Par Jean-Philippe Jacquet
L’impôt invisible de l’IA dans les workflows projet
Le trimestre dernier, mon équipe a livré plus de fonctionnalités que jamais. Nous nous sommes aussi sentis plus épuisés que jamais. Ça vous parle ?
En tant que chefs de projet, nous célébrons les outils qui promettent d’accélérer la livraison : rapports générés par IA, backlogs auto-priorisés, ou même des assistants pour nos équipes techniques. Mais et si ces outils augmentaient silencieusement la charge cognitive de votre équipe ? Et si les systèmes conçus pour nous rendre plus efficaces érodaient en réalité notre capacité à réfléchir en profondeur, à décider avec confiance et à livrer de manière durable ?
Ce n’est pas hypothétique. Siddhant Khare, mainteneur principal d’infrastructures pour agents IA, a récemment décrit comment les outils d’IA — malgré leur capacité à accélérer les tâches individuelles — l’ont laissé épuisé et désillusionné. Son expérience reflète une tendance croissante : la fatigue IA. Et ce n’est pas seulement un problème pour les ingénieurs. C’est une crise de gestion de projet en devenir.
Le paradoxe : Plus de livrables, plus de surcharge
1. Le mythe du temps économisé
L’IA excelle dans les tâches tactiques :
- Rédaction de chartes projet ou de rapports d’avancement en quelques minutes.
- Génération de user stories ou de cas de test à partir de besoins haut niveau.
- Automatisation des mises à jour routinières (ex. : résumés de tickets Jira, registres des risques).
Mais voici le piège : quand les tâches prennent moins de temps, on n’en fait pas moins — on en fait plus. Et la surcharge de coordination explose.
Exemple concret :
Avant l’IA, un analyste métier pouvait passer une journée à affiner un seul PRD (Document de Spécifications Produit). Aujourd’hui, il peut en rédiger trois dans le même temps… mais chacun nécessite plus de validation :
- Le périmètre généré par l’IA est-il aligné avec les attentes des parties prenantes ?
- Des cas limites critiques ont-ils été omis ?
- Le langage correspond-il aux normes de l’organisation ?
Résultat : L’analyste devient un relecteur à temps plein, et non plus un stratège. Comme le souligne Khare : « Relire est épuisant. Créer est énergisant. »
Pour les chefs de projet, cela signifie :
- Plus de réunions pour aligner les artefacts générés par l’IA.
- Plus de retravail lorsque les livrables ne répondent pas aux standards de qualité.
- Plus de fatigue décisionnelle alors que les équipes débattent pour savoir s’il faut accepter un résultat « suffisant » ou itérer davantage.
2. Le piège de la non-détermination
Les chefs de projet ne sont pas les seuls frustrés par l’imprévisibilité de l’IA. Voici ce à quoi vous pourriez être confronté :
- Des sorties incohérentes : Demandez à une IA de prioriser un backlog aujourd’hui, elle utilisera peut-être la méthode MoSCoW. Demandez-lui demain, et elle passera au scoring RICE… sans explication.
- Des biais cachés : Les outils IA formés sur des jeux de données génériques peuvent ignorer les contraintes spécifiques de votre équipe (ex. : exigences réglementaires, limitations des systèmes hérités).
- Le problème de la « boîte noire » : Quand un acteur demande : « Pourquoi l’IA a-t-elle recommandé cette approche ? », la réponse est souvent : « Nous ne savons pas. » Cela érode la confiance — et la confiance est le fondement du succès d’un projet.
Mon avis : Ayant supervisé des équipes transfrontalières (États-Unis, Vietnam) et des fermetures complexes (comme Casoft), j’ai appris que la transparence est non négociable. Si votre équipe ne peut pas expliquer pourquoi une IA a pris une décision, elle perdra du temps à la remettre en question — ou pire, à la suivre aveuglément.
3. Le tapis roulant du FOMO pour les équipes
Le paysage des outils IA évolue à une vitesse folle :
- 2025 : « Utilisez cette IA pour la planification des sprints Agile ! »
- 2026 : « Non, cet nouvel outil s’intègre à Jira et Confluence et Slack ! »
- La semaine prochaine : « En fait, il y en a un meilleur ! »
Le coût du turnover d’outils :
- Temps d’onboarding : Chaque nouvel outil nécessite formation, personnalisation et résolution de problèmes.
- Maux de tête d’intégration : Est-il compatible avec votre stack existante ? (Spoiler : souvent non.)
- Décroissance des connaissances : Les workflows que vous avez maîtrisés le mois dernier peuvent déjà être obsolètes.
Leçon de ma carrière : Pendant le programme Edulog, nous avons résisté à l’envie de sauter sur chaque nouvelle tendance. À la place, nous nous sommes concentrés sur des processus durables — comme le Scrum of Scrums pour la coordination ou les OKR pour l’alignement. Les outils sont venus et repartis, mais les cadres sont restés.
