouvelles choses, c’est d’ailleurs pour cela que les réseaux sociaux sont si populaires : il y a toujours quelque chose de nouveau à découvrir, à entendre, à voir.

Je pense donc qu’on ne va pas toucher de plafond ; plutôt, chacun va définir son propre rythme ou ses standards : « Si je souhaite changer d’outils, que dois-je regarder ? » On ne va plus simplement tout tester systématiquement.

Ce sera plutôt : « Maintenant que je comprends ce que l’IA peut m’apporter au quotidien, dans mon travail ou personnellement, quels nouveaux outils puis-je ajouter à mon existant ? » Certaines organisations ou personnes utiliseront l’IA principalement pour une fonction, mais testeront de nouveaux outils pour d’autres usages.

Par exemple, un chef de projet peut déjà utiliser un outil pour la gestion, mais aussi faire de la création de contenus, et là il scrutera d’autres outils spécialisés. Mais sur le cœur gestion de projet, il peut se limiter à un ou deux outils avec lesquels il se sent à l’aise.

Galen Low : J’aime bien cette approche « métier » ou par catégorie d’usage.

Il y a énormément de choses qui sortent, certains outils IA font le buzz en promettant de tout faire, ce qui peut vite devenir déroutant parce qu’on se dit « Ça semble coller à mes besoins ». Mais j’apprécie cette logique de filtrer selon là où on a besoin d’être assisté — que ce soit pour la création de contenus ou une autre étape du process projet, sans forcément foncer sur chaque outil à tout prix.

Et en filigrane, tu l’as dit, chaque outil ne convient pas à toutes les tailles d’organisation. Certains sont clairement pensés pour l’entreprise, d’autres pas. On peut regarder ce qui est pertinent pour soi et laisser de côté ce qui ne l’est pas.

Penser en termes de finalité, d’accompagnement, c’est pertinent. Les humains aiment les outils et la nouveauté, ce sont deux penchants naturels. Donc rien ne stoppera cette mécanique, mais on n'est pas obligé de céder à tout — on peut produire beaucoup de bonbons sans devoir tous les manger !

J’aimerais prendre du recul, car tu es aussi un pédagogue, capable d’expliquer simplement le technique. Avec Project Managers Africa, j’ai l’impression que tu bouscules le PMI au niveau de la pédagogie et de la promotion de la gestion de projet.

Et d’un point de vue tech/IA, tu as testé des centaines d’outils pour aider les équipes à faire les bons choix. Or, tout le monde n’est pas technicien. Par où recommanderais-tu de commencer à des personnes moins à l’aise avec la technologie, pour expérimenter des outils IA ?

Quelle démarche adopter pour savoir si un outil leur convient ?

Emmanuels Magaya : Merci pour la question Galen. Le premier pas, c’est de savoir ce que vous attendez de l’IA, en fonction de votre métier. Est-ce pour le travail ou pour un usage personnel ? Si c’est personnel, alors on peut vraiment s’amuser et tester beaucoup de choses.

Au travail, il y a bien sûr des limites à respecter : propriété intellectuelle, confidentialité, lois sur la donnée, etc. Si vous n’êtes pas technique, il faut déjà identifier les cas d’usage auxquels vous voulez appliquer l’IA.

Par exemple... Ne cherchez pas à tout automatiser. Repérez les tâches routinières, chronophages, répétitives. Ensuite, trouvez quelques outils pour tester sur ces besoins. Exemple classique : vous êtes créateur de contenus, vous souhaitez automatiser la création de vidéos ou d’articles de blog.

Voilà votre cas d’usage ! Vous visez la création automatisée de contenus, peut-être aussi la publication automatique sur les réseaux sociaux. Où chercher l’outil ? Avant, on utilisait Google, et même si Google intègre Gemini aujourd’hui, ce n’est plus systématiquement « l’endroit » à aller. Moi je recommande plutôt de partir du cas d’usage.

Supposons : création automatique de contenus. Utilisez des IA connues, type ChatGPT, Gemini, Claude — ce sont mes trois références du quotidien. Sur chacun, tapez un prompt simple : « Donne-moi la liste des outils IA du moment pour la création automatique de contenus. »

C’est une piste, mais ces IA mettent souvent en avant les plus connus, ce qui n’est pas idéal. Pour y remédier, il faut affiner vos requêtes, améliorer votre art du prompt, et demander, par exemple : « Ne cite pas les outils populaires. » Reddit, par exemple, est une bonne source d’avis.

