Avec la généralisation d’accès à une partie de ce que peut nous proposer l’Intelligence Artificielle, le coût de production de non-sens sera presque nul, ce qui facilitera l’inondation d’Internet et des réseaux sociaux de mensonges à des fins économiques et politiques.
Risk Management framework for AI de John Goodpasture
Le RMF IA fait référence à un système d’IA en tant que système conçu ou basé sur une machine qui peut, pour un ensemble donné d’objectifs, générer des résultats tels que des prédictions, des recommandations ou des décisions influençant des environnements réels ou virtuels. Les systèmes d’IA sont conçus pour fonctionner avec différents niveaux d’autonomie (Adapté de : Recommandation de l’OCDE sur l’IA : 2019 ; ISO/IEC 22989:2022).
Tout ceci n’est pas nouveau; une grande partie a été tirée des normes de gestion des risques de l’ISO, ainsi que d’autres guides de gestion des risques de l’Agence.
Autres avis
Ebook sur amazon
Si vous voulez un bon aperçu des risques de l’IA tels que vus par un pseudo-sceptique expert, lisez ce qu’écrit Gary Marcus*. Avec ses co-auteurs, il a écrit plusieurs articles et un livre très respecté intitulé: « Rebooting AI: Building Artificial Intelligence We Can Trust »
« Redémarrer l’IA : Construire une intelligence artificielle en laquelle nous pouvons avoir confiance »
Sans surprise, Marcus voit un grand risque dans l’acceptation des résultats des modèles de réseaux neuronaux qui interrogent de très grands ensembles de données, car, comme il le dit, sans connectivité contextuelle aux modèles d’IA symboliques (le genre que vous obtenez avec les algorithmes de symboles, comme celui de l’algèbre), il y a peu de façons (pour le moment) de valider la « vérité ».
Marcus dit que le risque de systèmes comme ceux récemment introduits par OpenAI et d’autres est qu’avec ces outils, le coût de production de non-sens sera presque nul, ce qui facilitera l’inondation d’Internet et des réseaux sociaux de mensonges à des fins économiques et politiques.
John Goodpasture a demandé à ChatGPT une évaluation des limites et des dangers de l’utilisation de la conventionnelle matrice de risque en management de projets : impact versus probabilité dans son format matriciel.
Dans une réponse « pas trop mauvaise », ChatGPT a répondu de cette façon (non édité, sauf pour le formatage du texte [et la traduction]):
La matrice des risques est un outil couramment utilisé dans le management des risques liés aux projets, mais elle présente plusieurs limites potentielles, notamment :
Simplification excessive : Une matrice de risque peut réduire les facteurs de risque complexes en valeurs numériques et en couleurs simples, ce qui peut entraîner une simplification excessive du risque réel.
Manque d’uniformité : Différentes personnes ou organisations peuvent utiliser des critères différents pour attribuer des valeurs numériques aux risques, ce qui entraîne des incohérences dans l’évaluation des risques.
Fausseimpression de précision: L’utilisation de chiffres et de couleurs dans une matrice de risque peut donner une fausse impression de précision et d’exactitude, même si l’évaluation des risques sous-jacente peut être subjective et fondée sur des renseignements limités.
Manque de contexte : La matrice des risques ne fournit pas suffisamment de contexte ou d’information sur les risques évalués, ce qui rend difficile la compréhension des causes sous-jacentes et des répercussions potentielles des risques.
Portée limitée: La matrice des risques ne tient compte que des risques qui ont été cernés et peut ne pas tenir compte des risques inconnus ou émergents.
Dépendanceexcessive: Les matrices de risques sont souvent utilisées comme seul outil d’évaluation et de management des risques, ce qui entraîne une simplification excessive des risques complexes.
Détails limités: Les matrices des risques fournissent peu d’information sur les risques individuels et n’incluent pas souvent de stratégies d’atténuation.
Qualitatif vs quantitatif: L’utilisation d’informations qualitatives pour attribuer des scores de risque dans une matrice peut entraîner des interprétations subjectives et des incohérences entre les utilisateurs.
Inflexibilité : Les matrices de risque sont statiques, ce qui rend difficile la prise en compte des changements dans les risques au fur et à mesure de l’avancement d’un projet.
Fauxsentiment de sécurité: L’utilisation de codes couleur et d’autres aides visuelles peut créer un faux sentiment de sécurité quant au niveau de risque présent dans un projet.
Manque d’intégration: Les matrices de risque sont souvent utilisées isolément, sans être intégrées au processus global de management des risques.
Culture et politique: La façon dont les risques sont perçus et classés par ordre de priorité peut être influencée par la culture organisationnelle et les considérations politiques.
À cette liste assez complète, j’ajouterais que si l’impact et les probabilités sont donnés numériquement, indépendamment de leur calibrage ou des biais intégrés, les nombres doivent être compris comme des « nombres aléatoires » tirés de distributions statistiques (généralement inconnues).
L’arithmétique ordinaire des « nombres aléatoires » entre eux n’est pas valide. Seul le traitement statistique de leurs distributions est techniquement possible. Et c’est souvent le pas de trop.
Partenaire de DantotsuPM, CERTyou est le spécialiste des formations certifiantes
partagez ce billet avec vos amis, collègues et relations professionnelles
Vous avez certainement entendu parler de ChatGPT. Qu’est-ce ChatGPT ?
Il y a un buzz incroyable autour de cette intelligence artificielle avec laquelle on peut discuter et qui répond sur un style quasi humain. Les enthousiastes en font des tonnes. On prédit la fin du moteur de recherche de Google puisque ChatGPT répond à toutes vos questions, la fin des codeurs car ChatGTP crée du code sur demande dans le langage de votre choix, la fin des auteurs humains puisque Chat GPT rédige sur demande sur le sujet de votre choix… Christian Hohmann
Christian a eu l’idée de demander directement à ChatGPT ce qu’est ChatGPT !
Sa réponse écrite sera lue par un convertisseur vocal. Pourquoi tant d’engouement autour de ChatGPT ? Réponse dans cette courte vidéo !
Si vous êtes consultant ou manager de projet et souhaitez que #ChatGPT vous aide à expliciter pourquoi votre activité est importante pour vos clients ou bien si vous avez tout simplement entendu parler de ChatGPT et souhaitez avoir un exemple concret, ce billet est fait pour vous.
