Gabin Vicente est gestionnaire de projet chez SBI à Montréal, avec plus de 7 ans d'expérience à l'intersection du business, du produit et de la technologie. Il animait récemment un atelier sur les rôles hybrides et les transformations organisationnelles à Agile Open Montréal 2026. Voici ce qu'il en retient.
Les projets IA en entreprise se multiplient. Pourtant, dans la majorité des cas, ce qui freine leur impact n'est pas la technologie : c'est l'organisation qui la porte. Alignement flou, responsabilités partagées, gouvernance insuffisante, coordination difficile entre équipes. Un constat qui s'est imposé avec force lors des échanges d'Agile Open Montréal 2026 : la transformation IA est avant tout une transformation humaine.
Quand je parle de projets IA, je ne parle pas uniquement de chatbots ou d’expérimentations technologiques isolées.
Je parle de projets où des modèles de prédiction, de recommandation ou d’aide à la décision sont progressivement intégrés aux opérations de l’entreprise et commencent à influencer des processus, des décisions et des équipes.
Par exemple :
Et ce ne sont plus uniquement des projets techniques.
Ce sont des projets complexes, parce qu’ils touchent simultanément :
Ce qui m’a marqué durant Agile Open Montréal, c’est que les discussions parlaient finalement beaucoup moins d’outils ou de méthodes que d’alignement, de responsabilités et de coordination entre équipes.
Pendant longtemps, les organisations ont pu relativement bien séparer leurs rôles dans la livraison de produits et solutions numériques.
Les frontières étaient imparfaites, mais il existait généralement un certain consensus sur qui portait quoi. Puis les projets analytiques et IA ont commencé à transformer ces équilibres. Avec les projets analytiques, les organisations ont progressivement commencé à utiliser davantage la donnée pour mieux comprendre, piloter et optimiser leurs activités.
Avec l’IA, on franchit un cap supplémentaire : on ne se contente plus d’aider à la décision, certains systèmes commencent désormais à influencer ou automatiser directement certaines actions.
À chaque étape, les enjeux d’alignement, de responsabilité, de gouvernance et de coordination deviennent plus sensibles.
Et aujourd’hui, une question revient constamment dans les échanges terrain : Qui orchestre réellement ces transformations ?
Pas uniquement qui “gère” le projet Pas uniquement qui “porte” le produit
Mais qui maintient réellement l’alignement entre :
Autrement dit : qui s’assure que toutes ces dimensions avancent dans la même direction, avec une compréhension commune des priorités et des arbitrages ?
Et plus les échanges avançaient durant la journée, plus une autre question s'imposait : comment maintenir un alignement clair dans des projets où les frontières entre produit, projet, données, gouvernance et technique deviennent de plus en plus poreuses ?
Le sujet dépassait largement les méthodes ou les frameworks.
Les discussions revenaient surtout vers des enjeux de responsabilités, de coordination, de gouvernance et de prise de décision.
Dans plusieurs échanges, un même schéma revenait :
Finalement, très peu de discussions portaient réellement sur les modèles IA eux-mêmes.
La majorité des difficultés observées étaient liées à la coordination humaine et organisationnelle autour de ces projets.
Et c’est logique. Les projets IA modernes ne sont plus de simples projets technologiques.
Ils impliquent :
Autrement dit : l’IA augmente la nécessité d’orchestration transverse.
Dans beaucoup d’organisations, les tensions apparaissent rarement parce que les équipes sont incompétentes.
Elles apparaissent parce que chacun optimise localement son propre périmètre.
Le produit cherche de la vitesse et de la valeur. Le projet cherche de la visibilité et de la coordination. Les équipes techniques cherchent de la stabilité et de la faisabilité. La gouvernance cherche à réduire les risques. Le business cherche des résultats rapides.
Individuellement, ces objectifs sont légitimes.
Collectivement, ils peuvent rapidement devenir contradictoires sans mécanisme clair d’alignement.
C’est probablement là que les transformations analytiques et IA deviennent particulièrement exigeantes.
Parce qu’ils obligent les organisations à collaborer dans des zones où les responsabilités historiques deviennent moins nettes.