Demandez à ces IA de fouiller blogs, Reddit, forums pour dénicher des outils peu connus, gratuits, sans inscription ou carte. Vous pouvez aussi requêter : « Donne-moi les outils IA les plus récents en gestion de projet, gratuits, classés par facilité d’utilisation. »

Autre méthode, lors de mes débuts, j’écrivais juste sur Google : « Cite-moi 5 outils simples pour faire un planning de projet, type diagramme de Gantt, en dehors des classiques Asana, Jira… Je veux découvrir de nouvelles références peu connues. » Et là on tombe sur des sites qui référencent d’autres outils IA. C’est comme cela que j’ai découvert de nouvelles solutions.

Galen Low : Une fois que tu as choisi un outil et que tu l’ouvres la première fois, peut-être en concurrence avec un autre pour le même besoin...

Quel est ton processus pour l’évaluer et comparer plusieurs outils entre eux (pour la création de contenus ou la planification) ?

Emmanuels Magaya : Prenons la création de contenus. Je m’intéresse à la qualité des résultats obtenus.

Créer du contenu, c’est vaste : il y a images, vidéos, textes… Je commence par juger la qualité du rendu. Ce que je conseille lors des formations IA : il ne faut jamais se contenter d’un seul outil. Idéalement, prenez le même prompt, lancez-le sur Gemini, Claude, ou d’autres solutions auxquelles vous avez accès, puis comparez les résultats.

Certains outils, comme Galaxy.ai, permettent d’accéder à plusieurs modèles IA sur une même interface. Lorsque vous tapez une requête, il compare tous les modèles, consolide les réponses, pour offrir le meilleur résultat possible.

Pour la synthèse de rapports ou la recherche, il existe aussi l’extension Chrome Sider (sider.ai), qui centralise les modèles. Sider fonctionne un peu comme Galaxy.ai ; c’est une extension, donc plus simple d’accès.

Le plus important, c’est donc la qualité, mais aussi la fréquence de mise à jour des outils. Aujourd’hui, les grands acteurs livrent chaque jour de nouvelles versions.

Pour rester à jour, je lis des newsletters d’experts IA du secteur ; parfois j’y découvre des nouveautés avant même d’en entendre parler ailleurs. L’échange avec ses pairs est aussi important. Reddit est également un bon baromètre : c’est la communauté qui échange sur les usages réels, les limites, les bugs…

À retenir pour la comparaison : qualité, pertinence des réponses, prompt efficace, fréquence de mise à jour, variété des modèles accessibles et volume d’informations produites dans la réponse.

Souvent, de petites options dans l’outil modifient le résultat. Les gens ne le voient pas toujours, par exemple sur ChatGPT certains modes permettent d’aller plus vite, d’autres déclenchent une recherche plus approfondie. On saute souvent des fonctions qui, bien utilisées, transforment la qualité du résultat... Il faut donc vraiment jouer avec les différents modes.

Pour des outils très spécialisés, certaines comparaisons sont peu pertinentes à cause de la spécificité sectorielle ou géographique. Là, il faut alors réfléchir si on recherche un outil « couteau suisse » ou une « armée » d’outils complémentaires spécialisés selon nos besoins.

Galen Low : Donc l’idée : comprendre son besoin, chercher plusieurs outils, utiliser le même prompt pour comparer, étudier la qualité et la pertinence du rendu ?

Et aussi regarder les différents modes, ne pas se contenter d’une réaction rapide, mais bien explorer… Laissez-moi te demander : tu as testé des centaines d’outils. As-tu une limite de temps pour chaque test ? Comment juges-tu quand passer au suivant si tu ne le trouves pas concluant ?

Emmanuels Magaya : C’est une excellente question, Galen. Pour répondre, il faut déjà savoir pourquoi on teste. De mon côté, je veux rester leader de pensée, je ne peux donc pas me limiter à des tests superficiels sur deux fonctionnalités. J’ai un canevas de critères structuré : taille organisationnelle, fonctionnalités PMO pertinentes, méthodes (hybride, agile, cycle en V…), le type de projet (infrastructure, digital…), etc.

Je n’ai donc pas un temps défini par outil – certains tests prennent deux ou trois jours selon la complexité. Ce que je reproche à de nombreux influenceurs en ligne (LinkedIn, TikTok…), c’est qu’ils présentent les outils au pas de course… mais on ne peut pas vraiment aller au fond des choses dans une vidéo d’une minute. Moi, surtout dans la gestion de projet, j’évalue selon nos vrais besoins récurrents — ce qui doit absolument être fait chaque jour/semaine. J’ai une grille de scoring pour noter tout cela.

