L'IA agentique dans la gestion de projet : comment les agents IA redéfinissent la manière dont le travail est réalisé

Peu de tendances dans le domaine des logiciels d'entreprise sont passées aussi rapidement du statut de mot à la mode à celui de priorité au niveau du conseil d'administration que l'IA agentique. Pendant la majeure partie de la dernière décennie, l’expression « l’IA dans la gestion de projet » désignait quelque chose d’assez modeste : un rapport d’avancement plus intelligent, un résumé généré automatiquement, un chatbot capable de répondre à une question concernant une date d’échéance. Utile, mais limité. L'humain est resté fermement aux commandes, et le logiciel attendait qu'on lui demande.

Cette époque touche à sa fin. Le débat est passé d'une IA qui assiste à une IA qui agit. L'IA agentique désigne une nouvelle catégorie de systèmes qui ne se contentent pas de fournir des informations : ils les analysent, formulent des recommandations et agissent dans le cadre des limites que vous définissez. Pour les responsables de bureau de gestion de projet (PMO) et les dirigeants chargés de connecter De la stratégie à la réalisation, il ne s'agit pas d'une simple mise à niveau progressive des outils. Il s'agit d'un changement structurel dans la manière dont les portefeuilles sont planifiés, gérés et mis en œuvre.

Cette opportunité est bien réelle. Le risque aussi. Comme l’a souligné Matt Zilli, CEO de Planview, l’IA ne comble pas automatiquement le fossé entre l’intention stratégique et les résultats ; si elle n’est pas gérée, elle peut même l’aggraver, car « une décision mal orientée se répercute désormais à la vitesse d’une machine, à grande échelle, avant même que quiconque n’en perçoive les signes ». Comprendre ce qu'est réellement l'IA agentique et ce qu'elle implique pour votre modèle opérationnel est désormais une priorité pour la direction.

Dans le domaine de la gestion de projet, l'IA agentique désigne une intelligence artificielle capable de poursuivre un objectif de manière autonome — en planification les étapes, en collectant les données, en évaluant les options et en agissant dans le cadre de limites définies par l'humain — plutôt que de se contenter de répondre à des instructions. Concrètement, cela signifie un logiciel capable de détecter un risque, de résoudre une dépendance ou de rédiger de lui-même un rapport d'état, puis de le transmettre à une personne pour qu'elle l'examine, sans attendre qu'on le lui demande.

Cela permet de distinguer deux termes qui sont souvent utilisés de manière interchangeable.

L'IA générative produit du contenu. Demandez-lui de rédiger une charte de projet, de résumer une présentation destinée au comité de pilotage ou de réécrire une analyse des risques, et il vous répondra. Il est réactif et axé sur le dialogue.

L'IA agentique poursuit des objectifs. Au lieu d'attendre une seule instruction, un agent peut décomposer un objectif en différentes étapes, recueillir les données dont il a besoin, évaluer les options, passer à l'action et s'adapter en fonction de ce qu'il constate — le tout dans les limites fixées par un humain. La différence entre les agents IA et un chatbot génératif est la même qu'entre un outil qui répond à des questions et un collègue qui accomplit des activités.

Dans le cadre de la gestion de projet, cette distinction revêt une importance capitale. Un outil génératif peut vous indiquer que trois initiatives partagent une ressource essentielle. Un agent est capable de détecter le conflit, d'évaluer son impact sur le calendrier en aval, de proposer une réaffectation, de rédiger la communication destinée aux parties prenantes et de marquer la décision pour que vous l'approuviez — de manière continue, sur l'ensemble du portefeuille, sans que personne ne lui demande de le faire.

C'est dans les activités qui, depuis longtemps, mobilisent un temps disproportionné par rapport à leur valeur stratégique que l'on constate le plus clairement cette évolution d'un rôle d'assistant passif à celui de collaborateur actif. Réfléchissez aux domaines dans lesquels les agents d'IA font déjà la différence :

• Détection des risques et alerte précoce. La plupart des équipes ne se rendent compte de l'existence des points de blocage que lorsqu'ils entraînent déjà des retards — et à ce stade, les délais sont déjà dépassés et les équipes doivent se démener pour rattraper leur retard. Les agents analysent en permanence les données d'activité, les patterns historiques et les interdépendances afin de signaler les risques liés au calendrier, les anomalies de performance et les goulots d'étranglement avant qu'ils ne compromettent la livraison, et non après.
• Analyse des dépendances et des goulots d'étranglement. Cartographier comment l'activité se connecte entre les équipes, les outils et les objectifs signifiait traditionnellement des jours d'archéologie manuelle de feuilles de calcul. Les agents peuvent suivre ces relations en temps réel, ce qui permet de déterminer qui dépend de qui, sur quoi repose un flux d'activités donné et quels objectifs ont une activité à risque.
• Reporting d'avancement et synthèses. La préparation des réunions quotidiennes, des présentations générales de projet et des rapports destinés à la direction est une activité qui demande beaucoup d'efforts mais qui offre peu de possibilités de se démarquer. Les agents peuvent les assembler à la demande, ce qui permet aux chefs de projet de consacrer leur temps à la prise de décision plutôt qu'à la compilation.
• Planification de scénarios et analyse des compromis. Au lieu de créer manuellement des modèles de réaffectation, les dirigeants peuvent définir un objectif et demander à un agent de leur proposer des scénarios classés par ordre de priorité, accompagnés d'une analyse complète des compromis entre les capacités, les données financières et l'adéquation stratégique — ce qui permet de réduire de plusieurs jours à quelques minutes le temps nécessaire à la modélisation.
• Coordination courante. La mise à jour des statuts, le rapprochement des données entre les différents systèmes et la gestion des passages de relais administratifs constituent précisément le type de tâches répétitives et régies par des règles que les agents savent parfaitement gérer, avec précision et sans fatigue.

