Les meilleurs modèles d’IA pour les tâches de gestion de projet
Panorama des modèles: L’utilisation des modèles d’IA en gestion de projet a connu une forte croissance, avec des modèles spécialisés pour chaque tâche.
Synthèse de réunions: Différents modèles d’IA excellent dans la synthèse de réunions ; le choix du modèle influence la précision et le niveau de détail.
Communication avec les parties prenantes: L’IA aide à structurer le contenu des mises à jour pour les parties prenantes, mais la précision varie selon les modèles.
Documentation du périmètre: Claude est privilégié pour les tâches de périmètre nécessitant du détail, surtout lorsqu’il faut traiter les dépendances des processus du modèle.
Documentation des processus: ChatGPT est souvent meilleur pour organiser des informations dispersées en documents de processus cohérents.
Nous parlons souvent des outils de gestion de projet basés sur l'IA ici chez DPM — mais nous n'avons pas encore vraiment porté notre regard sur les modèles d'IA eux-mêmes et sur la façon dont ils transforment le travail des chefs de projet. Jusqu'à aujourd'hui.
Le paysage des modèles s'est rapidement densifié. Selon l'enquête sur l'adoption de l'IA menée par Artificial Analysis, le nombre moyen de familles de modèles LLM utilisées ou envisagées est passé d'environ 2,8 en 2024 à 4,7 en 2025. De plus, le classement « Modèles d'IA les plus utilisés » de T4 Atlas indique ceux qui apparaissent régulièrement sur le marché : GPT-4o, Claude 3.5 Sonnet, DeepSeek R1, Gemini 1.5 Pro, Llama 3, Copilot Model Stack, Grok et Codestral.
Si vous avez expérimenté plus d'un modèle, vous savez déjà qu'ils ne sont pas interchangeables — et les traiter comme tels pourrait vous faire passer à côté de véritables gains de performance. Pour comprendre comment ces modèles se comparent sur les tâches PM les plus courantes, nous sommes allés directement interroger les praticiens. Voici ce qu'ils nous ont dit.
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
Résumé de réunion et points d'action
Claude, Gemini, Read AI
La synthèse de réunions est l'un des cas d'utilisation les plus répandus de l'IA en gestion de projet, et également l'un des plus sensibles à la dégradation des performances selon le modèle choisi. Joe Troyer, directeur marketing de Great Lakes Tiny Homes, fait une comparaison directe : « Claude garde les points d'action précis tout au long de comptes rendus d'une heure, là où GPT commence à oublier les noms et les échéances après les trente premières minutes. » Plus la réunion est longue, plus le choix du modèle est déterminant.
Claude garde les points d’action exacts tout au long de transcriptions d’une heure, alors que GPT commence à oublier les noms et les échéances après les trente premières minutes.
Mais identifier le bon modèle n'est que la moitié de l'équation : savoir à quoi ressemble un bon résultat est l'autre partie. Troyer est précis : « Un bon résultat dresse la liste de chaque point accompagné du nom de l'intervenant et d'une phrase sur l'engagement. Un mauvais résultat ajoute des tâches supplémentaires qui n'ont jamais été évoquées ou fusionne deux personnes en un seul responsable. »
Tout le monde n’arrive pas à la même conclusion. Michael Gold, qui gère des projets pour plusieurs clients, croise volontairement les modèles au lieu de s’en tenir à un seul : « Finalement, je finis par tout utiliser, comme Gemini, Claude, Chatty, etc., même lorsque j’ai Firefly. Je prends le compte rendu de Firefly et je le mets ailleurs, parce que je ne fais pas confiance à Firefly. » Son approche fait de la comparaison des modèles une partie intégrante du flux de travail – pas une étape d’installation ponctuelle.
Ryan Gilbreath adopte une approche plus structurée et classe les options qu’il a testées : « Si je devais évaluer ma liste d’outils concernant les applications de prise de notes par IA, Read AI est actuellement mon choix numéro un. En deuxième, je mettrais Gemini simplement parce que je travaille dans un environnement Google et c’est facile de tout synchroniser et rassembler mes notes au même endroit. Ensuite, je dirais Otter AI. »
Communication avec les parties prenantes et rapports d'avancement
Claude Opus, ChatGPT-4
Un rapport d’état utile fait plusieurs choses très bien. Comme l’exprime Guillermo Ginesta, associé directeur APAC chez Brinc : « Un résultat utile doit distinguer les faits, les blocages, les actions liées à des responsables précis et le risque politique sans inventer de certitude. » Ken Herron, cofondateur de VCONify, est tout aussi clair : « Un bon résultat résume ce qui a changé, pourquoi c’est important, qui doit agir ensuite et où des décisions sont requises. Un mauvais résultat ressemble à un compte rendu générique de réunion, considère chaque problème comme également important et perd la perspective de direction. »
Avec cela à l’esprit, les experts ont tendance à différencier selon leur objectif d’optimisation. Ken Herron, cofondateur de VCONify, choisit Claude lorsque la qualité de la communication est la priorité : « Lorsque j’ai besoin de transformer des notes de réunion, des échanges d’emails et des retours d’exécutifs en une synthèse claire à destination des parties prenantes, Claude [Opus] produit systématiquement des communications plus claires et nuancées que les autres modèles que j’ai testés. »
D'autres défendent l'utilisation de ChatGPT-4. Bogdan Condurache, cofondateur et CPO de Brizy, utilise GPT-4 pour la communication avec les parties prenantes, en parallèle de Claude pour la définition du périmètre. Il met en avant la capacité de GPT-4 à adapter les communications selon le public visé : « Si je dois expliquer un retard à la direction, simplifier une mise à jour produit pour les clients ou résumer la dette technique à des équipes non techniques, il ajuste bien le ton et la profondeur. »