En effet, ce #script réutilisable est fait pour vous !
En quelques heures, Lenda a entrainé l’outil à parler d’un de ses domaines d’expertise de plus en plus précisément.
Remarquons aussi que le résultat est multi-niveaux :
argumentaire commercial
parcours de formation pour les béotiens sur le sujet
script pour continuer la conversation sur d’autres thèmes de l’exemple (#agilité, #contrôle de gestion, #audit,…)
début de script pour assigner une compétence donnée à ChatGPT, et méthode pour y injecter de plus en plus de précision pour l’amener à donner un avis d’expert, à la condition essentielle d’en savoir un minimum sur le sujet.
Vous êtes curieux et désirez aller plus loin ?
Adhérez au groupe « ChatGPT pour les Nuls » sur LinkedIn, nous nous efforçons de mettre en commun nos réflexions et nos productions en langue française.
Si vous êtes intéressé par les nouvelles technologies de l’IA conversationnelle et que vous souhaitez partager vos cas d’usage et vos retours d’expérience avec chatGPT, ce groupe est fait pour vous !
Rejoignez-le pour échanger avec d’autres professionnels, découvrir de nouvelles possibilités et développer vos compétences avec chatGPT.
Lenda Aït Kaddour
Lenda Aït Kaddour est une consultante indépendante franco marocaine, experte en transformationdes organisations et en management de projets complexes.
Elle possède trois diplômes de niveau BAC+5, initialement en tant qu‘Ingénieur Agronome à Bordeaux Sciences Agro en 1997, complété en 2011 par un Master2 en Mathématiques appliquées à lagestion des risques à l’Institut d’Administration des Entreprises de l’Université Montpellier II, et renforcé en 2012 avec l’obtention du Mastère Spécialisé SILAT d’AgroParisTech Executive formant aux Systèmes d’Informations Géographiques.
Lenda a débuté sa carrière entre le Luxembourg et Paris, en tant que formatrice et consultante en bureautique et en gestion de projets. Au fil de ses missions, au sein d’organisations parfois multinationales aux métiers très divers (Télécommunication, Energie, Construction, Fonction publique, Coopération internationale, …) elle continue à développer ses compétences dans un esprit pluridisciplinaire, interculturel et amplement dédié à l’intelligence collective et à la construction des connaissances.
Actuellement établie au Maroc, elle intervient désormais majoritairement en accompagnement de décideurs dans les organisations souhaitant répondre à des enjeux stratégiques impliquant des transformations.
Avec l’apparition de ChatGPT, Lenda cherche à développer de nouvelles formes de conseilet d’intervention à l’aide de cet outil à la productivité remarquable.
partagez ce billet avec vos amis, collègues et relations professionnelles
À mesure que les technologies d’Intelligence Artificielle (IA) deviennent de plus en plus courantes dans l’entreprise, quelles compétences vous distinguent ? Personnes individuelles et équipes informatiques, concentrez-vous sur ces quatre !
4 Artificial Intelligence (AI) skills IT pros must have
L’Intelligence Artificielle (IA) est sans doute devenue un terme courant dans les entreprises modernes. À l’heure actuelle, la plupart des entreprises ont adopté un type d’initiative commerciale qui inclut l’IA dans leur transformation numérique.
L’intelligence artificielle est un terme large, mais une grande partie de la recherche et du développement actuels se concentre sur l’apprentissage automatique (Machine Learning /ML), une sous-discipline grâce à laquelle les machines apprennent à partir de données plutôt que d’être explicitement programmées.
Surveillez vos compétences en IA
L’IA et le ML ciblant un large éventail d’utilisateurs d’entreprise, les professionnels de l’informatique doivent développer de nouvelles compétences pour réussir dans ce domaine émergent. En voici quatre exemples.
#1 – Recadrez les problèmes business depuis le contexte des données
Une compréhension de l’entreprise et de ses problèmes les plus urgents est une compétence transcendante pour tout professionnel de l’informatique. Cependant, les projets axés sur l’IA nécessitent que les solutions soient cadrées et rationalisées dans le contexte des données directement ou indirectement disponibles pour l’entreprise.
La question essentielle est de savoir si ces données ont le potentiel de résoudre le problème business en question. Bien que la réponse ne soit pas toujours immédiatement évidente, elle commence par une hypothèse issue d’une analyse préalable ou peut-être simplement basée sur l’intuition. Par exemple, une entreprise qui connaît un fort taux de désabonnement de sa clientèle pourrait émettre l’hypothèse que les changements récents dans l’activité commerciale pourraient prédire l’attrition future.
#2 – Soignez votre ingénierie des données
La plupart des entreprises disposent d’une abondance de données, mais leur exploitation pour des projets d’IA / ML peut être difficile. La préparation des données pour l’analyse et l’apprentissage automatique est généralement la partie essentielle et la plupart des organisations ne comprennent pas l’investissement requis pendant cette phase.
De plus en plus, les entreprises réalisent l’importance de créer des systèmes et des processus qui automatisent l’acquisition, la transformation et la livraison de données aux organisations impliquées dans des projets d’analyse et d’IA / ML. Ces entreprises comprennent que les données doivent être un actif de première classe au même titre que le code et que les principes fondamentaux du génie logiciel doivent être appliqués de la même manière.
Alors que tous les professionnels de l’informatique devraient avoir des compétences de base en transformation des données, nous verrons probablement l’émergence d’équipes d’ingénierie des données centralisées dont l’objectif principal est de développer et de déployer des pipelines de données automatisés qui fournissent des données de haute qualité à grande échelle.
#3 – Apprenez les outils et langages pour le Machine Learning
Les outils et l’infrastructure pour l’apprentissage automatique ont radicalement évolué au cours de la dernière décennie, à la fois dans les offres open source et commerciales. L’accès aux technologies de pointe autrefois réservé aux chercheurs et aux praticiens les plus élitistes a été démocratisé, avec des chaînes d’outils et des services entièrement intégrés de la part de tous les principaux fournisseurs de cloud.
Divers langages de programmation sont utilisés pour l’apprentissage automatique, mais Python est le plus courant. Une grande partie de son succès est due à une communauté active et dynamique ainsi qu’à la disponibilité de bibliothèques qui implémentent pratiquement tous les algorithmes populaires.
