Des experts révèlent les pires cas d’utilisation de l’IA en gestion de projet
Réflexion critique: Les plans de projet automatisés semblent complets mais manquent de contexte essentiel, ce qui peut entraîner des problèmes pour le projet.
Nécessité de relecture: Se fier aux résultats de l'IA sans vérification humaine peut conduire à des erreurs et des conséquences importantes.
Confrontation à la réalité: L'IA a du mal avec les tâches factuelles comme les feuilles de temps, ce qui met en danger l'exactitude des données et l'intégrité des registres de projet.
Implication humaine: Utiliser l'IA pour la gestion des parties prenantes peut nuire à l'engagement authentique nécessaire à une communication productive.
Fondement du processus: L'IA ne doit pas remplacer l'établissement de références humaines dans les processus, car elle ne peut pas définir de workflows efficaces.
L'adoption de l’IA dans la gestion de projet s’est accélérée rapidement, accompagnée d’un enthousiasme qui ne résiste pas toujours à un examen attentif. Les outils promettant de gagner du temps, de réduire la charge administrative et de mettre en lumière des informations sont devenus incontournables dans les flux de travail des chefs de projet — mais toutes leurs applications n’offrent pas les résultats escomptés. En réalité, certains cas d’usage posent discrètement plus de problèmes qu’ils n’en résolvent. Les experts qui travaillent dans ce domaine au quotidien ont repéré ces tendances et parlent ouvertement des situations où l’IA complique la gestion de projet.
Générer des plans de projet sans esprit critique
Peu d’usages de l’IA dans la gestion de projet sont aussi séduisants — ou risqués — que le plan de projet automatisé. Fournir un cahier des charges et recevoir un plan en retour. Cela semble être un gain de productivité, mais les chefs de projet expérimentés affirment que les résultats paraissent meilleurs qu’ils ne le sont en réalité et que les PM acceptant ces plans sans vérification s’exposent à de futurs problèmes.
Pam Butkowski, vice-présidente principale chez Horizontal Digital, le dit sans détour : « Même si vous disposez d’un outil dans lequel vous saisissez un SOW (Statement of Work) et lui demandez de créer un plan de projet pour vous, je vous garantis que ce ne sera pas juste. Cela ne le sera tout simplement pas. C’est un excellent point de départ. Mais nous devons ensuite utiliser notre esprit critique. » Le plan peut être structuré, sembler complet — mais il n’a pas accès aux dépendances réelles, à la capacité effective de l’équipe, ni au contexte organisationnel qui rend un calendrier réaliste.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Même si vous disposez d’un outil dans lequel vous saisissez un SOW et lui demandez de créer un plan de projet pour vous, je vous garantis que ce ne sera pas juste. Cela ne le sera tout simplement pas.
Jeff Chamberlain, responsable des services à haut débit et du PMO au gouvernement du comté de Fredrick, en est arrivé à la même conclusion par expérience : « Certaines personnes l’abordent en souhaitant qu’il crée des plans de projet. Je n’ai pas réussi à obtenir de bons plans de projet avec cet usage. Et généralement, on finit par tout refaire. » Lorsque les retouches nécessaires pour rendre un plan généré par l’IA exploitable approchent le temps qu’il aurait fallu pour le créer de zéro, l’argument de l’efficacité disparaît.
Certaines personnes l’abordent en souhaitant qu’il crée des plans de projet. Je n’ai pas réussi à obtenir de bons plans de projet avec cet usage. Et généralement, on finit par tout refaire.
Copier-coller des résultats IA sans relecture
S’il y a une habitude que les professionnels identifient comme particulièrement dangereuse à court terme, c’est bien celle-ci : accepter les résultats générés par l’IA comme un travail finalisé. La tentation se comprend facilement. Le texte semble soigné, le ton assuré, et il est tentant de passer à autre chose. Mais cette apparente « propreté » peut masquer des erreurs majeures — et si personne ne relit le travail avant qu’il ne parte, les conséquences peuvent être lourdes.
Mike Clayton, PDG et fondateur de OnlinePMCourses.com, a vu ce problème émerger dans le secteur des services professionnels avec de véritables enjeux financiers : « Il y a des gens qui se contentent de se dire : on m’a posé une question, je l’envoie à ChatGPT puis je copie-colle la réponse, et mon travail est terminé. Et personne ne l’a même relue ou corrigée. » Le problème n’est pas l’usage de l’IA — c’est qu’on a sauté l’étape humaine de vérification et de correction.
Il y a des personnes qui se disent simplement : bon, on m’a posé une question. Je vais poser la question à ChatGPT, copier-coller la réponse, et mon travail est terminé.