Documentation du périmètre et exigences
Claude Opus, ChatGPT-4
En matière de définition du périmètre, le consensus des praticiens penche vers Claude — en particulier pour les travaux complexes avec de multiples interdépendances, où le coût d'une hypothèse manquée est élevé. Murli Pawar, vice-président chez SunTec, explique comment son équipe utilise Claude Opus précisément à cette fin : « Nous utilisons Claude Opus pour transformer le document de périmètre d'un client en un véritable plan projet, en le découpant en tâches, en les séquençant et en cartographiant les dépendances. Nos projets comportent souvent de nombreuses étapes interdépendantes, où une phase ne peut démarrer tant qu'une autre n'a pas été terminée et validée. C'est donc une tâche exigeant une planification raisonnée, et non pas simplement une liste d'actions. »
Ce qui distingue Claude dans ce contexte, selon Pawar, c’est sa manière de gérer l’ambiguïté : « Lorsque je lui remets un cahier des charges flou, Claude est le plus constant pour repérer qu’une étape C dépend en fait secrètement de l’étape A, et pour signaler où le brief est incomplet, plutôt que de combler discrètement les vides par des suppositions. Les autres me proposent plus souvent un plan qui paraît complet mais dont le séquencement s’effondre au premier contrôle. »
La définition d’un bon versus un mauvais livrable selon Pawar mérite d’être retenue : « Un bon livrable est un plan que je peux interroger. Il met en avant ses propres hypothèses. Il sait aussi regrouper les tâches en phases logiques et m’indiquer là où le brief était ambigu, au lieu de masquer les failles. Je dois l’éditer, pas le reconstruire. Un mauvais livrable est un plan trop sûr de lui, mais erroné en profondeur. »
SOP et documentation des processus ChatGPT
La documentation des processus impose à l’IA des exigences différentes de la simple prise de notes en temps réel lors d’une réunion — et l’écart entre un rendu soigné et un livrable réellement utilisable peut ici s’avérer particulièrement préjudiciable. Les praticiens qui réalisent régulièrement ce travail ont tendance à privilégier ChatGPT, souvent en raison de sa capacité à restructurer des informations éparses en séquences logiques.
Hien Nguyen, cofondatrice et directrice chez Happy Way, utilise ChatGPT pour consolider les connaissances opérationnelles qui sont « dispersées à travers différents emplacements — réunions, messages dans Slack, emails et contributions des membres de l'équipe opérationnelle individuellement ». D'après son expérience, la valeur du modèle réside dans sa capacité à prendre des informations non structurées et à leur donner une organisation : « Un bon résultat définira le processus étape par étape et inclura les points de décision, avec un niveau de détail tel qu'un nouvel employé pourrait utiliser ce document pour exécuter le processus sans avoir besoin de clarifications continues. »
Elle identifie clairement le schéma d'échec principal : « Un mauvais résultat peut sembler soigné, mais n'inclura pas les détails pratiques. Si l'IA invente de nouvelles étapes, omet des informations vitales à propos d'un processus ou emploie des termes généraux pour décrire les entreprises sans expliquer comment le travail est réalisé, le document devient presque inutilisable. » Pour les procédures opérationnelles (SOP), une cohérence de surface ne suffit pas : il faut de la précision, sinon le document échoue en pratique.
Rédaction et travaux écrits
Claude, Gemini
Pour les tâches de rédaction — que ce soit la rédaction de communications de projet, de contenus ou de textes publicitaires — les professionnels constatent une nette division. Claude et Gemini s'imposent comme les options privilégiées, alors que ChatGPT arrive en retrait dans les comparaisons directes.
Jennifer Goebel, coordinatrice de projet chez Baker Marketing Laboratory, considère Claude comme le meilleur outil de rédaction en ce qui concerne le ton employé : « Claude semble être l'outil le plus adapté pour les communications, avec moins d'allers-retours que ChatGPT et un ton écrit plus naturel. »
Yonelly Gutierrez, qui gère des flux de travail de projet à travers plusieurs outils, a pris une décision plus radicale : elle a complètement arrêté son abonnement professionnel à ChatGPT après avoir constaté une baisse de performance. « J'ai remarqué une grande différence, même entre les modèles GPT. J'utilisais ChatGPT en permanence, mais maintenant je trouve qu'il "hallucine" beaucoup trop. » Elle utilise désormais Gemini pour la rédaction : « Pour la rédaction proprement dite, je préfère Gemini. » Son outil secondaire est Glean — non pour la qualité de rédaction, mais pour sa capacité à trouver rapidement le contexte pertinent au sein des projets internes.
Adapter le modèle au contexte
Qu'il s'agisse de résumés de réunions, de mises à jour de statut, de documentation de processus ou de cadrage de travail, un constat revient : les résultats générés par l'IA échouent non parce que la technologie serait défaillante, mais parce qu'on applique de mauvaises attentes — ou le mauvais modèle — à la tâche donnée. Les chefs de projet qui tirent le plus de valeur de l'IA n'utilisent pas un outil pour tout. Ils considèrent le choix du modèle comme une étape délibérée de leur flux de travail — et évaluent les résultats selon une norme précise de ce qu'est réellement un bon résultat.
Vous souhaitez d'autres analyses comme celles-ci ? Inscrivez-vous gratuitement à DPM pour découvrir d'autres témoignages d'experts.