Un projet qui aurait pu autrefois nécessiter un scientifique des données peut maintenant être réalisé par des professionnels de l’informatique.
La différenciation des compétences entre les data scientists et les ingénieurs logiciels s’est estompée ces dernières années en raison des progrès et de l’accessibilité des outils. Un projet qui aurait pu autrefois nécessiter un scientifique des données peut maintenant être réalisé par des professionnels de l’informatique.
#4 – Évaluez les performances du modèle
La technologie de sélection des modèles, en particulier avec les chaînes d’outils intégrées des fournisseurs de cloud populaires, évolue à un point tel que certaines décisions laborieuses souvent prises par les scientifiques des données sont désormais prises automatiquement dans les logiciels. Un exemple clair est la sélection d’un modèle qui donne les meilleures performances tout en se généralisant bien.
Consultez notre introduction sur 10 termes clés de l’intelligence artificielle pour les responsables informatiques et les chefs d’entreprise Cheat sheet: AI glossary
Même si ces outils deviennent plus évolués, les professionnels de l’informatique doivent avoir une compréhension générale des concepts d’apprentissage automatique, en particulier dans l’évaluation des performances du modèle et la corrélation entre la sélection des fonctionnalités et la qualité prédictive.
Bénéficiez pleinement de l’Intelligence Artificielle et du Machine Learning
Tirer parti de l’Intelligence Artificielle et du Machine Learningpour améliorer les résultats business devient rapidement un enjeu central pour les entreprises modernes alors qu’elles naviguent dans les initiatives de transformation numérique. L’adoption de ces technologies en évolution oblige les organisations informatiques à développer de nouvelles compétences visant à utiliser les données pour résoudre les problèmes de l’entreprise. Pour mieux équiper les organisations engagées dans des projets d’IA, les équipes informatiques doivent également mettre en œuvre de nouveaux systèmes et processus qui automatisent l’acquisition, la transformation et la livraison des données.
Une variété de ressources sont disponibles en ligne pour aider les professionnels de l’informatique à acquérir les compétences en IA et en ML dont ils ont besoin. Coursera.org propose un excellent introductory course qui enseigne les principes fondamentaux du Machine Learning. En outre, tous les principaux fournisseurs de cloud, y compris AWS, Azure et Google, proposent une formation pour leurs services d’IA et leurs chaînes d’outils intégrées. Bien que bon nombre de ces cours en ligne soient gratuits, certains, comme les programmes de certification, comportent des frais.
Pour en apprendre davantage sur l’intelligence artificielle
PMI et la National Association of Software and Service Companies (NASSCOM) ont uni leurs forces pour élaborer le Playbook for Project Management in Data Science (DS) and Artificial Intelligence (AI) Projects.
Le guide gratuit vise à combler les lacunes en établissant un cadre de management de projet « adapté à l’objectif » pour aider les organisations et les managers de projet à améliorer les résultats de leurs projets. Il aide également les professionnels à acquérir des compétences pour passer du management de projets traditionnels à des projets tirant parti des avancées scientifiques en Intelligence Artificielle et Data Science.
Le désormais célèbre « Quoi qu’il en coûte » devient le « Tout ce qui peut fonctionner » pour les PMOs
Au cours des dernières années, il y a eu un regain d’intérêt pour la réalisation de projets en utilisant des méthodes de travail agiles. Alors que beaucoup poursuivent cette voie, d’autres se sont rendu compte qu’il n’y a pas de solution universelle et qu’ils ont besoin d’une approche « bricolée » ou dite hybride de management de projet où de multiples méthodes sont utilisées et combinées selon leurs besoins.
Le règne du Management de Portefeuille de Projets ou PPM
De nombreuses entreprises ont dû réévaluer leurs portefeuilles de projets et de programmes en raison de la COVID-19. Tout à coup, leurs sources de revenus se sont taries, les ressources ont été redéployées, des projets ont été relégués aux oubliettes.
Un effet secondaire plus positif est que les organisations sont maintenant plus conscientes de l’importance d’avoir un portefeuille de projets qui soit bien aligné sur les objectifs stratégiques, mieux priorisé et conçu pour résister aux potentiels risques.
Le management des risques est critique
Un effet positif secondaire de la pandémie est la nécessité d’avoir confiance dans la façon dont les projets et les programmes sont exécutés. Bien qu’il aurait été extrêmement difficile d’anticiper un risque comme la COVID-19, un plus grand nombre d’organisations sont maintenant conscientes de l’importance d’identifier des indicateurs d’alerte précoce dans leurs projets et d’assurer une couverture adéquate des risques afin de renforcer leurs lignes de défense.
Le management de projets pour toutes et tous
Le management de projet est aujourd’hui reconnu comme une compétence utile à toutes et tous et ce sera encore plus une réalité avec le développement d’outils qui permettent aux utilisateurs de choisir leur façon de travailler en fonction de leur niveau de maturité et de leurs besoins. Que vous soyez manager de projet professionnel ou accidentel, il y aura une solution appropriée pour vous en 2021 !
Le règne de la « data »
Les données partout ! Des solutions de construction de rapports en temps réel sont très demandées et c’est une tendance qui se poursuivra cette année. Plus que jamais, nous disposons de données, mais il n’est pas plus facile qu’avant de les visualiser ni de les comprendre. De plus, nous avons besoin de données qui peuvent nous montrer des tendances, des modèles, et qui peuvent mener à l’action. Après tout, les rapports sont souvent déjà dépassés dès leur publication.
Le management de projet devient socio- et éco-responsable
La crise du changement climatique ainsi que d’autres crises sociétales nous touchent tous et c’est un domaine où les projets et les PMOs peuvent jouer un rôle clé. Il est temps de commencer à considérer l’héritage aux futures générations que créent nos projets et de les concevoir dans une perspective à long terme. Pour cela, l’intégration des principes de durabilité dans les méthodes de management de projet est fondamentale, tout comme l’idée que le management de projet a aussi une responsabilité envers la planète. Utilisons nos compétences en management de projet pour le bien social.
