IA : comment faire passer votre équipe de l’expérimentation à l’adoption

Cet article a été publié dans The Logic le lundi 24 août. 

Le simple fait de fournir aux employés des outils d’intelligence artificielle (IA) ne résoudra pas le problème de productivité du Canada. Malgré l’accès croissant à l’IA dans l’ensemble des entreprises canadiennes, l’absence de processus clairs les empêche de traduire l’expérimentation en adoption significative.  

Le rapport L’état de l’IA en entreprise de Deloitte publié en mars 2026 a révélé que même si plus de 60 % des organisations déclarent avoir un accès généralisé à l’IA au sein de leur effectif, 74 % d’entre elles admettent que l’utilisation demeure superficielle et ne génère pas de véritables gains.  

Glenda Crisp, présidente et chef de la direction de l’Institut Vecteur, affirme que l’adoption pâtit lorsque les employés considèrent l’IA comme une proposition « perdante-perdante » pour la sécurité d’emploi, plutôt que comme un outil pour résoudre des problèmes auparavant hors de portée.  

« Si vous pouvez présenter l’adoption comme une occasion de croissance pour l’employé et l’organisation, vous commencez à susciter la mobilisation », explique-t-elle.  

Une approche en matière d’IA axée sur les personnes  

Mme Crisp souligne que BMO, un commanditaire fondateur de l’Institut Vecteur, a mis les gens au cœur de sa stratégie d’IA, plutôt que l’inverse. « L’angle était de renforcer les capacités des employés, et non de les remplacer », explique-t-elle.  

« Dans la pratique, cela signifie que nous nous efforçons d’aider tous nos coéquipiers à consacrer plus de temps au travail qui crée de la valeur pour nos clients, et moins de temps aux activités qui ne font qu’ajouter des frictions à leur journée », explique Kristin Milchanowski, chef de l’intelligence artificielle et de l’informatique quantique à BMO Groupe financier.  

La Banque a publié son cadre d’IA responsable en 2025, guidé par les principes de l’empathie, de la gestion intègre et de l’optimisation pour la confiance. Pour Mona Malone, chef des affaires administratives et chef des ressources humaines de BMO, cela signifie faire une distinction claire entre les employés et l’IA.  

« Je ne considère pas l’IA comme une partie de l’effectif. C’est un moyen d’accomplir un travail », explique Mme Malone.  

Selon elle, il est tout aussi important de « penser aux employés, non pas en fonction de leurs tâches, mais en fonction de leurs compétences et de leur capacité à s’adapter, à croître et à se perfectionner ». Ainsi, les employés ne risquent pas d’être remplacés. Il s’agit plutôt d’une reconstruction des emplois à mesure que les entreprises redéfinissent les façons de faire.  

Les leaders de BMO favorisent l’agilité au sein de leur effectif grâce au programme L’IA pour tous, accessible à l’échelle de l’organisation pour que personne ne soit exclu, et à des programmes de formation propres à certains postes pour des outils d’IA précis.  

« Et nous nous assurons de comprendre, non seulement du point de vue des activités, mais aussi du point de vue des RH : que pensent les gens de ces outils?, ajoute-t-elle. Il est essentiel de prendre le pouls de l’effectif tout au long de cette refonte des façons de faire. »  

Pour favoriser la confiance, Mme Milchanowski affirme avoir commencé par indiquer clairement que l’IA est une discipline qui est utilisée dans le secteur bancaire depuis des décennies.  

Grâce à des « micromoments de confiance », les gens deviennent plus à l’aise d’intégrer l’IA à leur travail quotidien, explique-t-elle. « L’adoption se produit beaucoup plus rapidement lorsque les gens comprennent comment l’IA améliore ce travail, plutôt que d’avoir l’impression que l’IA leur est imposée. »  

Ensuite, pour élargir la mise en œuvre, les équipes ont cherché les « goulots d’étranglements » afin de s’assurer d’intégrer la technologie pour résoudre des problèmes concrets, plutôt que pour simplement suivre la tendance.  

« Nous avons créé cet environnement où l’expérimentation était encouragée, mais nous insistions fortement qu’elle devait être liée à un résultat d’affaires », explique Mme Milchanowski.  

L’accroissement de la productivité nécessite des processus et des flux de travail personnalisés  

Pour faire croître la productivité à l’échelle de l’organisation, il faut utiliser la technologie pour remanier les flux de travail, plutôt que pour s’attaquer aux tâches individuelles.  

Par exemple, Mme Crisp dit que, dans le cycle de développement logiciel, on passe beaucoup plus de temps sur l’établissement des priorités, la mise à l’essai, la mise en œuvre et la gestion du changement que sur la programmation. Pourtant, c’est souvent là où l’IA est mise en œuvre en premier.  

« Si vous n’avez fait qu’améliorer de 90 % ce qui représente 5 % du processus, vous n’avez pas créé de valeur », explique-t-elle.  

Stephanie Enders, chef de la mise en œuvre à l’Alberta Machine Intelligence Institute (Amii), collabore avec des équipes de direction pour élaborer un processus d’analyse rapide visant à déterminer si l’IA peut être appliquée efficacement à un cas.  

