Apprendre l'IA avant qu'il soit trop tard : ce que les gens à cheval n'ont pas vu venir

EN BREF

• 19,2 % des entreprises canadiennes utilisent l'IA. 40 % affirment que ce n'est pas pertinent pour elles. C'est ce deuxième chiffre qui raconte l'histoire.

• Chaque technologie majeure a frappé le même mur : l'auto, l'électricité, le chiffrier. Ceux qui résistaient n'étaient pas des imbéciles. Ils étaient en avance, et être en avance, ça ressemble beaucoup à avoir tort.

• La vraie leçon, c'est l'électrification des usines. Acheter la technologie n'a rien changé. Repenser le travail autour d'elle a tout changé. Ça a pris quarante ans.

• « Trop tard » ne veut pas dire remplacé du jour au lendemain. Ça veut dire compétitionner contre quelqu'un qui détient deux ans de jugement que vous ne pouvez pas acheter.

• Commencez par 30 minutes par jour, sur du vrai travail. Aucune formation requise.

---

En 1865, le Parlement britannique adopte une loi obligeant tout véhicule automoteur circulant sur la voie publique à être précédé d'un homme à pied agitant un drapeau rouge. Vitesse maximale : 6 km/h à la campagne, 3 km/h en ville. La loi est restée en vigueur 31 ans.

C'est facile d'en rire aujourd'hui. Ne riez pas trop vite. Les gens à cheval n'étaient pas des imbéciles. Les premières autos étaient bruyantes, capricieuses, hors de prix et franchement dangereuses. Le drapeau rouge était une réponse raisonnable à une machine déraisonnable. Le problème, c'est qu'ils avaient raison à propos de la machine de 1865 et complètement tort à propos de celle de 1895. Quand la loi a finalement été abrogée en 1896, la question n'était plus de savoir si l'auto fonctionnait. C'était de savoir qui avait passé trente ans à apprendre à en construire, à en conduire, à en réparer et à tracer des routes pour elles.

Pendant une vingtaine d'années, le cheval et l'auto ont partagé le même trottoir, et les deux semblaient des paris raisonnables. Un seul était une mode passagère. (Domaine public)

Les 40 % n'ont pas tort sur aujourd'hui. Ils ont tort sur l'horloge.

Les derniers chiffres de Statistique Canada, deuxième trimestre 2026 : 19,2 % des entreprises canadiennes déclarent avoir utilisé l'IA pour produire des biens ou livrer des services au cours des 12 mois précédents. C'est le triple du 6,1 % mesuré en 2024. Une croissance réelle et rapide.

Maintenant, l'autre chiffre du même sondage. Deux entreprises sur cinq, 40 %, ont répondu que l'utilisation de l'IA n'est pas pertinente pour leur entreprise. Pas « trop cher ». Pas « on attend de voir ». Pas pertinent. Et ça se concentre exactement où on s'y attend : construction à 9,2 % d'adoption, commerce de gros à 7,9 %, agriculture à 4,5 %.

Ces propriétaires portent un jugement raisonnable sur les outils tels qu'ils existent ce matin, dans leur shop, pour leur travail précis. C'est exactement le jugement qu'a porté l'homme avec son cheval. Il n'avait pas tort sur 1865. Il avait tort sur la vitesse à laquelle 1865 devient 1895. Et la majorité du raisonnement qui maintient ce 40 % en place repose sur des mythes qui coûtent cher aux PME, que les données ne soutiennent tout simplement pas.

L'usine qui a acheté un moteur électrique et n'a rien changé

Voici l'analogie qui compte vraiment, et que presque personne ne raconte.

Les moteurs électriques sont commercialisés dès les années 1880. À l'époque, une usine est construite autour d'un immense moteur à vapeur unique qui entraîne un arbre de transmission central courant sur toute la longueur du bâtiment, avec des courroies de cuir qui descendent vers chaque machine. Les machines sont placées selon leur proximité à la source de puissance, pas selon le flux de travail. Si vous aviez besoin de couple, vous étiez assis près du moteur. Le bâtiment au complet était un diagramme de l'arbre de transmission.

