Texte initialement publié le 16 avril 2026 dans le Digital Journal
Écrit par Andrew Forde
Andrew Forde est associé, Stratégie technologique et transformation numérique, et chef de la recherche en IA chez KPMG Canada.
Sam Altman, le chef de la direction d’OpenAI, avançait récemment que l’intelligence artificielle (IA) finirait par être vendue, comme l’électricité ou l’eau : mesurée en fonction de son utilisation, elle serait offerte sur demande et vendue à titre de service public.
Dans cette vision d’avenir, les entreprises achèteraient des « jetons » d’IA en fonction de leurs besoins, tout comme elles le font actuellement avec leur facture d’électricité.
Cette métaphore est tout aussi convaincante que dangereuse.
Les entreprises canadiennes s’empressent de déployer des projets pilotes, des agents virtuels et des systèmes prédictifs fondés sur l’IA, souvent au moyen de plateformes conçues et contrôlées à l’externe. Les stratégies sont réécrites, les budgets changent et la pression concurrentielle devient indéniable.
Dans leur hâte de suivre le rythme, de nombreuses entreprises doivent accepter un compromis tacite : accélérer la progression actuelle au détriment d’une compréhension future. Il en résulte une dépendance croissante à l’égard des systèmes qui façonnent les décisions d’affaires de base, même si moins de dirigeants peuvent expliquer comment ces systèmes fonctionnent, voire qui les contrôle.
L’utilisation de technologies transformatrices à elle seule n’entraîne pas une création de valeur. Chaque usine est alimentée en électricité de la même manière, peu importe le concurrent. Toutefois, la situation est différente en ce qui concerne l’IA. Cette technologie exerce une incidence sur les modèles de tarification, les décisions relatives aux risques, la répartition du capital, la conception de produits et la stratégie client. Il ne s’agit pas d’un processus neutre; c’est la logique selon laquelle les organisations prennent des décisions.
Si l’IA devient un service public contrôlé par une poignée de fournisseurs, la prise de décision deviendra alors une infrastructure à capacité restreinte. L’accès à ce service dépendra de la disponibilité des ordinateurs, du pouvoir d’achat et des modalités de la plateforme qui le fournit. Cependant, à mesure que l’offre se contracte, les prix augmentent, et lorsque les modèles évoluent, les dépendances s’intensifient.
Imaginez un avenir dans lequel les entreprises technologiques américaines seraient en mesure de couper l’accès à l’IA aux organisations canadiennes chaque fois que les gouvernements de ces deux pays entrent en conflit.
Aujourd’hui, les dirigeants d’entreprise canadiens ne courent plus le risque d’adopter l’IA trop lentement, mais plutôt de le faire de façon superficielle, soit en déployant des outils sans veiller à ce que les ressources internes disposent des connaissances nécessaires pour les gérer. En réagissant rapidement, mais inconséquemment, les dirigeants ouvrent la voie à l’intégration de l’indépendance au sein de leurs entreprises. Alors voués à confier tout ce qui a trait à la logique décisionnelle de base à des entreprises étrangères, les dirigeants verront leurs données exclusives renforcer des écosystèmes qu’ils ne contrôlent pas. Parallèlement, ces dirigeants pourraient découvrir, trop tard, qu’ils ne comprennent plus le moteur qui détermine leurs marges, leurs modèles de risque et leurs stratégies client.
Nous voyons déjà certaines entreprises de logiciels à la demande changer leurs modalités afin d’empêcher les clients d’utiliser librement les données stockées dans leurs systèmes pour entraîner des modèles d’IA. Les entreprises peuvent téléverser leurs données dans des plateformes, mais elles ne disposent pas nécessairement de l’autorisation de les utiliser pour alimenter des outils d’IA externes.