L’organisation utilise un cadre à cinq points pour évaluer si le défi est un problème de projection, de production, de prévention, de promotion ou de personnalisation. « Si c’est le cas, l’IA pourrait être l’un des outils à déployer pour accélérer la solution », explique-t-elle.  

Mme Enders affirme que cette évaluation rapide permet de recentrer le discours sur l’IA : plutôt que de se demander « comment mettre en œuvre l’IA? » (question très vaste), il s’agit d’appliquer le prisme de l’IA pour aider à orienter les discussions ultérieures.  

Le rôle clé des leaders dans la mise en œuvre de l’IA  

Chaque expert souligne que l’adoption de l’IA repose sur une vision et un plan d’exécution solides de la part des leaders de l’organisation. « La technologie peut accélérer le changement, mais c’est la culture qui détermine vraiment si ce changement perdure », explique Mme Milchanowski.  

Mme Malone souligne diverses tactiques que les leaders peuvent déployer pour influencer l’adoption de l’IA au sein de leurs équipes, comme donner l’exemple, où les leaders utilisent de façon évidente les outils dans leurs tâches quotidiennes, et offrir à leurs équipes des occasions de faire de même.  

« Et dites ce que vous ne savez pas, ajoute Mme Malone. Vous démontrez ainsi que vous savez que vous n’avez pas la science infuse. Voilà comment créer un milieu qui encourage l’expérimentation, peu importe le niveau de compétence de chaque membre de l’équipe. »  

Pour faciliter une utilisation efficace de l’IA, les leaders doivent clarifier les attentes de leurs équipes, explique Mme Enders.  

Elle encourage les entreprises à élaborer des profils d’IA, chacun comportant des paramètres définis pour l’utilisation de l’IA attribués aux membres de l’équipe pour un projet, un poste ou un horizon en particulier. Par exemple, Amii propose les profils suivants : apprenti de l’IA, utilisateur de l’IA, constructeur d’IA ou stratège en IA.  

« Vous donnez aux gens les outils nécessaires pour comprendre les attentes dans le cadre de leur poste ou d’un projet précis, explique Mme Enders.  

Les mécanismes de protection et la gouvernance ouvrent la voie à l’innovation  

Mme Enders encourage les leaders à aborder l’IA comme ils aborderaient tout autre développement des affaires : en la mettant en correspondance avec la stratégie et la culture existantes de l’organisation.  

En prenant des décisions transparentes sur l’avancement des projets en fonction de leur harmonisation avec les cadres de gouvernance, dit-elle, on renforce la confiance à l’égard des mécanismes de protection mis en place.  

Mme Milchanowski attribue la capacité d’innovation à grande échelle de BMO à une solide gouvernance. « Les gens agissent plus rapidement lorsqu’ils comprennent les attentes, les responsabilités et les paramètres dans lesquels ils peuvent fonctionner, dit-elle. Des cadres clairs réduisent l’incertitude et aident les équipes à concentrer leur énergie sur l’exécution. »  

Grâce à la formation L’IA pour tous de BMO, il est clair que, peu importe les outils qu’un employé utilise, il est toujours responsable du travail effectué. Il faut donc comprendre les données saisies, la façon dont le modèle formule des recommandations et la mise en œuvre de ces recommandations.  

Selon Mme Crisp, pour assurer la responsabilité, il faut de solides pratiques de mesure, assorties de principes de gouvernance automatisés évolutifs et surveillés par des personnes qui comprennent le fonctionnement des modèles et des données.  

Mesurer la valeur, et non le volume  

Selon Mme Crisp, il faut également mesurer la valeur. Lorsqu’elle travaillait dans le secteur bancaire, elle avait cinq catégories de valeur pour chaque cas d’utilisation : augmentation des revenus, réduction des dépenses, mobilisation des clients, mobilisation des employés et risque.  

Mme Crisp suggère d’utiliser des indicateurs de mesure : par exemple, la réduction des dépenses peut être saisie en examinant le nombre de minutes par appel dans votre centre d’appels. Elle souligne également la nécessité de mesurer les mesures de la qualité des données. « Tout a toujours dépendu des données, mais l’IA ne fait qu’amplifier cet état des lieux », explique-t-elle.  

Mme Milchanowski convient que les mesures de valeur sont plus utiles que les mesures d’adoption pour évaluer les résultats d’affaires.  

« J’ai vu des gens mesurer le nombre de projets pilotes, de requêtes ou de licences, mais cela en dit vraiment très peu sur la valeur commerciale créée, explique Mme Milchanowski. [À BMO], nous privilégions la mesure de la vitesse de prise de décision. Il s’agit de la capacité à détecter le changement, à interpréter l’information ou à agir en toute confiance, qui influence de plus en plus l’avantage concurrentiel. »  

« C’est lorsque vous êtes en mesure d’améliorer la qualité des décisions tout en accélérant l’exécution. »  

Pour Mme Milchanowski, il s’agit de tirer parti de l’IA comme avantage concurrentiel. « Ce qui m’enthousiasme le plus au sujet de l’IA, c’est la capacité de faire ressortir des analyses qui, autrement, resteraient cachées », explique-t-elle.  

« C’est là que se trouve la valeur réelle, et je crois qu’un plus grand nombre d’entreprises doivent adopter cette attitude afin de tirer davantage de valeur de ces nouveaux outils. »