Une source de puissance, un arbre au plafond, une courroie qui descend vers chaque machine. Réaménager ce plancher, c'était rebâtir le bâtiment. Voilà pourquoi l'électricité a pris quarante ans à rapporter. (NARA, domaine public)

La première vague de propriétaires d'usines adopte l'électricité avec enthousiasme. Ils arrachent le moteur à vapeur, boulonnent un gros moteur électrique à sa place, et le raccordent au même arbre de transmission. La productivité bouge à peine. Conclusion raisonnable, largement partagée à l'époque : l'électricité, c'est surévalué.

Les gains sont apparus une quarantaine d'années plus tard, quand une nouvelle génération de gestionnaires a installé un petit moteur sur chaque machine individuelle. Soudainement, le plancher pouvait suivre le travail au lieu de suivre l'arbre. On pouvait aligner les machines dans l'ordre réel où le produit circule. On pouvait mettre des fenêtres là où passaient les transmissions. On pouvait ajouter des ponts roulants, parce que le plafond était libre. La productivité a explosé.

La technologie n'avait pas tellement changé. Les gens, oui. Ça a pris une génération pour désapprendre le moteur à vapeur.

C'est exactement là que se trouvent la majorité des projets d'IA en ce moment. Une entreprise achète des licences ChatGPT, les boulonne sur le processus existant, écrit ses courriels 4 % plus vite, et conclut que c'est de la hype. Le moteur est électrique. L'arbre de transmission est encore là. C'est le même patron qui explique pourquoi la plupart des projets IA échouent dans les 90 premiers jours : l'outil arrive, le processus ne change jamais, et tout le monde blâme l'outil.

L'écart n'est pas technique. C'est un écart d'apprentissage.

Un portrait de KPMG Canada publié en 2025 révélait que seulement 24 % des employés canadiens avaient reçu une quelconque formation en IA. RBC a bien nommé le problème de fond : un « imagination gap », une incapacité largement répandue chez les dirigeants, surtout dans les plus petites entreprises, à se représenter où ça s'insère dans leur travail réel.

Mettez ça à côté d'une donnée de la Banque de développement du Canada : 97 % des PME qui ont adopté l'IA rapportent des bénéfices tangibles.

Lisez les deux ensemble et le portrait devient sans ambiguïté. Les outils fonctionnent pour presque tous ceux qui les utilisent sérieusement, et presque personne n'a appris à les utiliser sérieusement. Ce n'est pas un problème de technologie. C'est un problème de formation.

La bonne nouvelle : les problèmes de formation coûtent peu cher à régler. La mauvaise : ils prennent du temps, et le temps est le seul intrant qu'on ne peut pas acheter rétroactivement.

Ce que « apprendre l'IA » veut vraiment dire

Ça ne veut pas dire une certification. Ça ne veut pas dire un cours de fin de semaine. Ça veut dire des répétitions.

Trente minutes par jour sur du vrai travail. Pas des exercices bidon. La soumission que vous êtes en train d'écrire de toute façon. Le courriel que vous repoussez depuis mardi. Le chiffrier que vous conciliez tous les vendredis. Les exercices bidon n'apprennent rien parce que la réponse ne vous intéresse pas.

Poussez jusqu'à ce que ça casse. La connaissance de valeur, c'est la frontière : où c'est fiable, où ça invente, où ça exige une vérification humaine. On trouve cette frontière seulement en fonçant dedans.

Apprenez la compétence, pas le fournisseur. Les outils bougent plus vite que votre entreprise. Le modèle le plus puissant jamais lancé a disparu trois jours plus tard, et ceux qui avaient câblé leurs opérations sur ce seul modèle ont passé une semaine à tout rebâtir. Le jugement, lui, se transfère d'un outil à l'autre. L'abonnement, non.

Tenez une liste de ce qu'il a raté. Cette liste, c'est votre expertise réelle. C'est la chose qu'aucun consultant ne peut vous vendre, parce qu'elle est propre à votre entreprise, à votre vocabulaire, à vos clients.

Arrêtez de recommencer à zéro. C'est à la deuxième semaine que ça devient utile. La plupart des gens abandonnent la première semaine parce que les premiers essais sont mauvais, et ils en concluent que l'outil est mauvais. L'outil n'est pas mauvais. Votre prompt l'est. Et ça, ça se corrige en un après-midi.

