L'IA va-t-elle bouleverser le monde de contrôle de projet?

En 2012, lorsque j'ai commencé chez Primaned Belgium - maintenant Proove (mon premier emploi), je ne savais pas précisément ce que j'allais faire. En effet, il est resté difficile d'expliquer ce que nous faisons à une personne quelconque. Je savais qu'il s'agissait de gestion de projet, principalement dans le secteur de la construction (je suis ingénieur en construction), très orienté sur la planification du temps et le calendrier, et que cela nécessitait quelques connaissances/affinités informatiques. Avec cela et mon esprit rêveur, j'ai eu l'idée (naïve) d'un emploi de rêve! J'allais améliorer le secteur de la construction en mettant en place des outils qui créeraient et contrôleraient la planification des projets en imposant simplement à l'outil la nature du projet, et l'outil ferait le reste pour moi (j'exagère un peu?)!

Et puis j'ai commencé ma première semaine… 4 jours merveilleux de formation de base Oracle Primavera P6 à Rotterdam… Ne vous y trompez pas, je travaille toujours chez Proove et j'apprécie pleinement ce que je fais. Cependant, ce n'était pas vraiment ce à quoi je m'attendais quelques mois plus tôt. Cependant, étant jeune, très motivé et dévoué, j'ai mis ce rêve de côté et j'ai démarré ma carrière en tant que professionnel du contrôle de projet en me basant sur les outils et techniques actuels de ce marché.

Près de 8 ans plus tard, en 2020, le temps a passé, et beaucoup de choses ont changé. Et quelque chose de révolutionnaire est apparu, je peux enfin débloquer ce rêve! Pourquoi maintenant? Parce que l'Intelligence Artificielle (IA), et plus particulièrement la Apprentissage Automatique (Machine Learning), vient soutenir le contrôle de projet! C'est pourquoi j'ai voulu écrire sur le sujet et, plus précisément, examiner la valeur qu'il pourrait apporter au secteur de contrôle de projet de construction.

Now, let’s try to find a definition which is simple enough for me to understand and, I hope, correct. You will find tons of those on the internet so let’s select one. From Wikipedia, and more specifically Tom Mitchell, McGraw Hill for the first part and Christopher Bishop professor and researcher in Machine Learning for the second part:

“Machine learning is the scientific study of algorithms and statistical models that computer systems use to perform a specific task without using explicit instructions, relying on patterns and inference instead. It is seen as a subset of artificial intelligence. Machine learning algorithms build a mathematical model based on sample data, known as "training data", in order to make predictions or decisions without being explicitly programmed to perform the task.”

In the classical programming world, a computer must be told what to do. From the definition above, you’ll see that it’s not the human who builds the algorithm anymore, neither the mathematical model. In basic English, that would mean, the human explains the machine which problem he must solve, by feeding it with data and explaining the model, and the computer will learn, himself, in order to find the most reliable algorithm.

If you work in the field of project controls, or just know what this means [insert link] , then you also know it is essentially about making data-driven decisions. Given this base, Machine Learning could really be something to add to this project controls world.

Maintenant, essayons de trouver une définition qui soit suffisamment simple pour que je la comprenne et, je l'espère, correcte. Vous en trouverez des tonnes sur Internet, alors sélectionnons-en une. De Wikipedia, et plus précisément de Tom Mitchell, McGraw Hill pour la première partie et de Christopher Bishop professeur et chercheur en apprentissage automatique pour la seconde partie:

“L'apprentissage automatique est l'étude scientifique des algorithmes et des modèles statistiques que les systèmes informatiques utilisent pour effectuer une tâche spécifique sans utiliser d'instructions explicites, en se basant sur des modèles et des inférences. Il est considéré comme un sous-ensemble de l'intelligence artificielle. Les algorithmes d'apprentissage automatique construisent un modèle mathématique à partir d'un échantillon de données, appelé "données d'apprentissage", afin de faire des prédictions ou de prendre des décisions sans être explicitement programmés pour effectuer la tâche.”

Dans le monde de la programmation classique, il faut dire à un ordinateur ce qu'il doit faire. D'après la définition ci-dessus, vous verrez que ce n'est plus l'humain qui construit l'algorithme, ni le modèle mathématique. En langage courant, cela signifie que l'homme explique à la machine le problème qu'elle doit résoudre, en lui fournissant des données et en lui expliquant le modèle, et que l'ordinateur va apprendre, lui-même, afin de trouver l'algorithme le plus fiable.

Si vous travaillez dans le domaine de contrôle de projet, ou si vous savez simplement ce que cela signifie, alors vous savez aussi qu'il s'agit essentiellement de prendre des décisions basées sur des données. Compte tenu de cette base, l'apprentissage automatique pourrait vraiment être un élément à ajouter à ce monde de contrôle des projets.

Comment peut-il supporter les contrôles de projets?

Si vous observez les dernières dizaines d'années de développement des connaissances dans le monde du contrôle de projet, vous remarquerez certainement qu'il n'y a pas eu de disruption majeure depuis des années. Nous nous améliorons constamment en gérant une plus grande quantité de données et en allant plus loin dans le détail grâce aux outils logiciels et à un meilleur support technique. Cependant, la base reste inchangée. Cela ne signifie pas que rien de nouveau n'a été inventé, loin de là. Cependant, d'après ce que nous pouvons voir sur le marché, nous ne les considérons pas comme des éléments disruptifs. La question qui se pose maintenant est la suivante : l'apprentissage automatique va-t-il disrupter le champ de connaissances de contrôle de projet? Examinons d'abord la valeur qu'il pourrait apporter.

