L'adoption par les moyennes entreprises sera le plus grand impact économique de l'IA au pays

« La question la plus importante n'est pas ce que l'IA peut faire, mais ce que nous pouvons faire avec l'IA. »
Kathryn Hume, vice-présidente, Ingénierie de l'IA
L'institut Vecteur

L’économie du Canada dépend fortement de ses petites et moyennes entreprises. Comme toutes les entreprises, celles-ci sont toujours à la recherche de moyens d’accroître leur efficacité et leur productivité en automatisant les tâches fastidieuses et en adoptant des innovations de pointe. Jusqu’à récemment, cela n’était accessible qu’aux plus grandes entreprises disposant des plus gros budgets. Mais aujourd’hui, l’IA uniformise les règles du jeu.  

Kathryn Hume dirige l'équipe d'ingénierie de l'IA à l'Institut Vecteur, où elle transforme la recherche de pointe en une IA pratique et de qualité. Au cours de sa carrière chez RBC, Tangerine et Borealis AI, elle a passé plus d’une décennie à faire fonctionner l'IA non seulement dans des démonstrations, mais aussi au sein de certains des environnements réglementés les plus complexes d'Amérique du Nord. Elle considère que l'IA offre aux petites entreprises l'occasion de se transformer de l'intérieur, en démocratisant l'accès à l'innovation qui n'était auparavant accessible qu'aux entreprises disposant de moyens financiers importants et d'équipes de science des données spécialisées. 

« Auparavant, il fallait convaincre quelqu'un que son idée valait la peine d'être mise à l’essai et attendre que son équipe ait les ressources nécessaires. Ce qui change maintenant, c'est que la distance entre une idée et une preuve de concept fonctionnelle s'est considérablement réduite. Cela change le cercle des acteurs qui peuvent participer à l'innovation – et cela a une importance énorme pour les entreprises canadiennes. »

Parfois, cela ne ressemble même pas à un projet pilote officiel. Hume explique que n’importe quel membre du personnel peut imaginer quelque chose qui faciliterait son travail, puis utiliser l’IA pour le créer, agissant ainsi à titre de testeur ou testeuse et prouvant la viabilité de la solution simplement en l’utilisant. Bien que certaines solutions puissent n’être utiles qu’à la personne qui les a créées, d’autres pourraient être déployées dans le reste de l’entreprise ou même devenir des offres de produits externes.

« Le défi en matière de talents ne consiste pas seulement à embaucher des scientifiques des données. Il s'agit de bâtir des organisations où les personnes possédant une expertise approfondie dans leur domaine peuvent travailler de manière productive aux côtés des systèmes d'IA – et où vos employés les plus expérimentées sont habilitées, et non mises à l'écart, par la technologie. »

Les fondements techniques d'une adoption réussie de l'IA 

Bien qu’il soit facile de se lancer, toutes les mises en œuvre de l’IA ne seront pas couronnées de succès. Aider les entreprises à isoler et à mettre à l’échelle les projets d’IA réussis est une grande partie du travail fait par Vecteur. Grâce au travail de son équipe chez Vecteur, Hume a observé quatre fondements techniques qui peuvent faire la différence entre une entreprise qui obtient d’excellents résultats de l’adoption de l’IA et une qui peine à obtenir les rendements qu’elle souhaiterait: 

Une stratégie de données : des dossiers à l'action 

Tous les modèles d’IA fonctionnent à partir de données, vos bases de données doivent donc être solides pour en tirer des avantages. Les domaines dans lesquels vous avez déjà recueilli et maintenu des données de haute qualité sont souvent de bons candidats pour les solutions d’IA. Mais vous pouvez aussi chercher des moyens de recueillir de nouvelles données ou de combiner différents ensembles de données pour permettre de nouvelles perspectives et de nouveaux outils. 

Ces nouvelles combinaisons sont également à la base d'un passage des « systèmes d'enregistrement » vers les « systèmes d'action ». Un exemple de système d'enregistrement est un système de gestion de la relation client qui se contente d’enregistrer et de stocker des données que vous pourrez utiliser plus tard. Un système d'action est superposé au système d'enregistrement, analysant de manière proactive ces données et les intégrant à vos systèmes et flux de travail afin que vous puissiez agir en conséquence et prendre des décisions éclairées par les données. 

