Le Canada adopte l’IA plus vite qu’il ne l’encadre. Cet écart est l’occasion à saisir.

Par Dan Dorion, chef de la direction · Publié le 15 juillet 2026

L’utilisation de l’IA par les entreprises canadiennes a changé brusquement au cours des vingt-quatre derniers mois. Le 27 mai 2026, Statistique Canada a publié dans Le Quotidien les résultats de l’Enquête canadienne sur la situation des entreprises pour le deuxième trimestre de 2026. Selon ce communiqué, 19,2 % des entreprises avaient utilisé l’IA pour produire des biens ou fournir des services au cours de l’année précédente. Deux ans plus tôt, au deuxième trimestre de 2024, ce chiffre s’établissait à 6,1 %. L’adoption a plus que triplé. Au deuxième trimestre de 2025, la proportion était de 12,2 %.

L’élan n’est pas réparti également.

La Banque de développement du Canada (BDC) a chiffré ce que pourrait valoir une adoption plus large. Une étude du 3 juin 2026 estime que les petites et moyennes entreprises pourraient ajouter environ 6 % à l’économie, soit quelque 150 milliards de dollars, si toutes utilisaient l’IA. La même étude constate que les entreprises qui utilisent l’IA réalisent en moyenne des ventes par employé supérieures de 24 % à celles des autres. Elle tient compte de l’industrie et de l’emplacement. Ces chiffres décrivent la compétitivité, et non l’expérimentation.

Gartner a été sans détour au sujet de la trajectoire. Dans un communiqué daté du 26 mai 2026, la firme a prédit que, d’ici 2027, 40 % des entreprises rétrograderont ou mettront hors service des agents d’IA autonomes. En cause : des lacunes de gouvernance repérées seulement après des incidents en production. Dans un communiqué daté du 1er juillet 2026, Gartner a ajouté un second chiffre. La firme a estimé que jusqu’à 234 milliards de dollars américains de dépenses en applications d’entreprise sont exposés à la perturbation causée par l’IA agentive d’ici 2030. La technologie arrive plus vite que les cadres de contrôle qui l’entourent.

Le sondage State of AI in the Enterprise de Deloitte, présenté le 24 avril 2026, a examiné le même écart à l’intérieur des organisations. Parmi 3 235 dirigeants d’entreprise et des technologies de l’information de 24 pays, 74 % s’attendaient à ce que leur entreprise utilise des agents d’IA au moins modérément d’ici 2027. Pourtant, 21 % seulement disaient que leur organisation disposait d’un modèle de gouvernance mature pour l’IA agentive. Ce second chiffre décrit les conditions d’exploitation actuelles, et non une prévision.

Le schéma derrière ces chiffres est constant. Le déploiement est traité comme le jalon, et la gouvernance comme quelque chose à ajouter plus tard, après qu’un vérificateur, un organisme de réglementation ou un incident force la question. À ce moment-là, l’agent agit déjà à l’intérieur de l’entreprise, et personne n’a défini qui l’a autorisé, dans quelles limites il fonctionne, ni comment on l’arrête.

Le financement va-t-il à l’adoption ou à la gouvernance ?

À l’adoption. La stratégie nationale d’intelligence artificielle du Canada se donne pour cible de faire passer l’adoption de l’IA par les entreprises de 12 % à 60 % d’ici 2034. Elle y consacre 2,3 milliards de dollars. La stratégie n’assortit d’aucun chiffre comparable la préparation en matière de gouvernance, c’est-à-dire la part des organisations capables d’exploiter ce qu’elles déploient. L’argent vise la première courbe de cet article, pas la seconde.

Pourquoi la plupart des organisations ont-elles l’IA sans en avoir les résultats ?

Parce que l’accès et l’intégration sont deux problèmes différents. KPMG (Klynveld Peat Marwick Goerdeler) Canada a sondé 753 dirigeants d’entreprise : 93 % ont dit que leur organisation utilisait l’IA sous une forme ou une autre. Dans le même sondage, 31 % faisaient état d’une intégration complète de l’IA générative, et 2 % disaient obtenir déjà un rendement du capital investi. L’enquête beaucoup plus large de Statistique Canada auprès des entreprises a établi que 19,2 % des entreprises utilisaient l’IA pour produire des biens ou fournir des services. Les populations et les définitions diffèrent : il ne faut donc pas amalgamer les pourcentages. Les deux pointent vers le même écart entre posséder l’IA et l’exploiter.