CSP est partenaire de DantotsuPM
Les équipes géographiquement distantes sont la norme
Ne nous mentons pas; certains adorent travailler à distance : cela leur a permis de réduire leurs déplacements, de consacrer plus de temps à leurs familles, de mieux gérer leur temps et d’accroître leur productivité. Après avoir testé avec succès le travail à distance, de nombreuses organisations ne voudront pas revenir « à la normale » et favoriseront des modalités de travail plus flexibles. Cela pose de nouveaux défis en matière de confiance et de collaboration et nos PMOs devront trouver de nouvelles façons de s’engager, en se concentrant moins sur la prestation fournie et davantage sur les activités de communication et de renforcement des compétences à distance.
Utilisons l’expérience 2020 de manière effective !
« En matière de prospective, il est plus important d’être prêt que d’avoir raison. »
Afin de mieux faire comprendre aux chefs de projet les grands développements qui transforment notre monde, PMI a identifié cinq mégatendances qui partagent toutes un fil conducteur : Elles exacerbent l’exclusion endémique, les perturbations et le mécontentement qui se sont subrepticement glissés dans notre société.
Pour les jeunes comme pour les adultes, la covid-19 a réduit le sentiment d’appartenance et augmenté l’anxiété, la dépression et le désengagement. Et dans le monde des affaires, cela a créé un fossé entre les travailleurs du savoir numérique qui pouvaient travailler de chez eux et ceux qui occupaient des emplois à risque. Ceux qui n’avaient pas accès à l’Internet à haut débit étaient économiquement défavorisés. Pour les chefs de projet, cela a été l’occasion de faire les choses différemment.
Tout comme le coronavirus, le changement climatique aggrave également les inégalités sociales, les populations défavorisées souffrant de manière disproportionnée de ses effets. Laissée sans contrôle, elle continuera d’exacerber les inégalités entre les pauvres et les riches, divisant les communautés et les nations.
Pour vraiment avoir un impact, les entreprises ne peuvent pas se concentrer sur des problèmes isolés au sein de leurs opérations, comme l’endroit où elles s’approvisionnent en matériaux ou fabriquent un produit. Les organisations qui veulent être des chefs de file dans la lutte contre les risques climatiques doivent tenir compte de l’ensemble du cycle de vie du projet et établir des outils et des mesures pour atténuer les effets négatifs tout au long du processus.
Même au milieu de la pandémie, des manifestations de masse ont agité les rues dans un certain nombre de pays, alors que les gens protestaient contre la violence policière et le racisme systémique. Les manifestations de 2020 s’inscrivent dans une tendance plus large qui s’étend sur la dernière décennie, couvrant presque tous les continents et toute une série de questions sociétales. Ces problèmes posent de graves risques pour les organisations en termes de perturbation des activités et de perte de confiance. Mais le silence et ignorer les appels à l’égalité sont maintenant plus susceptibles de se retourner contre elles.
Les marchés émergents se sont peut-être hissés sur la scène mondiale, mais des investissements sérieux dans les infrastructures et l’éducation sont nécessaires pour les aider à dépasser le statut de pays à revenu moyen. Le management de projet à un rôle à jouer pour changer la donne.
L’Intelligence Artificielle a largement dépassé le domaine de l’automatisation des tâches de routine. Elle prend maintenant des décisions pour nous en fonction de nos comportements et en utilisant des algorithmes adaptatifs pour nous aider à naviguer dans des environnements inconnus. Les implications sont énormes, alimentant l’innovation dans tout, du transport entièrement autonome au savoir alimenté par l’IA et au travail créatif. Pour dépasser les biais inattendus, les chefs de projet doivent redoubler d’efforts pour constituer des équipes diversifiées, de sorte que cette technologie puissante soit exploitée par des personnes ayant des points de vue et des perspectives différents.
“PMI,” the PMI logo and “Project Management Institute” are registered marks of Project Management Institute, Inc.
partagez ce billet avec vos amis, collègues et relations professionnelles
Les projets faisant la part belle à ces robots logiciels sont déjà là et la tendance va s’amplifier.
Sans être de l’IA à proprement dire, le Robotics Process Automation ou RPA peut y faire appel pour aller encore plus loin dans l’automatisation de tâches informatiques répétitives. Car c’est bien de cela dont il s’agit comme l’explique Christian Hohmann dans cette petite vidéo.
RPA fait référence à des “robots” logiciels que l’on peut programmer ou à qui l’on peut enseigner à reproduire des actions humaines telles que la saisie de données, le copier-coller, l’ouverture et la lecture de fichiers… afin qu’ils effectuent ces tâches avec des logiciels ou des applications de la même manière et à la place des utilisateurs humains.
Planisware est partenaire de DantotsuPM
En ajoutant la capacité de ces robots logiciels à apprendre au fil des réponses fournies par des humains aux traitements des exceptions (le Machine Learning), ils deviendront plus intelligents.
Le management de projets, domaine très favorable pour des projets RPA
Nombre de tâches réalisées par les chefs de projets sont à la fois répétitives, chronophages et ne nécessitent pas beaucoup d’intelligence décisionnelle.
Alors, pourquoi ne pas automatiser celles-ci avec le RPA ?
Qu’en pensez-vous ? Quelles tâches aimeriez-vous d’ores et déjà déléguer à un automate ?
La consolidation des dépenses de projets, le cumul des bénéfices dès les premiers livrables, l’archivage des feuilles de temps, la préparation du reporting hebdomadaire ou mensuel… ?
partagez ce billet avec vos amis, collègues et relations professionnelles
Rares sont les projets sans aucune technologie. Avec l’explosion des smartphones, des réseaux sociaux, et plus récemment l’accélération du travail à distance, nombreux sont les projets de nouveaux produits et services qui portent des aspects technologiques qui manquent pour les entreprises. Hors, il faut encore très souvent passer par la DSI pour développer son nouveau projet d’application, de place de marché ou autre… Submergés par les demandes, ce sont autant d’opportunités pour les DSI en surchauffe de se réinventer…
Il n’y a tout simplement pas assez de temps pour tous les nouveaux projets…
Il est en effet difficile d’avoir tous les bons profils au bon moment pour gérer l’ensemble des nouvelles demandes de projets. Et, une fois les projets exécutés, cela ajoute à la charge de maintenance de ces mêmes DSI.
Hexagon est partenaire de DantotsuPM
Et si les chatbots pouvaient aider à désengorger ce flux de projets ?