Le coût humain : Le burn-out par mille coupures
L’article de Khare a résonné avec moi parce que j’ai vu la fatigue IA se manifester dans les équipes projet de manière subtile mais néfaste :
| Symptôme | Exemple en gestion de projet | Impact |
|---|---|---|
| Paralysie décisionnelle | Débats sans fin sur les priorités générées par l’IA. | Retards, échéances manquées. |
| Réflexion superficielle | Les équipes s’appuient sur l’IA pour les premiers jets, en sautant l’analyse approfondie. | Projets mal cadrés, dette technique. |
| Saut d’outil en outil | Changement d’outils de gestion de projet IA à chaque sprint. | Faible adoption, données fragmentées. |
| Surcharge de relecture | Les chefs de projet passent des heures à valider les sorties de l’IA au lieu de diriger. | Vide de leadership, désengagement de l’équipe. |
Le pire dans tout ça ? Ces problèmes sont invisibles dans les métriques traditionnelles. Votre vélocité peut sembler excellente sur le papier, mais les réserves morales et cognitives de votre équipe s’épuisent.
Comment atténuer la fatigue IA dans vos projets
1. Fixez des limites à l’utilisation de l’IA
- Limitez dans le temps les sessions IA : « Nous utiliserons l’IA pour cette tâche pendant 30 minutes maximum. Après cela, nous déciderons : accepter, itérer ou recommencer à zéro. »
- Définissez ce qui est « assez bon » : Pour les artefacts à faible enjeu (ex. : comptes-rendus de réunion), acceptez une précision de 70 %. Pour les éléments à fort enjeu (ex. : évaluations des risques), la relecture humaine est obligatoire.
2. Protégez le temps de réflexion
- Des matins sans IA : Réservez la première heure de la journée pour un travail approfondi — stratégie, résolution de problèmes ou alignement avec les parties prenantes — sans assistance IA.
- Des rétrospectives sans IA : Utilisez ces sessions pour reconstruire les muscles de la pensée critique et favoriser des discussions honnêtes sur ce qui fonctionne réellement.
3. Concentrez-vous sur une infrastructure durable
Plutôt que de courir après le dernier outil de gestion de projet IA, investissez dans :
- Des processus clairs : Comment les sorties de l’IA seront-elles validées ? Qui est responsable ?
- La formation de l’équipe : Assurez-vous que tout le monde comprend les limites de l’IA (ex. : hallucinations, biais).
- Des boucles de rétroaction : Suivez où l’IA aide et où elle entrave. Ajustez en conséquence.
Exemple de ma boîte à outils : Lorsque je gérais des équipes de test pour la France et les États-Unis, nous avons automatisé les tâches répétitives (ex. : tests de régression) mais gardé les humains dans la boucle pour les tests exploratoires. L’objectif n’était pas de remplacer le jugement — il était de libérer du temps pour un travail à plus forte valeur ajoutée.
4. Montrez l’exemple
- Reconnaissez la tension : Si votre équipe a du mal avec la fatigue IA, nommez-la. Dites : « Cet outil nous fait gagner du temps, mais je remarque qu’il ajoute aussi du stress. Parlons-en pour trouver un équilibre. »
- Montrez des habitudes saines : Partagez vos propres limites avec l’IA (ex. : « J’utilise l’IA uniquement pour les ébauches, pas pour les décisions finales. »)
- Célébrez les livrables durables : Récompensez la qualité et le bien-être, pas seulement la vitesse.
En résumé : L’IA doit servir votre équipe, et non l’inverse
L’IA est un levier puissant — mais comme tout levier, elle peut amplifier la force dans la mauvaise direction si elle est mal utilisée. Les chefs de projet qui prospéreront à cette ère ne seront pas ceux qui utilisent le plus l’IA, mais ceux qui l’utilisent avec le plus de sagesse.
Comme le dit Khare : « La vraie compétence de l’ère de l’IA est de savoir quand s’arrêter. » Pour les chefs de projet, cela signifie :
- S’arrêter avant que votre équipe ne brûle.
- S’arrêter avant que l’IA ne devienne une béquille pour la pensée critique.
- S’arrêter avant que les outils ne vous possèdent vous au lieu de l’inverse.
Réflexion finale : La fermeture de Casoft m’a appris que la durabilité compte plus que la vitesse. Que vous gériez un projet, un programme ou un portefeuille, protégez la santé cognitive de votre équipe aussi farouchement que vous protégez votre budget ou vos délais. Car à long terme, une équipe épuisée ne livre rien.
Quelle est votre expérience avec la fatigue IA en gestion de projet ? Avez-vous observé ces schémas dans vos équipes ? Partagez vos réflexions dans les commentaires — ou contactez-moi directement.