Sur certains outils, le test est très rapide : exemple, Gantt Chart AI. Si c’est trop simple pour les grandes entreprises, je ne peux pas le recommander, mais c’est parfait pour une micro-structure. Donc taille projet, équipe, tout est pris en compte. L’essentiel, c’est d’avoir un référentiel et de ne jamais passer plus de deux jours par outil, sinon c’est déjà trop long.

Galen Low : Cela a du sens : chaque outil ne demande pas le même temps d’analyse, et cette structure méthodologique me paraît essentielle — taille d’organisation, secteur, méthode…

Ce qui m’amène justement à la suite : beaucoup d’organisations, petites et grandes, choisissent aujourd’hui une solution de gestion de projet pour ses fonctions IA. Olivia Montgomery de Capterra expliquait récemment que 55% des achats d’outil PM se fondent aujourd’hui sur la promesse IA. Malheureusement, les équipes réalisent parfois plus tard que l’outil choisi ne couvre pas tous leurs usages ou méthodes de travail.

Que conseiller à une équipe qui découvre un peu tard que l’outil IA pour lequel elle s’est engagée n’est pas à la hauteur de ses besoins ?

Emmanuels Magaya : Dans ce cas, il faut d’abord revenir sur ce que vous attendiez initialement de l’outil.

Il est facile de passer à côté de certains besoins parce que les éditeurs mettent tellement en avant certaines fonctionnalités, qu’on oublie le reste. Il faut donc commencer par clarifier le besoin initial, refaire une analyse des écarts : qu’attendait-on, que fournit réellement l’outil ?

On consulte les équipes : est-ce un outil destiné aux PM seulement ? Si c’est le cas, allons-y. Sinon… Si les écarts sont rédhibitoires et que ça compromet nos process, il faut stopper le déploiement.

À quel stade en est-on ? Un mois ? Six mois ? Peut-on revenir en arrière ? Il s’agit alors de faire le point, voir si l’éditeur peut faire évoluer la solution. Sinon, on se retrouve coincé, parfois avec des contrats longue durée, ce qui peut avoir un réel impact financier (parfois sur 12 mois…). Il s’agit alors de repérer les points de friction, là où l’outil crée des problèmes au lieu d’en résoudre.

Si la situation devient néfaste, on met le déploiement en pause, on analyse comment faire face à l’impact, et on cherche comment se désengager si aucune amélioration n’est possible. D’autant que certains outils SaaS verrouillent avec des contrats longs et des intégrations complexes, ce qui aggrave le coût d’un mauvais choix, jusqu’à altérer la satisfaction client, la qualité des livrables et la motivation des équipes.

Il faut vraiment évaluer les points de friction, voir s’il est possible de se désengager, de limiter les usages ou de réaffecter certaines licences à des fonctions résiduelles, selon l’étendue des impacts.

Très important également : combien de données a-t-on déjà injectées dans l’outil ? C’est LA vraie question, car plus on a entraîné la solution sur nos propres process, plus il sera coûteux (non seulement techniquement mais aussi en terme d’apprentissage) de migrer vers un nouvel environnement IA. Ce n’est pas transférable — chaque IA a « son propre cerveau ».

Il faut donc, idéalement, mettre en place des phases pilotes courtes (1 à 3 mois), éviter les engagements 12 ou 36 mois au départ, tester le plus possible pour débusquer les soucis avant qu’il ne soit trop tard. Prévoir la possibilité de réversibilité, car plus l’IA est entraînée, plus la migration sera coûteuse ou laborieuse.

Ensuite, il faut envisager les alternatives existantes, leur adéquation au besoin, le temps et les risques associés à de nouveaux déploiements. D’où ma recommandation de ne pas tout miser sur un seul outil. Avec l’essor des IA agentiques, on peut aisément constituer une équipe virtuelle où chaque agent IA dédié occupe une mission précise : prédiction de risques, planification de capacité, gestion d’agendas, notifications, emails...

Il importe donc d’avoir un socle solide, mais de ne pas tout centraliser au risque d’être pieds et poings liés. Voilà mon avis sur le sujet.

Galen Low : Justement, tu parlais d’analyse de lacunes et d’enrichissement fonctionnel, voire de combler soi-même les manques d’un outil.

C’est vrai que le plus on avance avec un outil, le plus il devient difficile de s’en extraire à cause du « capital d’apprentissage ». Mais j’aime cette logique d’agents IA venant compléter une solution d’envergure.