« Ces systèmes peuvent prendre des informations provenant des canaux Slack de votre équipe, de vos bases de code et de vos documents et, en fonction des interactions entre ces éléments, vous fournir une mise à jour de l'état d’avancement », explique Hume. « Vous devrez peut-être encore demander à votre équipe de confirmer la mise à jour. Mais c'est beaucoup plus rapide que de leur demander de parcourir toutes les informations pour vous fournir la réponse. Cela leur laisse plus de temps pour faire leur travail habituel. » 

Une base de données solide est ce qui permet ce changement. Vous devez comprendre les données dont vous disposez, connaître vos lacunes et avoir un plan pour les combler et maintenir vos bases de données propres et à jour. 

Un environnement de test expérimental 

Si vous souhaitez que vos employés puissent expérimenter et essayer de nouvelles choses, ils doivent disposer d’un endroit sécuritaire pour le faire. En d’autres termes, un environnement qui est séparé de vos systèmes de production ou opérationnels réels, mais qui se comporte exactement comme ces environnements réels. Cela donne aux membres du personnel un moyen de tester leurs créations alimentées par l’IA sans risquer de compromettre vos données ou processus essentiels. 

Un environnement de test sert également de terrain d'entraînement. Les compétences que les employés acquièrent au cours de leurs expériences sont celles dont ils auront besoin au moment de mettre en œuvre leurs solutions dans votre environnement de production. 

La bonne combinaison de talents 

« On assiste actuellement à une dissociation intéressante entre les compétences et l’expérience », déclare Hume. « Les personnes qui comptent des décennies d’expérience dans leur domaine possèdent une expertise très précieuse, mais elles n’ont pas toujours les compétences spécialisées en IA que les nouveaux diplômés apportent. »  

Cela ne signifie pas qu'il faille ignorer l'expérience, mais cela peut signifier qu'il faut chercher à l'extérieur des experts en IA spécialisés qui peuvent aider à transformer vos projets pilotes bruts en sources de revenus. Et pourtant, la concurrence pour ces talents avec des géants comme Google et Meta signifie que vous ne pouvez probablement pas compter entièrement sur de nouvelles embauches, même si vous le souhaitiez. La formation continue des personnes déjà présentes au sein de votre organisation est également très efficace. Cela les transforme essentiellement en scientifiques des données qui possèdent également une expertise approfondie dans votre domaine. La combinaison de ces deux approches permettra de développer des compétences complémentaires qui stimuleront davantage l'innovation et l'apprentissage dans un cycle qui s’autoalimente. 

Un leadership technique 

Le monde des affaires et la technologie sont plus que jamais liées, presque toutes les entreprises devenant dans une certaine mesure une entreprise technologique. Pour prendre les meilleures décisions, les équipes de direction et les cadres doivent inclure une expertise technique, comme des ingénieurs, qui peuvent aider à orienter les innovations et le développement technologiques de l'entreprise. 

« Éliminer le risque donne aux gens la confiance d’essayer des choses plus grandes et plus audacieuses. Cela finit par renforcer la culture de l’expérimentation dans l’ensemble de votre organisation. C’est ainsi que nous commençons à voir de véritables résultats. »

Favoriser l’innovation canadienne 

Avec les bonnes bases techniques et un esprit novateur, les petites et moyennes entreprises du Canada peuvent créer des solutions d’IA qui pourraient aider le Canada à étendre son leadership en matière d’IA, de la recherche aux marchés commerciaux. 

Grâce à son travail avec Bell et d’autres partenaires, l’Institut Vecteur offre une variété de mesures de soutien pour aider les entreprises à atteindre cet objectif. Par exemple, leur Programme associé d’apprentissage machine, qui jumelle des personnes récemment diplômées possédant des compétences essentielles en IA avec de petites entreprises qui ont besoin de ces compétences pour un projet précis. Hume affirme que le programme a connu un grand succès jusqu’à présent, la plupart des participants ayant réussi à commercialiser leurs produits et beaucoup embauchant la personne diplômée à temps plein une fois le projet terminé. 

« L'écart persistant en matière d'adoption de l'IA au Canada est bien documenté; des données récentes de Statistique Canada confirment que seulement 12 % des entreprises canadiennes ont intégré l'IA dans leurs activités. Bien que l'utilisation ait doublé de 2024 à 2025, elle reste nettement inférieure aux moyennes du G7 et de l'Organisation de coopération et de développement économiques (OCDE) malgré un intérêt énorme », déclare Hume. 

« Combler cet écart est l’une des choses les plus importantes que nous puissions faire pour la compétitivité du Canada en ce moment et c’est ce que nous pensons que la stratégie de l’IA pour tous représente. C’est ce qui motive ce travail. »