Si vous avez un projet de chatbot, ce billet devrait vous intéresser ! Si vous n’en avez pas: Peut-être serait-il temps d’y penser.

Comment réussir son projet de chatbot sans faire perdre de temps à ses équipes ?

https://www.ideta.io/post/comment-reussir-son-projet-de-chatbot-sans-faire-perdre-de-temps-a-ses-equipes

La transition numérique et son lot de projets

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.

Merci à Sarah Martineau de Ideta pour ce billet à lire dans son intégralité sur son site.

Biais cognitifs – Les machines aussi en sont victimes, pas seulement les humains.

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.

L’Intelligence Artificielle (#IA) a-t-elle une place dans le management de projet et le PMO ?

Avec tout ce qui se dit sur les bénéfices de l’intelligence artificielle (IA), son rôle dans la livraison de projet reste à être pleinement réalisé.

Artificial Intelligence in the PMO – Does AI have a Place in Project Delivery?

https://www.quayconsulting.com.au/news/artificial-intelligence-in-the-pmo-does-ai-have-a-place-in-project-delivery/ par Quay Consulting

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.

La transformation des activités de la gestion de projet passera-t-elle par l’I.A. ? Au-delà de la théorie, des exemples de cas concrets.

Un billet de Antoine DELUGEAU et Julien JEANY du SCALIAN LAB

Site web de Scalian

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®.

Pour les contacter, envoyez un courrier à lab@scalian.com