Mais concrètement à quoi cela peut-il ressembler ? Beaucoup aimeraient créer de tels agents. Mais comment les faire cohabiter avec le logiciel de gestion de projet principal ? Quels seraient les points d’intégration, ou faut-il juste composer une boîte à outils et laisser les humains choisir quoi utiliser, sans forcément d’intégration dense ?

Emmanuels Magaya : Sur ce sujet, même à l’échelle mondiale, l’Afrique est un peu en retard. Certaines PMO ne savent même pas ce que sont les agents IA, et n’ont donc pas maturé jusqu’à un environnement agentique, où les agents IA travaillent de concert dans un PMO piloté par l’intelligence artificielle.

Première question : votre outil est-il déjà compatible IA ? Si vous utilisez les solutions majeures du marché (Monday.com, Asana, Jira…), elles maintiennent toutes un investissement IA, mais beaucoup d’organisations fonctionnent autrement. Si vous disposez d’Office 365, Copilot s’intègre bien à Teams et à la suite Office. On peut alors commencer simplement : par exemple, générer le compte-rendu d’une réunion, extraire et envoyer automatiquement les actions par email. Cela permet d’introduire l’IA progressivement (il s’agit aussi de gestion du changement !).

En master class, j’explique qu’en PMO, les agents IA doivent être inclus dans les effectifs : s’il y en a 10, l’équipe est composée de 60 personnes (50 + 10 agents). On élabore alors un RACI (matrice des responsabilités) IA ou augmenté IA où l’on note qui fait quoi, entre humains et agents IA. Cela soutient la transition progressive vers une plus grande confiance dans l’autonomie IA.

Pour ceux qui n’utilisent pas Microsoft, il existe d’autres automatisations, c’est ce que nous aidons à mettre en place. Je recommande une approche progressiste (modèle en pyramide) : on commence par les assistants IA, on teste les outils, puis on vérifie si c’est pertinent d’intégrer à la plateforme majeure (Jira, ClickUp...) ou d’utiliser les solutions d’automatisation (Zapier, Make.com, n8n). Garder son outil principal tout en connectant via automatisations.

Galen Low : Donc, si on a choisi un outil qui n’offre pas telle fonctionnalité, beaucoup de plateformes offrent des APIs, on peut automatiser les workflows et intégrer ses propres agents (pas tout d’un coup !) comme s’ils venaient élargir l’équipe. C’est modulable et évolutif.

Et je trouve que les éditeurs l’ont bien compris, ils savent qu’on va enrichir plutôt que de tout jeter dès qu’on touche une limite. C’est une vision saine de l’intégration et cela évite de refaire (et reproduire les mêmes erreurs avec un autre outil !).

Tu as un workflow d’exemple à nous montrer — pourrais-tu dérouler en détail ce processus IA qui viendrait compléter un écosystème de gestion de projet grand compte ?

Emmanuels Magaya : Avec plaisir, Galen. Cet exemple est un cas réel soulevé il y a deux semaines lors d’une de nos formations IA.

Il s’agissait d’une directrice PMO d’un grand groupe européen, implanté à l’international avec 15 ressources gérées à distance. Son défi : la visibilité sur la capacité de chaque ressource. Elle ignore qui est disponible, qui est sous-charge, qui peut se voir confier plus de tâches, etc.

Pour la démonstration, afin de la rendre compréhensible aussi pour des CEOs, DSI et dirigeants de secteurs non-PMO, j’ai simplifié le cas et créé un flux dans NotebookLM. NotebookLM est très utile pour conceptualiser un process. Et ce schéma peut ensuite être automatisé (dans n8n ou autre).

Concrètement : on définit le besoin (« J’ai une équipe de 15, aidez-moi à concevoir un process de planification et de visualisation de capacité, automatisable. »). NotebookLM produit une analyse textuelle, puis génère la mind map (via Studio > Mind Map). Cela donne l’équivalent d’un flowchart n8n.

On l’appelle « automatisation inter-systèmes de la capacité des ressources ». On structure alors le flux autour de quatre axes : les ressources projets, l’intégration SI, l’automatisation du workflow, et la planification de la capacité.

Galen Low : Pour mes auditeurs, on a donc une vue « mind map » dans NotebookLM, représentant le workflow « automatisation inter-systèmes de la capacité des ressources », avec ses quatre branches : ressources projets, intégration SI, workflow automatisé, planification capacité.

