Ce que nous avons entendu : faire de l’IA un atout gagnant au Canada

31 mars 2026

Partager :

Le Canada n’a aucun problème d’ambition en matière d’intelligence artificielle (IA). Le problème, c’est d’en mesurer sa portée.

C’était le thème principal abordé lors de la conférence annuelle du Laboratoire de données sur les entreprises, « Le Canada en perspective : faire de l’IA un atout gagnant ». L’activité d’une journée qui s’est déroulée le 26 mars dernier, à Ottawa, a permis de réunir des leaders de Statistique Canada, d’Innovation, Sciences et Développement économique Canada (ISDE), de l’Organisation de coopération et de développement économiques (OCDE), du milieu universitaire et du secteur d’activité pour répondre à la question essentielle suivante : Comment pouvons-nous faire passer le potentiel de l’IA en retombées économiques mesurables?

Au fil des discours, des panels et d’un atelier pratique, un message clair est ressorti : le Canada ne peut pas gérer ce qu’il ne peut pas mesurer.

De l’engouement à la réalité économique

Pour commencer la journée, le D^r Joel Blit, professeur agrégé d’économie de l’Université de Waterloo et agrégé supérieur du Centre for International Governance Innovation (CIGI), a ancré la discussion dans une réalité économique plus profonde.

S’appuyant sur l’idée de Polanyi selon laquelle « nous en savons plus que ce que nous pouvons en dire », il a expliqué comment l’IA, et en particulier l’apprentissage automatique, permet de traduire des connaissances tacites en connaissances modulables. Son cadre « remplacer, repenser, recombiner » a permis de redéfinir l’IA non pas comme un simple bouleversement, mais comme une succession de choix susceptibles de remodeler l’économie par phase :

• Remplacer les tâches pour gagner en efficacité.
• Repenser les flux de travail et les modèles économiques.
• Recombiner les technologies pour créer une valeur entièrement nouvelle.

Si l’on accorde aujourd’hui une grande importance à l’automatisation, c’est sur la manière dont les entreprises remanient leurs flux de travail, leurs modèles économiques et leur secteur d’activité que réside le véritable potentiel. Comme pour les précédents changements technologiques, les premiers résultats sont inégaux et souvent sous-estimés, alors que les répercussions à long terme sont considérables.

Ce qu’il faut retenir : le Canada en est encore largement à la phase de « remplacement ». Les véritables progrès viendront d’une refonte de la manière dont le travail et les entreprises sont organisés.

La contrainte fondamentale : la mesure

Si l’IA est déjà en train de transformer l’économie, pourquoi ses effets sont-ils si difficiles à percevoir?

Mark Uhrbach, chef du Centre d’expertise sur l’économie numérique à Statistique Canada, a révélé l’envers du décor quant aux efforts déployés par le Canada pour combler les écarts entre les perceptions au moyen de TechStat, une initiative nationale visant à moderniser la mesure des technologies.

Les systèmes statistiques actuels n’ont pas été conçus pour rendre compte en temps réel des changements technologiques à l’échelle des entreprises. Par conséquent, les décisions importantes sont souvent prises en fonction de données incomplètes ou obsolètes.

TechStat vise à remédier à cette situation par la mise au point d’indicateurs coordonnés qui couvrent les entreprises, les travailleurs et les gouvernements, en intégrant de nouvelles sources de données et en améliorant la rapidité d’exécution. L’objectif n’est pas simplement d’obtenir plus de données, mais plus de données exploitables pour éclairer les politiques, les investissements et les stratégies.

La conclusion est claire : si nous ne pouvons pas mesurer les répercussions de l’IA, nous ne pouvons ni la gérer efficacement ni en mesurer l’ampleur.

L’adoption ne rime pas avec répercussions

Ce défi se manifeste davantage à l’échelle des entreprises.

Une distinction essentielle est ressortie : l’adoption de l’IA ne se traduit pas automatiquement par des gains en productivité, selon des données probantes présentées par la D^re Jiang « Beryl » Li, chef de projet principale de l’ISDE. La question a aussi été examinée de plus près dans le cadre du premier panel, composé de Shachi Kurl, présidente de l’Angus Reid Institute, Kristina McElheran, professeure agrégée en gestion stratégique à l’Université de Toronto, Daniel Dufour, vice-président des Services de normalisation du Conseil canadien des normes et Garry Ma, fondateur et chef de la direction d’Ample Insight.