L'apprentissage automatique est essentiellement basé sur les données du passé, donc, bien sûr, tout ce qui suit est basé sur le fait que vous auriez alimenté un certain système avec les données de vos projets passés. Je vois ensuite deux applications principales: quantitative et qualitative. Les deux peuvent être divisées et appliquées à un grand nombre de techniques et de domaines de contrôle de projet. Je parlerai également de "conseil" plutôt que de prédiction. Le monde des projets reste unique et incertain, il n'y a pas d'outil qui puisse vraiment prédire quoi que ce soit. Cependant, il peut aider l'équipe de projet en la conseillant sur les sujets suivants.

Conseils quantitatifs

Celui-ci me semble le plus évident. Il est très lié à la connaissance des estimations paramétriques où vous vous basez sur les données passées et les connaissances existantes afin de calculer un certain taux de productivité, un montant, une durée, ..... Cependant, aucun humain n'a besoin de définir le calcul correspondant, cette partie est alors effectuée par le moteur d'apprentissage automatique. Il offre la possibilité de prendre en compte beaucoup plus de paramètres et de données que ce qu'un humain pourrait gérer.

Cela peut être utilisé dans deux directions. Vous pouvez recevoir les chiffres (productivité, durée, ressources nécessaires, incertitude, impact financier d'un certain risque, etc.) et les adapter aux spécificités du projet sur lequel vous travaillez. Vous pouvez également comparer ce que vous avez mis avec ce que le moteur ML aurait prédit et les données historiques correspondantes. Par exemple, j'ai estimé que cela me coûterait 500 000 €, quel est donc mon niveau de confiance selon "lui" (ou elle)?

Conseils qualitatifs

Cette idée ne vient peut-être pas directement à l'esprit lorsque l'on parle d'utilisation de données historiques, mais je pense qu'elle a un très fort potentiel dans le domaine de contrôle de projet. Le principe est que, sur la base de ce que vous faites, le moteur va commencer à donner des suggestions. Par exemple, si j'ajoute des balcons dans mon devis, le système proposera d'ajouter la balustrade correspondante et tous les éléments d'assemblage connexes (quantité de fer, boulons, découpes thermiques, ...).

Vous pouvez également imaginer que vous planifiez une activité de délivrance de permis et que l'outil vous propose d'ajouter le risque lié au "permis refusé". Si vous incluez les conseils quantitatifs discutés précédemment, il vous proposera également une certaine probabilité et un certain impact. De même, lorsque vous ajoutez les fondations, l'outil pourrait vous suggérer d'utiliser certaines activités, avec une certaine durée et des relations associées entre les activités, de sorte que vous n'ayez pas besoin de redévelopper le planning à chaque fois ( en fait, si vous vous souvenez de l'introduction, c'est ce que j'attendais en 2012...).

Je ne suis pas un professionnel de l'intelligence artificielle, mais c'est ce qu'on appelle les "systèmes experts", où l'on apporte l'expertise d'autres personnes (personnes et projets) à la personne. Stijn a récemment publié un article de blog sur la déconnexion du site et la difficulté de transmettre l'expérience du site à la nouvelle génération. Je pense que cela aiderait vraiment à partager les connaissances et les meilleures pratiques spécifiques à l'entreprise entre les organisations.

Je vais plus loin dans mon imagination...

Si je vais plus loin dans mon imagination, je pense même que le CPM (et d'autres techniques) pourrait être remplacé par une sorte de calendrier probabiliste basé sur des données historiques. Vous n'auriez plus de liens mais la probabilité de l'occurrence d'une activité après d'autres activités. Nous pouvons également imaginer que vous décriviez le projet et qu'il préconstruise le planning, l'estimation des coûts, le registre des risques, ... Ok, je vais peut-être trop loin mais... pourquoi pas ? (il existe des outils qui vont déjà dans ce sens).

Alors, est-ce que c'est une disruption dans le contrôle du projet?

Je suppose que, comme pour tout type de prédiction, personne ne peut dire à l'avance si cela va disrupter notre champ de connaissances en matière de contrôle de projet. Cependant, je vois plusieurs points à retenir qui permettraient vraiment d'améliorer la situation actuelle:

• L'IA peut agir comme un facilitateur, permettant à d'autres membres de l'équipe de projet de faire ce qui nécessite actuellement des connaissances spécifiques
• Transmettre l'expérience aux nouvelles générations
• Améliorer la précision des estimations (temps, coûts, risques, ...) en examinant une plus grande quantité et une plus grande variété de données qui prendraient des années à être analysées par un humain
  
• Ces estimations plus précises ont également une meilleure justification

Si vous me posez la question, je dirais que oui, nous sommes au début d'une révolution dans le contrôle de projet où, en devenant plus précis et plus accessibles, de plus en plus d'entreprises seront convaincues de se diriger vers une gestion de projet basée sur les données.

Qu'en pensez-vous, partagez-vous cette opinion? Voyez-vous d'autres applications? Avez-vous expérimenté l'application de l'apprentissage automatique dans le contrôle de projet? N'hésitez pas à commenter!