« On n’a pas le temps de bien préparer, il faut démarrer tout de suite. »
« C’est un succès chez ce client, on devrait pouvoir rapidement l’adapter pour le marché. »
« Pourquoi perdre du temps à préparer le projet ? Le client nous dira au fur et à mesure ce qu’il aime. C’est ça les méthodes Agiles et la gestion moderne de projet. »
Combien de fois avez-vous entendu ces phrases en comité de pilotage ?
J’ai passé de nombreuses années chez SKF à déployer des outils de PPM (Project Portfolio Management) auprès d’équipes PMO très diverses : R&D, engineering, développement produits, marketing, stratégie. Une observation revient avec une régularité frappante, et elle est confirmée par la recherche : préparer ou foncer sont 2 stratégies projet aux résultats très différents mais l’IA dans votre outil PPM tend à les rapprocher.
L'expérience
Les équipes qui investissaient le plus d’efforts et de soin dans la préparation de leurs projets affichaient un taux de réussite nettement supérieur, de l’ordre de +50 % à 60%. J’insiste sur le mot « efforts » : il ne s’agit pas forcément de plus de temps, mais de plus de rigueur, de profondeur et d’implication des parties prenantes.
Le paradoxe, c’est que ces équipes étaient souvent celles que le management bousculaient le plus :
- Les instances de gouvernance (Governing Bodies, Commissioning Authorities) poussent à démarrer vite, parce que le temps de préparation est visible, qu’elles ont des certitudes et que le Time to Market est vital.
- Une équipe qui souhaite conforter les décisions à des études approfondies et oser imaginer remettre en cause la décision initiale est perçue comme un frein, alors qu’elle vient peut-être d’éviter un échec coûteux.
- Certaines parties prenantes critiques (Qualité, Achats, Manufacturing) sont impliquées « plus tard », voire oubliées. C’est pourtant chez elles que se logent les contraintes qui font dérailler un projet en phase d’industrialisation.
L’alibi agile
Le plus souvent, personne ne dit « ne préparons pas ». On dit : « on s’adaptera », « le projet reste flexible », « le client ne voudra peut-être pas de ce qu’on imagine aujourd’hui ». L’agilité devient alors une justification de l’impréparation.
C’est un contresens. L’agilité est une capacité à ajuster un cap qui existe. Sans objectif partagé, sans parties prenantes alignées, sans hypothèses explicites, il n’y a rien à ajuster : il y a seulement de l’improvisation. Dvir et Lechler l’expriment dans le titre même de leur article : « Plans are nothing, changing plans is everything ». Les plans changent, c’est certain. La valeur de la préparation est justement de rendre ces changements intelligents et maîtrisés.
Ce que dit la recherche
Pour en avoir discuté avec de nombreux homologues d’autres sociétés, je suis certain que ce constat est largement partagé. Plusieurs décennies de travaux académiques convergent, avec quelques nuances importantes.
La phase d’initiation pèse lourd.
Dans une étude portant sur 13 mesures de succès et 360 variables de management de projet, Dvir, Lipovetsky, Shenhar et Tishler concluent qu’une phase d’initiation bien conçue est le facteur le plus important du succès. Dans leur analyse de plus d’une centaine de projets de R&D de défense, Dvir, Raz et Shenhar montrent aussi que ce sont la définition des exigences et des spécifications techniques qui comptent, davantage que l’application de procédures de gestion génériques. C’est la qualité du contenu de la préparation qui fait la différence, pas le formalisme.
Effort : l’optimum au dessus de la moyenne, une explication de l’échec ?
Serrador et Turner ont analysé 1 386 projets via une enquête mondiale. Ils trouvent une relation significative entre la qualité des livrables de planification et le succès, et une relation en U inversé entre la part d’effort consacrée à la planification et le succès : on peut trop planifier, mais la plupart des projets planifient trop peu. L’optimum se situe autour de 25 % de l’effort projet, alors que les répondants déclaraient en moyenne 15 %. L’effet est plus marqué sur le succès au sens large (bénéfices, satisfaction) que sur la seule efficience (coûts, délais, périmètre).
Préparer, c’est mieux gérer le risque.
Zwikael et Globerson ont construit un modèle pour mesurer la qualité de la planification de projet, et Zwikael et Sadeh, sur 202 chefs de projet, ont étudié précisément si un meilleur plan améliore le succès des projets à haut risque, en y incluant des dimensions comme les achats, la qualité et les ressources humaines. Leur conclusion est inscrite dans le titre : Planning effort as an effective risk management tool.
Le lancement du projet crée l’élan de l’équipe, le « momentum ».
Les travaux de Richard Hackman sur les équipes aboutissent à la règle « 60-30-10 » : environ 60 % de la variance de performance d’une équipe est déterminée avant même que ses membres ne se rencontrent (conception de l’équipe, précision des objectifs, conditions de départ), 30 % par la qualité du lancement, et seulement 10 % par le coaching en cours de route (Hackman, Yale Insights ; Wageman, Fisher et Hackman). Gersick, dont ces auteurs rapportent les travaux, a montré que les premières minutes d’une équipe projet façonnent durablement son approche, avec une grande remise en question au milieu de la période. Ces résultats portent sur les équipes en général, pas uniquement sur les projets, mais ils éclairent ce que nous avons observé : le temps investi au départ se joue autant sur l’alignement humain que sur le plan.
Figure 3 – La règle 60-30-10 : l’essentiel de la performance se joue avant et au lancement.
« Think slow, act fast ».