Les entreprises traversent souvent une phase initiale de bouleversements, au cours de laquelle les résultats se font attendre. Les gains réels dépendent d’investissements complémentaires dans les compétences, les infrastructures de données et la transformation organisationnelle.

Comme l’a fait remarquer Madame McElheran, « l’IA est un ingrédient parmi d’autres ». Sans les bons facteurs, soit la refonte des processus, les talents et les stratégies – les résultats ne sont pas à la hauteur.

Cela permet d’expliquer une tendance plus générale. Au Canada, l’adoption de l’IA continue de toucher principalement les grandes entreprises les plus avancées sur le plan numérique, ce qui soulève des inquiétudes quant à une diffusion inégale. Parallèlement, la confiance continue d’influencer tant l’adoption que la mise en œuvre de l’IA.

Repenser l’IA et le marché du travail

L’une des questions qui suscitent le plus d’intérêt est celle des répercussions de l’IA sur l’emploi.

De nouvelles données probantes présentées par Tahsin Mehdi, économiste principal de recherche à Statistique Canada, remettent en question les théories communes. Bien que de nombreux travailleurs occupent des fonctions exposées à l’IA, il n’existe pour l’instant aucune preuve manifeste d’une perte d’emplois généralisée liée à son adoption.

Au contraire, le marché du travail évolue plus progressivement. L’IA redéfinit les tâches au sein des postes, à la fois en les améliorant et en les transformant. Cela change la donne : plutôt que de se demander les types d’emploi qui vont disparaître, la question la plus pertinente est de savoir la manière dont le travail lui-même évolue.

Comme évoqué lors du deuxième panel, pour bien saisir ces changements, il faut aller au-delà des mesures binaires de perte ou de création d’emplois et s’orienter vers des indicateurs plus nuancés portant sur la composition des tâches, les qualifications recherchées et la qualité des emplois. Ce panel était composé de Monsieur Mehdi, Sandrine Kergroach, économiste principale et analyste de politiques de l’OCDE, Edoardo De Martin, chef de la direction d’Industrio AI, Sapna Mahajan, directrice, Politiques et partenariats de Genome Canada et Patrick Gill, vice-président du Laboratoire de données sur les entreprises de la Chambre de commerce du Canada.

Élaboration d’un programme canadien de mesure de l’IA

Ce qui a le plus marqué cette conférence, ce n’était ni un discours ni un panel, mais un atelier interactif.

En partenariat avec The Dais de l’Université métropolitaine de Toronto, les participants ont suivi un processus structuré afin de déterminer les indicateurs que le Canada devrait utiliser en matière d’IA.

La séance portait sur quatre domaines principaux :

• L’adoption et la diffusion de l’IA.
• L’état de préparation et les possibilités de l’IA.
• La productivité et le rendement des entreprises.
• Les répercussions sur le marché du travail et les compétences.

Au cours de cette séance de travail, les participants sont passés du dépistage du problème à la conception active de solutions. Les participants ont défini les indicateurs prioritaires, examiné les sources de données potentielles et réfléchi à la manière dont ces mesures pourraient être concrètement mises en œuvre.

L’atelier a notamment mis en évidence que le défi du Canada ne réside pas seulement dans le manque de données, mais aussi dans l’absence de cohérence. Une infrastructure de données existe, mais elle peut être fragmentée, ne pas profiter d’investissements suffisants et cohérents, et ne pas donner les réponses auxquelles les décideurs politiques et les entreprises s’attendent.

Pour y remédier, il faudra une coordination entre les institutions, une meilleure intégration des sources de données existantes et de nouvelles approches permettant de saisir les dynamiques à l’échelle des entreprises et des travailleurs.

Les conclusions de cette séance serviront de base aux travaux menés actuellement par The Dais et le Centre des Compétences futures en vue d’élaborer un cadre national permettant de mesurer l’adoption et les répercussions de l’IA.

Et maintenant?

S’il y a un point principal à retenir de cette journée, c’est bien celui-ci : l’IA offre une occasion historique d’améliorer la productivité et le niveau de vie. Mais sans mesure claire, crédible et cohérente, cette occasion risque d’être mal comprise, d’être saisie de façon inégale ou, au final, de passer inaperçue.

Pour faire de l’IA un atout gagnant, il faut mettre en place les données, les outils et les cadres nécessaires, y compris les cadres de mesure, qui permettront de transformer les changements technologiques en progrès économique.

Merci à nos commanditaires de l’événement

Partenaire média