Megan Cotterman, cheffe de projet fractionnée et consultante en opérations, l'a vécu elle-même : « J'utilisais l'IA pour m'aider sur ce projet de conception pédagogique... l'IA a réellement mélangé les informations et j'ai obtenu des infos erronées. Donc je pense qu'il est important que les équipes comprennent que ce n'est pas la solution ultime... et qu'il ne s'agit pas de simplement copier-coller puis d'envoyer au client, en pensant que c'est bon. » Même avec une utilisation réfléchie, l'IA peut encore produire de l'information incorrecte — ce qui veut dire que la relecture humaine n'est pas optionnelle ; c'est le vrai travail.
Utilisation de l'IA pour les feuilles de temps et le suivi factuel
Il existe une catégorie de documentation de projet qui dépend entièrement de la réalité : ce qui s'est réellement passé, qui a fait quoi, et quand. Les feuilles de temps s'inscrivent parfaitement dans cette catégorie. Et c'est précisément là, où l'exactitude est indispensable, que l'IA est la moins adaptée à apporter de l'aide.
Oliver F. Lehmann, formateur en gestion de projets chez Oliver F. Lehmann Project Business Training, expose le problème avec une grande clarté : « L'IA ne peut pas rédiger une feuille de temps. Elle peut en inventer une, mais elle ne peut pas en rédiger une de manière fidèle. Donc vous introduisez de la fantaisie là où la documentation devrait être réelle. » L'IA peut générer quelque chose qui ressemble à une feuille de temps complétée — des lignes plausibles, des heures qui s’additionnent — mais rien de tout cela ne reflète ce qui s'est réellement produit. Introduire ce type de données inventées dans l'enregistrement d'un projet ne fait pas gagner de temps ; cela le fausse.
L’IA ne peut pas rédiger une feuille de temps. Elle peut en inventer une, mais elle ne peut pas rédiger une feuille de temps !
Automatisation de la gestion des parties prenantes et de la communication
La gestion des parties prenantes est l'une des tâches les plus humaines du travail de projet, et pour une bonne raison. Les discussions qui font avancer les projets — les plus difficiles, celles qui nécessitent de la confiance et une écoute attentive — reposent sur une implication humaine authentique. Les tentatives d'automatiser ou d'externaliser cette implication à l'IA tendent à saper précisément ce qui rend ces échanges productifs. Les parties prenantes confrontées à des décisions complexes ou contestées ne souhaitent pas un processus de communication optimisé — elles veulent se sentir véritablement entendues par un être humain.
Le problème s'étend à la communication écrite quotidienne. Lehmann observe : « Je vois très souvent des chefs de projet qui utilisent simplement l'IA pour rédiger leurs e-mails. Le langage est souvent trop doux là où il faudrait plus de fermeté. L'IA a tendance à lisser fortement les formulations. » Lorsqu'un projet nécessite un message direct et ferme à un acteur clé, le langage généré par l'IA a tendance à atténuer le ton — ce qui laisse souvent le vrai problème non abordé.
Yonelly Gutierrez, directrice principale de programmes chez Palo Alto Networks, remarque aussi cette particularité dans la communication rédigée par l’IA : « Parfois, en lisant le texte, je me dis, 'tu ressembles tellement à un robot IA. Allez, parle normalement, s’il te plaît.' » La rigidité caractéristique du langage généré par l’IA n’est pas qu’un problème esthétique — c’est aussi un signe pour les destinataires que le message n’a pas été rédigé à leur intention spécifique.
Déployer l'IA avant d'établir une base humaine
L'une des approches les plus bancales de l’adoption de l’IA est de la mettre en œuvre avant même d’avoir déterminé comment la tâche sous-jacente doit fonctionner. Lorsque les organisations passent l’étape cruciale d’établir un processus fonctionnel et piloté par l’humain pour automatiser directement, elles n’accélèrent pas le progrès, elles accélèrent la confusion.
Derek Fredrickson, fondateur et PDG de The COO Solution, observe fréquemment ce schéma : « Bien souvent, ils essaient d’introduire l’IA comme solution avant qu’un humain n’ait réellement réalisé la tâche. Je pense toujours qu’un humain doit d’abord faire ce que vous voulez automatiser avant de confier cette tâche à l’IA, au lieu de mettre de l’IA juste pour le principe. » L’IA excelle à amplifier et systématiser des processus déjà bien compris. Mais elle est incapable de définir ce à quoi ressemble un bon processus quand celui-ci n’a jamais été maîtrisé par un humain, en premier lieu.