Emmanuels Magaya : Merci Galen.

Dans « Ressources projets », on liste l’équipe de 15 membres, leur capacité, leur spécialité pour une allocation cohérente. En intégration, il faut connecter les environnements du client : ServiceNow, Jira, Microsoft Office/Teams… On intègre tous les systèmes (API endpoints, synchronisation des données).

Les demandes arrivent par ServiceNow ou autre (Zendesk…), sont catégorisées : simple correctif, nouveau projet, programme… On filtre, on affecte à la bonne typologie d’effort, puis on intègre les workflows d’allocation, avec la nécessité de liaison entre données projets et données ressources.

Pour l’automatisation, la collecte de données passe par l’enregistrement des temps (timesheets). On analyse l’historique (trois, six mois…) pour évaluer les charges, en croisant avec les portefeuilles de projets. Des systèmes tiers sont parfois dédiés au time tracking. L’ensemble doit être intégré au workflow.

À partir des timesheets et du périmètre (scopage), la capacité de chaque personne est calculée (estimation basée sur le passé, la complexité du projet, la disponibilité). On équilibre ensuite les charges.

Des rapports automatisés alertent la directrice PMO (par exemple : « Billy a du retard », « tel projet dérape »). Cela peut même aller jusqu’à l’affectation automatique de personnes sur de nouveaux dossiers ou le signalement des risques de dérive ou de rupture de charge.

En planification, on suit la disponibilité en temps réel : qui est libre, qui sera dispos à partir de quelle date, etc. Couplées au scope projet, les fonctions de prévision permettent d’anticiper les temps forts et creux.

Galen Low : Pour récapituler pour mes auditeurs : on initie dans NotebookLM un cas d’usage « allocation de ressources » pour une équipe géographiquement dispersée, et NotebookLM génère une architecture-mindmap composée des différentes facettes nécessaires au workflow.

Emmanuel, peux-tu aussi détailler la construction concrète dans n8n ?

Emmanuels Magaya : Bien sûr. J’ai prévu un support d’étapes :

On part des sources de données (rapports projet, leçons apprises, cadres de gouvernance, templates, timesheets…), injectées dans NotebookLM (pour servir de référentiel-contextes).

Côté n8n, il s’agira de récupérer les logs projet, les rapports d’avancement, etc., synchronisés avec NotebookLM pour enrichir la base de connaissances. L’agent n8n crée alors des triggers pour chaque étape (avec APIs déjà paramétrées), puis restitue les résultats (notifications, reporting, etc.).

La clé, c’est bien de représenter le process par un flowchart (mind map), avant de passer à la phase purement technique. Cela évite l’erreur courante où l’on se précipite sur l’outil d’automatisation sans savoir où l’on veut aller, ni avec quelles exigences métiers.

Galen Low : J’aime beaucoup ! Pour les auditeurs, tout cela se résume à une intégration intelligente : on se sert, par exemple, de NotebookLM pour dresser l’architecture du workflow et centraliser la donnée, puis on construit la logique d’automatisation dans n8n, qui va trier la donnée, signaler les incidents, remonter des alertes, ou piloter le système au jour le jour, comme le ferait un agent humain dédié à la gestion du risque ressource.

L’avantage : on complète l’outil principal sans développement lourd, sans être développeur, juste en concevant l’agent comme on créerait une fiche de poste… puis en automatisant dans n8n. C’est puissant et libérateur, même si ça impressionne par la diversité d’options disponibles.

Emmanuels Magaya : Pour ceux qui n’ont jamais vu n8n ou Make, voici l’interface pour illustrer comment tout relier. En n8n, vous commencez par définir le point d’entrée (noeuds) : par exemple, un trigger lancé lors de la réception d’un e-mail (Gmail/Outlook). Chaque matin, il analyse la boîte, détecte les actions/révèle les risques potentiels via analyse sémantique IA. (C’est un autre cas concret vu lors de notre masterclass : réaction prédictive à partir des conversations numériques, e-mails, exchanges Teams...) L’IA analyse ces échanges et déduit des alertes (risques, incidents) à anticiper — c’est la force prédictive, l’une des grandes avancées de l’IA management de projet.

L’IA permet véritablement de passer d’un PMO réactif à un management prévisionnel et proactif (identification des risques à 12 mois à partir de la donnée et des signaux faibles).