Depuis quelques années, de nombreux projets pensent aux solutions basées sur des chatbots. En effet, c’est une interface utilisateur intéressante. Elle permet, grâce à l’intelligence artificielle (ou le machine learning) de comprendre les intentions des utilisateurs et d’y répondre automatiquement, voire de les anticiper. De plus, les chatbots présentent ceci avec une interface graphique standardisée, ce qui facilite les développements et l’adoption par les utilisateurs.
Pour l’entreprise, il faut alors décider qui va les réaliser, les maintenir et comment gérer toute la phase d’apprentissage. Entre les efforts liés au déploiement sur la technologie cible choisie (Teams, Hangouts, Facebook, Google Home etc.), le choix de la meilleure solution technologique (DialogFlow, Luis, Watson, Snips ?), la connexion au SI de l’entreprise, il n’est pas si facile de développer un chatbot utile, qui crée réellement de la valeur et sera en conséquence fortement utilisé !
Les pré-requis pour réussir son projet de chatbot, car ce n’est pas si simple un chatbot
1. Bien s’équiper et distinguer ce qui est « core business » de ce qui ne l’est pas. En général, la partie Compréhension du Langage Naturel ne l’est pas. Il existe d’excellents algorithmes « sur étagère » qui permettent de développer ses cas d’usage. Donc, choisir et prioriser.
2. Déterminer quel sera le canal de communication ou bien les canaux si l’on choisit d’en avoir plusieurs. Attention, à chaque nouveau canal, ce seront des efforts de développement et des délais additionnels qu’il faudra prendre en compte.
3. Penser l’amélioration continue dès le départ. Quand le cas d’usage entrera en production, comment construire le reporting et comment l’améliorer ?
De la techno mais pas que
Les outils et choix technologiques sont bien sûr une partie importante de ces projets mais la complexité des projets de chatbot ne se limite pas à l’outillage.
Il faut aussi penser parcours utilisateurs, canaux de communications, mesures d’efficacité, d’adoption et d’usages, maintenance de la solution et évolutivité.
Vous avez probablement entendu l’expression selon laquelle les gens sont seulement aussi bons que la société pour laquelle ils continuent de travailler. Eh bien, l’inverse est aussi vrai : une société est seulement aussi bonne que les gens qu’elle conserve dans ses rangs.
Le partage de données provenant de tous les recoins du business donne potentiellement une place de valeur à l’IA dans le bureau de management de projet (PMO).
Que nous nous en rendions compte ou pas, l’IA a déjà prouvé être un outil de valeur qui permet un suivi de l’avancement et de la performance de projet plus précis et plus rapide et dans tous les secteurs industriels.
Biais de machine ou biais humains infectant la machine ?
Le biais de machine survient quand les algorithmes dans des systèmes d’Intelligence Artificielle tirent de fausses conclusions à partir des données.
Ce peut être en raison d’une erreur humaine, intentionnelle ou involontaire, ou bien suite à une analyse insuffisante.
Est-il possible d’éviter ce biais de machine ?
Pas totalement mais des audits algorithmiques peuvent nous y aider. Il s’agit d’une méthode pour évaluer si des algorithmes sous-jacents dans les applications de machine learning sont compromis par l’homme ou des biais humains.
Les ingénieurs peuvent vérifier le code lui-même ou l’alimenter d’une variété de données et rechercher des tendances problématiques dans le processus décisionnel de la machine.
partagez ce billet avec vos amis, collègues et relations professionnelles
Le partage de données provenant de tous les recoins du business donne potentiellement une place de valeur à l’IA dans le bureau de management de projet (PMO).
Que nous nous en rendions compte ou pas, l’IA a déjà prouvé être un outil de valeur qui permet un suivi de l’avancement et de la performance de projet plus précis et plus rapide et dans tous les secteurs industriels.
En aidant à réduire des erreurs onéreuses, en permettant une meilleure analyse de risque, en maximisant la productivité et la rentabilité de projet, l’Intelligence Artificielle change progressivement les pratiques de gestion de projet.
L’IA peut mieux repérer des signaux faibles dans des données, autrement difficiles à voir, et pourrait influencer comment le reporting et la gestion des ressources sont effectués.
Humains versus Machines : Chacun sert son propre objectif
Bien que ce soit clairement important, James Dibbs, chef de senior et consultant projet, dit que l’on ne devrait pas permettre à l’IA de remplacer ou saper l’élément humain dans la livraison de projet.
L’essentiel pour maintenir les projets sur les rails est l’élément humain qui permet ‘ aux gens réels ’ de se concentrer sur ce que les machines ne peuvent pas bien faire.
“Comme l’automatisation prophétique qui construit un horizon de choses auxquelles faire attention, L’IA aide à accomplir beaucoup de travail de « petites mains » de la fonction de PMO” dit Dibbs. “Mais nous devons être prudents de ne pas lui laisser emporter la réflexion et « la couche d’interprétation » qui reposera toujours sur l’expérience humaine.”
Relisez le billet « La transformation des activités de la gestion de projet passera-t-elle par l’I.A. ? «
Tandis que des aides intelligents de projet comme les chatbots remplaceront de plus en plus le manager de projet classique (menant un PMO) et son personnel, Dibbs s’attend à ce que ces derniers restent clés dans l’âge du IA/machine learning.
Aussi, il leur recommande vivement de progressivement se déplacer vers le travail qui souligne leurs qualités humaines, comme le leadership, le management des parties prenantes, la communication (verbale et non-verbale), le storytelling, l’empathie, l’intelligence émotionnelle et la négociation.
“Ce sont les compétences douces qui assurent que les résultats des outils AI sont correctement traduits et interprétés” dit Dibbs.
CSP est partenaire de DantotsuPM
Automation, l’IA aide à résoudre des défis de projet et accélère l’Intelligence d’Affaire
Là où l’IA a probablement le plus grand impact sur la réalisation de projet est dans sa capacité d’éliminer des risques projet et l’incertitude tant dans les estimations de projet que dans l’exécution.
Les filtres anti-spam utilise l’IA et le machine learning.
L’IA a déjà une présence omniprésente dans les vies de tout un chacun par des outils quotidiens utilisés dans des choses comme le trading automatisé ultra-rapide, la détection de fraude de carte de crédit, des algorithmes de recommandation de divertissement, des estimations de temps de livraison de repas, les filtres anti-spam et la conversion voix-texte et les assistants virtuels comme Siri ou Cortana.