La tendance est la même dans tous ces cas : les agents prennent en charge la charge de coordination qui a toujours alourdi l'activité de projet et de portefeuille, afin que les équipes humaines puissent se concentrer sur la stratégie, l'alignement des parties prenantes et les décisions qui nécessitent véritablement un jugement.

Voici le point essentiel que tout dirigeant chargé d'évaluer l'IA agentique doit bien garder à l'esprit : les modèles d'IA à usage général sont remarquables, mais ils ne comprennent pas votre activité.

Un modèle de base peut rédiger de manière remarquable et faire preuve d'une capacité de raisonnement impressionnante, mais il ignore ce que coûte à votre entreprise un retard de programme de40 millions de dollars, comment votre portefeuille se comporte réellement en situation de crise, ou encore quels compromis votre organisation juge acceptables. Comme l’a expliqué Louise K. Allen, directrice des produits chez Planview, il s’agit là de « la différence entre une IA capable de répondre à des questions et une IA qui comprend l’ensemble du contexte stratégique entourant l’activité ». Et ce contexte n'est pas quelque chose que vous pouvez reproduire à l'aide d'un connecteur ou d'une invite astucieuse.

C’est pourquoi la question la plus importante n’est pas « dans quelle mesure ce modèle est-il performant ? », mais « dans quelle mesure comprend-il notre activité ? » Un agent fonctionnant hors de tout contexte organisationnel est rapide et sûr de lui — mais peut se tromper à grande échelle. On peut faire confiance à un agent qui a une vision réaliste des liens entre stratégie, investissements, ressources et résultats pour agir de manière appropriée.

Dans ce contexte, la mise en place d'agents de mise à la terre nécessite une base de données. Il ne suffit pas de suivre les flux de travail au niveau de l'équipe ; les responsables doivent avoir une vue d'ensemble : comment une activité d'exécution donnée s'inscrit dans la réalisation d'un objectif, de quoi elle dépend, et quelles sont les conséquences sur les résultats en cas de retard. Planview aborde cette question grâce à son « Connected Work Graph », une cartographie en temps réel, alimentée par l'IA, qui illustre les liens entre les tâches au sein des équipes, des projets et des outils, ainsi qu'à son « Outcome Intelligence Graph », un modèle plus global du portefeuille d'entreprise dans lequel chaque décision est reliée aux ressources qui la sous-tendent et aux résultats qu'elle génère. En résumé : la qualité des agents dépend entièrement du contexte à partir duquel ils raisonnent.

Un exemple concret et pertinent est celui de Cognizant, cette entreprise mondiale de services informatiques qui emploie environ 340,000 personnes. À la suite d'une fail 2020 e en matière de cybersécurité, l'entreprise a remanié ses processus de gestion de projets et de portefeuille en l'espace d'environ six mois à l'aide de la solution Planview Project Portfolio Management, harmonisant ainsi la gouvernance de plus de 40 s de programmes. Une fois cette base de données connectée mise en place, Cognizant a ensuite intégré l'IA générative à son PMO via Planview Anvi, en l'utilisant notamment pour l'identification rapide des risques liés aux projets, la génération automatisée de résumés de contenu dans le cadre de la gouvernance, la création de guides pratiques étape par étape à des fins de formation, la récupération automatisée de rapports et l'extraction rapide d'informations à partir de la documentation des projets. Parmi les résultats présentés figurent le suivi en temps réel de la conformité aux programmes et l'analyse des lacunes, une meilleure identification des risques, ainsi qu'une adoption plus rapide par les utilisateurs grâce à une formation assistée par l'IA.

« Après avoir déployé avec succès les capacités essentielles de gestion de projets et de programmes ces dernières années, nous avons mis en place des bases solides en matière de données et de processus. « Cela nous place dans une position idéale pour exploiter l'IA générale et Planview Anvi afin de mener la prochaine vague de transformation. » – Estela Lauricella-Thota, Senior Director of Technology Transformation chez Cognizant

Le parcours de Cognizant met également en évidence une nuance importante : tous les agents ne disposent pas du même niveau d'autonomie. Aujourd'hui, la plupart des déploiements en entreprise reposent sur une intervention humaine : l'agent formule une recommandation et une personne la valide, ce qui se situe à mi-chemin entre une IA entièrement assistante et une action totalement autonome. À mesure que les organisations gagnent en maturité, il devient possible de coordonner plusieurs agents spécialisés, et la question ne porte plus sur les capacités brutes, mais sur le ROI : il s'agit de démontrer que chaque agent apporte une valeur supérieure à son coût d'exploitation.