Par exemple :
La difficulté n’est plus uniquement de produire des tableaux de bord, des modèles ou des automatisations. Elle devient la capacité à aligner rapidement les bonnes personnes autour des bonnes décisions.
Mais ces échanges mettent rapidement en lumière des zones critiques :
Dans plusieurs organisations, ces éléments restent largement implicites.
Et cette ambiguïté devient extrêmement coûteuse dans des contextes IA où les cycles de décision sont rapides et où les impacts touchent plusieurs équipes simultanément.
Même chose du côté du langage.
Comme l’a très bien rappelé Nathalie Ferron durant les échanges : remplacer un “Oui, mais…” par un “Oui, et…” peut profondément changer la dynamique d’une discussion.
Le changement paraît mineur. Mais dans des discussions complexes, cette nuance influence directement la manière dont les équipes collaborent, construisent ensemble et arbitrent des tensions.
Pourtant, dans des environnements où les dépendances sont nombreuses, la manière de communiquer influence directement :
Les transformations modernes restent profondément humaines.
C’est probablement un point que les organisations sous-estiment encore.
Un autre sujet revenu fréquemment concernait l’évolution des rôles eux-mêmes.
Les frontières restent utiles.
Mais sur le terrain, les frontières entre ces rôles deviennent souvent beaucoup moins nettes qu’à l’époque où les responsabilités étaient davantage séparées par fonction.
Non pas parce que les rôles disparaissent, mais parce que les projets modernes nécessitent davantage de collaboration entre ces univers.
Dans plusieurs transformations analytiques et IA, les organisations semblent progressivement rechercher des profils capables de :
Cela ne signifie pas que tout le monde doit devenir généraliste.
Au contraire.
Les expertises profondes restent essentielles.
Mais les transformations actuelles augmentent fortement la valeur des profils capables de créer du lien entre ces expertises.
Derrière ces enjeux d’organisation et d’alignement, une autre question revient progressivement au centre des discussions : celle de la valeur réelle créée par ces transformations.
Un autre sujet revenu fortement dans les discussions concernait la capacité des organisations à mesurer et démontrer concrètement la valeur créée par ces transformations.
Dans plusieurs organisations, les projets IA ne sont plus uniquement évalués sur leur potentiel technologique ou leur capacité d’innovation.
Les directions cherchent désormais à comprendre plus concrètement :
Et c’est précisément là que les transformations IA deviennent particulièrement difficiles à piloter.
Parce que la difficulté n’est pas uniquement de créer de la valeur.
Elle est aussi de l’attribuer clairement, la mesurer dans le temps, comprendre ses impacts indirects, et aligner les parties prenantes sur ce qui constitue réellement un succès.
Dans des environnements complexes, l’orchestration devient alors directement liée à la capacité de démontrer cette valeur de façon crédible, mesurable et durable.
Au final, ce que la communauté Agile Montréal met surtout en lumière selon moi en 2026, ce ne sont pas tant des méthodes miracles.
Mais plutôt une prise de conscience : nous sommes au milieu d’une mutation progressive des dynamiques organisationnelles.
Les projets IA en entreprise ne remplacent pas les fragilités existantes. Ils les rendent simplement beaucoup plus visibles.
Les entreprises ne manquent pas nécessairement de talents. Elles peinent parfois davantage à maintenir un alignement clair entre produit, projet, données, technique, gouvernance et création de valeur. Et dans des environnements où les dépendances se multiplient, cette capacité d'orchestration des projets IA devient probablement un avantage compétitif bien plus important qu'on ne le pense encore.
Peut-être que la vraie question en 2026 n’est donc plus : “Qui pilote le projet IA ?”. Mais plutôt :
“Comment crée-t-on suffisamment d’alignement pour permettre à toutes ces expertises d’avancer ensemble vers une valeur réelle et durable?”
C'est exactement ce que SBI adresse dans son offre de transformation IA : aligner expertise métier, gouvernance et exécution dans une seule démarche intégrée. Si vous cherchez à structurer votre démarche :