L’IA en entreprise: les vraies questions que les décideurs québécois doivent se poser maintenant 

Juillet 2025 par Catherine Héroux et Tommy Thierry 

 

Soyons honnêtes : au Québec comme ailleurs, l’IA est sur toutes les lèvres. C'est devenu presque un réflexe : on veut automatiser, prédire, optimiser. Beaucoup d’organisations se lancent avec enthousiasme, parfois sans stratégie claire. Et forcément, plusieurs se heurtent à une dure réalité : les résultats n’arrivent pas aussi vite, ni aussi fort, que promis. 

Alors que le Québec est reconnu à l’international pour son expertise en IA, notamment via Mila, IVADO ou l’OBNL Numana, une question demeure : comment tirer une vraie valeur d’affaires de ces investissements technologiques? 

Où ça coince

 

1. Des investissements massifs, pour des gains incertains

Selon Numana, les entreprises québécoises ont augmenté leur budget numérique de 7 à 10% par année depuis 2021. Mais les gains en productivité ne suivent pas toujours. Le télétravail, l’automatisation, l’analyse prédictive… sont souvent déployés en silo, limitant leur impact réel sur l’organisation. 

 

 

2. Une visibilité encore floue sur les coûts technologiques

Cloud, IA générative, services à la demande… Ce nouveau modèle technologique promettait agilité et économies. En réalité, beaucoup de dirigeants québécois admettent ne pas savoir qui consomme quoi, à quel coût et avec quel impact. La complexité de la facturation cloud et la dispersion des initiatives minent la rentabilité. 

 

 

3. Conformité, vie privée et cybersécurité: des exigences croissantes

Avec la mise en œuvre de la Loi 25, la conformité en matière de données personnelles est devenue non négociable pour les entreprises québécoises. Résultat: des investissements en cybersécurité et en gouvernance des données en forte croissance, parfois au détriment de projets innovants.

 

 

4. Une dette technologique trop sovent ignorée

Les “patchs” TI s’accumulent: API, outils SaaS, bases de données disparates. Résultat: une architecture fragile, non scalable. Et dans un environnement où l’IA requiert des données propres, cohérentes, accessibles et bien structurées, cette dette freine directement l’innovation. 

 

Mention essentielle sur les données : 
Beaucoup d’entreprises tardent à centraliser leurs données dans des lacs ou entrepôts bien gouvernés. La promesse de l’IA repose sur la capacité à exploiter des données robustes, normalisées, accessibles, ce qui demande des efforts de nettoyage et d’alignement. C’est un chantier majeur, mais il est possible d’avancer en parallèle, en construisant des cas d’usage ciblés sur des jeux de données partiels maîtrisés. 
L’enjeu de la “donnée ubiquitaire”, c’est-à-dire la capacité d’accéder à l’information juste, en temps réel, peu importe sa source, sera, selon nous, le facteur différenciateur des cinq prochaines années pour les entreprises.

 

 

5. Une valeur d'affaires qui se dilue

Oui, les outils d’IA et d’automatisation font parfois gagner du temps. Mais ces gains profitent-ils à l’entreprise ou uniquement aux utilisateurs finaux? Si l’organisation ne revoit pas ses processus ou ses modèles d’affaires en profondeur, le retour sur investissement reste limité.   

 

Comment transformer vos investissements IA en impact mesurable 

Les entreprises québécoises qui réussissent à générer une vraie valeur avec leurs initiatives technologiques partagent plusieurs approches concrètes. Voici les meilleures pratiques qu’on observe, que vous soyez une PME en croissance ou une grande organisation publique.

 

1. Instaurer une gouvernance des coûts technologiques

Grâce au consumption metering (suivi de la consommation technologique) et à l’approche FinOps, certaines entreprises québécoises comme des institutions financières ou infrastructures critiques ont réussi à récupérer des centaines de milliers de dollars en coûts superflus. L’objectif: payer uniquement pour ce qui crée de la valeur.

Par exemple : une entreprise de distribution a découvert qu’un outil d’IA prédictive payé à l'utilisation n’était utilisé qu’à 8%.

 

 

2. Gérer vos projets IA comme des produits évolutifs

Chaque projet IA devrait être géré comme un produit d’affaires: avec des cibles claires, un cycle de vie, et des responsabilités continues. Fini le modèle "on implémente et on espère que ça marche". On mesure, on ajuste, on capitalise. 

 

 

3. Prioriser vos transformations par domaines à haut impact

L’erreur classique? Essayer d’automatiser un peu partout. La bonne approche? Sélectionner un domaine stratégique, comme la chaîne logistique, le service client ou les opérations, et le transformer complètement grâce à l’IA.

Par exemple : Selon un article d’Updata, les entreprises agroalimentaires ayant adopté l’IA ou des systèmes d’automatisation constatent généralement un retour sur investissement en moins de 12 mois. Ces initiatives entraînent notamment :

• Une réduction de 15% à 25% des déchets de production.
• Une réduction moyenne de 40% des coûts d’inspection.
• Une augmentation de 15% de la productivité globale.

 

4. Miser sur vos gens, pas juste sur vos algorithmes

L’IA n’est pas magique. Sans accompagnement des équipes internes, les outils ne sont ni adoptés ni utilisés de façon optimale.

Les leaders inspirants qu'on voit investir en formation continue, changer leurs structures d’équipes, et créer des réseaux internes de champions IA sont ceux qui obtiennent les meilleurs résultats, et ce durablement.

 

Concrètement, on fait quoi maintenant?

PDG / Présidence

• Alignez chaque initiative IA avec un objectif stratégique : réduction des coûts, amélioration de l’expérience client, productivité, etc.
• Exigez des indicateurs de performance clairs, revus trimestriellement.

DG TI / Direction technologique

• Évitez l’éparpillement : regroupez les projets par piliers fonctionnels. 
• Donnez la priorité aux systèmes qui soutiennent les activités à fort levier.

CFO / Directeur(trice)

• Financier(ère) Demandez une comptabilité de la consommation cloud. 
• Refusez les investissements non mesurables à court et moyen terme.

Responsables RH / Formation

• Lancez des programmes IA “train-the-trainer”.
• Valorisez les compétences en données et décision augmentée à tous les niveaux. 

 

En résumé : l’IA, c’est une stratégie d’affaires, pas juste une affaire de TI

Chaque dollar investi doit générer une valeur mesurable. Ça demande de la rigueur, de la visibilité, et surtout : un alignement sur ce qui compte pour votre organisation.

Et chez Era, c’est exactement ce qu’on propose : des projets IA ancrés dans vos priorités, sans jargon ni promesses irréalistes. On vous dit ce qui fonctionne, ce qui ne fonctionne pas encore, et comment aller chercher une vraie performance organisationnelle.

Vous voulez en discuter avec des experts neutres et locaux ? Écrivez-nous. On connaît bien le terrain. 

 

 

Sources: 

• Données publiques de Numana (CEFRIO) sur la transformation numérique au Québec
• Études de cas IVADO / Mila en entreprise
• Loi 25 et recommandations de la Commission d'accès à l'information du Québec 
• Indicateurs TI du Conseil du Trésor du Québec