Si les agents sont en mesure d'agir, la gouvernance n'est alors plus une option : c'est le fondement qui garantit la sécurité de tout le reste. C'est cet aspect de la transition vers une approche axée sur l'action que le PMO et les responsables de portefeuille sont particulièrement bien placés pour prendre en charge.

Toute stratégie en matière d'IA agentique devrait reposer sur trois principes :

1. Chaque action doit déboucher sur un résultat. Avec l'IA, on est tenté de privilégier son adoption pour elle-même. Mais la première question n’est pas « comment adopter plus rapidement l’IA ? », mais « comment savoir si nos investissements dans l’IA produisent les résultats pour lesquels nous les avons financés ? ». Les agents doivent être déployés en fonction d’objectifs mesurables, et non par simple goût de la nouveauté.
2. La gouvernance doit être conçue pour favoriser la rapidité. Les cycles d'approbation traditionnels sont conçus en fonction du rythme humain. Lorsque les agents agissent à la vitesse d'une machine, les mécanismes de contrôle doivent suivre le rythme : grâce à des garde-fous automatiques régissant l'activité des agents, à des limites claires quant à ce qu'un agent peut et ne peut pas faire de manière autonome, et à une visibilité permanente sur ce que les agents font réellement.
3. Les personnes et les agents doivent faire partie d'un même système. À mesure que les agents se voient confier des activité, ils viennent renforcer votre capacité. La planification, la gestion et l'optimisation séparées des ressources humaines et des ressources issues de l'IA créent des angles morts. Les dirigeants ont de plus en plus besoin d'une plateforme unique — ce que Planview appelle la « gestion des ressources des agents » — qui regroupe les collaborateurs et les agents IA au sein d'un même modèle, tout en offrant une visibilité sur les coûts pour chaque décision relative aux capacités et en fournissant en permanence des preuves des résultats obtenus par ces agents.

En d'autres termes, la gouvernance ne constitue pas un frein à l'IA agentique. C'est ce qui vous permet de l'utiliser en toute confiance.

L'IA agentique modifie le rôle du PMO de manière subtile mais significative. Le rôle du PMO évolue : il ne se limite plus à servir de centre de coordination pour le suivi d'avancement et le reporting — activités dont se chargent de plus en plus les agents —, mais s'oriente davantage vers la coordination : définir les résultats qui comptent, établir les lignes directrices dans lesquelles les agents doivent opérer et veiller à ce que les équipes humaines et l'IA restent en phase avec la stratégie.

Il y a quelques mesures qu'il serait judicieux de prendre dès maintenant :

• Commencez par des activités qui demandent beaucoup d'efforts mais peu de prise de décision. Le reporting, la cartographie des dépendances et les mises à jour régulières constituent des candidats idéaux pour commencer. Ils apportent un soulagement immédiat et renforcent la confiance de l'organisation dans le comportement des agents.
• Investissez dans votre infrastructure de données avant de vous lancer dans l'autonomie. Les agents dépourvus de contexte constituent un risque. C'est le lien entre la stratégie, l'activité et les résultats qui rend l'IA agentique digne de confiance.
• Considérez la gouvernance comme une exigence de conception, et non comme un élément ajouté après coup. Déterminez dès le départ ce que les agents peuvent faire de manière autonome, ce qui nécessite une validation humaine, et comment vous allez suivre et évaluer leurs mesures chiffrées.
• Mesurez les résultats, et non l'activité. L'objectif n'est pas d'utiliser davantage l'IA, mais d'améliorer les résultats : moins de surprises, des décisions plus rapides et un lien plus étroit entre ce que vous avez financé et ce que vous avez obtenu.

L'IA agentique n'est pas une perspective lointaine pour la gestion de projets et de portefeuilles : c'est la direction que prend déjà cette discipline. Les agents IA évoluent du statut d'assistants passifs à celui de collaborateurs actifs, capables de détecter les risques, de démêler les dépendances, de modéliser des scénarios et de prendre des mesures. Les organisations qui en tireront le plus grand bénéfice ne seront pas celles qui adopteront ces changements le plus rapidement. Ce sont eux qui ancreront leurs agents dans un contexte commercial réel et les encadreront avec rigueur, afin que la rapidité serve la stratégie au lieu de la compromettre.

L'écart entre les objectifs stratégiques et les résultats métier n'a jamais été aussi coûteux — ni aussi facile à combler. Une IA agentique, lorsqu'elle est bien utilisée, est ce qui permet aux responsables de mener à bien leurs projets.

Pour découvrir comment Planview intègre l'IA agentique à la gestion stratégique de portefeuilles et à la gestion de portefeuilles de projets — grâce à Planview Anvi, au « Connected Work Graph » et à la gestion des ressources par agents —, explorez Planview IA.