Dans n8n, vous scénarisez les déclencheurs, les intégrations (Asana, Jira, ServiceNow, Zendesk...) déjà disponibles dans la plateforme, il suffit de relier les APIs, configurer les règles et les flux. Cela peut paraître complexe à un non-technicien, mais avec de bons experts c’est accessible et très robuste. Mais tout part du schéma, du mind map, qui rend la construction du workflow beaucoup plus simple.

Galen Low : C’est parfait — pour ceux qui croient que ce n’est « que » de l’automatisation, la vraie différence vient du NLP : l’IA détecte les signaux dans les discussions (e-mails, chats, comptes-rendus...) et déclenche la bonne action à partir de signaux informels, pas seulement de données structurées. C’est la promesse d’une nouvelle génération d’automatisations beaucoup plus proches des mécaniques humaines.

Emmanuels Magaya : Merci Galen !

Galen Low : Pour conclure, parlons futur : l’IA est-elle vraiment un « leveler » pour les économies émergentes ? Quelle est ta prédiction optimiste sur les transformations apportées par l’IA dans ces marchés sur les trois à cinq prochaines années ? Quelles postures doivent adopter les entreprises pour être leader de la livraison augmentée ?

Emmanuels Magaya : Ce que je constate c’est qu’il y a une forte appétence et des investissements croissants. Mais souvent, je vois des achats ou des stratégies IA précipités, sans cadrage solide.

Dans une table-ronde PM organisée le 6 février, une PMO expliquait qu’elle avait simplement dit à son équipe « Testez tous les outils IA de gestion de projet et faites un rapport ». Risque : courir après un objectif mouvant ; on ne peut pas vraiment évaluer 500 nouveaux outils par jour…

Il faut instaurer un cadrage méthodologique. D’abord, vérifiez si vos process sont compatibles IA. Si non, l’IA ne fera qu’« amplifier la casse ». D’où la nécessité de construire une RACI IA : pour chaque département, on identifie les fonctions à « basculer » partiellement ou totalement sur l’IA, on modélise en théorie avant même d’aller chercher un outil.

La clé, c’est l’acculturation IA (AI literacy). On ne peut pas y couper : faites le point sur les compétences IA dans vos équipes, analysez les écarts (souvent, IA = ChatGPT pour beaucoup), puis évaluez non seulement les capacités générales, mais aussi leur déclinaison métier. On a développé une grille d’évaluation spécifique pour cela.

Ensuite, assurez des environnements sécurisés, posez des garde-fous éthiques, monitorez les biais, testez prudemment, étape par étape. Si tout le monde maîtrise l’IA selon son rôle, alors le passage à l’échelle est possible, sinon l’échec est presque assuré.

Exemple cité lors d’un séminaire : un client voulait que « même la réceptionniste » utilise l’IA — preuve que la compétence IA doit devenir universelle !

Une fois la stratégie définie et l’acculturation en place, rédigez un cahier des charges précis pour vos besoins IA. Imaginez votre organisation dans 12 mois si l’IA fonctionne parfaitement… puis faites le rétroplanning de la mise en œuvre. N’achetez aucun outil avant d’avoir cette vision claire.

Galen Low : Ce que je retiens surtout, c’est que pour les marchés émergents, il ne s’agit pas de foncer tête baissée sans réflexion, mais au contraire d’investir dans les compétences, la vision, le cadrage, et ce sera la vraie grandeur différenciante par rapport à ceux qui se précipitent et échouent rapidement.

Emmanuel, encore merci pour le temps consacré aujourd’hui. Où peut-on en savoir plus sur toi ?

Emmanuels Magaya : Je suis très actif sur LinkedIn — il suffit de me chercher, Emmanuels Magaya. Je poste presque tous les jours si mon emploi du temps le permet. Sinon, vous pouvez me trouver via notre société Project Managers Africa : www.projectmanagers.africa ou www.projectmanagers.co.za. Notre siège est en Afrique du Sud, mais nous intervenons pour toute l’Afrique, et même à l’international (nous sommes présents à Dubaï). Nous investissons beaucoup dans l’autonomisation IA, donc je serai ravi d’entrer en contact.

Galen Low : Parfait, je mettrai tous les liens dans les notes de l’épisode. Et vraiment, un grand merci Emmanuel.

Emmanuels Magaya : Merci Galen, le plaisir était pour moi !

Galen Low : Voilà, c’est la fin de cet épisode du podcast The Digital Project Manager. Si vous avez apprécié la discussion, abonnez-vous ! Et pour plus de ressources pratiques, d’études de cas, de playbooks, créez un compte gratuit sur thedigitalprojectmanager.com.

À bientôt et merci de votre écoute.