C’est précisément la raison pour laquelle une question plus profonde se pose dans ce contexte crucial : « Qui comprend vraiment les systèmes sur lesquels nous misons pour l’avenir? » Il est juste de dire que déploiement ne rime pas avec compréhension, et en ce moment, toute bonne stratégie repose sur ce dernier concept. La compréhension permet de déterminer où la valeur se rassemble, où les risques se concentrent et qui détient le pouvoir.
C’est pourquoi les entreprises qui prennent l’IA au sérieux investissent dans la recherche et la formation afin d’étudier rigoureusement le fonctionnement des systèmes, l’évolution des modalités des plateformes, la gouvernance des modèles, l’évolution des droits liés aux données et ce que tout cela signifie pour le contrôle et la compétitivité des entreprises.
Si l’IA s’intègre aux activités principales des entreprises canadiennes, alors les connaissances indépendantes et fondées sur la recherche ne seront plus facultatives, mais nécessaires en ce qui concerne le contrôle.
Pour les dirigeants d’entreprise, cela ne signifie pas qu’il faut devenir technologue. Il faut plutôt miser sur l’information et se tenir au fait des risques et des possibilités technologiques.
Lorsque les entreprises abordent l’IA en s’appuyant sur des principes de base (p. ex., les mathématiques, la théorie des systèmes et la validation empirique), elles gagnent quelque chose de beaucoup plus précieux que l’efficacité : l’agentivité. Leurs capacités d’IA deviennent alors des atouts stratégiques plutôt que des fonctions gérées par un fournisseur.
Au Canada, les enjeux sont particulièrement élevés.
Nos chercheurs ont contribué à jeter les bases scientifiques de l’IA moderne, mais le leadership scientifique ne se traduit pas automatiquement par le leadership économique. Le Canada affiche l’un des plus faibles niveaux d’investissement en recherche et développement (R-D) parmi les pays du G7, le secteur privé étant responsable d’environ 47 % du total des dépenses en R-D.
Nous réalisons des percées, mais les transformons trop rarement en avantages commerciaux durables.
Pour tirer parti de notre élan, nous devons délaisser l’adoption d’outils conçus ailleurs. Il faut transformer la force de la recherche en une capacité d’entreprise appliquée, ainsi que façonner, gouverner et adapter les systèmes qui définiront notre économie. Cela nécessite des collaborations plus étroites entre les universités, les gouvernements et les secteurs.
En outre, quoiqu’investir dans les abonnements aux logiciels demeure nécessaire, il faut se concentrer davantage sur les capacités scientifiques.
Les institutions financières gèrent les risques dans des marchés qui évoluent à la vitesse d’une machine. Les systèmes de santé desservent des populations vieillissantes avec des effectifs limités et des données fragmentées. Les sociétés du secteur de l’énergie, quant à elles, prennent des décisions en matière d’infrastructure qui s’étendent sur plusieurs décennies, même en cette ère d’instabilité géopolitique.
La création de valeur et la gestion dans ces environnements exigent plus que la mise en œuvre de technologies émergentes matures. Il faut continuer à miser sur la compréhension de celles-ci, tandis qu’elles continuent d’évoluer. Cela exige que les dirigeants agissent en amont : ils doivent investir dans les capacités de recherche, favoriser l’acquisition de connaissances techniques à l’interne, collaborer plus directement avec les entreprises et les laboratoires qui élaborent des modèles novateurs, ainsi que s’assurer que les données, les talents et les structures de gouvernance peuvent façonner les résultats plutôt que de simplement en profiter.
Dans un marché qui évolue à une telle vitesse, une adoption superficielle de l’IA est facile. Il est plus difficile de bien comprendre cette technologie, mais c’est ce qui permettra de distinguer une entreprise qui dirige la transformation d’une entreprise qui en subit les répercussions.
Si les entreprises se contentent d’utiliser les systèmes qui façonnent leur avenir, elles n’y contribueront pas. Elles ne feront qu’y vivre, en louant l’IA nécessaire pour suivre la cadence.
N’oublions pas cependant que la location d’IA représente une façon risquée de gérer son entreprise.