Pour la plupart des entreprises tournées vers le consommateur, un agent non encadré représente un risque d’affaires. Pour les grandes organisations réglementées et les milieux gouvernementaux, c’est aussi un événement de conformité, une question de confiance des citoyens et une affaire de reddition de comptes publique. Une banque, un assureur, une régie de la santé ou un ministère ne peut pas traiter une défaillance de contrôle comme une note interne en bas de page. Elle devient quelque chose qu’il faut expliquer, officiellement, à des gens qui ont le pouvoir d’intervenir.

On décrit souvent cette exigence plus élevée comme un fardeau. Dans les faits, elle tient davantage de l’avantage, car elle amène les bonnes questions au début du processus plutôt qu’à la fin. La stratégie nationale d’IA du Canada, publiée en juin 2026, a présenté la souveraineté et la confiance comme des fondements de l’adoption, et non comme des considérations de dernière minute. La même stratégie a fixé une cible nationale de 60 % d’adoption de l’IA dans l’ensemble de l’économie d’ici 2034. Atteindre cette cible dépendra bien moins des modèles que les organisations choisissent que de leur capacité à déployer ces modèles d’une manière qui résiste à l’examen.

Les organisations qui intègrent cette idée avancent autrement. Elles traitent l’autonomie d’un système d’IA comme une décision explicite, et non comme un réglage par défaut qui s’accumule pendant que personne ne regarde. Elles définissent le périmètre de confiance d’un agent avant sa mise en production. Elles nomment la personne qui répond de chaque décision automatisée. Elles construisent et testent un chemin d’arrêt d’urgence comme une exigence de conception, et non comme une fonction qu’elles espèrent ne jamais utiliser. Rien de tout cela ne ralentit un déploiement ambitieux. C’est ce qui permet à un déploiement ambitieux de rester en production assez longtemps pour produire un rendement.

1. Pouvez-vous montrer où résident les données d’un système d’IA et qui peut les atteindre ?
2. Pouvez-vous nommer la personne précise qui répond de chaque décision automatisée que prend le système ?
3. Pouvez-vous arrêter rapidement un processus automatisé, et le prouver plutôt que le présumer ?
4. Pouvez-vous expliquer, dans un langage clair qu’un non-spécialiste accepterait, pourquoi le système a fait ce qu’il a fait ?

Qu’est-ce qu’une organisation capable de répondre aux quatre fait différemment ?

Chaque déploiement suivant réutilise la même charpente de contrôles, de reddition de comptes et de preuves. Une organisation incapable d’y répondre finit par reconstruire la confiance un incident à la fois. Les quatre questions ne sont pas une liste de vérification de conformité à remplir une seule fois. Elles décrivent une propriété qui doit être intégrée à un système dès le départ, car les contrôles ajoutés à la fin sont plus difficiles à faire accepter par un vérificateur.

Le modèle de contrôle qui sous-tend ces quatre questions est exposé au complet sur notre page sur la gouvernance et les contrôles. Nous menons l’examen préalable d’un seul flux de travaux le sixième jour du Sprint de cadrage et de gouvernance, lors de la séance sur les contrôles et les risques.

Le Canada se trouve dans une position rare. L’adoption s’accélère, et la politique nationale présente activement le déploiement responsable comme le facilitateur plutôt que comme l’obstacle. Ce qui est rare, c’est la discipline organisationnelle nécessaire pour déployer l’IA d’une manière qui tient devant un examen sérieux.

C’est cette rareté qui rend l’écart important. L’institution qui règle le périmètre de contrôle, la personne responsable et le chemin d’arrêt d’urgence avant le déploiement détient les preuves que réclament ses examinateurs, vérificateurs et organismes de réglementation. Elle les détient avant un incident plutôt qu’après. Nous ne pouvons pas mesurer si cela change les résultats que prévoit Gartner, et nous ne le prétendons pas.

White Glove Labs se consacre à ce travail pour les milieux réglementés et gouvernementaux. Il s’agit de transformer les questions de préparation ci-dessus en pratique d’exploitation, pour que la gouvernance devienne la raison du succès d’un déploiement plutôt que la raison de son enlisement. Si votre organisation adopte l’IA plus vite qu’elle ne l’encadre, combler cet écart est le prochain travail à faire.