Beaucoup de ce lourd effort est maintenant considéré comme allant de soi et prouve la nature omniprésente de l’intelligence artificielle à l’œuvre dans le travail moderne et les projets ne font pas exception.
Développements clefs dans l’espace du management de projet
Le management de projet en tant qu’industrie tardait typiquement à embrasser les outils qui tombent sous le large domaine du IA/machine learning. Existant depuis le milieu des années 1980, l’IA dans le logiciel de management de projet mène clairement la charge dans ce domaine.
Les chatbots qui servent d’aides intelligents de projet, constituent les demandes les plus répandues d’IA dans le logiciel de management de projet. Puis, il y a des plates-formes de logiciel de management de projet où la fonctionnalité IA est plus substantiellement incorporée dans les systèmes.
Une fois que les IA Chatbots auront été déployés avec succès pour aller de reprendre des tâches répétitives jusqu’à trouver du sens dans les données disponibles, la phase suivante d’IA dans la gestion de projet sera l’introduction du machine learning dans la pratique de management de projet.
Tandis qu’il reste à intégrer dans le management de projet, le machine learning permet l’analyse prédictive de projet (ndlt: domaine cher à la gouvernance de projet et de portefeuille de projets).
Hexagon est partenaire de DantotsuPM
En augmentant la transparence dans ce que l’avenir va apporter au projet, l’analyse prédictive augmentera l’information à la disposition des responsables organisationnels et sera ainsi utile pour augmenter la qualité du processus décisionnel des managers de projet et de leurs équipes.
Mode et réalité sur l’IA dans le domaine du management de projet
La frénésie des médias autour de l’IA a créé beaucoup de crainte et d’incertitude autour de la perte d’emplois tant non qualifiés que de bureau autour du globe. Cependant, selon Gartner, avant 2020, l’IA créera 2.3 millions d’emplois, dépassant les 1.8 millions qu’elle éliminera.
Plutôt qu’être craintif vis-à-vis de l’IA, les managers de projet et leurs équipes devraient l’embrasser pour aider à améliorer leurs résultats. Inutile de préciser que les bénéfices de l’IA vont bien au-delà du processus contrôlé d’automatisation de tâches simples.
Tout aussi important, une fois qu’ils comprennent le potentiel des bots et des algorithmes pour gagner une meilleure compréhension du projet, les équipes de projet devraient être capables de se servir de cette compréhension pour exécuter des tâches plus complexes et donner des recommandations de haut niveau plus rapidement et avec un plus grand degré d’exactitude.
Anticiper les biais, préjudices et erreur humaine
Relisez ce billet sur l’éthique du manager de projet
Comme avec n’importe quelle technologie en évolution, la vitesse de son développement et de son application peut souvent poser des soucis autour de l’éthique, des biais dans le développement de code et la capacité des gens à reconnaître les deux.
Il est critique que les biais positifs ou négatifs dans le management de projet ne rendent pas l’interprétation du machine learning injustifiée. Tandis qu’il n’y a aucun moyen de réparer facilement le problème des biais, on peut le prévoir.
Dibbs suggère que nous devrions toujours retourner voir le client. En contrôlant que solutions et attentes sont bien alignées, les biais vont moins probablement causer de problèmes intrinsèques dans les résultats. Pour atténuer le risque de biais, Dibbs suggère de vérifier que le projet reste bien synchrone avec ce que pense le client. En s’assurant que le client est heureux, il dit que le management de projet aura à une bien meilleure idée de ce à quoi ressemble le succès.
“En comprenant les exigences, plutôt que juste prendre un ordre, le management de projet répondra au besoin des clients, pas seulement à ce qu’ils ont demandé au départ” dit Dibbs. “C’est quelque chose qu’aucune quantité d’IA ne peut faire sans l’expérience humaine à son meilleur.”
FDF est partenaire de DantotsuPM
L’IA est-elle une chose qui doit être crainte ou embrassée ?
On peut soit craindre soit embrasser l’avenir et l’assimilation de l’IA dans le management de projet ne fait aucunement exception.
Le fait est que les projets profitent probablement déjà de l’IA et que les équipes peuvent ne pas même le savoir.
Mais l’IA ne sera pas la panacée pour fixer tous les maux de projet. Au lieu de cela, on devrait la voir comme une autre force à utiliser pour améliorer les résultats de projet.
partagez ce billet avec vos amis, collègues et relations professionnelles
Ce furent des sujets très variés qui attirèrent lectrices et lecteurs sur le blog ce mois-ci : Biais Cognitifs, Intelligence Artificielle, syndrome de l’imposteur, trouver le vrai problème et déstresser ses équipes projet !
Le terme biais fait référence à une déviation systématique par rapport à une pensée considérée comme correcte. Nous ne voyons pas toujours de choses comme elles le sont vraiment, ni nous rappelons les choses comme elles l’étaient réellement. En conséquence, nous créons notre propre réalité subjective qui affecte notre jugement. Les biais cognitifs ne sont généralement pas conscients.
Les biais cognitifs sont donc des erreurs systématiques dans notre processus de pensée qui affectent les processus décisionnels de tous les êtres humains.
En tant que managers de projets, nous devrions au minimum savoir identifier et si possible tirer profit de ces biais pour mieux réussir nos projets et créer de meilleurs livrables.
Le syndrome de l’imposteur est un phénomène psychologique très répandu dans lequel vous estimez que vous êtes la seule personne dans le groupe qui n’est pas légitime. Vous estimez que vous ne méritez pas les bonnes choses qui vous arrivent. Et plus les autres reconnaissent vos accomplissements, plus vous vous sentez comme une falsification. Vous regardez en permanence par-dessus votre épaule et attendez d’être interpelé pour fraude. 99% de toutes les personnes qui réussissent souffrent à un certain degré du syndrome de l’imposteur !
“Il n’y a rien d’aussi inutile que de faire efficacement ce qui ne devrait pas être fait du tout.” Peter Drucker
Le travail des leaders est d’aider leur équipe à identifier le BON problème avant d’inventer une solution créative de le résoudre. Les leaders rament parfois dans une mauvaise direction quand ils continuent à considérer des problèmes depuis la même perspective. L’habileté du rameur ne sert à rien quand le bateau est dirigé dans la mauvaise direction.