Ensuite, automatisez. L'automatisation, c'est ce qu'on fait une fois qu'on sait à quoi ressemble un bon résultat. Automatiser un processus qu'on ne comprend pas ne fait que produire les erreurs plus vite et à plus grande échelle. C'est la raison numéro un de l'échec des projets d'automatisation, et elle n'a rien à voir avec le logiciel.

Trop tard pour quoi, au juste ?

Soyons honnêtes sur le risque, parce que le discours catastrophiste est paresseux et surtout faux. Votre entreprise ne se volatilise pas du jour au lendemain. Personne ne débarque un lundi matin pour remplacer votre équipe par un chatbot.

Le risque, c'est l'effet cumulatif. Le compétiteur qui a commencé en 2024 ne possède pas juste de meilleurs outils. Il possède deux ans de savoir quoi demander. Deux ans de savoir quelles tâches déléguer et lesquelles garder. Une équipe qui n'a pas peur de la chose. Des données plus propres, parce qu'il a enfin eu une raison de les nettoyer. Et l'habitude de remettre ses propres processus en question, qui s'avère être l'effet secondaire le plus payant de tout l'exercice.

Vous pouvez acheter le même logiciel demain matin. Vous ne pouvez pas acheter les deux ans.

C'est ça, « trop tard ». Pas l'extinction. Juste être en permanence une coche derrière quelqu'un qui a commencé plus tôt et qui n'a jamais arrêté.

Commencez cette semaine

Choisissez une tâche que vous faites chaque semaine et que vous n'aimez pas. Donnez-lui 30 minutes par jour pendant deux semaines. Notez ce qui a marché et ce qui a planté. C'est tout le devoir. Si après deux semaines vous pensez encore que ce n'est pas pertinent pour votre entreprise, vous aurez gagné cette opinion honnêtement, ce que la majorité des 40 % ne peut pas dire.

Si vous êtes encore plus en amont et que vous vous demandez où l'IA s'insère avant même d'avoir bâti quoi que ce soit, le chemin concret pour démarrer avec l'IA couvre le terrain avant celui-ci.

FAQ

Est-ce que je dois apprendre à coder pour utiliser l'IA dans mon entreprise ?

Non. La compétence la plus payante n'est pas la programmation, c'est de savoir quelles parties de votre travail valent la peine d'être déléguées et comment les décrire avec précision. C'est une compétence de gestion, pas une compétence technique. Le code devient utile plus tard, quand on passe de l'usage des outils à la construction de systèmes.

Ça prend combien de temps avant de voir un retour ?

Sur l'usage personnel, des jours. Sur une vraie automatisation de processus, comptez 90 jours avant que ce soit stable et mesurable, ce qui est précisément la fenêtre où la majorité des projets meurent en silence. Les entreprises qui voient un retour sont celles qui ont cartographié le processus avant de l'automatiser.

Mon industrie utilise à peine l'IA. Ça ne veut pas dire que je peux attendre ?

Ça veut dire que vos compétiteurs n'ont pas commencé non plus. C'est l'occasion, pas l'excuse. La construction est à 9,2 % d'adoption au Canada. Une faible adoption dans votre secteur signifie que l'écart que vous bâtissez maintenant est plus grand et dure plus longtemps que dans un marché saturé.

La suite

Chez Neurotek AI, on commence chaque mandat par une conférence découverte exactement pour cette raison : avant d'automatiser quoi que ce soit, on cartographie ce qu'est réellement le travail et où l'arbre de transmission est encore boulonné au plancher. C'est toute la philosophie, et c'est pourquoi on travaille comme ça. Automatiser. Déléguer. Éliminer. Dans cet ordre, et jamais avant d'avoir compris le processus.

Si vous voulez chiffrer ce que ça vaut dans votre shop avant de parler à qui que ce soit, passez vos propres chiffres dans le calculateur de ROI. Et si vous préférez juste écouter un bout, Simon décortique une histoire d'IA par semaine, en français clair, sur Cogeco Outaouais 104,7 FM.

La loi du drapeau rouge a duré 31 ans. Personne ne se souvient du nom des hommes qui portaient les drapeaux.