J’ai toujours pensé qu’un humain devait d’abord faire ce que vous souhaitez automatiser avec l’IA, plutôt que d’implémenter simplement l’IA pour le principe de l’IA.
Rapports alimentés par l'IA avec des données erronées ou sans objectif clair
Le reporting automatisé est l'un des principaux avantages cités de l'IA en gestion de projet. La promesse est réelle — mais elle s'accompagne de conditions que les organisations négligent fréquemment. Si les données sous-jacentes sont peu fiables ou si l'objectif du rapport n'est pas clairement défini, l'IA ne produit pas de meilleurs rapports. Elle produit des rapports, certes bien mis en forme, mais qui ne vous disent pas ce que vous avez besoin de savoir.
Emmanuels Magaya, fondateur de Project Managers Africa, identifie les deux écueils : « Si vous voulez que l'IA automatise vos rapports, ce que vous constaterez souvent, c'est que si les données ne sont pas correctes, votre rapport ne vous donnera pas ce que vous recherchez. Et il faut aussi savoir ce que l'on veut obtenir dans le rapport. » Des données propres et un objectif clairement défini, spécifique aux parties prenantes, sont des prérequis — et non des options — pour que le reporting assisté par l'IA apporte une réelle valeur.
Si vous voulez que l’IA automatise vos rapports, ce que vous constaterez souvent, c’est que si les données ne sont pas correctes, votre rapport ne donnera pas ce que vous recherchez.
Superposer l'IA à des processus défaillants
L'IA est un multiplicateur de force. C'est précisément pour cela qu'appliquer l'IA à un workflow dysfonctionnel est contre-productif — elle multiplie la dysfonction. Les organisations qui pensent que l'IA va corriger un processus défaillant ne font, dans presque tous les cas, qu'aggraver ce processus et le rendre plus difficile à diagnostiquer.
Markus Kopko, coach principal CPMAI, explique clairement la dynamique : « Jeter l'IA et des solutions d'IA sur de mauvais processus ne rend pas le processus meilleur. Les résultats sont même pires que si vous n'aviez rien changé à vos processus. » L'amélioration des processus doit venir en premier. Appliquer l'IA sur un workflow non examiné ou inefficace ne met pas en lumière les problèmes sous-jacents — elle les enterre sous une production plus rapide et plus volumineuse.
Remplacer le jugement humain dans la dynamique d'équipe et les conflits
Les données peuvent en dire beaucoup à un chef de projet. Elles ne peuvent pas lui révéler que deux membres de l'équipe ont cessé de se faire confiance, quand la sécurité psychologique de l'équipe est inexistante, ou que ce qui semble être un problème de planification est en réalité un conflit plus profond. Ces situations exigent de la présence, de l'observation et un jugement humain — ce que l'IA ne peut tout simplement pas fournir.
Jeremiah Hammon, formateur en leadership et gestion de projet chez Project Revolution, trace une limite claire : « Ce que l'[IA] ne fera pas, c'est voir les vrais problèmes. Elle ne nous dit pas que nous avons trois membres de l'équipe qui traversent des problèmes personnels ou lorsque des conflits doivent être résolus dans l'équipe. Elle ne le fera pas. » La texture interpersonnelle d'une équipe projet — qui rencontre des difficultés, qui se désengage, ce qui reste non-dit — est invisible pour l'IA. Et dans de nombreux projets, c'est précisément cette texture qui détermine si le travail aboutit ou non.
Ce que l'[IA] ne fera pas, c’est voir les vrais problèmes. Elle ne nous dit pas que nous avons trois membres de l’équipe qui traversent des problèmes personnels ou lorsque des conflits doivent être résolus dans l’équipe. Elle ne le fera pas.
Le schéma derrière le problème
Dans tous ces cas d'utilisation, un fil conducteur relie les échecs : l’IA à qui l’on demande d’effectuer des tâches pour lesquelles elle n’a jamais été conçue, ou bien déployée de façon à écarter le jugement humain qui aurait permis de détecter le problème. Le problème n’est pas l’IA en elle-même — c’est de penser que, parce que l’IA peut produire un résultat, ce résultat est fiable, approprié ou suffisant. Les praticiens qui utilisent l’IA de manière la plus efficace ne sont pas ceux qui ont la liste d’applications la plus longue. Ce sont ceux qui savent précisément où s’arrête l’IA et où commence le jugement humain — et qui considèrent cette frontière non pas comme une limitation, mais comme un principe de conception.
Vous voulez plus d’analyses de ce type ? Créez un compte DPM gratuit pour entendre d’autres experts comme ceux-ci.