Le manager de projet 4.0 peut-il être « augmenté » par l’I.A. afin d’accroître sa maîtrise des opérations qu’il pilote ?
Comment recentrer l’impact du manager de projet ou d’un bureau PMO sur ce qui est un facteur tout aussi complexe qu’essentiel à la bonne réalisation d’un projet : L’Humain ?
Ne soyez pas ou plus un manager de projet passif face au stress des membres du projet et de vos parties prenantes. Il y a des actions de prévention simples que vous pouvez initier et mettre en œuvre pour contrer les facteurs de stress.
Pour revenir sur cette brève série de billets, reprenons une fois de plus la définition du stress. Puis vous trouverez les pointeurs vers les billets qui vous aideront à vous attaquer de manière concrète et pratique à 8 des principales causes de stress dans tous vos projets !
FDF est partenaire de DantotsuPM
partagez ce billet avec vos amis, collègues et relations professionnelles
La division « Performance des Opérations » du groupe SCALIAN est un acteur de 1er rang dans la conduite opérationnelle de projets industriels ou de transformation. Ce positionnement unique de « Spécialiste » se traduit par le rôle de pionnier qu’assure SCALIAN dans la transformation des métiers du management de projet.
Le manager de projet 4.0 peut-il être « augmenté » par l’I.A. afin d’accroître sa maîtrise des opérations qu’il pilote ? Comment recentrer l’impact du manager de projet ou d’un bureau PMO sur ce qui est un facteur tout aussi complexe qu’essentiel à la bonne réalisation d’un projet : L’Humain ?
Une étude du PMI® parue en 2019 dans le “Pulse of the Profession® report” confirme que 81% des managers sondés évoluent dans des organisations impactées par l’Intelligence Artificielle. Pour autant, chaque projet devient aussi un terrain de jeu idéal pour mettre à profit cette technologie car il engage un volume de données et d’acteurs considérable. Les équipes d’experts du LAB SCALIAN se sont intéressées de près à ces problématiques et nous présentent de façon concrète comment l’I.A. révolutionne la gestion de projet.
Parce que les contraintes opérationnelles du chef de projet ne lui permettent pas de dégager le temps nécessaire pour analyser, se projeter et embarquer l’ensemble de ses équipes au quotidien, le LAB SCALIAN inscrit la transformation digitale du manager de projet 4.0 sous 2 axes :
L’automatisation des activités chronophages, répétitives, à faible valeur ajoutée, pour lesquelles les agents conversationnels (chatbot) ou le RPA (Robotic Process Automation) apportent des pistes sérieuses;
L’accompagnement à la prise de décision en facilitant l’analyse du projet, en optimisant sa capacité à anticiper et en lui soumettant des recommandations éclairées. Dans un écosystème ou la data est reine, le Machine Learning apporte également d’autres pistes à forte valeur ajoutée.
Dans les 2 cas, ces axes de transformation contribuent à l’amélioration de la valeur perçue de la fonction PM/PMO, et à un positionnement beaucoup plus stratégique du manager de projet. D’ailleurs, si d’après le PMI®, 8% des chefs de projet craignent pour l’éradication de leur rôle actuel, 20% d’entre eux imaginent plutôt une évolution de ce dernier, augmenté par la technologie.
Un assistant numérique pour décharger le chef de projet ?
« L’humain est fait pour être créatif, et la robotisation lui redonne cet espace » – Eric Adrian
Les agents conversationnels, ou chatbots, permettent un changement de paradigme par rapport aux outils traditionnels du manager de projet. Les interactions en langage naturel, les retours explicites d’un bot sur sa compréhension des requêtes, sa capacité à exécuter automatiquement tout ou partie d’un processus métier en font aujourd’hui un membre de l’équipe à part entière.
Leur apport opérationnel est tel qu’ils permettent de décharger les chefs de projet de bon nombre de tâches à faible valeur ajoutée, répétitives et avec une certaine forme de lourdeur ou de pénibilité.
Les expérimentations menées par nos experts du LAB se sont centrées sur 2 cas d’usages : l’automatisation du suivi et de la relance des actions / la « Smart » FAQ projet.
Quelles sont mes actions ? Clôture l’action « finaliser le PMP » ! Relance l’équipe sur ses actions ! Quel est l’atterrissage budgétaire à fin Juin ? Où se trouve le template de charte projet ?
L’accès à l’information projet et sa mise à jour sont facilitées. Le chef de projet et le bureau PMO sont déchargés de sollicitations perturbatrices.
Tout ceci est possible grâce au TLN (Traitement du Langage Naturel), qui est une sous-discipline de l’intelligence artificielle. La recherche en TLN a principalement débutée dans les années 1950, avec Alan Turing, et avec ce qui sera nommé plus tard comme le « test de Turing », critère d’intelligence de la machine.
Le TLN a fortement évolué depuis le début des années 2010 : l’explosion de la capacité de calcul des machines, associé à des modèles plus performants de représentation de la connaissance ainsi que des modèles de réseaux de neurones par apprentissage profond (« deep learning » / « deep neural network ») permettent des approches plus « naturelles ».
L’utilisation de ce type de solution a d’autres bénéfices, identifiés parfois comme des effets de bord de tests sur le terrain : Abstraction des problématiques d’utilisation d’outils, point d’accès central à la donnée, notification quasi temps-réel d’évènements nécessitant une prise de décision et plus important encore : modification de la perception du PM/PMO par les différentes parties prenantes.
Un agent intelligent pour prioriser les actions ?
« Il n’y a rien de pire que de faire avec efficacité quelque chose qui n’avait absolument pas besoin d’être fait » – Peter Drucker.
La gestion du temps est un enjeu crucial de performance managériale. Comment s’assurer que les équipes opèrent sur les bonnes activités, au bon instant ? Comment garantir l’exécution d’un plan d’actions créant un maximum d’impact?
C’est à ce titre que l’I.A. intervient en tant que « prioritizer ». Des travaux de R&D menées par SCALIAN ont permis le développement d’un prototype répondant à 3 leviers de performance : Alignement stratégique / Priorisation / Management visuel.