Bent Flyvbjerg et Dan Gardner formulent la même idée à partir d’une base de données de grands projets : seuls 8,5 % tiennent à la fois leur budget et leur calendrier. Le risque est dans la livraison, là où l’argent est dépensé. La planification est le moment où se tester, se tromper et ajuster coûte peu. Le piège est le « rush to commit » : s’engager vite, puis subir lentement.
Une nuance honnête.
Les corrélations publiées dans la littérature sont plus modestes que nos +50 % à 60 % chez SKF (Serrador et Turner rapportent un R² de 0,15 après correction des effets modérateurs), et corrélation n’est pas causalité : les équipes les mieux organisées préparent peut-être mieux pour d’autres raisons.
Mais le sens de l’effet, lui, est cohérent d’une étude à l’autre.
Ce qui change aujourd’hui : l’IA au sein de votre outil PPM comme partenaire de préparation
Jusqu’ici, la préparation était limitée par la mémoire et la disponibilité des gens. Chaque équipe repartait de zéro, avec les angles morts de ses membres. L’intelligence artificielle au sein de votre outil PPM et avec accès à de nombreuses données internes, déplace cette contrainte :
- Capitaliser les lessons learned de nombreux projets, actuels ou passés, réussis ou ratés, que personne n’a le temps de relire.
- Proposer des alternatives et challenger les hypothèses de départ avant qu’elles ne deviennent des engagements.
- Offrir une vision transverse pour repérer les risques et opportunités internes (dépendances entre projets, charge des équipes, capacités industrielles) et externes (marché, réglementation, fournisseurs).
- Fournir un point de vue extérieur : Flyvbjerg recommande le « reference-class forecasting », c’est-à-dire comparer son projet à des projets similaires plutôt qu’à son propre optimisme. Une IA nourrie de l’historique et de nombreuses données de l’entreprise est un outil naturel pour cela.
Les revues de littérature récentes (Taboada et al. ; Adamantiadou et Tsironis) recensent justement des applications de l’IA à l’estimation des coûts, à la prévision des durées et à l’évaluation des risques, des facteurs clés de succès des projets. Elles pointent aussi des limites : qualité des données, intégration dans les pratiques, rôle du jugement humain. L’IA ne remplace pas la discussion avec les équipes Qualité, Achats ou Manufacturing. Elle rend cette discussion mieux informée, et plus rapide.
Le vrai changement, c’est que l’IA réduit le coût du temps de préparation. En revanche, elle ne supprime pas la nécessité de préparer soigneusement le projet.
Cinq pistes pour sortir du dilemme
Maintenir l’effort de préparation, ajuster le délai grâce à l’IA.
Faire de l’implication des parties prenantes un critère de passage de gate.
Légitimer le « stop » et le « pivot ».
Une équipe qui, après étude approfondie, remet en cause la décision initiale a créé de la valeur.Concevoir le lancement comme un moment clé.
Objectif commun, rôles, règles de fonctionnement, hypothèses explicites : c’est là que se forge l’élan de l’équipe.Mettre l’IA au service du challenge.
Lessons learned, scénarios alternatifs, revue de risques transverse : avant de s’engager, pas après.
En conclusion
Préparer ou foncer n’est pas un vrai dilemme. Les projets qui réussissent « pensent lentement pour agir vite » et impliquent l’IA pour prendre plus vite des décisions éclairées.
Sources et références
- Dvir, D., Lipovetsky, S., Shenhar, A. J. et Tishler, A. (2003). What is really important for project success? A refined, multivariate, comprehensive analysis. International Journal of Management and Decision Making, 4(4), 382-404. https://doi.org/10.1504/IJMDM.2003.004001
- Dvir, D., Raz, T. et Shenhar, A. J. (2003). An empirical analysis of the relationship between project planning and project success. International Journal of Project Management, 21(2), 89-95.
- Dvir, D. et Lechler, T. (2004). Plans are nothing, changing plans is everything: the impact of changes on project success. Research Policy, 33(1), 1-15. https://cris.bgu.ac.il/en/publications/plans-are-nothing-changing-plans-is-everything-the-impact-of-chan-2/
- Flyvbjerg, B. et Gardner, D. (2023). How Big Things Get Done. Currency (Penguin Random House).
- Serrador, P. et Turner, R. (2015). What is enough planning? Results from a global quantitative study. IEEE Transactions on Engineering Management, 62(4), 462-474. https://eprints.whiterose.ac.uk/160226/
- Taboada, I., Daneshpajouh, A., Toledo, N. et de Vass, T. (2023). Artificial intelligence enabled project management: a systematic literature review. Applied Sciences, 13(8), 5014. https://doi.org/10.3390/app13085014
- Adamantiadou, D. S. et Tsironis, L. (2025). Leveraging artificial intelligence in project management: a systematic review of applications, challenges, and future directions. Computers, 14(2), 66. https://www.mdpi.com/2073-431x/14/2/66
- Wageman, R., Fisher, C. M. et Hackman, J. R. (2009). Leading teams when the time is right: finding the best moments to act. Organizational Dynamics, 38(3), 192-203. https://doi.org/10.1016/j.orgdyn.2009.04.004
- Hackman, J. R. – règle « 60-30-10 », in Do teams need leaders?, Yale Insights (Yale School of Management). https://insights.som.yale.edu/insights/do-teams-need-leaders
- Zwikael, O. et Globerson, S. (2004). Evaluating the quality of project planning: a model and field results. International Journal of Production Research, 42(8), 1545-1556. https://openresearch-repository.anu.edu.au/bitstream/1885/50667/8/01%20Zwikael%20and%20Globerson%20Evaluating%20the%20quality%202004.pdf
- Zwikael, O. et Sadeh, A. (2007). Planning effort as an effective risk management tool. Journal of Operations Management, 25(4), 755-767. https://core.ac.uk/download/156657464.pdf