S’appuyant dans un 1er temps sur le framework OKR (Objectives & Key Results), le système construit un « set » d’objectifs sur lequel le manager peut agir régulièrement pour influencer le niveau de focus de l’équipe.
Un modèle de Machine Learning prend alors le relais pour associer dynamiquement les priorités au sein du plan d’actions. Chaque action se voit alors affectée un niveau d’importance et d’urgence.
Enfin, une restitution visuelle est effectuée au sein d’une matrice d’Eisenhower, permettant à minima à chaque membre de l’équipe de se challenger sur sa propre perception de sers priorités.
En cas de changement brutal de direction, ou si les objectifs évoluent, cet agent intelligent devient capable de reconfigurer instantanément les priorités de l’équipe, ouvrant à de nouvelles perspectives d’agilité organisationnelle.
Anticiper les risques projets, la donnée est-elle la clé ?
« Prévoir, c’est à la fois supputer l’avenir et le préparer ; prévoir, c’est déjà agir » – Henri Fayol.
A l’ère du « process tout puissant », qui peut se targuer de connaître l’ensemble des REX, lessons learnt, données des projets passés, ou même simplement d’avoir le temps d’aller les consulter pour préparer le lancement de son propre projet ?
La combinaison du TNL et de différentes approches de Machine Learning (supervisées ou non), permet de valoriser la donnée « dormante » des projets ou programmes passés. Un cas d’utilisation concret réside dans l’identification de risques projets (ou dans notre cas, de menaces).
Tout projet, même s’il a un objectif unique par rapport à d’autres, partage certaines caractéristiques avec des projets passés. Il est alors possible de faire « apprendre » à la machine, ce qu’est un risque pour cet environnement, et de faire naître des liens non explicites entre les projets. Un algorithme de génération contextuel de menaces peut alors prendre le relais, et extrapoler les caractéristiques du projet courant afin d’identifier les menaces potentielles auquel il pourrait être soumis.
Ces travaux ont notamment conduit au développement d’un démonstrateur dont les conclusions permettent aujourd’hui d’affirmer que la Machine est capable de rivaliser avec succès avec un Risk Manager expérimenté.
Nous sommes convaincus que ces nouveaux outils, embarquant une certaine forme d’intelligence, permettront au manager 4.0 de concentrer ses efforts sur les activités où réside la réelle complexité.
Pour autant, le champ de possibles reste très large, et le LAB SCALIAN compte bien aller plus loin encore dans des preuves de concept toujours aussi pragmatique et répondant à des problématiques terrain réelles. L’année 2020 sera par exemple placée sous le signe de la montée en valeur de l’agent conversationnel, passant d’une fonction d’assistant numérique à celle de « conseiller » (advisor) : un agent capable d’analyser les données du projet dans leur globalité, et de suggérer certaines actions ou recommandations au chef de projet.
Et vous, comment voyez-vous le futur de la profession ?
N’hésitez pas à réagir en commentaire pour partager des cas d’usages, vous projeter et contribuer ainsi à dessiner le futur du management de projet !
à propos des auteurs de ce billet:
Antoine DELUGEAU est Directeur du LAB SCALIAN dont la mission consiste à adresser spécifiquement la transformation des métiers du management des opérations (pilotage de projets, management de la qualité, supply-chain, achats et approvisionnements). Ingénieur de formation, complété par un master en gestion d’entreprise, Antoine a assuré le pilotage de grands projets de transformation au sein de cabinets de conseils avant de prendre en charge la Direction du LAB SCALIAN, convaincu que les révolutions technologiques et sociétales d’aujourd’hui étaient une opportunité pour être acteur de ces transformations des fonctions support.
Julien JEANYest responsable de projets de R&D au sein du LAB SCALIAN. Issu du monde des sciences cognitives (intelligence artificielle et neurosciences en particulier), son parcours l’a amené à obtenir sa certification PMP® en 2012 et à évoluer ainsi dans ces deux domaines en les connectant. Julien a à cœur de pouvoir faire parler le monde de la recherche avec le monde opérationnel afin de répondre à des problématiques réelles du terrain et de proposer des solutions à la fois disruptives et pragmatiques.
Antoine & Julien interviennent régulièrement en tant que speaker aux conférences et ateliers du PMI®.
« Predictive analysis. Machine learning. Robotic automation. AI technologies are coming of age—and it’s time for them to start earning their keep. Learn how organizations are turning the hype into hard numbers. »
“PMI,” “PMP,” the PMI logo, “Projectified,” and “Project Management Institute” are registered marks of Project Management Institute, Inc.
PDUs à la clé pour les certifiés PMP et autres.
Partenaire de DantotsuPM
partagez ce billet avec vos amis, collègues et relations professionnelles
Ce numéro des cahiers CSP est dédié à la relation client de demain qui met à profit les nouvelles technologies comme l’Intelligence artificielle. Les experts CSP en dessinent déjà les contours. Et les résultats de l’étude sur la formation au service de la relation client, réalisée avec OpinionWay/Editialis, sont commentés par Jean-Pierre Laherre, directeur commercial de Villeroy & Boch et Mike Massimi, directeur de la Relation client chez Photobox.
CSP est partenaire de DantotsuPM
Au sommaire:
IA, Intelligence Artificielle ou Incroyable Avenir ?
La relation client, c’est aussi et surtout une affaire de culture !
Les émotions dans la relation client, un pont vers l’excellence
De l’importance de l’orthographe pour soigner sa relation client
Les deux règles d’or de la relation client téléphonique
Les principaux résultats de notre étude Relation Client
La formation au cœur de la relation client
« La relation client joue un rôle clé dans la qualité et les résultats de l’activité commerciale »
Relation client, un projet commun sinon rien
« Tous les départements d’une entreprise doivent comprendre les attentes des clients »
« Aujourd’hui, plus que jamais, les entreprises veulent former leurs commerciaux avec leur propre discours »
Le management de projet en tant qu’industrie tardait typiquement à embrasser les outils qui tombent sous le large domaine du IA/machine learning. Existant depuis le milieu des années 1980, l’IA dans le logiciel de management de projet mène clairement la charge dans ce domaine.
On peut soit craindre soit embrasser l’avenir et l’assimilation de l’IA dans le management de projet ne fait aucunement exception.
DantotsuPM.com 